Article Per Year (5 Year)
p-Index From 2021 - 2026
13.222
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Proceeding SENDI_U Jurnal Teknik Informatika UNIKA Santo Thomas JurTI (JURNAL TEKNOLOGI INFORMASI) Antivirus : Jurnal Ilmiah Teknik Informatika Jurnal ICT : Information Communication & Technology JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmu Teknik dan Komputer JIKA (Jurnal Informatika) MEANS (Media Informasi Analisa dan Sistem) Tematik : Jurnal Teknologi Informasi Komunikasi Jurnal Informatika Terpadu Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Jurnal Janitra Informatika dan Sistem Informasi Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Informatika dan Teknologi Informasi Jurnal Teknologi Ilmu Komputer AMMA : Jurnal Pengabdian Masyarakat NERO (Networking Engineering Research Operation) Jurnal Kecerdasan Buatan dan Teknologi Informasi Jurnal Komtika (Komputasi dan Informatika)
Suarna, Nana
Unknown Affiliation
Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

Published : 114 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 114 Documents
Search

 8   9   10   11   12 
Web pembelajaran untuk meningkatkan pemahaman kalimat keterangan lampau bahasa Jepang Apriliana Janatu Marwa; Suarna, Nana; Ali, Irfan; Efendi , Dendy Indriya
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 19 No 1 (2025): Mei 2025
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/antivirus.v19i1.4080

Abstract

Japanese, or Nihongo (日本語), is the primary language of Japan, spoken by more than 125 million people globally. It belongs to the Japonic language family and features a distinct writing system composed of Kanji, Hiragana, and Katakana. Kanji, derived from Chinese characters, while Hiragana and Katakana (referred to as Kana) are phonetic alphabets with 46 basic characters. Hiragana is used for native words and grammar, while Katakana is utilized for foreign words and emphasis. Japanese grammar follows a Subject-Object-Verb (SOV) structure, with social hierarchy reflected through the use of keigo, as well as past adverbial sentences and verb conjugations marked by formality. The global fascination with Japanese culture, including anime and manga, has sparked increased interest in the language. To facilitate learning, the author created a web-based learning platform using the Waterfall methodology, incorporating system engineering, requirement analysis, design, coding, testing, and maintenance phases. The platform is aimed at enhancing learners' understanding of past tense adverbial sentences, with pilot tests indicating considerable improvements in users' Japanese language abilities. Besides offering interactive content, the system also provides a well-organized and user-friendly learning experience. This study aims to positively impact Japanese language education and encourage broader adoption of educational technology, ultimately assisting learners in achieving higher Japanese proficiency in the digital age
Analisis Rumah Tidak Layak Huni Menggunakan Algoritma X-Means Rohendi, Ghina Fitria; Suarna, Nana; Lestari, Gifthera Dwi
Jurnal Janitra Informatika dan Sistem Informasi Vol. 3 No. 1 (2023): April - Jurnal Janitra Informatika dan Sistem Informasi
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25008/janitra.v3i1.151

