Article Per Year (5 Year)
p-Index From 2020 - 2025
8.389
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Teknologi dan Kejuruan Voteteknika (Vocational Teknik Elektronika dan Informatika) Proceedings of KNASTIK Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Jurnal Pekommas Jurnal Edukasi dan Penelitian Informatika (JEPIN) Infotech Journal Sistemasi: Jurnal Sistem Informasi Jurnal Ilmiah Matrik BAREKENG: Jurnal Ilmu Matematika dan Terapan Matrix : Jurnal Manajemen Teknologi dan Informatika JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) INTECOMS: Journal of Information Technology and Computer Science KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) JURIKOM (Jurnal Riset Komputer) JUMANJI (Jurnal Masyarakat Informatika Unjani) Jurnal Teknologi Terpadu Jurnal Informatika dan Rekayasa Elektronik JATI (Jurnal Mahasiswa Teknik Informatika) Tematik : Jurnal Teknologi Informasi Komunikasi Informatics and Digital Expert (INDEX) Jurnal Informatika dan Teknologi Komputer ( J-ICOM) Jurnal Sosial dan Teknologi Jurnal Locus Penelitian dan Pengabdian Jurnal Informatika Teknologi dan Sains (Jinteks) Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) J-Icon : Jurnal Komputer dan Informatika IJESPG (International Journal of Engineering, Economic, Social Politic and Government) journal Enrichment: Journal of Multidisciplinary Research and Development Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) RESLAJ: Religion Education Social Laa Roiba Journal In Search (Informatic, Science, Entrepreneur, Applied Art, Research, Humanism) Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Yulison Herry Chrisnanto
Program Studi Informatika, Fakultas Sains Dan Informatika Universitas Jenderal Achmad Yani
Religion Aerospace Engineering Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 73 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 73 Documents
Search

 3   4   5   6   7 
PENGAMANAN DATA EKSTENSI FILE PDF DENGAN ALGORITMA AES DAN OTP Musa Asyari Hidayat Jati; Yulison Herry Chrisnanto; Gunawan Abdillah
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 6 No 3 (2024): EDISI 21
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v6i3.4308

Abstract

The rapid development of technology presents new challenges in maintaining data security and privacy, especially concerning the security and confidentiality of documents that are vulnerable to eavesdropping and theft. Cryptography is the art and science of maintaining the confidentiality of messages using mathematical techniques related to data security, such as privacy, data integrity, and authentication. Cryptography can be applied in various sectors to enhance data security and protect sensitive information from risks such as unauthorized access, theft, and misuse of personal data. For instance, PDFs, which are digital document formats, are often used for various purposes, such as online applications, registrations, and digital transactions. AES (Advanced Encryption Standard) is a widely used encryption algorithm for protecting data, and the use of OTP (One Time Password) is a security technique that requires two different steps of verification to access a system. The AES algorithm provides strong security by utilizing complex transformations that make it very difficult to break, and the addition of OTP further enhances data security before it is returned to its original form.
ANALISIS CLUSTER PADA KELOMPOK MASYARAKAT YANG RENTAN TERHADAP PAPARAN COVID-19 MENGGUNAKAN METODE K-MEANS CLUSTERING DAN VISUALIASI DENGAN SIG Drl, Indra Raja; Chrisnanto, Yulison Herry; Umbara, Fajri Rakhmat
Informatics and Digital Expert (INDEX) Vol. 4 No. 2 (2022): INDEX, November 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i2.885

