p-Index From 2021 - 2026
12.901
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jupiter Jurnal INKOM PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Jurnal technoscientia Jurnal Intelektualita: Keislaman, Sosial, dan Sains POSITIF Jurnal IPTEK-KOM (Jurnal Ilmu Pengetahuan dan Teknologi Komunikasi) SMATIKA KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan JOIN (Jurnal Online Informatika) Jurnal Ilmiah KOMPUTASI Sinkron : Jurnal dan Penelitian Teknik Informatika International Journal of Artificial Intelligence Research JURNAL MEDIA INFORMATIKA BUDIDARMA Syntax Literate: Jurnal Ilmiah Indonesia CogITo Smart Journal Jurnal Ilmiah Matrik INOVTEK Polbeng - Seri Informatika Jusikom : Jurnal Sistem Komputer Musirawas JURNAL INSTEK (Informatika Sains dan Teknologi) IRJE (Indonesian Research Journal in Education) METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jurnal Informatika Universitas Pamulang Jurnal Sisfokom (Sistem Informasi dan Komputer) Jurnal Teknologi Informasi MURA Jurnal Teknologi Sistem Informasi dan Aplikasi Jurnal Ilmiah Media Sisfo JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Informatika Global EDUMATIC: Jurnal Pendidikan Informatika JUSIM (Jurnal Sistem Informasi Musirawas) Jurnal Tekno Kompak Jurnal Mantik Jurnal Muara Ilmu Ekonomi dan Bisnis Journal of Information Systems and Informatics Zonasi: Jurnal Sistem Informasi Community Engagement and Emergence Journal (CEEJ) JATI (Jurnal Mahasiswa Teknik Informatika) Scientific Journal of Informatics Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) JUKI : Jurnal Komputer dan Informatika Jurnal Teknologi Informatika dan Komputer JURNAL TEKNOLOGI TECHNOSCIENTIA Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Pendidikan dan Teknologi Indonesia Djtechno: Jurnal Teknologi Informasi KLIK: Kajian Ilmiah Informatika dan Komputer J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Pengabdian kepada Masyarakat Bina Darma Jurnal Locus Penelitian dan Pengabdian Jurnal Bina Komputer Jurnal Pengabdian Masyarakat Information Technology (JPM ITech) Jurnal Ilmiah Ilmu Terapan Universitas Jambi International Journal of Advanced Science Computing and Engineering Innovative: Journal Of Social Science Research Bulletin of Social Informatics Theory and Application Jurnal Teknologi Informasi Mura Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Journal Digital Technology Trend Journal on Mathematics Education Jejak digital: Jurnal Ilmiah Multidisiplin Jurnal Ilmu Komputer dan Sistem Informasi (JIKSI) Jurnal Jaringan Komputer dan Keamanan (JJKK) Smatika Jurnal : STIKI Informatika Jurnal Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer
Claim Missing Document
Check
Articles

Analisis Kepuasan Implementasi E-government Menggunakan Metode Webqual 4.0 dalam Pelayanan Publik di Bidang Kependudukan dan Catatan Sipil Kota Palembang Hendri; Surya Negara, Edi; Sutabri, Tata
Jurnal Informatika Universitas Pamulang Vol 9 No 3 (2024): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v9i3.43612

