Article Per Year (5 Year)
p-Index From 2021 - 2026
8.116
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 Sistem dan Manajemen Industri 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) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Teknologi Terpadu Jurnal Informatika dan Rekayasa Elektronik JATI (Jurnal Mahasiswa Teknik Informatika) Tematik : Jurnal Teknologi Informasi Komunikasi Jurnal Teknik Informatika (JUTIF) 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) Jurnal Algoritma Bincang Sains dan Teknologi 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
Unknown Affiliation
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 : 85 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 85 Documents
Search

 5   6   7   8   9 
Identifikasi Berita Palsu di Portal Media Online Menggunakan Model IndoBERT dan LSTM Kamal, Angga Mochamad; Chrisnanto, Yulison Herry; Yuniarti, Rezki
JURNAL RISET KOMPUTER (JURIKOM) Vol. 12 No. 3 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i3.8660

Abstract

The rapid spread of political fake news on Indonesian online media portals poses serious threats to public trust and democratic stability. The main research problem is the limitation of existing models in handling the complexity of Indonesian political narratives containing local idioms and long text structures. The proposed solution employs a hybrid IndoBERT-LSTM model with ensemble stacking approach using logistic regression meta-learner to optimize fake news detection. IndoBERT is selected to capture Indonesian language nuances, while LSTM handles sequential dependencies in long articles. The research objective is to develop an accurate detection system for political fake news by leveraging the complementary strengths of both models. The dataset comprises 32,218 political articles from credible portals (Kompas, CNN Indonesia, Tempo, Detiknews, Viva) and Turnbackhoax.id validation from September 2021 to December 2024. Research results demonstrate that ensemble stacking achieves superior performance with F1-score 0.9544, accuracy 95.41%, and AUC-ROC 0.9936, outperforming standalone IndoBERT (F1: 0.9542) and LSTM (F1: 0.9417). Error analysis identifies 4.59% error rate with 134 false positives and 88 false negatives, particularly in long articles (average 2,739 characters). This model has potential for integration into fact-checking platforms for real-time detection of Indonesian political fake news.
Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering Naufal, Farhan; Herry Chrisnanto, Yulison; Kania Ningsih, Ade
Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i1.879

Abstract

Online Shop adalah salah satu fasilitas yang disajikan oleh internet, yang mampu mempermudah masyarakat dalam belanja tanpa harus bertatap muka dengan pelanggan, tanpa harus antri dan tawar menawar. Pertumbuhan ekonomi digital semakin besar persaingan bisnis juga akan semakin berat, akibatnya semakin banyak online shop tidak hanya menampilkan produk-produk tetapi juga perlu didukung oleh pemilihan produk yang tepat untuk menarik perhatian pelanggan. Terlalu banyaknya variasi produk yang ditawarkan secara random (acak) pada online shop membuat beberapa pelanggan kesulitan dalam menentukan produk yang akan dibeli. Berdasarkan permasalahan yang muncul maka penelitian mengenai Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering ini dilakukan. Sistem ini menggunakan algoritma K-Means Clustering serta dataset yang digunakan adalah data transaksi penjualan dari kurun waktu 1 tahun terakhir agar cakupanya tidak meluas dengan menggunakan data terbaru. Hasil dari penelitian ini ditemumakan bahwa ada 3 cluster yang memiliki karakteristik berbeda yaitu, cluster 1 dengan karakteristik penjualan sedang dengan rentang umur pembeli 36-50 tahun , cluster 2 dengan karakteristik penjualan terbanyak dengan rentang umur pembeli 18-26 tahun dan cluster 3 dengan karakteristik penjualan rendah dengan rentang umur 27-35 tahun. Dari hasil cluster dapat disimpulkan bahwa produk yang direkomendasikan merupakan produk terpopuluer dari setiap clusternya. Hasil perhitungan nilai sillhouette coeficient didapatkan cluster dengan jumlah 3 karena memiki nilai paling mendekati Si = 1 yaitu dengan nilai 0.7354092263523232.
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.
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 Ulasan Aplikasi Deepseek AI Menggunakan Model Bidirectional LSTM dan IndoBert Mahendra, Lucky Syahroni; Herry Chrisnanto, Yulison; Yuniarti, Rezki
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2950