Abstract

Covid-19 adalah penyakit yang menular serta laju infeksi yang cepat,setelah mencapai 100 kasus yang dikonfirmasikan terinfeksi tingkat penyebarannya meluas, Dengan cepatnya penyebaran wabah Covid-19 masyarakat sangat prihatin dengan penyebaran dan dampaknya ,orang yang sebelumnya sudah memiliki gangguan kesehatan akan meningkatkan risiko terinfeksi Covid-19 gangguan kesehatan ini seperti,tuberkulosis,diabetes ,diare ,hipertensi.Ada pun Faktor lain yang mempengaruhi penyebaran Covid-19 sepert kepadatan penduduk yang tinggi di kota besar ,iklim,suhu dan daerah metropolitan merupakan faktor risiko utama untuk tertular virus. Dari adanya faktor yang mempengaruhi kasus covid-19 sehingga Satgas Penanganan Covid-19 menilai pentingnya bagi semua pihak termasuk masyarakat memahami faktor-faktor lonjakan kasus Covid-19 agar terhindar dari kasus itu.tujuan dari penelitian ini Menggunakan metode K-Means Clustering untuk analisis cluster pada wilayah yang memiliki karakteristik tingginya kasus covid-19 dan variable apa yang berpengaruh terhadap tingginya kasus covid-19 dan divisualisasi menggunakan Sistem informasi geografis sehingga diharapakan dapat menjadi informasi bagi masyarakat dan instansi kesehatan untuk memahami kelompok wilayah yang rentan. kesimpulannya wilayah kota bandung dikelompokan menjadi 3 cluster yang dimana cluster 1 itu wilayah dengan kasus covid-19 tertinggi dan faktor yang mempengaruhi covid-19 juga tinggi untuk cluster 2 memiliki tingkat kasus yang rendah dan cluster 3 memiliki tingkatan yang yang lebih rendah dari kedua cluster.
Optimasi Parameter DBSCAN menggunakan Metode Differential Evolution untuk Deteksi Anomali pada Data Transaksi Bank Ibadirachman, Rifqi Karunia; Chrisnanto, Yulison Herry; Sabrina, Puspita Nurul
Jurnal Teknologi Terpadu Vol 10 No 1 (2024): Juli, 2024
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jtt.v10i1.1189

Abstract

Anomalies in bank transaction data often indicate fraudulent activity or errors. This research aims to detect anomalies in bank transaction data by optimizing DBSCAN parameters using the Differential Evolution (DE) method because there are shortcomings, namely the difficulty of determining the right parameters to create the right cluster in order to detect anomalies in bank transaction data properly. The data used is transaction data from Bank XYZ with more than 1011 data records. The research stages include data collection, data preprocessing (data cleaning, normalization, and transformation), system design, algorithm implementation, and analysis and testing using the Silhouette score and Z-score methods. The DE method is used to automatically determine the optimal parameters of MinPts and Epsilon. The results show that the use of DE can produce optimal parameters, with increased anomaly detection accuracy using DBSCAN. Evaluation with Silhouette score shows an average accuracy of 0.7916 and using DBI reaches 0.19791 at the lowest, while Z-score and MSE measurements show high cluster density with anomaly detection accuracy reaching 98.41% and 0.555537. The DE approach to parameter selection is effective in improving the performance of DBSCAN in detecting anomalies in bank transaction data. Suggestions for future research are to increase the number of data records and conduct experiments on a wider variety of data attributes.
Segmentasi Kasus Data Kematian Covid 19 Di Jawa Barat Menggunakan Algoritma DBSCAN Permatasari, Nissa Aulia; Chrisnanto, Yulison Herry; Ade Kania Ningsih
IJESPG (International Journal of Engineering, Economic, Social Politic and Government) Vol. 1 No. 4 (2023)
Publisher : IJESPG (International Journal of Engineering, Economic, Social Politic and Government)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Beta-coronavirus (SARS-CoV-2) atau virus covid 19 adalah virus yang menyerang saluran pernafasan. Sejauh ini, jumlah kasus positif dan kasus kematian akibat virus ini terus meningkat. Menurut data WHO, jumlah total yang terinfeksi virus ini adalah 6.674.000 dari tanggal 3 januari 2020 sampe dengan tanggal 2 desember 2022 dengan kasus kematian mencapai 159 kasus dari indonesia . Secara global sampai tanggal 2 desember 2022 terdapat 640.395.651 kasus covid 19 yang terkonfirmasi , termasuk dengan kasus kematian nya hingga 6.618.579. peneliti memilih menggunakan algoritma dbscan untuk mengelompokkan hasil data covid 19 yang dihasilkan. Pandemi covid sendiri yang melanda china dan menyebar ke seluruh negara , indonesia menjadi salah satu satu negara yang terkena covid 19 , masuknya covid 19 ke indonesia menyebabkan beberapa provinsi terjangkit covid 19 salah satu nya merupakan provinsi jawa barat. Algoritma dbscan adalah metode pengelompokan yang menciptakan wilayah terkait kepadatan berdasarkan kepadatan yang terkoneksi. Tujuan dari algoritma dbcsan adalah untuk mengindetifikasikan area yang mampu diukur dengan jumlah objek yang mendekati. Algoritma dbscan merupakan metode yang dapat digunakan untuk segmentasi pengelompokan data covid 19. Pada penelitian ini dilakukan segmentasi dataset covid 19 di jawa barat menggunakan algoritma dbscan . Dari hasil segmentasi data dapat diperoleh 30.000 data yang menjadi sample data sehingga menghasilkan beberapa cluster yang dapat dibandingkan, dengan membandingkan nilai percobaan 1 dan ke 2, percobaan pertama hasil akurasi sembuh hingga 90% dan pada percobaan kedua 75% begitu juga dengan meninggal , aktif dan total. Maka itu dapat disimpulkan bahwa percobaan pertama mendapatkan angka akurasi sembuh , meninggal, aktif dan total lebih besar dari dari pada pecobaan kedua. Dengan nilai akurasi sebesar 0.0099502487562189.
Talk show segmentation system based on Twitter using K-medoids clustering algorithm Sepyanto, Kharisma Jevi Shafira; Chrisnanto, Yulison Herry; Umbara, Fajri Rakhmat
Jurnal Pendidikan Teknologi Kejuruan Vol 3 No 3 (2020): Regular Issue
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/jptk.v3i3.15123

