Article Per Year (5 Year)
p-Index From 2020 - 2025
6.385
P-Index
This Author published in this journals
All Journal Jurnal ICT : Information Communication & Technology Infotekmesin JATI (Jurnal Mahasiswa Teknik Informatika) JUSTIN (Jurnal Sistem dan Teknologi Informasi) PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Journal of Artificial Intelligence and Engineering Applications (JAIEA) AMMA : Jurnal Pengabdian Masyarakat
Irma Purnamasari, Ade
Unknown Affiliation
Humanities Automotive Engineering Chemistry Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mechanical Engineering Nursing

Published : 53 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 53 Documents
Search

 1   2   3   4   5 
ANALISIS PERBANDINGAN QUALITY OF SERVICE MENGGUNAKAN VIRTUAL ACCESS POINT DAN REAL ACCESS POINT DENGAN METODE TIPHON Ramadhan, Ryan; Irma Purnamasari, Ade; Rinaldi Dikananda, Arif
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6352

Abstract

Jaringan atau sistem pada jaringan komputer yang terhubung menggunakan skema Global Transmission Control Protocol/Internet Protocol Suite (TCP / IP) pertukaran paket yang menyediakan miliaran pengguna yang dikenal di seluruh dunia hanya sebagai jaringan Internet.Salah satu Pondok Pesantren Kebon Kelapa Al – Ma’rifah yang menyediakan akses internet bagi Pengasuh, pembimbing dan pengurus pada lingkungan Pondok Pesantren. Melalui komputer, laptop, notebook, dan Smartphone, civitas Pondok pesantren memiliki akses eksklusif ke bagian nirkabel dari jaringan internet ini. Penelitian ini dilakukan karena sering terjadinya ketidak stabilan saat mengakses internet pada saat kegiatan belajar mengajar maupun saat digunakan oleh civitas pondok pesantren sehingga mengakibatkan terhambatnya aktivitas kegiatan.Tujuan penelitian ini adalah untuk dapat mengetahui perangkat jaringan mana yang lebih efektif untuk digunakan sehingga saat mengakses jaringan tidak ada lagi gangguan dan proses belajar dan mengajar maupun saat digunakan oleh civitas pondok pesantren lancar tanpa ada hambatan. Penelitian ini melakukan perbandingan di Lingkungan Pondok Pesantren dengan metode Quality of Service untuk membantu end user (klien) menjadi lebih produktif dengan memastikan bahwa user mendapatkan performansi yang handal dari aplikasi-aplikasi berbasis jaringan. Harapan hasil penilitian ini kinerja jaringan internet di Pondok Pesantren Al – Ma’rifah menjadi lebih baik dan stabil. Sehingga kegiatan belajar mengajar maupun kegiatan sehari – hari yang menggunakan jaringan yang dilakukan oleh civitas pondok pesantren menjadi lebih optimal dan efisien. Hasil yang terbaik dari pengambilan nilai rata-rata antara Virtual Access Point dan Real Access Point yaitu untuk yang terbaik Real Access Point dengan nilai throughput 2,349, packet loss 0%, delay 3,047, jitter 3,182.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING PADA KLASTERISASI KASUS HIV DI JAWA BARAT Kodratul Munawar, Koko; Irma Purnamasari, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.6372

Abstract

HIV atau Human Immunodeficiency Virus merupakan penyakit yang menyebabkan kerusakan sistem imun dengan menginfeksi dan menghancurkan sel CD4. Penyakit ini sangat berbahaya dan harus diwaspadai karena penyebaran penyakit ini sangat cepat. Penyakit HIV ini dapat menular melalui hubungan seksual dari orang yang terkena HIV, transfusi darah yang terkontaminasi HIV, dan dari perempuan yang terkena HIV pada anaknya selama masa kehamilan, persalinan, dan menyusui. Di Jawa Barat, angka kasus HIV sudah terbilang sangat tinggi. Maka dari itu, diperlukan analisis tentang penyebaran kasus HIV di Provinsi Jawa Barat. Pada analisis penyebaran penyakit HIV ini menggunakan data yang berasal dari Dinas Kesehatan Provinsi Jawa Barat yang diperoleh dari website Open Data Jabar. Proses analisis menggunakan metode algoritma K-Means Clustering untuk mengelompokkan penyebaran penyakit HIV di setiap kabupaten dan kota yang ada di Provinsi Jawa Barat ke dalam beberapa cluster yaitu berdasarkan kelompok umur dengan tingkatan penyebaran kasus HIV yang berkategori tinggi dan berkategori rendah. Hasil pengelompokkan ini dapat digunakan untuk memetakan penyebaran penyakit HIV sebagai upaya penanggulangan penyebaran yang lebih luas lagi.
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENGESTIMASI COMPUTATIONAL THINKING MAHASISWA DALAM PEMBELAJARAN HYBRID: STUDI KASUS STMIK IKMI CIREBON Hidayat, Rakhmat; Astuti, Rini; Irma Purnamasari, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6504