Abstract

Tempat tinggal atau rumah merupakan kebutuhan masyarakat yang sangat mendasar bagi setiap orang selain sandang dan pangan. Rumah yang layak huni dapat diketahui dari struktur bangunan rumah dan fasilitas rumah yang ada. Struktur bangunan rumah meliputi luas lantai, jenis lantai, jenis atap, dan jenis dinding. Sedangkan fasilitas rumah meliputi sumber air minum, sumber penerangan, dan tempat pembuangan akhir kotoran. Dalam penelitian ini penulis akan melakukan pengelompokan rumah tidak layak huni dengan melihat struktur bangunan rumah dan fasilitas rumah yang dimiliki setiap rumah tangga di 4 wilayah yaitu: Batu layang, siantan hilir, siantan tengah dan siantan hulu. Salah satu metode yang dapat digunakan untuk pengelompokan rumah tidak layak huni adalah metode X-means clustering. karena merupakan salah satu penyempurnaan dari metode K-Means clustering. Adapun tahapan metode x-means terdiri dari dua langkah yang diulang sampai selesai. yaitu, 1) Tingkatkan-Params, pada langkah ini menerapkam algoritma k-means pada awalnya untuk k cluster hingga konvergensi. Dimana k sama dengan batas bawah yang disediakan oleh pengguna.2) Perbaiki Struktur, langkah perbaikan struktur ini dimulai dengan memecah setiap pusat cluster menjadi dua anak dalam arah yang berlawanan di sepanjang vektor yang dipilih secara acak. Setelah itu menjalankan k-means secara lokal di dalam setiap cluster untuk dua cluster. Keputusan masing-masing pusat cluster sendiri dengan membandingkan nilai-nilai Bayesian Information Criterion (BIC). 3) Jika K > = kmax (batas atas) berhenti dan laporkan ke model penilaian terbaik yang ditemukan selama penarian, jika tidak pergi ke langkah 1. Penelitian ini bertujuan untuk menggali informasi dalam memetakan atau mengelompokan rumah tidak layak huni menggunakan algoritma x-means menjadi beberapa cluster serta untuk mengetahui nilai akurasi terbaik dari hasil uji Davies Bouldin Index (DBI). Hasil yang pengelompokan menggunakan x-means diperoleh terbaik sebanyak 2 cluster, yaitu cluster 0 sebanyak 931 item dan cluster 1 sebanyak 444 item serta Nilai Davies Bouldin Index yang dihasilkan dari algoritma x-means ini sebesar 2,079. Dengan menghitung jarak antara rata-rata cluster diperoleh bahwa cluster 0 merupakan kelompok terbaik dengan jarak terdekat sebesar 9,728.
Klasterisasi Nilai Ujian Sekolah Menggunakan Metode Algoritma K-Means Saputra, Adi Zulkarnaen; Suarna, Nana; Lestari, Gifthera Dwi
Jurnal Janitra Informatika dan Sistem Informasi Vol. 3 No. 1 (2023): April - Jurnal Janitra Informatika dan Sistem Informasi
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25008/janitra.v3i1.153

Abstract

Ujian Nasional merupakan salah satu penunjang keputusan untuk menyatakan lulus atau tidaknya siswa menurut Peraturan Pemerintah Republik Indonesia Nomor 13 Tahun 2015 Pasal 66 menyebutkan bahwa Penilaian hasil belajar sebagaimana dimaksud dalam Pasal 63 ayat (1) huruf c bertujuan untuk menilai pencapaian kompetensi lulusan secara nasional pada mata pelajaran tertentu dan dilakukan dalam bentuk Ujian Nasional, juga berpengaruh untuk dapat melanjutkan ke jenjang pendidikan selanjutnya, selain itu juga  dapat meningkatkan mutu pendidikan sekolah tersebut sebagaimana tercantum pada Pasal 68. Berdasarkan latar belakang masalah yang telah dipaparkan, maka penelitian ini adanya beberapa masalah yaitu bagaimana menerapkan Algoritma Clustering K-Means untuk mengelompokkan Nilai ujian nasional berdasarkan Kabupaten Kota di Indonesia berdasarkan Nilai UN tingkat Sekolah Menengah Pertama dan bagaimana hasil pengelompokan Kabupaten dan Kota di Indonesia berdasarkan Nilai UN tingkat Sekolah Menengah Atas dengan Algoritma Clustering K-Means.Tujuan penelitian ini yaitu untuk mengelompokan nilai ujian tingkat Sekolah Menengah Atas.Metode yang digunakan yaitu Algoritma Clustering K-Means. Hasil dari penelitian ini yaitu untuk mengetahui pengelompokan nilai ujian sekolah siswa terbaik dengan tingkat akurasi Jumlah anggota atribut Kelas pada Cluster 0: IPS:943, Bahasa: 909, IPA: 549, Jemaah angora attribute Kolas pada Cluster 1: IPS: 422, Bahasa: 456, IPA: 276.
PENERAPAN ALGORITMA FP-GROWTH UNTUK OPTIMALISASI POLA ASOSIASI DALAM DATA TRANSAKSI PENJUALAN OBAT: STUDI KASUS DI APOTEK XYZ Nugroho, Rizwar Adi; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5621