Abstract

Innovations on a talk show on television can be a threat. Audience will be divided into groups so that it can make a downgrade rating program. Program ratings affect companies that will use advertising services. Television companies will go bankrupt. The biggest source of income is sales of advertising services. One way to overcome them can be analyzed in public opinion. The results of the analysis can provide information about the attractiveness of the community towards the program. But the analysis process takes a long time and can be done only by a competent person so another process is needed to get the results of the analysis that is fast and can be done by anyone. In this study using K-Medoids Clustering in the process of identifying public opinion. The clustering process known as unsupervised learning will be combined with the labeling process. The previous episode's tweet data will be labeled and then used to obtain the predicted labels from other cluster members. Before going through the clustering stage, the tweet data will go through the text preprocessing stage then transformed into a numeric form based on the appearance of the word. Transformation data will be clustered by calculating proximity using Cosine Similarity. Labels from the Medoids cluster will be used on unlabeled tweet data. The cluster results were tested using the Silhouette Coefficient method to get 0.19 results. However, this method successfully predicted public opinion and achieved an accuracy of 80%.
ANALISIS SENTIMEN TERHADAP BAKAL CALON PRESIDEN 2024 DENGAN ALGORITMA MULTINOMIAL NAÏVE BAYES DAN OVERSAMPLING SMOTE Permana, Hary; Herry Chrisnanto, Yulison; Ashaury, Herdi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 5 (2023): JATI Vol. 7 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i5.7309