Abstract

Pembelajaran hybrid merupakan gabungan antara pembelajaran tradisional dan elektronik yang dilakukan melalui internet, seperti melalui web dan streaming video, yang dapat dipadukan dengan pembelajaran tatap muka. Dalam pembelajaran hybrid, computational thinking sangat penting sebagai metode untuk menyelesaikan masalah dengan menggunakan teknik dan algoritma yang sering digunakan dalam membuat program perangkat lunak. Namun, masih terdapat permasalahan dalam pemahaman mahasiswa tentang implementasi computational thinking dalam pembelajaran hybrid serta belum ditemukan cara yang tepat untuk mengukur nilai computational thinking di STMIK IKMI Cirebon. Oleh karena itu, penelitian ini bertujuan untuk mengetahui tingkat akurasi computational thinking mahasiswa dalam pembelajaran hybrid dengan menggunakan metode k-nearest neighbor. Data yang digunakan untuk mengestimasi nilai computational thinking mahasiswa adalah data kartu hasil studi semester 6 mahasiswa angkatan 2019 dan hasil kuesioner. Hasil penelitian menunjukkan bahwa algoritma k-nearest neighbor memiliki tingkat akurasi sebesar 97,86% dengan nilai root mean squared error sebesar 0,128. Penelitian ini memberikan informasi bahwa estimasi computational thinking dalam pembelajaran hybrid menggunakan teknik machine learning dapat memberikan hasil yang relatif rendah dalam nilai error serta tingkat akurasi yang memuaskan. Hasil penelitian ini dapat membantu pihak kampus dalam mengembangkan pembelajaran hybrid dengan menerapkan computational thinking secara lebih efektif dan optimal, serta dapat dijadikan referensi untuk penelitian selanjutnya.
IMPLEMENTASI DATA MINING DALAM MENENTUKAN POLA PENJUALAN VITAMIN BLACKMORES Sari, Retno; Irma Purnamasari, Ade; Rinaldi Dikanda, Arif
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.6534

Abstract

Vitamin Blackmores adalah produk vitamin yang terkenal di seluruh dunia, termasuk di Indonesia. Untuk meningkatkan penjualan produk ini, perusahaan perlu memahami pola penjualan yang ada agar dapat mengambil keputusan yang tepat untuk meningkatkan penjualan. Salah satu cara untuk memahami pola penjualan adalah dengan menggunakan teknik data mining. Permasalahan perusahaan sering menghadapi kesulitan dalam memahami pola penjualan vitamin Blackmores karena data penjualan yang besar dan kompleks. Tanpa pemahaman yang tepat tentang pola penjualan, perusahaan mungkin salah dalam menentukan strategi pemasaran yang efektif. Tujuan dari penelitian ini adalah untuk mengimplementasikan teknik data mining dalam menentukan pola penjualan vitamin Blackmores. Metode yang digunakan dalam penelitian ini adalah algoritma Association Rule dan Clustering. Data yang digunakan dalam penelitian ini adalah data penjualan vitamin Blackmores selama satu tahun. Data tersebut kemudian dianalisis menggunakan teknik data mining untuk mengidentifikasi pola penjualan dan faktor-faktor yang mempengaruhi penjualan. Hasil dari penelitian ini adalah model pola penjualan vitamin Blackmores yang dibuat menggunakan teknik data mining. Hasil dari penelitian ini dapat digunakan untuk memprediksi pola penjualan dan membantu perusahaan dalam mengambil keputusan untuk meningkatkan penjualan. Selain itu, penelitian ini juga berhasil mengidentifikasi faktor-faktor yang mempengaruhi penjualan vitamin Blackmores, seperti lokasi penjualan, waktu penjualan, dan jenis vitamin Blackmores yang terjual.
PENGELOMPOKAN PENYEBARAN VIRUS COVID-19 MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING YANG BERADA DI WILAYAH JAWA BARAT Restillah, Syifa; Irma Purnamasari, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6979

