Article Per Year (5 Year)
p-Index From 2020 - 2025
7.869
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA JURNAL DERIVAT: JURNAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA Infotech Journal JUPITER (Jurnal Pendidikan Teknik Elektro) CESS (Journal of Computer Engineering, System and Science) SMATIKA Jurnal Informatika Upgris Fountain of Informatics Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING International Journal of Technology And Business Khadimul Ummah Journal of Social Dedication Jurnal Inotera JSiI (Jurnal Sistem Informasi) JURNAL MANAJEMEN (EDISI ELEKTRONIK) IJISTECH (International Journal Of Information System & Technology) Simtek : Jurnal Sistem Informasi dan Teknik Komputer Indonesian Journal of Community Services Jurnal Informatika dan Rekayasa Elektronik Generation Journal JATI (Jurnal Mahasiswa Teknik Informatika) INFORMASI (Jurnal Informatika dan Sistem Informasi) Jurnal Sistem Komputer & Kecerdasan Buatan G-Tech : Jurnal Teknologi Terapan TIN: TERAPAN INFORMATIKA NUSANTARA Infotech: Journal of Technology Information Journal of Computer Networks, Architecture and High Performance Computing Infokes : Jurnal Ilmiah Rekam Medis dan Informasi Kesehatan Idealis : Indonesia Journal Information System SKANIKA: Sistem Komputer dan Teknik Informatika IJISTECH Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Infotech: Jurnal Informatika & Teknologi International Journal of Community Service International Conference on Industrial Revolution for Polytechnic Education Buletin Sistem Informasi dan Teknologi Islam Jurnal Ilmu Komputer dan Teknologi (IKOMTI) Jurnal Teknik Silitek Jurnal Informatika Teknologi dan Sains (Jinteks) Journal of Management and Digital Business Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi Prosiding Seminar Nasional Hasil-hasil Penelitian dan Pengabdian Pada Masyarakat Duta Abdimas: Jurnal Pengabdian Masyarakat Proceeding of International Conference Health, Science And Technology (ICOHETECH) Innovative: Journal Of Social Science Research Prosiding Seminar Informasi Kesehatan Nasional Journal Of Artificial Intelligence And Software Engineering Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi SmartComp
Nurchim Nurchim
Universitas Duta Bangsa Surakarta, Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 74 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 74 Documents
Search

 4   5   6   7   8 
Predicting Indonesia’s Micro Small Medium Entreprises Stock Price Purnomo, Singgih; Nurmalitasari, Nurmalitasari; Nurchim, Nurchim; Awang Long, Zalizah
Jurnal Manajemen (Edisi Elektronik) Vol. 16 No. 1 (2025): Jurnal Manajemen (Edisi Elektronik)
Publisher : UPT Jurnal & Publikasi Ilmiah SPs Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/jm-uika.v16i1.17762

Abstract

The impact of stock prices on new enterprises, notably Micro, Small, and Medium Enterprises (MSMEs), in Indonesia is significant. Given the significance of stock prices for MSMEs, engaging in stock price forecasting is crucial. Several stock price forecast-ing models exist, but only a limited number are suitable for predicting stock prices using limited samples, such as the stock prices of MSMEs in Indonesia. The limited sample size is because MSMEs are newly established enterprises accessing stock prices. This study aims to predict MSME stock prices in Indonesia, namely SOUL and TGUK. The forecasting model utilized is ARIMA. The results suggest that the ARIMA (0,1,1) model provides the most precise forecast for the stock price of SOUL MSMEs, while the ARIMA (1,1,2) model yields the most outstanding performance for TGUK. Investors can use the forecast results to identify profit-able investment opportunities or protect their portfolios from po-tential losses. Moreover, companies can employ stock price pre-dictions to evaluate their performance, develop financial plans, and allocate resources.
Implementasi Sistem Penghitungan Volume Kendaraan Menggunakan YOLOv8 Putra, Wihan Perkasa Nugraha; Pradana, Afu Ichsan; Nurchim, Nurchim
JURNAL FASILKOM Vol 14 No 2 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i2.7395