Abstract

Pemilihan presiden 2024 menjadi salah satu bahasan yang ramai dibicarakan oleh masyarakat Indonesia, khususnya di media sosial Twitter. Pengguna Twitter menuliskan opini mereka melalui tweet terhadap bakal calon presiden yang akan maju pada pilpres 2024 nanti. Dari opini tersebut dapat dilakukan penelitian untuk mengetahui sentimen masyarakat Indonesia terhadap tokoh bakal calon presiden 2024 dengan melakukan analisis sentimen. Salah satu algoritma yang dapat digunakan untuk melakukan analisis sentimen adalah Multinomial Naïve Bayes, algoritma ini menunjukkan performa yang baik dalam melakukan analisis sentimen. Namun, dalam melakukan analisis sentimen biasanya terdapat masalah pada ketidakseimbangan kelas. Untuk mengatasi hal tersebut, penelitian ini menggunakan teknik oversampling SMOTE untuk menyeimbangkan kelasnya. Pengumpulan data dilakukan dengan crawling data tweets menggunakan library snscrape. Selanjutnya, tahapan preprocessing dilakukan untuk menghilangkan kata yang duplikat dan tidak relevan. Karena data tweets tidak mempunyai label maka akan dilakukan pelabelan menggunakan lexicon InSet. Setelah itu dilakukan ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dengan nilai 1-gram dan 2-gram. Hasilnya menunjukkan penggunaan oversampling SMOTE dapat meningkatkan performa klasifikasi ketika kelas data tidak seimbang, yang ditunjukkan dengan adanya peningkatan performa berkisar antara 6-20% pada setiap dataset.
SISTEM REKOMENDASI LAYANAN HOMECARE BERDASARKAN ANALISIS KERANJANG BELANJA MENGGUNAKAN ALGORITMA APRIORI Putri Alifianti Wiyono, Tiara; Herry Chrisnanto, Yulison; Id Hadiana , Asep
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 5 (2023): JATI Vol. 7 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i5.7469

Abstract

Algoritma apriori adalah metode penambangan data untuk mengidentifikasi ketentuan asosiasi antar barang. Algoritma apriori mempunyai dua standarisai yaitu support dan confidence. Support (nilai penyangga) persentase gabungan item, confidence (nilai ketentuan) keterikatan antar objek hubungan asosiasi. Metode apriori sudah pernah dilakukan untuk kasus penelitian pola kombinasi penjualan transaksi minimarket namun belum pernah dipakai untuk kasus layanan homecare. Saat ini data mining banyak digunakan diberbagai sektor bisnis pada bidang industry, seperti perusahaan Salam Homecare yaitu layanan kesehatan di rumah yang saat ini beroperasi di Bandung sejak tahun 2021. Metode apriori diimplementasikan dengan tahapan pra proses seleksi data atribut, kemudian data dicari nilai support pada iterasi 1, 2, 3 dan seterusnya lalu mencari nilai confidence untuk menentukan probabilitas pola kombinasi itemset. Hasil penelitian menunjukkan Transaksi layanan homecare yang mempunya nilai support tertinggi yaitu Swab Pcr Reguler sebesar 0,367. Transaksi layanan homecare yang mempunya nilai support terendah yaitu Perawatan Luka dan Swab Pcr Sameday sebesar 0,033 Aturan asosiasi dari kombinasi 2 itemset yang memenuhi minimum confidence 0,05 yaitu Infus Vitamin Booster & Vitamin C dan Visit Dokter sebesar 0,067 sehingga jika menggunakan layanan Infus Vitamin Booster & Vitamin C maka menggunakan juga layanan Visit Dokter.
KLASIFIKASI TINGKAT STRES SAAT TIDUR MENGGUNAKAN ALGORITMA RANDOM FOREST Fuji Astari, Dhea; Herry Chrisnanto, Yulison; Melina, Melina
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 5 (2023): JATI Vol. 7 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i5.7750