Abstract

Analisis kepuasan pengguna terhadap layanan sistem informasi berbasis elektronik atau e-government yang disediakan oleh lembaga pemerintah diperlukan untuk mengevaluasi kualitas layanan tersebut, terutama jika layanan ini merupakan kebutuhan vital dan memainkan peran penting dalam kemajuan masyarakat. Tujuan dari penelitan ini adalah untuk menggunakan pendekatan webqual 4.0, yang telah banyak digunakan untuk melakukan analisis atau pengukuran layanan publik. menggunakan regresi linier berganda untuk menentukan apakah dua atau lebih variabel independen mempengaruhi Y. Kualitas informasi, kualitas interaksi layanan, dan kualitas kegunaan adalah tiga variabel yang digunakan dalam uji data ini karena penulis hanya perlu menggunakan tiga variabel untuk menguji hipotesis dan mengevaluasi situs web dinas kependudukan dan pencatatan sipil kota Palembang dengan mengajukan beberapa pertanyaan kecil kepada responden. Hasil pengujian bersama menunjukkan bahwa variabel kualitas kegunaan dan interaksi layanan berpengaruh terhadap kepuasan pengguna, variabel kualitas informasi bernilai negatif, yang menunjukkan bahwa tidak ada pengaruh terhadap kepuasan pengguna, dan variabel kualitas kegunaan bernilai positif, yang menunjukkan bahwa ada pengaruh terhadap kepuasan pengguna.
MODEL DATA MINING DALAM MENGANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI SUMATERA SELATAN Hardianto, Hardianto; Novaria Kunang, Yesi; Surya Negara, Edi; Sutabri, Tata
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.12989

Abstract

Pengentasan kemiskinan menjadi isu strategis dalam Rencana Pembangunan Nasional Indonesia, dengan target pengurangan kemiskinan ekstrim menjadi nol persen pada tahun 2024. Penelitian ini berfokus pada analisis kemiskinan di Provinsi Sumatera Selatan, yang meskipun memiliki potensi ekonomi tinggi, masih menghadapi tantangan besar dengan tingkat kemiskinan yang mencapai 11,78 persen pada tahun 2023. Melalui pendekatan multidimensi dan metodologi data mining, penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi kemiskinan serta memberikan alternatif visualisasi data untuk mempermudah interpretasi hasil analisis. Metode yang digunakan dalam penelitian ini adalah analisis data mining dengan algoritma machine learning, termasuk regresi linier, decision tree, dan random forest. Data yang dianalisis berasal dari Survei Sosial Ekonomi Nasional (Susenas) Maret 2023. Hasil penelitian menunjukkan bahwa variabel aksesibilitas, pengeluaran konsumsi makanan, dan luas lantai per kapita merupakan faktor dominan yang mempengaruhi tingkat kemiskinan di wilayah tersebut. Hal ini memberikan wawasan penting bagi pengambil kebijakan dalam merancang intervensi yang lebih efektif untuk pengentasan kemiskinan. Pemanfaatan visualisasi data dalam penelitian ini tidak hanya mengidentifikasi faktor-faktor yang signifikan, tetapi juga mendukung pemahaman yang lebih baik tentang situasi kemiskinan di Sumatera Selatan.
Analisa Dan Perbandingan Metode Klasterisasi Untuk Mengelompokkan Koleksi Buku Perpustakaan Adila, Nia; Novaria Kunang, Yesi; Herdiansyah, Izman; Negara, Edi Surya
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 5 (2025): JPTI - Mei 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.766

Abstract

Pada penelitian ini akan berfokus pada data buku perpustakaan Universitas Bina Darma. Data tersebut disimpan berupa catalog buku dan hanya diupdate pada setiap pelaporannya pertahun. Dari banyak data catalog buku yang ada pihak perpustakaan kurang memanfaatkan data tersebut sehingga peneliti tertarik menganalisa data buku pada perpustakaan Universitas Bina Darma, adanya proses Analisa pada data akan menggunakan perbandingan dua metode pada perpustakaan Universitas Bina Darma kemudian akan menghasilkan sebuah perbandingan pengelompokan informasi data buku dan kemudian akan dibandingkan menggunakan dua metode pengelompokan klasterisasi pada Perpustakaan Universitas Bina Darma yaitu metode K-Means dan K-Medoids. Penelitian akan menghasilkan perbandingan antara setiap variable dari dataset yang sudah ada yaitu pertama proses general untuk mengeksplorasi variabel tentang buku-buku yang ada dalam data ini secara umum dan menghasilkan 8 perbandingan cluster. Kemudian akan dilanjutkan pada beberapa proses untuk hasil implementasi menggunakan dua metode K-Means dan metode K-Medoids. Kemudian data di preprocessing dengan memanfaatkan software microsoft excel dan google colab. Maka penelitian ini dapat menjadi sebuah pengambil keputusan dan perbandingan cluster dari data Perpustakaan Universitas Bina Darma.
Sentiment and Emotion Classification Model Using Hybrid Textual and Numerical Features: A Case Study of Mental Health Counseling Ramayanti, Indri; Hermawan, Latius; Syakurah, Rizma Adlia; Stiawan, Deris; Meilinda, Meilinda; Negara, Edi Surya; Fahmi, Muhammad; Ghiffari, Ahmad; Rizqie, Muhammad Qurhanul
Journal of Applied Data Sciences Vol 6, No 3: September 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i3.632

