Claim Missing Document
Check
Articles

ANALISA PENERAPAN METODE CLUSTERING K-MEANS UNTUK PENGELOMPOKAN DATA TRANSAKSI KONSUMEN: Studi Kasus: Cv. Mitra Indexindo Pratama Masjunedi, Masjunedi; Suarna, Nana; Arie Wijaya, Yudhistira
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.v7i2.6841

Abstract

Cv. Mitra indexindo pratama merupakan perusahaan yang bergerak di bidang penjualan dan jasa, Perusahaan juga menyediakan jasa perbaikan dan perawatan komputer untuk usaha/kantor yang membutuhkan dan juga melayani konsumen perorangan. Cv.Mitra Indexindo Pratama termasuk perusahaan perseorangan, karena semua sumber daya yang digunakan dalam operasi perusahaan adalah milik sendiri atau perseorangan, Data transaksi penjualan semakin lama semakin banyak sehingga akan terjadi penumpukan data, penumpukan data tsb kemudian akan di olah menggunakan aplikasi rapid miner. Akumulasi pengetahuan ini dapat digunakan untuk menemukan informasi yang berguna dan tersembunyi yang bisa digunakan untuk menerapkan strategi penjualan. Pengumpulan data tersebut dapat diproses oleh aplikasi rapidminer dengan menggunakan metode clustering K-Means dengan menggunakan 300 data transaksi konsumen, terhitung pengumpulan data dalam kurun waktu 2 bulan di cv mitra indexindo pratama. Tujuan dari penelitian ini adalah untuk mengelompokkan data transaksi konsumen menggunakan metode teknik clustering algoritma K-Means dengan membentuk 4 cluster berdasarkan Measure Types Bregman Divergences dengan parameter SquaredEuclideanDistance sampai menghasilkan nilai DBI terbaik. Hasil dari penelitian ini adalah hasil clustering K-means pada centroid akhir mengasilkan Cluster_2 (175.000.000), Cluster_0 (25.000.000), Cluster_1 (7.500.000) dan nilai terendah (0) pada cluster_3. Hasil pengujian kinerja dengan mengevaluasi Davies-Bouldin-Index (DBI) untuk efisiensi cluster, Berdasarkan hasil Davies-Bouldin Index (DBI) diperoleh selama pengujian data transaksi konsumen dengan program RapidMiner yaitu (K4) Davies-Bouldin-Index. (DBI) nilainya adalah 0,261.
SISTEM INFORMASI GUDANG BERBASIS WEB UNTUK PENYIMPANAN BARANG DI PT MITRA SUKSES BANGUN BERSAMA baihaqqi, Farisky; Suarna, Nana; Nurdiawan, Odi
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.v7i2.7317

Abstract

Perkembangan teknologi informatika saat ini sangat cepat dan pesat, membawa perubahan yang begitu besar di berbagai bidang, namun di PT MITRA SUKSES BANGUN BERSAMA Transaksi penjualan, pembelian, dan pencatatan data stok yang dilakukan masih dengan cara manual. Masalah yang dihadapi oleh PT Mitra Sukses Bangun Bersama adalah kurangnya efisiensi dalam melakukan manajemen gudang secara manual. Metode yang diguanakan adalah metode SDLC waterfall, Model pengembangan metode SDLC waterfall terdiri dari fase Requirement Analysis, system design, Implementation, testing, Deployment dan Maintenance. Tujuan dari penelitian ini adalah untuk merancang dan mengembangkan sebuah sistem informasi gudang berbasis web yang dapat membantu PT Mitra Sukses Bangun Bersama dalam melakukan manajemen penyimpanan barang di gudang. Metode yang digunakan dalam penelitian ini adalah dengan melakukan studi literatur untuk memperoleh pengetahuan dan konsep dasar mengenai sistem informasi gudang dan pengembangan web. Selanjutnya, dilakukan analisis kebutuhan sistem dan desain sistem informasi gudang berbasis web. Kemudian, dilakukan implementasi sistem dan pengujian fungsionalitas sistem. Berdasarkan penelitian yang sudah dilakukan berhasil membuat sistem informasi gudang untuk penyimpanan yang dikembangkan menggunakan metode SDLC waterfall.
PREDIKSI TINGKAT KEMISKINAN DI PROVINSI JAWA BARAT MENGGUNAKAN ALGORITMA REGRESI LINEAR Laelatul Azizah, Novi; Suarna, Nana; Prihartono, Wiily
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.v7i6.8201