Abstract

Kesehatan tubuh dipengaruhi oleh kualitas tidur, dan kesulitan tidur dapat menyebabkan masalah kesehatan akibat faktor psikologis seperti stres, kecemasan, dan kegelisahan. Mengukur tingkat stres saat tidur sulit dilakukan karena banyak variabel dengan nilai berbeda yang terlibat. Beberapa variabel yang berperan dalam menilai tingkat stres saat tidur antara lain dengkuran, frekuensi pernapasan, suhu tubuh, anggota tubuh, kadar oksigen darah, gerakan mata, durasi tidur, dan detak jantung. Mengklasifikasikan tingkat stres tidur menggunakan variabel-variabel ini membutuhkan penggunaan algoritma klasifikasi yang efisien. Dalam penelitian ini, algoritma Random Forest digunakan sebagai klasifikasi untuk mengidentifikasi tingkat stres saat tidur. Algoritma Random Forest adalah keseluruhan algoritma yang terdiri dari beberapa pohon keputusan yang bekerja sama untuk menghasilkan klasifikasi yang akurat. Sebelum klasifikasi, dilakukan metode pre-processing pada data, meliputi normalisasi min-max, yang mengubah nilai variabel antara 0 dan 1, dan pre-processing kategorikal, yang mengubah data numerik menjadi data kategorikal yang dapat digunakan dalam algoritma Random Forest. Adapun, tujuan dari penelitian ini adalah membangun sebuah sistem yang dapat mengklasifikasikan varibale-varibale tingkat stres dengan sangat akurat. Hasil penelitian ini memperoleh performa lebih baik dengan akurasi data sebesar 93.65% menggunakan algoritma Random Forest dengan metode evaluasi Confusion Matix, sedangkan algoritma C45 memperoleh akurasi sebesar 87.88%. Dari hasil penelitian ini, diharapkan dapat menjadi dasar untuk pengembangan metode yang lebih efektif dalam mengobati gangguan tidur terkait stres, serta dapat membantu meningkatkan kualitas tidur dan kesejahteraan individu secara umum.
KLASIFIKASI EFEK KERUSAKAN GEMPA BUMI BERDASARKAN SKALA MODIFIED MERCALLI INTENSITY MENGGUNAKAN ALGORITMA MULTICLASS SUPPORT VECTOR MACHINE Wahyu Pratama, Raka; Herry Chrisnanto, Yulison; Gunawan, Gunawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9211

Abstract

Gempa bumi merupakan bencana alam yang sering terjadi di Indonesia karena letak geografisnya yang berada di pertemuan tiga lempeng tektonik besar. Data gempa bumi diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dalam 2 tahun terakhir pada periode tahun 2022 hingga 2023, dan terdapat 1.689 record data yang tersedia, dengan atribut seperti lokasi, magnitudo, kedalaman, dan efek gempa. Pada data yang diperoleh menunjukkan ketidakseimbangan yang signifikan pada antar kelas dengan itu dilakukan teknik oversampling menggunakan SMOTE untuk menyeimbangkan jumlah sampel pada setiap kelas. Konsep Support Vector Machine (SVM) yang paling dasar, metode ini dapat melakukan klasifikasi biner dengan memisahkan titik data menjadi dua kelas, namun tidak mendukung klasifikasi multikelas secara bawaan. Penelitian ini bertujuan untuk mengimplementasikan pendekatan algoritma Multiclass Support Vector Machine (SVM) dengan membandingkan kernel non-linear dalam mengklasifikasikan dampak gempa bumi berdasarkan skala Modified Mercalli Intensity (MMI). Eksperimen pengujian pada penelitian ini membandingkan Multiclass Support Vector Machine (SVM) One vs Rest dan One vs One dengan kernel non-linear seperti polynomial, rbf, dan sigmoid. Hasil penelitian ini menunjukkan bahwa pendekatan algoritma Multiclass Support Vector Machine (SVM) One vs Rest dengan kernel rbf lebih baik dari pendekatan dan kernel lainnya dengan hasil akurasi 51.13%, presisi 42.60%, recall 52.46%, dan f1-score 42.51%.
DETEKSI KECEMASAN DI TWITTER MENGGUNAKAN FITUR WORD EMBEDDING BERT DAN METODE BIDIRECTIONAL-LONG SHORT TERM MEMORY Prawira, Angga; Herry Chrisnanto, Yulison; Kania Ningsih, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10436