Abstract

Mental health issues among individuals, particularly in counseling contexts, require practical tools to understand and address emotional states. This study explores the application of machine learning models for emotion detection in mental health counseling conversations, focusing on four algorithms: Bernoulli Naive Bayes, Decision Tree, Logistic Regression, and Random Forest. The dataset, derived from transcribed counseling sessions, underwent preprocessing, including stemming, stopword removal, and TF-IDF vectorization to create structured inputs for classification. Emotional categories such as "Depresi" (Depression), "Kecewa" (Dissapointed), "Senang" (Happy), "Bingung" (Confused) and "Stres" (Stress) were analyzed to evaluate model performance. Results indicated that Logistic Regression achieved the highest accuracy at 82%, showcasing its reliability and scalability, followed closely by Random Forest with 81%, demonstrating robustness in handling complex data structures. Bernoulli Naive Bayes performed competitively at 80%, excelling in computational efficiency, while Decision Tree recorded the lowest accuracy at 70%, reflecting its limitations in managing overlapping features and high-dimensional data. These findings highlight the potential of machine learning in addressing the increasing demand for scalable mental health support tools. The study underscores the importance of model selection, balanced datasets, and feature engineering to improve classification accuracy. Future work includes developing AI-driven chatbots for real-time emotion detection and integrating multimodal data to enhance interpretability. This research contributes to advancing automated solutions for mental health care, offering new pathways for timely and personalized interventions.
Application of Deep Learning Algorithm for Web Shell Detection in Web Application Security System Yuranda, Rezky; Negara, Edi Surya
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol. 13 No. 3 (2024): NOVEMBER
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v13i3.2234

Abstract

A web shell is a script executed on a web server, often used by hackers to gain control over an infected server. Detecting web shells is challenging due to their complex behavior patterns. This research focuses on using a deep learning approach to detect web shells on the ISB Atma Luhur web server, aiming to develop a model capable of precise detection. By training the model with labeled PHP files, malicious web shells are distinguished from benign files. The study is crucial for enhancing the server's security, preventing hacker attacks, and safeguarding sensitive data. Through preprocessing techniques such as opcode extraction and feature selection, useful pattern recognition for web shell detection is achieved. Training deep learning models like CNN and RNN with LSTM on processed data leads to accuracy evaluation using classification metrics. The CNN model demonstrates superior performance in detection, emphasizing the effectiveness of deep learning for web shell detection. The research contributes to enhancing security in web-based applications, protecting against cyber threats like web shells.
Analisa Qos (Quality Of Service) Jaringan Wireless Outdoor Client Kgsnet Rivaldi, Ahmad; Edi Surya Negara; Fatoni; Suryayusra
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 5 No. 1 (2024): Agustus 2024
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v5i1.2118