Abstract

Perkembangan teknologi data mining telah membuka peluang besar untuk mengoptimalkan manajemen stok dan strategi pemasaran di sektor farmasi. Penelitian ini menggunakan algoritma Frequent Pattern Growth (FP-Growth) untuk menganalisis pola pembelian konsumen di Apotek XYZ. Dengan menggunakan data transaksi penjualan obat selama periode 3 bulan tercatat pada tanggal 1 September hingga 5 November 2024dan menerapkan algoritma FP-Growth melalui perangkat lunak Altair Ai Studio. Dataset terdiri dari 16.112 transaksi, yang diolah melalui proses data preprocessing, transformasi, dan penerapan algoritma FP-Growth dengan minimum support 0.5 dan confidence 0.8. Hasil analisis menghasilkan 59 aturan asosiasi dengan confidence tertinggi mencapai 100%, yang menunjukkan hubungan kuat antara produk-produk tertentu. Studi ini berhasil mengidentifikasi pola pembelian yang signifikan, memberikan wawasan strategis untuk optimalisasi stok dan pemasaran berbasis data. Informasi ini memungkinkan apotek mengelola persediaan obat secara lebih efisien
PENERAPAN ALGORITMA K-MEANS DALAM ANALISIS DATA KEPENDUDUKAN UNTUK OPTIMALISASI PENGELOMPOKAN DI DESA PASAWAHAN Ramdani, Rizki; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5639

Abstract

Abstrak. Teknologi informasi, bisnis, pendidikan, kesehatan, dan tata kelola pemerintahan adalah beberapa aspek kehidupan yang sangat dipengaruhi oleh kemajuan pesat di bidang informatika. Kurangnya informasi tentang karakteristik masyarakat Desa Pasawahan adalah masalah utama dalam penelitian ini. Kurangnya informasi ini berdampak pada kemampuan untuk membuat keputusan dan mengatur program pembangunan yang lebih sesuai dengan tujuan. Metode Elbow dan evaluasi Davies-Bouldin Index (DBI) adalah contoh metode klasterisasi yang efektif yang berfokus pada aspek sosial dan ekonomi. Data penduduk Desa Pasawahan Ciamis tahun 2023 dengan 4939 data dan 19 atribut digunakan. Metode Knowledge Discovery in Database (KDD) digunakan untuk menganalisis data. Dalam penelitian ini, indeks Davies-Bouldin (DBI) digunakan untuk mengoptimalkan algoritma K-means untuk menentukan jumlah klaster yang ideal. Hasil pengelompokan menunjukkan bahwa dari jumlah klaster dengan nilai K = 2, 3, 4, 5, 6, 7, 8, 9, 10, klaster dengan kinerja terbaik mendekati nilai 0, dengan nilai DBI sebesar 0,3066. Pada K=3, tiga klaster dengan distribusi sebagai berikut dihasilkan: C0 memiliki 2242 data, C1 memiliki 1778 data, dan C2 memiliki 919 data. Evaluasi kinerja Menurut algoritma K-means, nilai Davies-Bouldin yang mendekati nol menunjukkan kualitas, jumlah klaster yang ideal untuk penelitian ini adalah 3, yang memberikan hasil terbaik. 
OPTIMASI PENGELOLAAN SAMPAH MELALUI MODEL PENGELOMPOKAN DENGAN ALGORITMA K-MEANS Nugraha, Rifqi; Suarna, Nana; Ali, Irfan; Rohman, Dede
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5694

Abstract

Pengelolaan sampah di Jakarta menghadapi tantangan besar akibat volume dan karakteristik lokasi yang bervariasi. Penelitian ini dimaksudkan untuk menginvestigasi dampak dari beberapa faktor tersebut dengan menerapkan algoritma K-Means Clustering, untuk mengidentifikasi karakteristik setiap cluster dan mengusulkan strategi pengelolaan sampah yang lebih efektif. Metode yang digunakan adalah Proses Knowledge Discovery in Database (KDD), yang mencakup tahap pengumpulan data, preprocessing, transformasi, dan analisis clustering. Hasil eksperimen menunjukkan bahwa jumlah klaster yang optimal adalah empat, menunjukan nilai DBI sebesar 0,220, menandakan kualitas klaster yang baik. Cluster 0, yang memiliki volume sampah tinggi, mendominasi Jakarta Barat dan memerlukan perhatian khusus dalam pengelolaan. Cluster 1, dengan volume sampah sedang, tersebar merata di seluruh daerah, menunjukkan potensi untuk meningkatkan efisiensi pengelolaan. Sementara itu, Cluster 2 dan Cluster 3 dengan volume rendah, berada di Jakarta Pusat dan Jakarta Utara, memerlukan pendekatan khusus seperti pengembangan fasilitas pengolahan sampah dan sistem daur ulang yang terintegrasi. Penelitian ini mengindikasikan bahwa pengelompokan menggunakan K-Means dapat memberikan wawasan berharga untuk mendukung strategi pengelolaan sampah yang berkelanjutan di Jakarta, serta menjadi dasar bagi pengambilan keputusan yang lebih terarah dalam memperbaiki kualitas lingkungan kota.
DEEP LEARNING ALGORITMA YOLOV8 UNTUK MENINGKATKAN ANALISIS KEPADATAN LALU LINTAS Hidayattullah, Rizky; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.5749