Abstract

Advancements in Natural Language Processing (NLP) technology have progressed rapidly, marked by the emergence of various Large Language Models (LLMs) such as ChatGPT, Gemini, and DeepSeek AI. One particularly popular model is DeepSeek AI due to its ability to understand and respond to natural language text more contextually. The increasing popularity of this application is accompanied by a growing number of user reviews, which serve as an important source of data for capturing their experiences and perceptions. This study aims to analyze user sentiment toward the DeepSeek AI application using a deep learning approach. Specifically, the research focuses on evaluating the performance of sentiment classification models in the context of Indonesian-language data, which is relatively limited and imbalanced. The dataset was collected from user reviews on the Google Play Store and categorized into three sentiment classes: positive, negative, and neutral. The method employed is a combination of IndoBERT and Bidirectional Long Short-Term Memory (BiLSTM). IndoBERT is used to generate contextual text representations in Indonesian, while BiLSTM is utilized to recognize sequential word patterns. Experimental results show that this hybrid model achieves an accuracy of 45%, with the highest F1-score of 0.66 in the positive class. Meanwhile, a macro-average F1-score of 0.33 and a ROC-AUC of 0.546 indicate that the model’s performance remains limited in distinguishing the three classes evenly. Nevertheless, the main contribution of this study lies in the development of a new dataset consisting of 1,774 Indonesian-language reviews related to LLM-based applications, which can be used for further research in the field of Natural Language Processing (NLP). The study also demonstrates the effectiveness of integrating IndoBERT and BiLSTM for sentiment analysis of Indonesian text with imbalanced data distribution.
Identifikasi Kemampuan Akademik Mahasiswa Menggunakan K-Means Clustering Rahmawati, Eka; Chrisnanto, Yulison Herry; Maspupah, Asri
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 3 No. 1 (2019): PROSIDING SEMNAS INOTEK Ke-III Tahun 2019
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v3i1.518

Abstract

Peningkatan peran dosen dalam penjaminan mutu di perguruan tinggi akan tercapainya kinerja akademik yang sesuai dengan kemampuan yang dimiliki oleh mahasiswa. Untuk menganalisa kinerja akademik sendiri berarti mengidentifikasi keunikan-keunikan yang ada pada mahasiswa sehingga dalam mengidentifikasi keunikan- keunikan tersebut akan terdapat variabel-variabel yang berpengaruh terhadap kemampuan akademik mahasiswa. Dalam mengidentifikasi kemampuan akademik mahasiswa tidak semua variabel yang digunakan akan berpengaruh terhadap kemampuan akademik mahasiswa. Salah satu cara untuk mengetahui variabel yang berpengaruh terhadap kemampuan akademik mahasiswa yaitu dengan algoritma K-Means Clustering. Penelitian ini menghasilkan sistem yang dapat mencari kombinasi variabel untuk dapat mencerminkan suatu kemampuan akademik dari mahasiswa sehingga terdapat variabel yang tidak berpengaruh terhadap kemampuan akademik mahasiswa dengan menggunakan K-Means Clustering. Hasil pengujian menunjukkan bahwa terdapat variabel yang tidak berpengaruh terhadap kemampuan akademik sehingga terdapat 23 data kemampuan akademik mahasiswa yang tidak sesuai dengan kategori cluster sebelumnya. Hasil penelitian ini juga menunjukkan bahwa terdapat 73 data kemampuan akademik mahasiswa yang sesuai dengan kategori cluster sebelumnya sehingga memiliki nilai akurasi 73% dan dari semua jumlah cluster yang dimasukkan, untuk cluster yang berjumlah 3 memiliki nilai silhouette coefficient yang paling mendekati nilai Si=1 dengan nilai 0.835409226.
SISTEM ESTIMASI BIAYA DAN SUMBER DAYA PROYEK PERANGKAT LUNAK BERBASIS COCOMO II MENGGUNAKAN NEURAL NETWORK Irawan, Joko; Chrisnanto, Yulison Herry; Maspupah, Asri
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 3 No. 1 (2019): PROSIDING SEMNAS INOTEK Ke-III Tahun 2019
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v3i1.519