Abstract

Internet availability is absolute in the digital era like today. The need for fast information makes the internet very important, this need must be supported by the availability of internet that is always available and stable. For that, network performance must be prepared as well as possible in order to get a stable internet connection. Currently, the use of ISP or Internet Service Provider is very common in the business world because it has effective and flexible services. KGSNet is one of several ISPs available. KGSNet offers a stable and fast internet connection, unlimited internet without quota and as much as you like. Currently, some of the customers connected to KGSNet using outdoor wireless devices still experience problems with delays in data delivery and connection instability when accessing data communication services. Therefore, a study was conducted to see the performance of the KGSNet outdoor wireless client service with the Quality Of Service (QOS) method, the Reliability, Maintainability And Availabilty (RMA) method and also the Quality Of Experience (QOE) method to be able to minimize and identify network disruptions early so that the outdoor wireless client network can always be in maximum performance to support KGSNet customer service. The QOS parameters used to measure are bandwidth, throughput, delay, packet loss and jitter, which are then compared with the Telecommunications and Internet Protocol Harmonization Over Network (TIPHON) version standardization. The RMA parameters are MTTF, MTTR and MTBF. While the QOE parameters used are Round Trip Time (RTT).
ANALISIS JARINGAN INFORMASI DALAM NATURAL LANGUAGE PROCESSING TERHADAP SITUS CNN INDONESIA MENGGUNAKAN GRAPHGPT (STUDI KASUS : BERITA HASIL PILPRES 2024) Indah, Mayang Puspa; Negara, Edi Surya; Sutabri, Tata; Novrianda, Rahmat
ZONAsi: Jurnal Sistem Informasi Vol. 6 No. 3 (2024): Publikasi artikel ZONAsi: Jurnal Sistem Informasi Periode September 2024
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/zn.v6i3.22149

Abstract

Studi ini bertujuan untuk menganalisis jaringan informassi dalan pemrosesan bahasa alami terhadap hasil Pilpres 2024 menggunakan GraphGPT. Dengan fokus pada analisis berita yang dipublikasikan oleh situs CNN Indonesia. Dalam era digital yang berkembang pesat, pemahaman yang mendalam tentang berita politik, terutama dalam konteks hasil pemilihan presiden, menjadi semakin penting. Namun, memahami secara menyeluruh informasi yang terkandung dalam berita politik sering kali menjadi tugas yang menantang. Oleh karena itu, penelitian ini menawarkan solusi dengan menerapkan GraphGPT yang menggabungkan kemampuan pemrosesan bahasa alami dengan representasi grafik, diharapkan dapat memberikan pemahaman yang lebih baik tentang konteks politik dan opini masyarakat. proyek GraphGPT ini sudah mendapatkan hasil yang cukup baik dan relevan sehingga memudahkan pengguna untuk memahami informasi yang terdapat di dalam artikel berita. Meskipun demikian, proyek GraphGPT ini masih memiliki kekurangan yaitu terkadang menghasilkan grafik yang kurang relevan dari prompt teks yang diberikan.
pengenlan angka tulis tangan mengunakan metode backpropagation studi kasus lembar c1 pada rekapitulasi pemilihan umum Yusuf, Abi daud; Kurniawan, Tri Basuki; Surya Negara, Edi
Jurnal Locus Penelitian dan Pengabdian Vol. 1 No. 6 (2022): Jurnal Locus Penelitian dan Pengabdian
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/locus.v1i3.25

Abstract

 Tujuan dari penelitian ini adalah untuk menganalisis dan menerapkan machine learning. Penulisan penelitian ini bertujuan untuk mengenali angka yang berbeda beda pada hasil rekapitulasi c1 yang sering terjadi perbedaan selisih dalam penghitungan pada saat  pemilu untuk karna itu penulis  menggunakan metode backprogration yang sudah teruji valid dalam pengenalan angka dan di sertakan metode machine learning dan deep learning sebagai pembanding metode yang akan di gunakan untuk penghitungan akurasi nya. Pengumpulan data pada penelitian ini menggunakan teknik Scraping untuk mengambil data dari situs kpu  yang berupa image atau angka hasil tulis tangan yang bisa kelola dan di analisis menjadi suatu data yang bagus dan bisa dijadikan sebagai acuan data yang tersusun rapi.  Metode yang digunakan dalam penilitian ini adalah algoritma Backprogation  dengan melakukan fase pengumpulan data, pengolahan data, model atau metode yang diusulkan, pengujian dan evaluasi. Dengan dilakukannya penelitian ini diharapkan dapat menemukan model yang paling tepat untuk diterapkan pada klasifikasi data tulisan tangan  c1.
Analysis and Implementation Machine Learning for YouTube Data Classification by Comparing the Performance of Classification Algorithms Amanda, Riyan; Negara, Edi Surya
JOIN (Jurnal Online Informatika) Vol 5 No 1 (2020)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v5i1.505