Abstract

Kemacetan lalu lintas merupakan salah satu masalah serius di berbagai kota besar. Diperlukan sebuah algoritma deteksi objek secara real-time yaitu YOLOv8 . Namun, untuk mengeksplorasi efektivitas algoritma YOLOv8 (You Only Look Once version 8) dalam mendeteksi dan menganalisis kemacetan lalu lintas. Maka dilakukan pemadaman pola kemacetan, menghitung volume lalu lintas, serta memberikan informasi kondisi lalu kecepatan untuk mengurangi kemacetan. Data yang digunakan meliputi dataset sekunder dari website open source Roboflow dan data primer hasil observasi langsung di Jalan Perum Arum Sari Angsana 2, Kecomberan, Kecamatan Talun, Kabupaten Cirebon, Jawa Barat 45171, Indonesia. Proses penelitian mencakup pelatihan model YOLOv8 menggunakan dataset yang telah diberi anotasi untuk mendeteksi kendaraan, dan menghitung volume kendaraan yang ada. Setelah pelatihan, model diuji menggunakan dataset video untuk memutar performanya dalam kondisi nyata, mencakup berbagai waktu dan kondisi pencahayaan, seperti pagi, dan siang. Hasil penelitian menunjukkan bahwa model YOLOv8 mencapai tingkat akurasi deteksi yang tinggi, dengan presisi sebesar 0.930, recall 0.919, F1-score 0.930, mAP50 0.975, dan mAP50-95 0.748. Model ini mampu mendeteksi dan menghitung jumlah kendaraan secara akurat pada kondisi lalu lintas, baik padat maupun lancar. Temuan ini membuktikan potensi besar algoritma YOLOv8 dalam penerapan teknologi berbasis kecerdasan buatan untuk pengelolaan lalu lintas perkotaan maupun pemukiman.
IMPLEMENTASI ALGORITMA K-MEANS DALAM OPTIMALISASI PENGELOMPOKAN SURAT MASUK DI PG. SINDANGLAUT Amalia, Rosnita; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5876

Abstract

Abstrak. Pengelolaan surat masuk merupakan salah satu aspek penting dalam administrasi perusahaan, termasuk di PG. Sindanglaut yang berfungsi untuk mengelompokkan dan mengarsipkan surat secara efektif. Namun, dalam praktiknya, sistem pengelompokan surat yang digunakan saat ini masih manual dan kurang efisien, sehingga mengakibatkan keterlambatan dalam pengambilan keputusan dan pencarian dokumen. Untuk mengatasi permasalahan tersebut, penelitian ini melakukan penerapan Algoritma K-Means dalam mengoptimalkan proses pengelompokan surat masuk. Pemilihan Algoritma K-Means karena mampu melakukan clustering data secara cepat dan efisien, terutama dalam jumlah data yang besar. Permasalahan utama yang dihadapi adalah bagaimana meningkatkan efisiensi dan akurasi pengelompokan surat masuk menggunakan algoritma k-means untuk mendukung pengelolaan arsip yang lebih baik. Penelitian ini melalui metode eksperimen, di mana data surat masuk dianalisis dan dikelompokkan berdasarkan karakteristik kemiripannya menggunakan algoritma k-means sesuai dengan metode Knowledge Discoveri in Database (KDD). Dalam proses KDD mencakup data selection, preprocessing, tranformation, data mining untuk menentukan jumlah cluster optimal, dan interpretation atau evaluasi hasil clustering dengan mengukur nilai akurasi dan efektivitas pengelompokan berdasarkan nilai dari Davies Bouldin Index (DBI) dimana nilai terendah yang mendekati 0 menunjukkan klaster yang optimal. Tujuan penelitian ini adalah untuk mengoptimalkan sistem pengelompokan surat di PG. Sindanglaut, sehingga dapat meminimalkan waktu yang dibutuhkan untuk pencarian dokumen dan memperbaiki sistem pengarsipan. Penelitian ini menghasilkan bahwa penggunaan algoritma k-means dapat meningkatkan efisiensi pengelompokan surat masuk berdasarkan jenis surat yang terdiri dari Surat Dinas, Surat Permohonan, dan Surat Pemberitahuan sesuai dengan jenis dan kepentingannya, yang menghasilkan 8 klaster serta keakuratan pengelompokan yang sesuai dengan metode penelitian dimana nilai DBI yang diperoleh senilai 0.321.
PENGOPTIMALAN MODEL ASOSIASI PENJUALAN PRODUK DI KEDAI MINUMAN MENGGUNAKAN METODE ALGORITMA FP-GROWTH Amer, Abdu Shobarudin; Suarna, Nana; Ali, Irfan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5881

