Article Per Year (5 Year)
p-Index From 2021 - 2026
6.357
P-Index
This Author published in this journals
All Journal Kinesik 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 Social Sciences

Published : 55 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 55 Documents
Search

 1   2   3   4   5 
PENERAPAN ALGORITMA REGRESI LINEAR UNTUK PREDIKSI PENJUALAN ALAT TULIS KANTOR (ATK) DI BUMDES Hurifiani, Alfia; 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.v8i1.8305

Abstract

Pertumbuhan Badan Usaha Milik Desa (BUMDes) sebagai pilar pemberdayaan ekonomi di tingkat desa semakin berkembang pesat. Di antara berbagai kegiatan usaha BUMDes, penjualan Alat Tulis Kantor (ATK) muncul sebagai potensi yang signifikan. Untuk meningkatkan efisiensi dan produktivitas penjualan ATK, penerapan metode analisis prediksi menjadi esensial, terutama dengan menggunakan algoritma regresi linear. Penelitian ini dilakukan untuk menganalisis dan memprediksi penjualan ATK di BUMDes Desa Cintarasa melalui pendekatan kuantitatif. Data penjualan ATK selama beberapa bulan terakhir dihimpun, melibatkan variabel-variabel seperti jumlah produk terjual, harga ATK, dan faktor-faktor lain yang mempengaruhi penjualan. Analisis hasil menunjukkan adanya hubungan signifikan antara variabel yang diamati, memberikan gambaran akurat dampak masing-masing variabel terhadap penjualan ATK. Pengujian keakuratan prediksi menggunakan Root Mean Square Error (RMSE), Absolute Error, dan Relative Error memvalidasi hasil penelitian. Hasil prediksi total penjualan didapatkan pada hari pertama total penjualan adalah 55. 435, pada hari kedua 28.272, dan hari ketiga 31.667. Hasil evaluasi nilai RMSE pada total penjualan 7802.802, nilai absolute error 6894.646, dan nilai Relative Error 21.05%. Prediksi penjualan alat tulis kantor (ATK) dengan menggunakan metode regresi linear dapat dikatakan cukup baik dengan Pengujian akurasi terhadap semua atribut yang menunjukkan bahwa nilai Root Mean Square Error (RMSE), Absolute Error, dan Relative Error memenuhi standar yang ditetapkan.
ANALISIS TINGKAT PENANGANAN SAMPAH DI JAWA BARAT MENGGUNAKAN REGRESI LINIER Nur Alam, Alfian; 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.v8i1.8307

Abstract

Sampah merupakan masalah besar bagi masyarakat dan lingkungan di Jawa Barat. Volume sampah yang meningkat setiap tahunnya menyebabkan penumpukan di tempat penampungan sementara (TPS). Hal ini disebabkan oleh berbagai faktor, seperti kepadatan penduduk, karakteristik lingkungan, kondisi sosial ekonomi, norma budaya, dan sikap masyarakat Dalam penelitian ini menerapkan proses Knowledge Discovery InDatabases (KDD), data mining digunakan untuk memprediksi volume dan mengidentifikasi faktor yang paling berpengaruh pada timbunan sampah yang tidak tertangani di Jawa Barat. Hasil penelitian menunjukkan bahwa jumlah produksi sampah dan jumlah sampah terkelola dapat mempengaruhi tingkat timbunan sampah dan, jumlah timbunan sampah di Jawa Barat pada tahun 2023 sebesar 38615 ton per hari. Jumlah ini menurun sebesar 300169 ton per hari dari jumlah timbunan 5 tahun sebelumnya. Hasil penelitian ini menunjukkan bahwa diperlukan upaya yang lebih komprehensif dari berbagai pihak untuk mengatasi masalah sampah di Jawa Barat. Pemerintah daerah perlu menyusun tindakan yang tepat, baik dari segi prasarana dan sarana, maupun dari segi sumber daya manusia. Selain itu, diperlukan juga kesadaran dan partisipasi masyarakat dalam pengelolaan sampah.
KLASIFIKASI ULASAN APLIKASI LINKEDIN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Gitacahyani, Adisty; 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.v8i1.8310