Abstract

Every day, people around the world upload 1.2 million videos to YouTube or more than 100 hours per minute, and this number is increasing. The condition of this continuous data will be useless if not utilized again. To dig up information on large-scale data, a technique called data mining can be a solution. One of the techniques in data mining is classification. For most YouTube users, when searching for video titles do not match the desired video category. Therefore, this research was conducted to classify YouTube data based on its search text. This article focuses on comparing three algorithms for the classification of YouTube data into the Kesenian and Sains category. Data collection in this study uses scraping techniques taken from the YouTube website in the form of links, titles, descriptions, and searches. The method used in this research is an experimental method by conducting data collection, data processing, proposed models, testing, and evaluating models. The models applied are Random Forest, SVM, Naive Bayes. The results showed that the accuracy rate of the random forest model was better by 0.004%, with the label encoder not being applied to the target class, and the label encoder had no effect on the accuracy of the classification models. The most appropriate model for YouTube data classification from data taken in this study is Naïve Bayes, with an accuracy rate of 88% and an average precision of 90%.
Classification of the Fluency Multipurpose of Bank Mandiri Credit Payments Based on Debtor Preferences Using Naive Bayes and Neural Network Method Prayesy, Putri Armilia; Negara, Edi Surya
JOIN (Jurnal Online Informatika) Vol 7 No 1 (2022)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