Abstract

Dengan banyaknya kendaraan di jalan, penting untuk memantau lalu lintas agar keamanan dan manajemen lalu lintas dapat terjaga dengan baik. Pengumpulan data jumlah kendaraan secara manual memerlukan banyak sumber daya dan biaya. YOLOv8 (You Only Look Once) adalah teknologi visi komputer yang memungkinkan deteksi objek secara otomatis dengan akurasi dan kecepatan tinggi. Penelitian ini bertujuan untuk mengotomatisasi perhitungan jumlah kendaraan yang melintas dengan YOLOv8, yang dapat mendeteksi berbagai jenis kendaraan dalam berbagai kondisi cuaca. Studi ini terdiri dari beberapa tahap, yaitu pengumpulan data, preprocessing, pemodelan, dan evaluasi. Dataset diperoleh dari dataset Kaggle dan rekaman video lalu lintas di Indonesia. Dataset dibagi menjadi data latih dan validasi dan diproses dengan bounding box. Pemodelan menggunakan YOLOv8 Nano dengan 50 epoch, dan evaluasi dilakukan menggunakan confusion matrix. Implementasi dilakukan menggunakan OpenCV untuk menghitung jumlah kendaraan dari rekaman video. Sistem ini berhasil menghitung jumlah kendaraan berdasarkan klasifikasi yang berbeda dengan baik, meski ada kendala saat frame drop. Penelitian ini berhasil mengembangkan sebuah sistem yang akurat dan diuji dengan rekaman CCTV lalu lintas di Surakarta, meskipun klasifikasi jenis kendaraan belum sesuai dengan standar dinas perhubungan dan kualitas frame rate video masih memengaruhi akurasi sistem. Sebaiknya dilakukan pengujian waktu nyata dan penambahan identitas unik pada kendaraan yang dideteksi.
Analisis Sentimen Ulasan Pengguna pada Aplikasi SIREKAP 2024 Menggunakan Machine Learning Hidayat, Taufik; Nurchim, Nurchim; Nurmalitasari, Nurmalitasari
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7021

Abstract

Aplikasi Sirekap 2024 adalah sebuah aplikasi baru yang digunakan untuk mencatat dan melaporkan kegiatan dan hasil pemungutan suara pada Pemilihan Umum di Indonesia tahun 2024. Terdapat berbagai pandangan pro dan kontra terkait penggunaan aplikasi ini, sehingga aplikasi ini dipilih sebagai objek penelitian. Penelitian ini bertujuan untuk mengklasifikasikan ulasan pengguna ke dalam kategori sentimen positif, negatif, dan netral menggunakan tiga algoritma pembelajaran mesin yang berbeda, serta membandingkan dan menentukan algoritma terbaik. Tiga algoritma yang digunakan dalam penelitian ini adalah Naive Bayes, K-Nearest Neighbors (KNN), dan Support Vector Machine (SVM). Metode penelitian mencakup tahap pengumpulan data ulasan, preprocessing data, evaluasi hasil, dan penentuan dan perbandingan metode terbaik. Berdasarkan nilai akurasi, hasilnya adalah Naive Bayes (83%), K-Nearest Neighbors (56%), dan Support Vector Machine (84%). Support Vector Machine (SVM) terbukti menjadi algoritma terbaik dalam analisis ulasan pengguna aplikasi Sirekap 2024 karena memiliki nilai akurasi tertinggi yaitu (84%).
Sistem Pemantauan Kualitas Udara IoT Untuk Mitigasi Risiko Pekerja dan Masyarakat di Industri Genteng : Studi Kasus Desa Talesan Purwantoro Wonogiri Putra Pratama, Dita; Nurchim, Nurchim; Faiq Muhammad, Nibras
INFORMASI (Jurnal Informatika dan Sistem Informasi) Vol 16 No 2 (2024): INFORMASI (Jurnal Informatika dan Sistem Informasi)
Publisher : LPPM STMIK Indonesia Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37424/informasi.v16i2.310

Abstract

Isu kualitas udara yang buruk di sekitar industri percetakan genteng yang dapat menyebabkan berbagai penyakit pernapasan pada pekerja dan masyarakat sekitar perlu perhatian khusus. Tujuan dari penelitian ini adalah menyediakan sistem pemantauan kualitas udara berbasis Internet of Things (IoT) untuk memitigasi risiko paparan zat berbahaya seperti gas karbon monoksida (CO) dan partikel debu halus (PM 2.5). Pelaksanaan penelitian ini dengan pendekatan Hardware Development Process, yang terdiri dari beberapa tahapan antara lain ideation, concept, design, prototyping, dan testing. Sistem monitoring ini menggunakan mikrokontroler ESP32 dan sensor gas MQ-135 serta GP2Y1010AU0F, dengan data yang dikirim secara real-time ke website melalui protokol MQTT. Hasil dari penelitian menunjukkan bahwa sistem mampu memberikan notifikasi ketika kadar polutan melebihi batas aman, sehingga dapat memberikan peringatan dini dan membantu dalam pengambilan keputusan yang cepat dan efektif. Secara keseluruhan sistem pemantauan kualitas udara berbasis IoT yang dikembangkan dapat meningkatkan keselamatan dan kesehatan pekerja serta masyarakat di sekitar industri genteng, namun perlu dilakukan perbandingan pembacaan sensor dengan alat yang sudah terverifikasi untuk melihat margin error dari pembacaan data.
Empowering Asian Students Through Artificial Intelligence: A Workshop on Predicting Plant Growth to Support Smart Farming Nurchim, Nurchim; Nurmalitasari, Nurmalitasari
International Journal Of Community Service Vol. 5 No. 1 (2025): February 2025
Publisher : CV. Inara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51601/ijcs.v5i1.839