Abstract

Indonesia telah terkena penyakit kategori baru yang dikenal sebagai COVID-19, yang telah menyebar ke seluruh dunia. China mengalami pendeteksian COVID-19 pertamanya pada akhir tahun 2019. Pasar basah Wuhan di China adalah lokasi klaster pertama di mana virus tersebut ditemukan. Pada 2 Maret 2020, virus tersebut ditemukan di kota Depok, Jawa Barat, Indonesia. virus penyebab COVID-19 dapat mengganggu sistem pernafasan dan menimbulkan berbagai gejala mulai dari gejala mirip flu hingga infeksi paru-paru seperti pneumonia. Hingga 27 Desember 2022, jumlah total orang yang terinfeksi COVID-19 mencapai 1.231.878 di Provinsi Jawa Barat, menjadikan Jawa Barat sebagai Provinsi dengan tingkat infeksi COVID-19 tertinggi. Untuk membuat strategi menghentikan penyebaran COVID-19, maka penting untuk mengelompokkan Kota atau Kabupaten di Provinsi Jawa Barat. Informasi ini merupakan salah satu titik data yang tersedia di website Open Data Jabar. Pendekatan K-Means clustering yang membagi data menjadi banyak cluster berdasarkan kesamaan data dan diimplementasikan menggunakan Rapidminer. Rapidminer digunakan untuk mengelompokkan penyebaran COVID-19. Berdasarkan temun kajian, terdapat dua cluster, dengan cluster 0 yang penyebaran C0VID-19 terbanyak tersebar di 23 Kabupaten atau kota. 4 Kabupaten atau Kota diperoleh untuk cluster 1, cluster dengan sebaran COVID-19 paling sedikit. Pemerintah Provinsi Jawa Barat diharapkan dapat mengambil manfaat dari temuan studi tersebut untuk menangani kasus COVID-19.
PREDIKSI JUMLAH PRODUKSI DAGING UNGGAS TAHUN 2023-2027 MENGGUNAKAN REGRESI LINIER Muharram, Akbar; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8185

Abstract

Dalam era digital saat ini, Teknologi Informasi dan Komunikasi telah menjadi fenomena umum yang signifikan. Perkembangan TIK ini memengaruhi berbagai aspek kehidupan manusia, termasuk dalam hal industri peternakan. Penelitian ini bertujuan untuk melakukan analisis dan prediksi terhadap jumlah produksi daging unggas di Jawa Barat dengan menggunakan metode regresi linear sederhana. Permasalahan utama yang diangkat adalah fluktuasi jumlah produksi daging unggas tiap tahunnya. Data yang digunakan berasal dari Open Data Jabar, mencakup periode produksi daging unggas dari tahun 2013 hingga 2022. Metode regresi linear sederhana diterapkan untuk menentukan hubungan antara variabel independen, yaitu tahun produksi, dan variabel dependen, yaitu jumlah produksi daging unggas. Hasil analisis menunjukkan adanya peningkatan produksi daging unggas di Jawa Barat. Persamaan regresi linear sederhana yang dihasilkan adalah Y = 383,271.006 + 23,318.594X, dengan X sebagai tahun produksi dan Y sebagai jumlah produksi daging unggas. Evaluasi model dilakukan menggunakan RMSE, MSE, dan MAPE. Hasil evaluasi menunjukkan variasi tingkat akurasi prediksi yang bervariasi dari tahun ke tahun. Prediksi lima tahun ke depan menunjukkan peningkatan produksi daging unggas yang konsisten. Jumlah produksi diperkirakan mencapai 919,598.67 ton pada tahun 2023, 942,917.26 ton pada tahun 2024, 966,235.85 ton pada tahun 2025, 989,554.45 ton pada tahun 2026, dan 1,012,873.04 ton pada tahun 2027.
PERBANDINGAN TINGKAT AKURASI ALGORITMA DECISION TREE DAN RANDOM FOREST DALAM MENGKLASIFIKASI PENERIMA BANTUAN SOSIAL BPNT DI DESA SLANGIT Aldiyansyah, Aldiyansyah; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8290