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

Abstract

One that has an important role in generating bank profits is providing credit to customers, but credit also carries a very high risk. For this reason, in providing credit to debtors, of course the bank will utilize the personal data of prospective debtors in detail to avoid the risk of problems that will arise in the future. One of the appropriate risks for banks in providing credit is the behavior of customers who do not pay installments at the time which causes bad loans. To overcome and overcome the many bad events, there is an algorithmic calculation method with an intelligent computing system that helps banks in selecting prospective debtors who will be given credit. There are many algorithmic methods that can be used in this kind of research. This study analyzes the classification of staffing credit based on the criteria that become the Bank's standard.The data used by the author in this study uses existing debtor credit data from 2017 to 2020, the modeling process is carried out using split validation with the Naive Bayes algorithm and Neural Network, with this algorithm the 1,314 datasets is divided into 2 parts, namely 80% used as training data and 20% used as testing data. The results showed that the Neural Network algorithm has better results with a correct value of 84.13%, while the Naive Bayes algorithm only produces a value of 72.62%
Co-Authors AA Sudharmawan, AA Achmad Husein Darmawan Adam Prasetya Ade Putra Adi Wijaya Adila, Nia Aditya, Ferdi Afdhal Dinil Haq Agam, Padel Mohammad Ahmad Ghiffari Ahmad Syazili Akhiruddin, Deddy Rezano Amanda, Riyan Amin, Zulius Akbar Andreean Dharma Arisandi Andry Meylani andryani, ade Andryani, Ria Andryani, Ria Ari Hardiyantoro Susanto Ari Hardiyantoro Susanto Arief Algiffary Arjun, Jennifer Axel Natanael Salim Azhiman, Fauzan Bhagaskara, - Bhianta Wijaya Ch. Desi Kusmindari Chairul Mukmin Cynthia Anisa Agatha Damayanti, Nita Rosa damayanti, selvia Dasmen, Rahmat Novrianda Deddy Rezano Akhiruddin Dedek Julian Dedi Irawan Dedy Syamsuar Dedy Syamsuar Dendi Triadi Dendi Triadi Deni Erlansyah Deris Stiawan Destarina, Nova Desy Arisandy Dewi Novita Saro Diana Dicopran Sisco Donan, Hendri ENDRI ENDRI ERIENE DHEANDA Erwin Susanto Erwinsusanto evariani evariani Fajarino, Aldo Farozi, Mohamad Fatoni Fatoni Ferdiansyah Ferdiansyah Ferdiansyah Fernandy Jupiter Firdaus Firdaus H. Mukran Roni, H. Mukran Hafiz Alfarisyi Haidar Mirza Hastari Mayrita, Hastari Hendra Marta Yudha Herdiansyah, Izman Herdiansyah, M. Izman Herdiansyah, M. Izman Indah, Mayang Puspa Indri Ramayanti Izman Herdiansyah Jemakmun, Jemakmun Julian, Dedek Juminovario Juminovario Junisti, Alfina Wulan KENI KENI Kiki Rizky Nova Wardani Kisworo, Marsudi Wahyu Kurniawan, Tri Basuki Latius Hermawan Latius Hermawan Linda Atika Linda Atika Liza Fahreni M Izman Herdiansyah M. Gufran Sevarino M. Izman Herdiansyah Maria Ulfa Maria Ulfa Meilinda Meilinda Meilinda Meilinda Mery Sintia Mochammad Imron Awalludin Muhamad Akbar Muhammad Cahyono Muhammad Fahmi Muhammad Izman Herdiansyah Muhammad Izman Herdiansyah Muhammad Marzuki Muhammad Marzuki Muhammad Qurhanul Rizqie Muhammad Raihan Muhammad Wahyudi Nanda Tri Haryati Nico Michael Bryan Nita Rosa Damayanti Novaria Kunang, Yesi Novita Anggraini Novrianda, Rahmat Nurhachita Nurhachita Nurhachita Nurhachita Oktariansyah Oktariansyah, Oktariansyah Padel Mohammad Agam Pratiwi, Ayu Okta Prihambodo Hendro Saksono Purnama Dharmawan Puspita Dewi Setyadi Putra, Yusuf Andi Putri Armilia Prayesy Qisthiano, M Riski Rahmad Kartolo Rahmat Gernowo Raihan, Muhammad Ramadan, Rahmat Ramadani Rasmila, Rasmila Regintri Agusti REZA PAHLEVI Reza Pahlevi Reza Vidi Aditama Rezania Agramanisti Azdy Rezki Syaputra Ria Andriani Ria Andryan Ria Andryani Rianda, M. Rianda Ridho Amanatullah Rifan Fadilah Rio Saputra Rivaldi, Ahmad Riyan Amanda Rizma Adlia Syakurah Robby Prabowo Rosita Diana RR. Ella Evrita Hestiandari Rusli, Ahmad Saksono, Prihambodo Hendro Sari, Yulia Permata Seto Prasetyo Siti Sa'uda Sunda Ariana, Sunda Supratman, Edi Suryayusra Suryayusra Syahadatilah Syahadatilah Syaputra, Rezki Tata Sutabri TIPRAN YIKWA TISJANDT TISJANDT, TIPRAN YIKWA Tri Basuki Kurniawan Triadi , Dendi Triyunsari, Desra Usman Ependi Wahfiyudin Alkahfi Wawan Setiawan Widya Cholil Winata Nugraha Winoto Chandra Yandi, Jepri Yanti Pasmawati Yeni Widyanti Yepi Kusmeta Yesi Novaria Kunang Yessi Novaria Kunang Yuni Amrina Yuranda, Rezky Yusuf Andi Putra Yusuf, Abi daud Zaid Amin Zulius Akbar Amin