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

 3   4   5   6   7 
ANALISIS POPULASI AYAM RAS PEDAGING DI INDONESIA DENGAN PENERAPAN DATA MINING K-MEDOIDS CLUSTERING Ainisa, Nurul; 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.v7i6.8251

Abstract

Dalam era digital ini, data menjadi salah satu aset paling berharga bagi berbagai sektor, termasuk peternakan. Populasi ayam ras pedaging di Indonesia memiliki dampak besar pada industri peternakan dan pasokan daging ayam. Namun, masalah yang dihadapi dalam pengelolaan populasi ayam ras pedaging di seluruh provinsi Indonesia adalah kurangnya pemahaman yang mendalam tentang karakteristik populasi ini. Hal ini membuat pengambilan keputusan yang efisien menjadi sulit, terutama dalam perencanaan pengembangan peternakan yang lebih efisien dan berkelanjutan. Tujuan penelitian ini yaitu untuk pengelolaan populasi ayam ras pedaging di seluruh provinsi Indonesia yang efisien dan pemahaman yang mendalam tentang karakteristik populasi ayam ras pedaging, dengan penerapan metode data mining khususnya K-medoids Clustering. Metode penelitian yang digunakan melibatkan pengumpulan data populasi ayam ras pedaging di berbagai provinsi di Indonesia yang berasal dari Badan Pusat Statistik Nasional dengan rentang waktu dari tahun 2018 hingga 2022, serta penerapan metode K-medoids Clustering untuk mengelompokkan provinsi-provinsi berdasarkan karakteristik populasi ayam ras pedagingnya. Hasil analisis menunjukkan bahwa terdapat 2 cluster yaitu cluster 0 terdapat 31 provinsi sedangkan cluster 1 terdapat 3 provinsi, dengan nilai Davies Bouldin sebesar 0.011. Penelitian ini memiliki potensi untuk memberikan pemahaman yang lebih baik tentang populasi ayam ras pedaging di tingkat provinsi, yang dapat membantu dalam perencanaan pengembangan peternakan yang lebih efisien dan berkelanjutan.
PENERAPAN ALGORITMA FREQUENT PATTERN-GROWTH UNTUK REKOMENDASI MENU MAKANAN DAN MINUMAN Nuri, Nuri; 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.v7i6.8278

Abstract

Kedai Teras Ciremai, sebagai bisnis baru di wilayah Kalikoa yang telah berjalan selama tiga bulan, berhasil menarik perhatian pelanggan, khususnya kalangan mahasiswa, dalam konteks pertumbuhan ekonomi lokal. Tujuan penelitian ini adalah untuk meningkatkan rekomendasi menu dengan menerapkan analisis keranjang belanja pada data penjualan Kedai Teras Ciremai selama periode 22 September hingga 29 November 2023, menggunakan alat RapidMiner. Dengan fokus pada dataset transaksi penjualan kedai, metode Association Rules diterapkan dengan confidence minimum sebesar 0,2 (20%). Hasil analisis dengan menggunakan Algoritma FP-Growth dari 403 transaksi penjualan makanan dan minuman menunjukkan satu aturan dengan Support 0,015 dan Confidence 0,333, yang menyatakan bahwa pembelian makanan corndog sosis memiliki korelasi dengan pembelian minuman Pop ice avocado. Dalam penelitian di Kedai Teras Ciremai, dengan menerapkan metode Association Rules dan menggunakan algoritma FP-Growth, peneliti dapat mengidentifikasi hubungan antara makanan dan minuman yang sering dibeli bersamaan oleh pelanggan. Hasil temuan ini kemudian dapat digunakan oleh pemilik kedai untuk meningkatkan rekomendasi menu, strategi penjualan, dan meningkatkan penjualan.
KLASIFIKASI PENENTUAN PENERIMA PROGRAM INDNESIA PINTAR DI KRWILBIDIKCAM GREGED MENGGUNAKAN ALGORITMA C4.5 Aulia, Nurul; 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.v7i6.8294

Abstract

Program Indonesia Pintar merupakan program dukungan pendidikan yang bertujuan untuk meningkatkan akses dan mutu pendidikan bagi siswa sekolah dasar. Penelitian ini bertujuan untuk mengimplementasikan algoritma C4. 5 dalam rangka mengidentifikasi penerima manfaat Program Indonesia Pintar (PIP) di Koorwilbidikcam GregedUntuk mengoptimalkan penyaluran dana PIP, diperlukan klasifikasi berdasarkan data mining untuk memahami dan mengidentifikasi faktor-faktor kunci yang mempengaruhi identifikasi penerima manfaat program ini. Metode penelitian ini meliputi langkah pengumpulan data, preprocessing data, pelatihan model menggunakan algoritma C4. 5, evaluasi model, dan interpretasi hasil. Dengan menggabungkan teknik data mining dan analisis kriteria untuk mengidentifikasi penerima manfaat PIP. Dengan menggabungkan teknik data mining dan analisis kriteria untuk mengidentifikasi penerima manfaat PIP, penelitian ini diharapkan dapat berkontribusi dalam meningkatkan efektivitas dan efisiensi pelaksanaan program dukungan, tunjangan pengangguran, dan pendidikan di tingkat dasar. Hasil penelitian ini diharapkan dapat memberikan pemahaman yang lebih baik mengenai faktor-faktor yang mempengaruhi identifikasi penerima manfaat PIP di wilayah Koorwilbidikcam Greged dan memberikan landasan yang kokoh dalam pengambilan keputusan yang lebih cerdas dalam menyalurkan dana PIP.
ANALISIS SENTIMEN PENGGUNA SHOPEE BERDASARKAN DATA TWEET DARI TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER Al Maeni, Nurul; Suarna, Nana; Prihartono, Willy
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.v8i2.8298