Abstract

Kemiskinan dan pembangunan erat terkait, dan peningkatan ekonomi dapat terhambat oleh tingkat kemiskinan yang tinggi. Oleh karena itu, peramalan tingkat kemiskinan di Provinsi Jawa Barat diperlukan. Ini akan berdampak pada kebijakan pemerintah sebelum tingkat kemiskinan meningkat pada tahun berikutnya. Kebijakan pemerintah untuk mengatasi kemiskinan penduduk termasuk mengetahui peramalan tingkat kemiskinan penduduk pada tahun mendatang. Hasil peramalan data ini dapat bermanfaat bagi upaya pemerintah untuk menerapkan, memperbaiki, dan mengembangkan kebijakan kemiskinan pada periode berikutnya. Peramalan memanfaatkan data dari masa lalu untuk memprediksi apa yang akan terjadi di masa depan. Ini adalah alat penting untuk perencanaan yang baik juga. Menghitung peramalan berarti memahami metode yang akan digunakan untuk meramalkan dalam situasi pengambilan keputusan. Masalahnya adalah menghitung nilai Kesalahan Rata-Rata Kuadrat, Kesalahan Rata-Rata Absolut, dan Kesalahan Rata-Rata Relatif Absolut (RMSE, MAE, dan MARE). Tujuan dari penelitian ini adalah untuk melakukan eksperimen untuk menghitung nilai RMSE, MAE, dan MARE. Nilai-nilai ini dihitung menggunakan metode regresi linear berdasarkan hasil dari RapidMiner. Hasil pengujian menunjukkan bahwa RMSE (Kesalahan Rata-Rata Kuadrat) adalah 65.837 +/- 0.000, MAE (Kesalahan Rata-Rata Absolut) adalah 53.156 +/- 38.845, dan MARE (Kesalahan Rata-Rata Relatif Absolut) adalah 66.47% +/- 80.57%.
DESAIN USER INTERFACE WEBSITE PEMESANAN ONLINE PRODUK MAKANAN KRIPDUNK DENGAN METODE USER CENTERED DESIGN Zaelani, Nursehan; Suarna, Nana; Prihartono, Willy
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.v7i6.8203

Abstract

KripDunk, sebuah bisnis makanan berbasis home industry yang mengandalkan media sosial WhatsApp untuk penjualan produknya. KripDunk mengalami kendala keterbatasan promosi dan interaksi dalam penjualannya. Masalah tersebut dapat diatasi dengan membuat website sebagai sarana menjangkau pasar yang lebih luas. Tujuan penelitian ini adalah merancang desain user interface website KripDunk dengan menerapkan 4E (Error – Free, Easy to Use, Easy to Understand, Effective For End Goal or Product). User Centered Design digunakan sebagai metode untuk merancang user interface dengan tahapan Memahami Konteks Pengguna, Menspesifikan Kebutuhan Pengguna, Solusi Desain dan Evaluasi terhadap Kebutuhan Pengguna. Populasi ditetapkan tanpa batasan dan jumah sampel ditentukan menggunakan Simple Random Sampling (SRS) dengan jumlah 20 kemudian dijadikan sebagai user persona pengujian. Teknik pengumpulan data dilakukan dengan menggunakan kuesioner dengan data yang akan dianalisis untuk mengidentifikasi prefensi dan kebutuhan pengguna. Hasil penelitian menunjukkan bahwa Maze Usability Score (MAUS) mencapai 77%, menandakan desain user interface website KripDunk telah dipahami dengan baik oleh responden dan sesuai dengan preferensi dan kebutuhan pengguna. Selain itu, pengujian usability dengan System Usability Scale (SUS) menunjukkan skor 78, yang berada dalam rentang acceptability range dengan penilaian "Good" dan peringkat "B". Penelitian ini membuktikan keberhasilan pendekatan yang diadopsi dalam menghasilkan user interface sesuai dengan kebutuhan dan harapan pengguna.
IMPLEMENTASI ALGORITMA REGRESI LINEAR BERGANDA UNTUK PREDIKSI PRODUKSI PADI DI KABUPATEN CIREBON Muharromah, Oom; Suarna, Nana; Prihartono, Willy
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.v7i6.8206