Abstract

Program Bantuan Sosial BPNT merupakan inisiatif pemerintah Indonesia yang memberikan bantuan pangan dalam bentuk nontunai kepada Keluarga Penerima Manfaat (KPM) melalui sistem perbankan. Kurang tepatnya penerima bantuan sosial tersebut menjadi permasalahan, serta kelayakan penerima KPM yang masih tidak tepat sasaran. Oleh karena itu, pada penelitian ini metode klasifikasi menggunakan algoritma decision tree dan random forest menjadi solusi yang tepat dalam untuk meningkatkan perbandingan tingkat akurasi, pada penerima bantuan sosial di Desa Slangit, Kecamatan Klangenan, Kabupaten Cirebon. Algoritma Decision tree dan random forest akan memberikan keputusan dengan model pohon keputusan dan menghasilkan tingkat akurasi yang baik. Data diperoleh dari Pemerintah Desa, Dinas Sosial Kabupaten Cirebon, dan Data Terpadu Kesejahteraan Sosial (DTKS) selama Juli dan Agustus 2023. Metode penelitian mencakup studi literatur, pengumpulan data, pra-pemrosesan data, implementasi model klasifikasi, Knowledge Discovery in Database (KDD), evaluasi model, dan kesimpulan. Evaluasi menunjukkan tingkat akurasi tinggi, yakni 97.86% untuk Decision Tree dan 97.86% untuk Random Forest. Rekomendasi penelitian ini mencakup pertimbangan terhadap metode alternatif serta perlunya penelitian lanjutan untuk memahami faktor-faktor sosial, ekonomi, dan demografis yang memengaruhi status kelayakan penerima BPNT. Dengan demikian, hasil penelitian ini diharapkan dapat memberikan panduan bagi pengembangan program bantuan sosial di masa depan.
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI KUALITAS AIR YANG DAPAT DI KONSUMSI Wisnu Saputra, Adrian; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8292

Abstract

Air adalah sumber kehidupan yang penting bagi makhluk hidup termasuk manusia. Metode pemantauan dan evaluasi yang efektif dan tepat diperlukan untuk menjaga kualitas air yang aman. Sifat air yang dapat dikonsumsi sangat penting untuk kesehatan secara umum. Kontaminasi air dapat memicu berbagai infeksi, seperti mencret, kolera, dan hepatitis. Oleh karena itu, sangat penting untuk mengembangkan strategi yang dapat secara tepat meramalkan sifat air yang dapat dikonsumsi. Eksplorasi ini menerapkan perhitungan penambangan informasi Bayes yang mudah tertipu untuk mengantisipasi sifat air yang dapat dimakan. Perhitungan ini bekerja dengan menghitung kemungkinan informasi masuk ke dalam kelas tertentu dengan mempertimbangkan probabilitas kreditnya. Penelitian ini diharapkan dapat menerapkan perhitungan Naive Bayes dalam mengantisipasi sifat air yang layak dikonsumsi. Kualitas air yang baik sangat penting bagi kesehatan manusia, dan prediksi yang akurat dapat membantu orang memilih jumlah air yang tepat untuk diminum. Perhitungan Naive Bayes dipilih karena kemampuannya untuk menangani pesanan dengan variasi batas yang kompleks dalam dataset kualitas air. Informasi yang digunakan dalam penelitian ini adalah informasi kualitas air yang didapat dari situs dataset Kaggle dengan jumlah 3477 catatan informasi dengan faktor yang meliputi berbagai faktor fisik, substansi, dan alam. Hasil analisis menunjukkan bahwa model klasifikasi Naive Bayes mampu memprediksi kualitas air dengan akurasi sebesar 65,08 persen, presisi 62,08 persen, dan recall 26,47 persen. Hal ini menunjukkan bahwa algoritma Naive Bayes dapat memprediksi kualitas air minum secara akurat.
ANALISIS KLASIFIKASI INDEKS KUALITAS UDARA KOTA DI INDONESIA MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN NAÏVE BAYES Maulana, Ali; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8295