Abstract

The integration of Artificial Intelligence (AI) in agriculture has revolutionized traditional farming practices, enhancing productivity, efficiency, and sustainability. This study highlights a workshop aimed at equipping students with practical AI skills, specifically focusing on linear regression techniques for crop growth prediction. The workshop, involved 55 students from nine Asian countries, fostering cross-cultural collaboration. Participants were introduced to theoretical concepts and engaged in hands-on training, covering data preprocessing, region of interest extraction, and model implementation using Python. The program emphasized the role of AI in addressing agricultural challenges such as resource optimization and food security. The workshop was conducted in five stages: preparation, implementation, evaluation, dissemination, and participant engagement. Pre and post-test evaluations revealed a significant improvement in participants’ AI knowledge, with average scores increasing from 45% to 85%. Practical activities enabled students to connect theoretical knowledge with real-world applications, enhancing their ability to predict crop growth using AI techniques. Dissemination efforts included reports and publications to inspire similar global initiatives. The results demonstrated the workshop's effectiveness in bridging knowledge gaps, fostering sustainable agricultural practices, and preparing a skilled workforce capable of leveraging AI to address future challenges in smart farming.
Implementasi Prediksi Penjualan Powderindo Menggunakan Metode Single Moving Average Nugroho, Mohammad Yusuf; Nurmalitasari, Nurmalitasari; Nurchim, Nurchim
Innovative: Journal Of Social Science Research Vol. 5 No. 2 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i2.18297

Abstract

Industri food and beverage merupakan salah satu sektor yang berkontribusi dalam pemenuhan kebutuhan konsumen. Salah satu usaha di bidang ini adalah penjualan bubuk minuman dengan merek PowderIndo, yang menawarkan berbagai varian rasa. Namun, ketidakstabilan tingkat penjualan akibat tren atau perubahan musim menjadi tantangan bagi pelaku usaha. Oleh karena itu, penelitian ini bertujuan untuk meramalkan penjualan bubuk PowderIndo menggunakan metode Single Moving Average. Langkah-langkah penelitian meliputi (1) pengumpulan data aktual, (2) pre-processing, (3) pemodelan, dan (4) perhitungan tingkat kesalahan (error). Data yang digunakan dalam penelitian ini merupakan data transaksi penjualan selama tiga bulan. Hasil dari penelitian ini menunjukkan bahwa metode Single Moving Average dapat digunakan untuk meramalkan penjualan PowderIndo dengan tingkat kesalahan yang rendah, yaitu RMSE = 0,24, MAE = 0,15, dan MAPE = 8,68%. Berdasarkan hasil prediksi, jumlah penjualan pada minggu berikutnya diperkirakan mencapai 76 produk. Oleh karena itu, disarankan agar penelitian selanjutnya mempertimbangkan strategi penambahan stok produk guna mengantisipasi permintaan pada periode yang akan datang.
IDENTIFIKASI ANOMALI KEAMANAN SERVER NGINX MENGGUNAKAN ALGORITMA ISOLATION FOREST Ragil Saputro, Abdullah; Nurchim, Nurchim; Atina, Vihi
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.v9i2.13110