Abstract

Produksi padi merupakan aspek penting dalam upaya meningkatkan hasil pertanian dan mencangkupi kebutuhan pangan di seluruh dunia termasuk masyarakat indonesia. Permasalahan Badan Pusat Statistik (BPS) kabupaten Cirebon pada tahun 2022 mencatat jumlah penduduk sebesar 2.315.417 jiwa. Bertambahnya jumlah penduduk pada setiap tahun berbanding lurus dengan kondisi lahan pertanian yang semakin berkurang dan dikarenakan permintaan kebutuhan pokok yang semakin meningkat. Untuk memperkirakan jumlah penanaman yang akan dilakukan untuk memenuhi kebutuhan pangan, diperlukan prediksi hasil panen. Penelitian ini bertujuan untuk memperoleh pemahaman dan mengidentifikasi antara berbagai faktor yang mempengaruhi dan memiliki dampak yang signifikan terhadap hasil panen padi sehingga petani dan pemerintah dapat membuat keputusan yang lebih efektif. Metode yang digunakan dalam penelitian ini dengan menggunakan algoritma regresi linear berganda untuk memprediksi produksi padi dengan bantuan tools RapidMiner dan Google colaboratory. Hasil pada penelitian ini dengan menggunakan algoritma regresi linear berganda dengan cara menentukan nilai RMSE sebesar 0.0389540394101773, Mean Absolute Error (MAE) sebesar 0.028798691778501424 dan Mean Relative Absolute Error (MARE) sebesar -0.24438968292049496. Penelitian ini diharapkan mendukung upaya meningkatkan ketahanan pangan di seluruh dunia dengan memberikan dasar ilmiah untuk pengembangan praktik pertanian yang lebih efektif dan berkelanjutan yang meningkatkan produksi padi, yang merupakan sumber makanan pokok bagi banyak orang di seluruh dunia.
ANALISIS CLUSTERING PRESTASI ATLET PADA BERBAGAI CABANG OLAHRAGA MENGGUNAKAN ALGORITMA K-MEANS: STUDI KASUS: DINAS PEMUDA DAN OLAHRAGA KABUPATEN CIREBON Putriana, Puput; Suarna, Nana; Prihartono, Willy
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.v7i6.8211

Abstract

Atlet, sebagai individu yang berkomitmen tinggi di berbagai cabang olahraga, mencari pencapaian tertinggi dalam bidangnya. Namun, relevansi dan generalisasi hasil analisis prestasi atlet terhadap seluruh populasi atlet Kabupaten Cirebon belum sepenuhnya dipahami. Penelitian ini fokus pada analisis Clustering prestasi atlet menggunakan algoritma K-Means. Metode ini digunakan untuk mengelompokkan atlet berprestasi di Kabupaten Cirebon berdasarkan atribut seperti Umur, Prestasi, Jenis Kelamin, dan cabang olahraga. Pra-pemrosesan data melibatkan pembersihan dan penanganan data yang tidak valid atau hilang. Hasil analisis Clustering memberikan wawasan tentang pola prestasi, mendukung pengembangan bakat olahraga, dan perencanaan pelatihan yang efektif. Tujuan penelitian ini adalah memberikan wawasan yang lebih mendalam tentang pola prestasi atlet, memfasilitasi pengembangan bakat olahraga, dan merancang program pelatihan yang lebih efektif. Dengan mengidentifikasi klaster atlet berdasarkan karakteristik tertentu, penelitian ini dapat memberikan dasar yang kuat untuk pengambilan keputusan terkait pengembangan olahraga di Kabupaten Cirebon. Dampak tambahan melibatkan pengembangan strategi yang lebih efektif untuk mendukung para atlet dan meningkatkan prestasi olahraga secara keseluruhan di wilayah tersebut.
MENINGKATKAN PENANGANAN STUNTING PADA ANAK MELALUI KLASIFIKASI PEMBERIAN MAKANAN TAMBAHAN BERDASARKAN USIA DENGAN METODE K-MEANS DI DESA CINTARASA Sayuti Hanapiah, Neneng; Suarna, Nana; Prihartono, Willy
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.v7i6.8213