Abstract

LinkedIn, platform teknologi dan bisnis yang sangat penting, Fokus utamanya adalah meningkatkan konektivitas bisnis, membantu orang membentuk jaringan professional, mengajak orang untuk berbicara tentang ide bisnis, dan menyediakan tempat untuk mencari talenta baru. Tujuan penelitian ini mempelajari emosi dalam komunikasi LinkedIn dan mengetahui pengguna berinteraksi dan menanggapi dalam konteks professional, untuk memeriksa tanggapan pengguna terhadap aplikasi LinkedIn, mengkategorikan kedalam ulasan positif atau negatif, membandingkan dengan pesaing, dan memberikan saran pengembangan produk. Dan mengatasi masalah preprocessing data. Metode yang digunakan adalah naïve bayes classifier. Metode ini memodelkan probabilitas, dan efektif dalam menangani data besar seperti ulasan aplikasi. Hasil dari klasifikasi ulasan aplikasi LinkedIn menggunakan metode naïve bayes classifier dihasilkan 1065 sentimen positif dan 793 sentimen negatif pada pengguna aplikasi LinkedIn. Dengan nilai akurasi 90,31%, model secara umum memiliki kemampuan untuk mengklasifikasikan sebagian besar sampel dengan tepat. Dilihat dari nilai Precision untuk sentimen negatif adalah 88,07%, untuk sentimen positif sekitar 92,00%. Nilai Recall sebesar 89,41% untuk sentimen negatif dan sentimen positif sebesar 91,37%. Pada nilai F1-score sentimen positif (1) dan sentimen negatif “0” sebesar 88.74%. Penelitian ini menghasilkan rekomendasi penting bagi praktisi tentang cara mengoptimalkan pengguna LinkedIn. Membangun hubungan bisnis yang kuat, memahami preferensi pelanggan dan meningkatkan pengalaman pengguna.
IMPLEMENTASI ALGORITMA C4.5 DAN NAÏVE BAYES DALAM PENGAMBILAN KEPUTUSAN UNTUK PROGRAM INDONESIA PINTAR (PIP) DI SEKOLAH DASAR NEGERI 04 MAJALANGU Amalia, Ana; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8311

Abstract

Pendidikan di Indonesia menghadapi tantangan terkait dengan kemiskinan, di mana prestasi siswa dinilai setiap akhir semester. Program Indonesia Pintar memberikan dukungan keuangan untuk biaya sekolah dan bantuan belajar siswa. Penelitian ini bertujuan membantu SD N 04 Majalangu dalam menyeleksi penerima Program Indonesia Pintar yang lebih akurat dan evisien. Metode Naïve Bayes adalah metode klasifikasi dari machine learning yang memiliki keunggulan yaitu menggunakan sampel data pelatihan untuk mengestimasi parameter yang terlibat dalam proses klasifikasi dapat tersaji secara cepat, serta memperoleh akurasi tinggi [1]. Algoritma C4.5 adalah algoritma yang digunakan untuk membentuk pohon keputusan, yang merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal [2]. Metode Decision Tree dengan algoritma C4.5 dan Naïve Bayes digunakan untuk pemilihan yang lebih objektif. Penelitian ini memastikan bantuan tepat sasaran, mengurangi beban biaya pendidikan, dan meningkatkan motivasi belajar siswa. Data mining memastikan keputusan seleksi didasarkan pada bukti yang kuat, mengurangi potensi kesalahan. Hasil pengujian menunjukkan akurasi model algoritma C4.5 sebesar 64,42%, dan algoritma Naïve Bayes sebesar 100%. Penelitian ini memberikan wawasan tentang faktor-faktor kontribusi dalam menentukan kelayakan penerima PIP di SD N 04 Majalangu, mendukung efisiensi dan objektivitas dalam pemilihan penerima bantuan pendidikan.
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK PREDIKSI PRESTASI BELAJAR SISWA DI MTS YAMUALLIM PANONGAN Lestari, Hasanah; Irma Purnamasari, Ade; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8312