Abstract

Kedai minuman sebagai salah satu sektor bisnis yang kompetitif dapat memanfaatkan algoritma data mining untuk memahami pola pembelian konsumen. Penelitian ini bertujuan untuk mengimplementasikan algoritma FP-Growth dalam mengidentifikasi asosiasi produk yang sering dibeli bersama pada data transaksi di kedai minuman. Tujuan utamanya adalah untuk memberikan rekomendasi strategi promosi dan manajemen stok berbasis data yang lebih efektif. Metode penelitian yang digunakan adalah kuantitatif dengan pendekatan KDD (Knowledge Discovery in Databases). Algoritma FP-Growth dipilih karena kemampuannya dalam mengidentifikasi frequent itemsets secara efisien tanpa memerlukan pembentukan kandidat yang besar seperti pada algoritma Apriori. Dataset yang digunakan adalah data transaksi penjualan dari kedai minuman selama periode tertentu. Hasil penelitian menunjukkan adanya beberapa pola asosiasi yang signifikan antara produk-produk yang sering dibeli bersamaan oleh pelanggan. Dengan menggunakan hasil analisis ini, kedai dapat mengoptimalkan strategi penjualan dan meningkatkan kepuasan pelanggan melalui penawaran yang lebih sesuai dengan kebutuhan 
OPTIMASI PREDIKSI OMSET PENJUALAN PADA PABRIK OLAHAN TAHU MENGGUNAKAN ALGORITMA REGRESI LINEAR Hermawan, Ramdan; Suarna, Nana; Ali, Irfan; Rohman, Dede
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5888