Abstract

Estimasi biaya dan sumber daya perangkat lunak merupakan bagian tak terpisahkan dari proyek perangkat lunak. Saat melakukan estimasi sering menghadapi dua permasalahan yaitu estimasi berlebihan dan estimasi yang kurang. Estimasi berlebihan akan menimbulkan penambahan alokasi biaya dan sumber daya, sedangkan estimasi yang kurang akan mengurangi kualitas produk. Untuk mengantisipasi terjadinya kesalahan estimasi maka dikembangkan suatu metode untuk mengestimasi biaya dan sumber daya proyek perangkat lunak berbasis Constructive Cost Model 1997 (COCOMO II) dengan menggunakan Algoritma Backpropagation Neural Network. COCOMO II menghasilkan nilai estimasi dari data latih, sedangkan Algoritma Backpropagation digunakan untuk menghasilkan nilai estimasi data uji. Hasil dari perhitungan Backpropagation dilakukan penggabungan dengan model COCOMO II sehingga menghasilkan estimasi biaya dan sumber daya proyek perangkat lunak. Jumlah data yang digunakan dalam penelitian ini sebanyak 60 data. Model yang dikembangkan ini dievaluasi menggunakan PRED. Berdasarkan hasil dari penelitian diperoleh bahwa penggunaan model COCOMO II, dan algoritma Backpropagation memiliki kedekatan dalam melakukan estimasi biaya, dan sumber daya proyek perangkat lunak dengan nilai PRED sebesar 75%. Kesimpulan dari penelitian ini model COCOMO II, dan algoritma Backpropagation dapat mengurangi tingkat kegagalan dalam proyek perangkat lunak, berdasarkan estimasi biaya, dan sumber daya.
Comparative analysis of optimization methods for cut order planning in apparel manufacturing Yulison Herry Chrisnanto; Julian Evan Chrisnanto; Jeremia Oktavian
Jurnal Sistem dan Manajemen Industri Vol. 9 No. 2 (2025): December
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsmi.v9i2.10502

Abstract

This study seeks to address the complicated optimization challenge inherent in cut order planning (COP) in the clothing manufacturing business, emphasising fabric consumption, computational economy, and production accuracy. Three optimization approaches were compared: adaptive heuristic scoring optimizer (AHOPS), hybrid metaheuristic optimization with simulated annealing (HIMOSA), and gradient-based penalty-driven (GBPD). The results show that the GBPD method achieved the highest fabric utilization (87.13%), the fewest amount of fabric layers (12), and the maximum computational efficiency (0.022 seconds), significantly outperforming both conventional methods and alternative advanced approaches. AHOPS and HIMOSA, on the other hand, required more layers (15) and produced lower fabric utilization (around 69.70%), with HIMOSA demonstrating noticeably greater computational needs (0.527 seconds). The adaptive heuristic scoring mechanism and the combination of gradient descent and machine learning predictions, which successfully handled the combinatorial difficulties of COP, are responsible for GBPD's exceptional performance. These results offer useful information to manufacturers looking for scalable, effective optimization solutions. They also point to potential avenues for future research, such as extending the applicability of GBPD to more intricate production scenarios and further honing machine learning models for increased efficiency and adaptability.
Assessment of the Level of Software Development Using CMMI-Dev 1.3 on the Unjani Official Web Ghaniiy, Gheral Naza; Chrisnanto, Yulison Herry; Abdillah, Gunawan
Bincang Sains dan Teknologi Vol. 4 No. 03 (2025): Bincang Sains dan Teknologi
Publisher : The Indonesian Institute of Science and Technology Research

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56741/bst.v4i03.1213

Abstract

UNJANI website ranked 186 in Webometric ranking. Webometric is a ranking system of universities around the world conducted by Cybermetrics Labs which is useful to determine the ranking in terms of the level of performance indicators of universities, which include Visibility, Openness, Excellence. The purpose of this study was to assess the level of maturity of the software development process on the UNJANI website using CMMI Dev 1.3. This study uses quantitative methods, with a survey approach to the person in charge and manager of the UNJANI website. Quantitative research is a way to obtain research data measured using tools such as surveys, questionnaires, or experiments, and analysed with statistical methods to find certain patterns, relationships, or trends. The results of this study found that out of 7 CMMI Dev.1.3 process areas, some areas are in accordance with the standard process of making the UNJANI website and some process areas are not in accordance with the CMMI Dev 1.3 framework. The maturity level of the UNJANI website is in the category of partially implemented in most process areas, with the highest GAP (50%) in Configuration Management (CM) and the lowest GAP (30%) in Project Monitoring and Control (PMC). The conclusion of this research reveals that UNJANI website still needs improvement in configuration management, change recording, and feature quality evaluation before release.
PENGGUNAAN ANALYSIS OF VARIANCE PADA ALGORITMA NAÏVE BAYES DALAM PREDIKSI PENYAKIT HEPATITIS Erras Lindiarda Mahentar; Yulison Herry Chrisnanto; Asep Id Hadiana
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7717