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi prediksi prestasi belajar siswa di MTs Yamu’allim Panongan dengan mengoptimalkan penggunaan algoritma C4.5. Algoritma ini dipilih karena dapat menangani kompleksitas data dan menghasilkan hasil yang mudah diinterpretasi. Dataset yang mencakup prestasi belajar siswa dari semester sebelumnya digunakan untuk melatih dan menguji model, menciptakan dasar yang kuat untuk meningkatkan kualitas prediksi prestasi belajar. Penelitian juga melibatkan analisis mendalam terhadap berbagai aspek, termasuk aspek sosial dan lingkungan, karena pemahaman terhadap faktor-faktor ini dianggap penting dalam memengaruhi prestasi belajar siswa. Dengan implementasi C4.5 yang dioptimalkan, penelitian ini tidak hanya bertujuan meningkatkan akurasi prediksi, tetapi juga memberikan gambaran komprehensif mengenai faktor-faktor yang berkontribusi terhadap prestasi belajar siswa. Hasil penelitian menunjukkan bahwa optimasi algoritma C4.5 secara signifikan meningkatkan tingkat akurasi prediksi prestasi belajar siswa. Temuan ini dapat membantu pihak sekolah dalam mengidentifikasi siswa yang memerlukan perhatian khusus atau bantuan tambahan untuk meningkatkan prestasi belajarnya. Model klasifikasi menunjukkan akurasi yang tinggi dalam memprediksi kategori prestasi belajar, memberikan manfaat konkret dengan memberikan pandangan yang lebih tepat mengenai potensi dan kebutuhan masing-masing siswa.
PENERAPAN K-MEANS UNTUK MENGANALISIS KEPUASAN MAHASISWA TERHADAP PEMBELAJARAN DARING Sudrajat, Adi; 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.v8i1.8337

Abstract

Presiden Jokowi menyatakan bahwa Indonesia telah keluar dari masa pandemi COVID-19 dan saat ini memasuki fase endemi. Pendidikan memegang peranan krusial dalam pembangunan masyarakat. Meskipun pembelajaran daring tetap menjadi pilihan utama pada fase endemi, khususnya di STMIK IKMI Cirebon, pengalaman mahasiswa terkait penggunaan platform daring seringkali menimbulkan perbedaan pendapat. Tujuan penelitian ini adalah untuk menyajikan informasi mengenai kepuasan mahasiswa terhadap pembelajaran daring, sebagai upaya evaluasi terhadap sistem pembelajaran tersebut. Dataset yang berhasil dikumpulkan melibatkan 150 responden dari mahasiswa Program Studi Teknik Informatika angkatan 2020 STMIK IKMI Cirebon. Metode penelitian menggunakan Algoritma K-Means klastering, dengan melakukan 5 iterasi untuk menentukan nilai K terbaik. Penentuan tersebut dilakukan dengan membandingkan nilai Davies-Bouldin Index, yang menunjukkan bahwa K2 merupakan nilai K terbaik. Dengan penerapan K-Means, ditemukan 2 klaster yang menggambarkan kepuasan mahasiswa terhadap 5 atribut, yaitu tangible, reliability, responsibility, assurance, dan empathy. Klaster 0 menunjukkan tingkat kepuasan tinggi sebesar 93%, sementara klaster 1 menunjukkan tingkat ketidakpuasan sebesar 7% pada setiap atribut yang digunakan. Penelitian ini diharapkan dapat memberikan wawasan yang lebih mendalam terkait evaluasi dan perbaikan sistem pembelajaran daring di STMIK IKMI Cirebon.
ANALISIS POLA PEMBELIAN PRODUK PADA TOKO ONLINE DAUN INDAH MENGGUNAKAN ASSOCIATION RULE DAN ALGORITMA FP-GROWTH DI PLATFORM E-COMMERCE SHOPEE Ramanto, Aditiya; 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.v8i1.8341