Abstract

Stunting pada anak adalah kompleksitas tantangan kesehatan masyarakat yang memerlukan pendekatan terpadu. Penelitian di Desa Cintarasa bertujuan mengoptimalkan penanganan stunting melalui pengelompokan usia dalam distribusi makanan tambahan menggunakan K-Means. Algoritma data mining K-Means berhasil mengelompokkan data usia dan pola konsumsi makanan tambahan anak-anak di Cintarasa, membentuk klaster yang efektif sesuai kebutuhan gizi. Implementasi ini di Cintarasa dapat menjadi dasar intervensi stunting yang terfokus dan tepat sasaran, dengan penyesuaian program nutrisi berdasarkan karakteristik usia untuk meningkatkan efektivitasnya. Temuan penelitian mencapai tujuan mengklasifikasikan anak-anak stunting menjadi tiga klaster, dipengaruhi oleh jenis makanan tambahan, status gizi, dan usia. Analisis pola dan hubungan antar atribut memberikan pemahaman mendalam tentang faktor-faktor relevan dalam stunting. Pengukuran nilai pusat klaster menunjukkan kohesivitas yang baik, terutama di Klaster 1. Penelitian ini memberikan kontribusi penting untuk mengoptimalkan penanganan stunting anak dengan pendekatan pengelompokan usia K-Means. Dengan nilai Indeks Davies Bouldin (DBI) sekitar 0,489, dapat disimpulkan bahwa distribusi klaster menunjukkan kohesivitas yang baik, terutama di Klaster 1. Sebagai kesimpulan, penelitian ini memberikan kontribusi penting dalam mengoptimalkan penanganan stunting pada anak-anak dengan pendekatan pengelompokan berdasarkan usia menggunakan metode K-Means. Hasilnya dapat digunakan sebagai dasar untuk pengembangan intervensi kesehatan yang lebih terarah dan efektif, dengan mempertimbangkan faktor-faktor seperti jenis makanan tambahan dan status gizi. Dengan demikian, penelitian ini tidak hanya meningkatkan pemahaman tentang variasi stunting, tetapi juga memberikan wawasan berharga untuk meningkatkan kesehatan anak di Cintarasa.
ANALISIS DATA TRANSAKSI KUE MENGGGUNAKAN METODE K-MEANS CLUSTERING PADA TOKO RAFA CAKE Kholifa, Nur; Suarna, Nana; Prihartono, Willy
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.v7i6.8221

Abstract

Penggunaan teknologi dalam bisnis makanan, khususnya di industri toko kue, sangat penting untuk mendapatkan informasi detail tentang produk yang dijual. Toko Rafa Cake menghadapi masalah pengelolaan data transaksi belum dimanfaatkan secara efektif dan penataan produk yang kurang optimal. Banyaknya transaksi mengakibatkan penumpukan data dan stok produk, menghambat pengisian ulang etalase dan pemahaman produk terlaris. Studi ini menerapkan metode algoritma K-Means Clustering pada data transaksi toko, dengan tujuan mengidentifikasi produk yang diminati, cukup diminati, dan kurang diminati. Data transaksi yang dianalisis meliputi no,nama produk, kategori, variasi, harga, merek, stok terjual, dan total penjualan melalui RapidMiner. Hasilnya dapat meningkatkan efisiensi penjualan produk kue dan manajemen stok, serta dapat menjadi acuan bagi toko kue lainnya dengan masalah yang sama, memanfaatkan data transaksi untuk meningkatkan kinerja bisnis. Hasil Clustering diperoleh 3 Cluster yang membedakan produk kue, bolu, dan roti berdasarkan kategori produk, stok terjual, dan harga. Cluster 1 memiliki 1 item menunjukkan penjualan paling diminati dengan nilai transaksi tinggi. Sementara Cluster 2 memiliki 40 item, menandakan penjualan cukup diminati dengan nilai transaksi sedang. Cluster 0, dengan 1272 item, menunjukkan penjualan kurang diminati dengan nilai transaksi rendah. Dengan nilai DBI sebesar 0,004, dan jarak rata-rata Centroid terbaik di Cluster 1 sebesar 0,000.
PENGELOMPOKAN DATA FILM PADA NETFLIX MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Suarna, Nana; Hidayah, Nurni; Prihartono, Willy
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.v7i6.8231