Abstract

Marak terjadinya serangan siber yang mengancam keamanan data dan sistem informasi menjadikan keamanan informasi merupakan hal yang perlu diperhatikan. Web server merupakan salah satu komponen dalam infrastruktur teknologi informasi, dimana web server berfungsi sebagai pintu gerbang bagi pengguna untuk mengakses berbagai layanan dan aplikasi secara daring. Dalam upaya peningkatan keamanan server Nginx, salah satu pendekatan yang dapat digunakan adalah dengan melakukan analisis terhadap log akses server. Penelitian ini bertujuan untuk mengaplikasikan algoritma Isolation Forest dalam analisis log akses server Nginx untuk mengidentifikasi anomali yang berpotensi sebagai ancaman keamanan. Dengan mengoptimalkan deteksi anomali, diharapkan keamanan server Nginx dapat ditingkatkan, sehingga dapat meminimalisir risiko serangan dan kerugian yang diakibatkannya. Dalam penelitian ini menggunakan metode Isolation Forest untuk melakukan pendeteksian anomali pada log server nginx. Data yang digunakan adalah data log server Nginx yang memiliki kode respon selain HTTP 301, kemudian dari data log tersebut dilakukan proses pendeteksian anomali berdasarkan data country, path dan size. Hasil pengujian menunjukkan bahwa algoritma Isolation Forest berhasil mendeteksi 218 anomali dari 1529 data dan waktu pemrosesan 1 menit 14 detik dan menunjukkan 97,8% dari deteksi anomali adalah benar. Implementasi sistem ini dapat meningkatkan efisiensi dan efektivitas dalam melakukan deteksi terhadap ancaman siber. Pengembangan lebih lanjut dari penelitian ini diantaranya adalah dapat memanfaatkan sitemap pada sistem informasi untuk melakukan transformasi data path, selain itu dapat dikembangkan aplikasi monitoring yang dapat memudahkan pengelola server dalam melakukan monitoring keamanan server.
IMPLEMENTASI BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) UNTUK KLASIFIKASI SPAM PADA EMAIL Tejo Arum, Dinenda; Nurchim, Nurchim; Ichsan Pradana, Afu
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.v9i2.13114

Abstract

Spam email adalah tantangan utama dalam komunikasi digital, yang memerlukan solusi efektif untuk mendeteksi dan mengeliminasi pesan yang tidak diinginkan. Penelitian ini bertujuan untuk mengimplementasikan model Bidirectional Encoder Representations from Transformers (BERT) dalam klasifikasi email spam. BERT, sebagai model transformasi berbasis deep learning yang telah dioptimalkan untuk pemahaman konteks, mampu memproses dan menganalisis pola linguistik yang kompleks pada data teks. Proses penelitian meliputi pengumpulan dataset email, preprocessing data untuk menghapus noise, pelabelan data, pelatihan model, serta evaluasi performa berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa implementasi BERT secara signifikan meningkatkan akurasi deteksi spam dibandingkan dengan metode tradisional seperti Naïve Bayes atau Support Vector Machine (SVM). Studi ini memberikan kontribusi terhadap pengembangan teknologi keamanan siber, khususnya dalam mengatasi ancaman spam di era komunikasi berbasis email.
PENDEKATAN NAIVE BUYES DALAM KLASIFIKASI PENILAIAN KINERJA PEGAWAI Rukmini, Siti; Nurchim, Nurchim; Hartanti, Dwi
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.v9i2.13124

Abstract

Dalam reformasi birokrasi, evaluasi terhadap kinerja Aparatur Sipil Negara (ASN) menjaddi salah satu hal yang diperhatikan dalam pengelolaan sumber daya manusia terutama untuk memperbaiki tata kelola pemerintahan guna meningkatkat efektivitas dan efisiensi organisasi. Akan tetapi setiap ASN memiliki kemampuan kompetensi, produktivitas, dan kontribusi yang berbeda. Oleh karena itu diperlukan pengklasifikasian kinerja untuk menentukan potensi, menilai pencapaian, dan menentukan langkah-langkah yang tepat bagi setiap pegawai. Dalam pengklasifikasian penilaian kinerja sering kali bersifat subjektif dan kurang berbasis data, yang dapat menyebabkan penanganan yang tidak efektif dan tepat sasaran sehingga pimpinan dalam mengambil keputusan atau rekomendasi masih belum tepat sasaran. Untuk mengidentifikasi dan mengklasifikasikan data kinerja pegawai sesuai dengan tingkatannya maka peneliti mengimplementasikan metode Naïve Bayes dalam mengklasifikasi data kinerja PNS di lingkungan Pemerintah Kabupaten Sragen. Penelitian menggunakan data kepegawaian dari aplikasi SIMPEG yang mencakup atribut seperti nama, NIP, golongan, pendidikan, hasil kerja, perilaku kerja. Data tersebut diklasifikasikan ke dalam empat kelas kinerja: sangat baik, baik, butuh perbaikan dan kurang. Model yang dikembangkan dievaluasi menggunakan metrik akurasi, presisi, dan recall untuk memastikan performa algoritma. Hasil evaluasi menunjukkan bahwa akurasi data yang benar mencapa 94%, akurasi data yang salah sebesar 6%, pressision sebesar 93,6% dan recall sebesar 100%. Dengan demikian hasil ini telah memenuhi ekspektasi peneliti.
PENERAPAN ARTIFICIAL NEURAL NETWORK DALAM DETEKSI SERANGAN PADA WEB SERVER APACHE arif wicahyanto; nurchim, nurchim; wijiyanto, wijiyanto
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i1.1386