Abstract

Pada era digital, toko online menjadi salah satu pilihan bagi konsumen untuk berbelanja produk dengan mudah. Toko Daun Indah adalah salah satu toko online yang menjual berbagai macam produk kecantikan. Namun, Toko Online Daun Indah belum memanfaatkan data transaksi yang tersimpan di Shopee. Akibatnya, Toko Daun Indah belum memiliki informasi mengenai produk apa yang sering dibeli bersama, produk apa yang paling diminati. Oleh karena itu, penelitian bertujuan menganalisis pola pembelian produk menggunakan metode data mining, yaitu association rule dan algoritma FP-Growth. Association rule merupakan metode yang dapat menemukan hubungan antara item-item sering dibeli bersama oleh konsumen dan Algoritma FP-Growth dapat mengekstrak frequent itemset dari data transaksi dengan efisien dan cepat. Hasil penelitian ini adalah Implora Liptint & Cheek, Mascara Evany Esenses / Evany Esenses Mascara Original -8ml, Dan Implora Urban Lip Cream Matte Dengan Nilai Confidence: 0.667. Fres & Natural Parfum Semprot -100ml Dan Fresh & Natural Hijab -100ml Dengan Nilai Confidence: 0.857. 1 Renteng 12pcs 9ml Garnier Sakura White Hyaluron Glow Foam, 1 Renteng Isi 12pcs 7ml Garnier Bright Complete Vitamin C Serum Cream Uv Dengan Nilai Confidence: 1.000. Sehingga dapat memberikan informasi yang berguna bagi Toko Online Daun Indah untuk menentukan rekomendasi produk yang sesuai kebutuhan konsumen.
PREDIKSI HUNIAN HOTEL MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS: STUDI KASUS : HOTEL RUMAH KITA KOTA CIREBON Christian Anderson Wint's II, Hans; Irma Purnamasari, Ade; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8342

Abstract

Penelitian ini bertujuan untuk menerapkan teknik data mining, termasuk algoritma K-Nearest Neighbors (K-NN), untuk memprediksi tingkat hunian hotel dari tahun 2021 hingga 2022 di hotel Rumah Kita yang terletak di jalan Siliwangi Kota Cirebon. Data yang digunakan dalam penelitian ini mencakup variabel seperti harga kamar, lokasi geografis, sarana hotel, dan faktor lain yang mempengaruhi tingkat hunian. Metode K-Nearest Neighbors (K-NN) digunakan untuk mengetahui tren dan hubungan antara variabel-variabel tersebut dengan tingkat hunian hotel. Data tahun 2021 dan 2022 digunakan sebagai data pelatihan untuk mengembangkan model prediksi, sementara data tahun 2023 digunakan untuk menguji akurasi model. Untuk mengukur efektivitas dan akurasi sistem, penelitian ini melakukan pengujian dengan menggunakan data aktual tahun 2023 selama periode tiga bulan terakhir. Pengujian dilakukan dengan membandingkan hasil prediksi model terhadap data sebenarnya untuk menghitung tingkat akurasi. Hasil pengujian menunjukkan bahwa model dapat memperkirakan tingkat okupansi hotel pada tahun 2023 dengan tingkat akurasi mencapai 91,67%. Prediksi hunian ramai mencapai 6 dengan akurasi class prediction 100% dan class recall 85,71%, sedangkan prediksi hunian sepi mencapai 5 dengan akurasi class prediction 83,33% dan class recall 100%.Hasil ini menunjukkan bahwa model K-NN yang dikembangkan efektif dalam memprediksi tingkat hunian dan dapat membantu manajemen hotel dalam perencanaan kapasitas, strategi penetapan harga, dan pengelolaan sumber daya. Penelitian ini berpotensi untuk diterapkan secara luas di industri perhotelan dan bisnis serupa lainnya yang mengandalkan perkiraan tingkat hunian. Dengan penambahan informasi tentang pengujian dan pengukuran akurasi, abstrak ini sekarang memberikan gambaran yang lebih lengkap tentang penelitian dan hasilnya.
PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI STOK BAHAN MINUMAN DI CAFE SEMANIS Nur Aziziah, Aldila; 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.v8i1.8347