Abstract

Polusi udara adalah masalah yang berdampak buruk pada kehidupan makhluk hidup dan menyebabkan banyak penyakit. Oleh karena itu, penting untuk memantau tingkat pencemaran udara di lingkungan masyarakat. Tujuan dari penelitian ini adalah untuk membandingkan kinerja dari metode K-Nearest Neighbor dan Naïve Bayes, dalam mengklasifikasikan data Indeks Kualitas Udara kota di Indonesia. Pada penelitian ini, data yang digunakan adalah data World Air Quality Index by City and Coordinates yang diperoleh dari situ Kaggle. Data ini mencakup atribut-atribut seperti country, city, AQI value, AQI category dan lain-lain. Metode penelitian yang digunakan adalah Knowledge Discovery in Database (KDD). Selanjutnya, metode K-Nearest Neighbor dan Naïve Bayes diterapkan pada tahapan data mining menggunakan K-fold cross validation dengan percobaan K-2 fold, K-3 fold, K-4 fold dan K-5 fold. Evaluasi kinerja akan dilakukan menggunakan metrik-metrik yang relevan seperti akurasi, precision, dan recall. Berdasarkan hasil klasifikasi didapatkan K-fold terbaik yaitu K-5 fold dari metode K-Nearest Neighbor menghasilkan nilai akurasi 95.13% dan Naïve Bayes menghasilkan akurasi 95.97%. Penelitian ini dapat membantu pemerintah dalam pengambilan kebijakan untuk menjaga kualitas udara, dan memberikan informasi kepada masyarakat tentang kualitas udara di lingkungannya.
ANALISIS KLASTERISASI UNTUK PREDIKSI JUMLAH KASUS DBD BERDASARKAN JENIS KELAMIN DAN KABUPATEN/KOTA DI JAWA BARAT Ikbal, Ali; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8296

Abstract

Penyakit Demam Berdarah Dengue (DBD) adalah penyakit menular yang sering fatal, terutama di daerah tropis dan subtropis, menjadi isu kesehatan global dengan penyebaran luas dan dampak serius. Lingkungan memiliki peran penting dalam kondisi ini. Penelitian ini menggunakan metode k-means, naive bayes, dan linear regresi, masing-masing memiliki fungsinya sendiri. K-means berhasil mengelompokkan kasus DBD menjadi 3 cluster (tinggi, sedang, rendah) dengan indeks kinerja Davies Bouldin rata-rata 0.71. Naive bayes digunakan untuk memprediksi hasil cluster 2023 dengan akurasi model 88.27%. Linear regresi untuk menentukan jumlah kasus DBD tahun 2023, dengan kasus tertinggi Kota Bandung 1590 laki laki, 1585 perempuan dan Kota Bekasi 1576 laki-laki dan 1572 perempuan, Kota Depok masuk kategori sedang 948 laki-laki dan 944 perempuan, 24 kota lainnya masuk dalam kategori rendah. Penyebaran DBD cenderung lebih tinggi pada kaum laki-laki, mencapai puncak tertinggi pada tahun 2022. Analisis data kasus DBD dapat memberikan informasi dan kontribusi penting untuk pembangunan strategi pencegahan dan penanggulangan yang lebih efektif oleh masyarakat, pemerintah, dan dinas kesehatan.
Co-Authors Adi Supriyatna Afiatul Ulumik, Rizki Ahmad Jaelani Aji Santoso Aldiyansyah, Aldiyansyah Amdani Ana Amalia, Ana Andi Setiawan Annurfariz, Aditya Arif Firmansyah, Aditiya Arofah, Mila Azrul, Ahmad Azzam, Ahmad Christian Anderson Wint's II, Hans Danar Dana, Raditya Elfrida Ratnawati Fajar Fauzan, Muhammad Fatmawati, Aisyah Gifthera Dwilestari Gina Regiana Gitacahyani, Adisty Gunia, Euis Hartini, Tuti Hendiana, Hendiana Hendriyansyah, Hendriyansyah Hurifiani, Alfia Ikbal, Ali Indriyan Dwi Kesuma, Adri Irfan Ali Irfan Ali, Irfan Julkarnaen, Agus Karunia Nurul Asry, Kintan Kaslani Kodratul Munawar, Koko Lestari, Hasanah Lutfiah Lutfiah Maulana, Ali Muharram, Akbar Nining.R.M Novi Rahmawati Nur Alam, Alfian Nur Aziziah, Aldila Odi Nurdiawan Prihartono, Willy Putra Pratama, Aeri R, Nining Rakhmat Hidayat, Rakhmat Ramadhan, Niko Ramadhan, Ryan Ramanto, Aditiya Restillah, Syifa Retno Sari Rifa'i, Akhmad Rinaldi Dikananda, Arif Rinaldi Dikanda, Arif Rini Astuti Rosyd, Abdul Sakarias Berek, Richardus Sehabudin Sehabudin, Sehabudin Shodik, Fajar Suarna, Nana Suarna, Nana Sudrajat, Adi Suryana, Aldi Syajida, Hanna Tati Suprapti Tohidi, Edi Wahyudin, Edi Wangi Nur Qibti, Intan Wisnu Saputra, Adrian Yudhistira Arie Wijaya