Abstract

Serangan siber terhadap website menjadi hal yang tidak dapat dihindarkan, tidak terkecuali website pemerintahan serta website kampus. Serangan siber memberikan dampak yang merugikan, mulai dari pencurian data sensitif, gangguan akses website, hingga kerugian finansial. Seiring dengan semakin canggihnya teknik serangan siber, sistem keamanan berbasis aturan dan pencocokan pola menghadapi kesulitan dalam mendeteksi serangan yang tersembunyi dan adaptif. Artificial Neural Network (ANN) adalah metode pembelajaran mesin yang memiliki kemampuan untuk belajar dari pola serangan yang kompleks, mengidentifikasi pola yang tidak terlihat dan beradaptasi dengan serangan baru. Penelitian ini bertujuan mengimplementasikan ANN dalam bentuk model untuk Smendeteksi serangan siber dengan menggunakan access log web server Apache sumber data dataset. Penelitian berhasil membangun model ANN untuk mendeteksi serangan pada web server Apache dengan nilai accuracy 0.9170.
Co-Authors Abdullah Abdullah Syaifudin Afu Ichsan Pradana Agung Suryadi Agus Riyanto Agustina Srirahayu Ahmad Qashid Husaini Ahmad Setiawan Al Mustofa, Muhammad Hafizh Andrean, Fauzi Andy Ariyanto Ardi Lestari, Sofiana Ardianto Pambudi Arif Wicahyanto Assidiq, Abdul Hafid Atina, Vihi Atmojo, Fattah Satrio Atmojo, Fernando Winantya Aulia, Sherina Revita Awang Long, Zalizah Bagus Muhammad Latif Bondan Wahyu Pamekas Bondan Wahyu Pamekas Carolina Wibowo, Anita Cipto Utomo, Bangun Prajadi Dwi Hartanti Dwi Hartanti Dwi Kurniawan Saputro Edy Kurniawan Eko Purwanto Faiq Muhammad, Nibras Feri Setiyono Gabriel Ardana Hasanah, Herliyani Herliyani Hasanah Ibnu Bagus Setiawan Ichsan Pradana, Afu Ilham Sholeh immaculata yolia dewi Widayanti Indah Nofikasari Indriyas Kukuh Wijayanti Irawan, Etwin Hendri Joni Maulindar Kurniawan, Daniel Ade Mahendra Abdul Rahman, Rizqy Maskhul Ryan Ibrahim Maulindar, Joni Muhammad Rais Ramadhani Mumu, Raul Galvin Rudolf Munaiseche, Christian Imanuel Muttaqi, Bagas Ningsih, Pipin Widya Novianto, Novianto Nugroho, Mohammad Yusuf Nurhayati Nurhayati Nurlita, Catarina Ivanda Nurmalitasari Nurmalitasari Nurmalitasari Nurmalitasari Nurmalitasari Oktaviani, Intan Pamekas, Bondan Wahyu Permatasari, Hanifah Pipit Vidianti Pradana, Afu Ichsan Pramono Pramono Pramono Prasetya, Ian Putra Prastyo, Okik Dwi Pratama, Wahyu Adi Purwanto, Eko Putra Prasetya, Ian Putra Prasetya Putra Pratama, Dita Putra, Wihan Perkasa Nugraha Ragil Saputro, Abdullah Rahadian, Dwiki Rasya Rudi Susanto Rukmini, Siti Santoso, Tri Djoko Saputra, Muchammad Yoga Sari, Nur Avia Adenta Setrayana, Abiyyu Singgih Purnomo Sopingi Sulistyo Wahyu S Sumarlinda, Sri Suryani, Fajar Suryani, Fajar Suryani Taufik Hidayat Tejo Arum, Dinenda Tri Djoko Santosa Untoro, Fendi Uvi Firgianingsih Uvi Firgianingsih Widayanti, immaculata yolia dewi Wijayanti, Indriyas Kukuh Wijiyanto Wijiyanto Wijiyanto Wijiyanto, Wijiyanto Yommy Adhiwira Yudha Yunita Wisda Tumarta Arif Zalizah Awang Long Zalizah Awang Long