Abstract

Dalam era digital yang berkembang sangat pesat, adanya platform streaming telah membuka pintu bagi ribuan film dan serial TV untuk diakses oleh jutaan pelanggan di seluruh dunia. Netflix sebagai salah satu pemimpin dalam industri layanan streaming, telah merevolusi cara kita mengkonsumsi berbagai konten. Permasalahan dalam penelitian ini bahwa persepsi tentang "film terpopuler" dapat bervariasi secara subyektif tergantung pada preferensi individu, kelompok, atau faktor budaya serta pengelolaan data film dilayanan streaming seperti Netflix didalam konteks Informatika. Tujuan penelitian ini untuk mengelompokkan dataset film Netflix menggunakan algoritma K-Means untuk mengidentifikasi pola atau kesamaan antara film-film berdasarkan atribut-atribut tertentu serta mengevaluasi struktur dan jarak antar klaster yang dihasilkan. Analisis data film akan membantu dalam mengidentifikasi tren yang relevan. Metode penelitian ini Knowledge Discovery in Database (KDD) dengan Algoritma K-Means Clustering menggunakan dataset yang diperoleh dari Kaggle sebagai data acuan. Hasil dari penelitian ini dalam menggunakan metode KDD dan Algoritma K-Means Clustering, menunjukkan 2 cluster yang memiliki nilai rata-rata centroid yang berbeda. Dari kedua cluster tersebut menemukan film-film popularitas dalam dataset film Netflix pada cluster 0 yaitu dengan ciri-ciri ideal rata-rata atribut Hidden Gem Score sebesar 8.034, atribut Runtime sebesar 0.793 dan atribut IMDb Score sebesar 7.148. Dari hasil penelitian tersebut dapat membantu pengguna dalam menemukan film-film yang sesuai dengan minat dan preferensi pengguna.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM MENGELOMPOKKAN KEPADATAN PENDUDUK DI PROVINSI DKI JAKARTA Oktaviany, Nurul; Suarna, Nana; Prihartono, Willy
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.v8i1.8241

Abstract

Provinsi DKI Jakarta adalah salah satu wilayah dengan tingkat populasi yang tinggi di Indonesia, dengan populasinya yang sangat beragam, termasuk penduduk asli, pendatang dari berbagai daerah di Indonesia, serta warga negara asing yang tinggal di wilayah DKI Jakarta. Permasalahan kepadatan disebabkan karena faktor urbanisasi serta pekerjaan. Oleh karena itu penerapan algoritma K-Means Clustering untuk mengelompokkan tingkat kepadatan penduduk di Provinsi DKI Jakarta merupakan fokus utama penelitian ini. Tujuan dari penelitian ini adalah mengenali pola kepadatan penduduk di berbagai wilayah DKI Jakarta dengan metode algoritma K-Means Clustering. Data yang digunakan melibatkan informasi seperti jumlah penduduk, nama kelurahan, nama kecamatan dan variabel terikat lainnya. Pendekatan ini digunakan untuk mengelompokkan wilayah berdasarkan tingkat kepadatan penduduknya, sehingga dapat memberikan pemahaman yang lebih mendalam mengenai sebaran penduduk di seluruh wilayah DKI Jakarta. Melalui implementasi algoritma K-Means ini, penelitian berhasil mengelompokkan menjadi beberapa kategori kepadatan penduduk dari 2018-2020. Berdasarkan hasil evaluasi menunjukkan dua jumlah kelompok optimal, yaitu kelompok pertama padat terdapat pada kelurahan Kali Anyar kecamatan Tambora dengan kepadatan penduduk 95676.10063 jiwa/km pada tahun 2019 dan kelompok kedua adalah rendah pada kelurahan P.harapan kecamatan Kep.Seribu Utr dengan jumlah kepadatan 1045.276234 jiwa/km pada tahun 2018. Tujuan dari penelitian pengelompokan kepadatan penduduk menggunakan metode algoritma K-Means ini dapat memberikan informasi yang bermanfaat bagi perkembangan penduduk di Provinsi DKI Jakarta, serta bisa menjadi landasan bagi pemerintah terkait dalam perkembangan wilayah yang lebih efisien terkait alokasi sumber daya di Provinsi DKI Jakarta.
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 Ananda, Ginaselvia Andi Setiawan Anggara, Doni Anggriani, Sulistia Anita Yuliyanti Apriliana Janatu Marwa Arif Fitriyanto, Goffar Arif Rinaldi Dikananda Arifqi, Tri Arya Gunawan 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 Faisal, Muhammad Faisal Faturrohman 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 Iis Riyana Illahi, Asep Wahyu Indriya Efendi, Dendy Irfan Ali, Irfan Irma Purnamasari, Ade JUBAEDAH JUBAEDAH, JUBAEDAH Julianti, Okta Nur Kaslani Khaeru, Abdullah Khaerul Anam Kholifa, Nur Kusmawanti, Nisa Laelatul Azizah, Novi Lestari, Gifthera Dwi Luthfi, Achmad Marta, Puji Pramudya Martanto . Marthanu, Indra Wiguna 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 Optarina, Yasni Pajri, Riki Peni Peni Pii, Iwan Pratama, Denni Pratiwi, Intan Pratiwi, Yulita Prihartono, Wiily Prihartono, Willy PUJI LESTARI Purnamasari, Ade Irma Purnamasari, Ade Irma Purnamasari Putri Nabilla 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 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 Sukma, Siti Hatmara 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