Abstract

Adanya stigma di mana pengidap gangguan jiwa adalah orang yang sakit jiwa membuat orang-orang yang mengalami kecemasan berlebih malu untuk berobat dan lebih memilih untuk mengeluarkan keluh kesah, perasaan mereka di sosial media oleh karena itu dibutuhkan sebuah model perangkat lunak yang dapat mendeteksi unggahan kecemasan berlebih. Pada penelitian sebelumnya sudah mendeteksi kecemasan berlebih di media sosial twitter menggunakan metode BI-LSTM dengan pembobotan kata menggunakan TF-IDF dan mendapatkan akurasi sebesar 94.12%. Metode BI-LSTM sendiri membutuhkan data set yang sangat besar agar model tidak over-fitting. Oleh karena itu, proses pembobotan kata dilakukan menggunakan BERT karena selain memberikan pembobotan kata, BERT juga memberikan representasi numerik sehingga data set lebih beragam dan bisa membuat model BI-LSTM lebih banyak belajar dari representasi numerik tersebut hasil dari penelitian ini didapatkan akurasi sebesar 99.44% dan loss 0.0278 dapat disimpulkan bahwa bert dapat meningkatkan akurasi dari metode Bi-LSTM sehingga metode ini cocok untuk deteksi kecemasan berlebih.
Co-Authors Adam, Marcellino Ade Kania Ningsih Ade Kania Ningsih Ade Kania Ningsih Aditya Prakasa Adryansyah Adryansyah Agung Wahana Agus Komarudin Ahmed Haikal Amellia Fahezha Cahyaningrum Andhika Karulyana Febrian Asep Id Hadianna Asep Saepul Ridwan Ashaury, Herdi Asri Maspupah Azzahra, Cynthia Nur Bania Amburika Benedictus Benny Sihotang Cecep M Zakariya Darmawan, Raja Didik Garbian Nugroho Drl, Indra Raja Eina, Muhammad Fikri Eka Rahmawati Emia Rosta Br. Sebayang Enrico Budi Santoso Fadilah, Rifal Fahmy Akhmad Firdaus Faiza Renaldi, Faiza Fajar Tresnawiguna Fajri Rakhmat Umbara Fajri Rakhmat Umbara Farhan Naufal Febry Ramadhan Fitaloka, Intan Fuji Astari, Dhea Gerliandeva, Alfin Gita Mahesa Gunawan Abdillah Gunawan Abdillah Gunawan Abdillah Gunawan Abdillah Gunawan Abdillah, Gunawan Gunawan Abdullah Gunawan Gunawan Hadiana, Asep Id Herdi Ashaury Herlina Napitupulu Herlinda Padillah Ibadirachman, Rifqi Karunia Id Hadiana , Asep Irma Santikarama Joko Irawan Julian Evan Chrisnanto Kamal, Angga Mochamad Kania Ningsih, Ade Kasyidi, Fatan Kharisma Jevi Shafira Sepyanto Kholidah Syaidah Kukuh Yulion Setia Prakoso Kusumaningtyas, Valentina Adimurti Luthfia Oktasari Melina Melina Melina Melina Melina, Melina Muhammad Munzir Rizkya Mubarak Muhammad Rendy Raihan Mukti Kinani Mulianti, Adhani Musa Asyari Hidayat Jati Nabilla, Ulya Nida Ulhasanah Norizan Mohamed Permana, Hary Permatasari, Nissa Aulia Prawira, Angga Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Nurul Sabrina, Puspita Nurul Puspo Dewi Dirgantari Putri Alifianti Wiyono, Tiara Putri Eka Prakasawati Raflialdy Raksanagara Rahandanu Rachmat Raja Darmawan Razaki, Adam Rd Muhammad Alfajri Reza Noviandi Rezki Yuniarti Ridwan Ilyas RIDWAN INDRANSYAH Riyadi, Saiful Faris Rizal Dwiwahyu Pribadi Salsa Safira Nur Syamsi Santikarama, Irma Sepyanto, Kharisma Jevi Shafira Siska Vadilah Sukono . Sumantri, Fithra Aditya Tacbir Hendro Pudjiantoro Taufiq Akbar Herawan Teguh Munawar Ahmad Tiara Rahmawati Umbara, Fajri Rakhmat Valentina Adimurti Kusumaningtyas Wahyu Pratama, Raka Wawan Setiawan Widinastia, Audila Gumanty Widiyantoro, Widiyantoro Wildah Fatma Lestari Willy Hanafi Wina Witanti Wisnu Uriawan, Wisnu Yosia Oktavian Pailan Zikri Muhamad Afnan Zizilia, Regitha