Abstract

Dalam era populernya minuman kopi, coffee shop menjadi bisnis yang diminati, termasuk Cafe Semanis yang berhasil menarik banyak pelanggan. Namun, kendala dalam manajemen stok bahan masih menggunakan media kertas yang menyebabkan penumpukan berkas dan penumpukan berkasnya tidak dijadikan analisa prediksi untuk mempersiapkan stok dimasa yang akan datang, hal tersebut dapat mengancam tingkat keberhasilan penjualan. Penelitian ini bertujuan memprediksi stok bahan yang perlu ditambahkan untuk meningkatkan penjualan dengan menggunakan data mining dan Algoritma C4.5 melalui Rapidminer. Dalam penelitian ini, Cafe Semanis yang belum memiliki sistem pendukung keputusan diharapkan dapat merancang strategi bisnis yang lebih efektif. Hasil penelitian menunjukkan tingkat akurasi Algoritma C4.5 mencapai 97.60%, memberikan bukti bahwa algoritma ini dapat digunakan untuk prediksi stok bahan minuman. Implikasi dari penelitian ini memberikan panduan bagi pemilik cafe dalam meningkatkan efisiensi manajemen stok, mendukung keputusan strategis, dan pada gilirannya, meningkatkan tingkat keberhasilan penjualan produk minuman.
IMPLEMENTASI ALGORITMA K-MEANS PADA KASUS KEKERASAN DALAM RUMAH TANGGA DI JAWA BARAT Annurfariz, Aditya; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8348

Abstract

Penelitian ini membahas kasus Kekerasan Dalam Rumah Tangga (KDRT) di Provinsi Jawa Barat dengan menggunakan algoritma K-Means dalam konteks Knowledge Discovery in Database (KDD). Data korban KDRT dari tahun 2018 hingga 2022 menunjukkan peningkatan setiap tahunnya, dan penelitian ini bertujuan untuk mengelompokkan kasus tersebut berdasarkan karakteristik serupa dengan harapan dapat membantu pemerintah Jawa Barat dalam menekan angka kasus KDRT. Hasil penelitian menunjukkan bahwa K-Means dengan dua kluster (K=2) memberikan hasil terbaik berdasarkan evaluasi menggunakan Davies Bouldin Index. Cluster 0 mencakup wilayah dengan jumlah kasus KDRT rendah, sedangkan Cluster 1 mencakup wilayah dengan jumlah kasus KDRT tinggi. Kabupaten/kota di setiap cluster diidentifikasi, memberikan informasi yang berguna untuk perencanaan dan penanganan kasus KDRT. Kesimpulan dari penelitian ini adalah bahwa penerapan algoritma K-Means dapat membantu mengelompokkan kasus KDRT di Jawa Barat berdasarkan karakteristiknya. Namun, diperlukan langkah-langkah pencegahan dan penanganan yang lebih intensif, termasuk program edukasi masyarakat, penguatan sistem dukungan korban, pelatihan bagi penegak hukum, dan kolaborasi dengan lembaga kesehatan. Selain itu, pengembangan rencana pencegahan yang spesifik dapat menjadi langkah strategis untuk mengurangi angka kasus KDRT di masa mendatang.
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 Khoerudin, Ikna 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