Abstract

Hepatitis merupakan penyakit serius yang memerlukan prediksi dini untuk mencegah komplikasi. Algoritma Naïve Bayes banyak digunakan dalam prediksi penyakit karena efisiensinya dalam menangani dataset yang besar dan sederhana. Namun, tantangan seperti ketidakseimbangan kelas, data yang tidak relevan, dan noise dalam dataset dapat mengurangi kinerja prediksi. Studi ini mengusulkan integrasi Analisis Varians (ANOVA) dengan Naïve Bayes untuk meningkatkan akurasi prediksi. ANOVA diterapkan sebagai metode pemilihan fitur berbasis filter untuk mengidentifikasi fitur yang paling signifikan, sehingga mengurangi efek noise dan fitur yang tidak relevan. Dataset yang digunakan dalam studi ini bersumber dari Repositori UCI, dengan validasi yang dilakukan menggunakan validasi silang 10 kali lipat. Hasilnya menunjukkan bahwa integrasi ANOVA meningkatkan akurasi prediksi Naïve Bayes dari 83,71% menjadi 85% sekaligus mengurangi jumlah fitur dari 19 menjadi lebih sedikit tanpa mengorbankan akurasi dan menghindari overfitting. Perangkat lunak yang dikembangkan dalam studi ini mendukung visualisasi dan prediksi data, yang selanjutnya memperkuat implementasi praktisnya. Penelitian ini berkontribusi pada optimalisasi prediksi penyakit hepatitis melalui pendekatan ANOVA. Penelitian selanjutnya disarankan untuk membandingkan metode ini dengan algoritma lain, seperti Decision Tree atau Support Vector Machine, dan mengujinya pada kumpulan data yang lebih besar dan lebih kompleks.
Co-Authors Adam, Marcellino Ade Kania Ningsih Ade Kania Ningsih Ade Kania Ningsih Ade Kania Ningsih, Ade Kania Aditya Prakasa Adryansyah Adryansyah Agung Wahana 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 Dewi, Liony Puspita Didik Garbian Nugroho Drl, Indra Raja Eina, Muhammad Fikri eka rahmawati Emia Rosta Br. Sebayang Enrico Budi Santoso Erras Lindiarda Mahentar Fadilah, Rifal Fahmy Akhmad Firdaus Faiza Renaldi Fajar Tresnawiguna Fajri Rakhmat Umbara Farhan Naufal Febry Ramadhan Fitaloka, Intan Fuji Astari, Dhea Gerliandeva, Alfin Ghaniiy, Gheral Naza Gita Mahesa Gunawan Gunawan Abdilah Gunawan Abdillah Gunawan Abdillah Gunawan Abdillah Gunawan Abdillah Gunawan Abdillah, Gunawan Gunawan Abdullah Hadiana, Asep Id Hanafi, Willy Hanief Kuswanto, Muhammad Rafi Hendro Pudjiantoro, Tacbir Herdi Ashaury Herlina Napitupulu Herlinda Padillah Ibadirachman, Rifqi Karunia Id Hadiana , Asep Irawan, Joko Irma Santikarama Jeremia Oktavian Julian Evan Chrisnanto Julian Evan Chrisnanto Kamal, Angga Mochamad Kania Ningsih, Ade Kasyidi, Fatan Kharisma Jevi Shafira Sepyanto Kholidah Syaidah Komarudin, Agus Kukuh Yulion Setia Prakoso Luthfia Oktasari Mahendra, Lucky Syahroni Melina Melina Melina Muhamad Afnan, Zikri Muhammad Munzir Rizkya Mubarak Muhammad Rendy Raihan Mukti Kinani Mulianti, Adhani Musa Asyari Hidayat Jati Nabilla, Ulya Naufal, Farhan 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 Rayhan Irawan Razaki, Adam Rd Muhammad Alfajri Reza Noviandi Rezki Yuniarti Ridwan Ilyas RIDWAN INDRANSYAH Riyadi, Saiful Faris Rizal Dwiwahyu Pribadi Salsa Safira Nur Syamsi Sepyanto, Kharisma Jevi Shafira Siska Vadilah Sukono Sukono Sumantri, Fithra Aditya Taufiq Akbar Herawan Teguh Munawar Ahmad Tiara Rahmawati Valentina Adimurti Kusumaningtyas Wahyu Pratama, Raka Wawan Setiawan Widinastia, Audila Gumanty Widiyantoro, Widiyantoro Wildah Fatma Lestari Wina Witanti Wisnu Uriawan, Wisnu Yosia Oktavian Pailan Zizilia, Regitha