Abstract

Peningkatan omset penjualan merupakan aspek krusial dalam keberlanjutan bisnis, termasuk di Pabrik Olahan Tahu Khong Jaya. Penelitian ini bertujuan untuk mengeksplorasi hubungan variabel-variabel seperti harga, jumlah produksi, distribusi, dan promosi terhadap omset penjualan, serta memprediksi potensi pendapatan pada tahun 2024 dan 2025. Metode yang digunakan adalah Knowledge Discovery in Database (KDD), meliputi pengumpulan data, preprocessing, transformasi, analisis menggunakan regresi linear sederhana, dan evaluasi model. Data historis dari tahun 2022 hingga 2023 dianalisis untuk mendapatkan wawasan prediktif. Hasil analisis menunjukkan bahwa variabel harga memiliki korelasi paling kuat dengan omset (r = 0,884), diikuti oleh variabel tanggal (r = 0,841) dan volume penjualan (r = 0,638). Prediksi omset untuk tahun 2024 diperkirakan mencapai Rp1.399.036.400,75, meningkat menjadi Rp1.659.565.708,42 pada tahun 2025. Tren kenaikan omset ini menggambarkan pertumbuhan bisnis yang signifikan, dengan peningkatan tahunan hampir 50% pada tahun pertama dan 37,67% pada tahun kedua. Temuan ini menegaskan pentingnya strategi penetapan harga yang optimal dan peningkatan distribusi volume penjualan untuk mendukung pertumbuhan bisnis yang berkelanjutan. Penelitian ini memberikan kontribusi dalam memahami faktor-faktor utama yang memengaruhi omset penjualan serta mengembangkan model prediktif untuk mendukung pengambilan keputusan strategis. Hasil ini diharapkan dapat menjadi dasar untuk pengelolaan bisnis yang lebih efektif di masa depan.
Co-Authors Abdul Rasyid Ade Kurnia, Dian Adrian, Teguh Afiasari, Nur Aini Nurul Ainisa, Nurul Al Maeni, Nurul Al Muharom, Nurul Ibnu Alfian Nur Rahmat , Muhammad Alfian Nur Rahmat, Muhammad Alfudola, Mahfudz Amal Rois, Moh. Ichlasul Amalia, Rosnita Amarda, Juan Ameliana, Nikan Amer, Abdu Shobarudin Andi Setiawan Anggara, Doni Anggriani, Sulistia Anita Yuliyanti Apriliana Janatu Marwa Arif Fitriyanto, Goffar Arifqi, Tri Aulia Putri, Adinda Auliya, Suci Awaludin, Ade Ayuni, Putri baihaqqi, Farisky Dadang Sudrajat Dalifah, Nurul Danar Dana, Raditya Dendy Indriya Efendi Dewanty Rafu, Maria Dewi, Sophiyanti Dienwati Nuris, Nisa Dienwati, Nisa Dwi Prasetyo Dwilestari , Gifthera Efendi , Dendy Indriya Effendy, Dendy Indria Fachry Abda El Rahman Fadhil, Fadhil Yudistianto FAUZAN, AKMAL Fikri Ulumudin, Achmad Fikri, Moh.Yusuf Firmansyah, Fajar Frihandiansah, Riyandi Fuadi Ahmad, Cecep Gifthera Dwilestari Gilang Perwati, Intan Hamdan Mubarok, Nabil Hartiansyah, Fernandar Dwi Hermawan, Bagus Hermawan, Ramdan Hidayah, Nurni Hidayat, Pierre Galuh Hidayattullah, Rizky Ibnu Abas, Mohamad Iin, Iin Illahi, Asep Wahyu Indriya Efendi, Dendy Irfan Ali, Irfan Irma Purnamasari, Ade JUBAEDAH JUBAEDAH, JUBAEDAH Julianti, Okta Nur Khaeru, Abdullah Kholifa, Nur Kusmawanti, Nisa Laelatul Azizah, Novi Lestari, Gifthera Dwi Luthfi, Achmad Mar’atun Sholihah, Oliffia Masjunedi, Masjunedi Maulida, Nida Muhamad Andika, Agus Muhammad Taufik Hidayat, Muhammad Muharam, Arbi Adi Muharromah, Oom Mulyawan Mustofa, Kafit Nining Rahaningsih Nugraha, Rifqi Nugroho, Rizwar Adi Nur Amalia, Ocsana Nur Apriliani, Nur Nurdin Nurhayah, Nurhayah Nuri Nuri Nurjanah, Nurul Nurliana, Nicky NURUL AZIZAH Nurwanda, Nurwanda Nurzaman Nurzaman Odi Nurdiawan Oktaviany, Nurul Pajri, Riki Peni Peni Pii, Iwan Pratama, Denni Pratiwi, Intan Pratiwi, Yulita Prihartono, Wiily Prihartono, Willy PUJI LESTARI Purnamasari, Ade Irma Putriana, Puput R, Nining Raditya Danar Dana Rahaning, Nining Rahaningsi, Nining Ramadhan, Gildan Jaya Muhammad Ramdani, Rizki Retnasari, Peni Rinaldi Dikananda, Arif Rinata, Ustri Ani Rini Astuti Riyana, Iis Rohendi, Ghina Fitria Rohman, Dede Rokhmatan Khaerullah, Rizal Sajidan, Dzikri Samodra Anugrah, Syawal Saniyah, Nilta Saputra, Adi Zulkarnaen Sariah Sariah Sayuti Hanapiah, Neneng Sidik, Rahmat Siti Nurhasanah Solihudin, Dodi Suarna, Annisa Annastia Susana, Heliayanti Susana, Heliyanti Talia, Agita Hany Tati Suprapti Taulani, Taulani Tri Ginanjar Laksana Triawan, Eri Triya, Pita Widiya, Putri Wirdiyan, Farhan Azfa Wulandari, Maryam Yudhistira Arie Wijaya Zaelani, Nursehan Zeya Sebastian, Muhammad