Abstract

Dalam era digital saat ini, Twitter (sekarang dikenal sebagai "X") menjadi platform yang sangat populer untuk berbagi pendapat dan pengalaman pengguna terhadap produk atau layanan, termasuk platform e-commerce seperti Shopee. Tujuan penelitian ini adalah untuk menemukan sentimen positif dan negatif dari tweet yang berkaitan dengan Shopee. Untuk menganalisis sentimen, penelitian ini menggunakan Naive Bayes Classifier. Langkah pertama dalam penelitian ini adalah pengumpulan dataset tweet yang terkait dengan Shopee. Kemudian, data tweet dilakukan pre-processing untuk membersihkan dan mengubah formatnya untuk analisis sentimen. Setelah pre-processing, dataset dibagi menjadi dua bagian: data pelatihan dan data pengujian. Model Naive Bayes Classifier dilatih dengan menghitung kemungkinan setiap fitur (atau kata) muncul dalam setiap kategori sentimen. Data pelatihan digunakan untuk melatih model ini. Hasil penelitian ini menunjukkan bahwa metode Naive Bayes Classifier dengan rasio pembagian data 5:5 dapat mencapai akurasi sebesar 95,00%, nilai ketepatan sebesar 47,50%, dan nilai recall sebesar 50.00%. Hasil ini menunjukkan bahwa metode pembagian data yang seimbang dapat memberikan hasil analisis sentimen yang lebih akurat. Perusahaan dapat lebih memahami kekuatan dan kelemahan platform mereka dengan menganalisis sentimen tweet.
ANALISIS SENTIMEN REVIEW PENGGUNAAN TIKTOK MELALUI PENDEKATAN ALGORITMA NAÏVE BAYES Apriliani, 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.v7i6.8299

Abstract

Media sosial merupakan platform digital yang memungkinkan penggunanya berinteraksi dengan orang lain, berbagi konten seperti teks, gambar, video dan audio, serta terlibat dalam berbagai bentuk komunikasi online yang berbeda-beda, salah satu bentuk media sosial adalah TikTok. TikTok merupakan platform media sosial yang semakin populer yang memungkinkan pengguna berbagi video pendek dengan konten berbeda. Dengan pertumbuhan yang pesat tersebut, muncul permasalahan penting terkait pemahaman dan pengelolaan emosi pengguna terhadap konten di TikTok. Tujuan penelitian ini adalah melakukan analisis sentimen terhadap tinjauan penggunaan TikTok dengan menggunakan pendekatan algoritma Naive Bayes. Dalam penelitian ini, kami mengumpulkan data evaluasi dari pengguna TikTok, termasuk peringkat, komentar, dan opini terkait pengalaman pengguna di platform tersebut. Kami menggunakan algoritme Naive Bayes untuk mengklasifikasikan ulasan pengguna TikTok ke dalam dua kategori opini utama: positif dan negatif. Tahapan yang dilakukan meliputi pengolahan data, ekstraksi fitur dan pelatihan model Naive Bayes menggunakan data pelatihan. Hasil klasifikasi penggunaan metode algoritma Naïve Bayes dan ekstraksi fitur dengan TF-IDF menghasilkan nilai akurasi sebesar 80%, precision sebesar 79%, recall sebesar 74% dan F1-Score sebesar 75%.
STRATEGI PROMOSI ONLINE SHOP DI MEDIA SOSIAL MELALUI PENERAPAN DATA MINING DENGAN METODE K-MEANS CLUSTERING Aini, Nurul; 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.v7i6.8301

Abstract

Penjualan online dan media sosial telah menjadi elemen kunci dalam bisnis modern. Untuk meningkatkan strategi promosi online shop, penerapan teknik data mining dengan metode clustering menjadi solusi. Fokus penelitian ini adalah mengatasi kendala keuntungan dan pertumbuhan pelanggan. Tujuan utama adalah mengungkap pola tersembunyi dalam data pelanggan dan perilaku pengguna di media sosial, mendukung pengambilan keputusan yang lebih cerdas untuk merancang strategi promosi yang tepat. Dengan metode clustering, pelanggan online shop dapat dikelompokkan berdasarkan kesamaan, memungkinkan penawaran yang lebih efektif kepada kelompok yang relevan. Data mining memungkinkan analisis mendalam terhadap perilaku pelanggan, termasuk tren pembelian, preferensi produk, dan interaksi media sosial. Identifikasi tren dan pola yang tak terlihat secara manual melalui data mining membantu pengambilan keputusan yang lebih baik, seperti menentukan produk populer atau waktu yang tepat untuk promosi. Hasil penelitian ini diharapkan memberikan wawasan berharga bagi pemilik online shop, memandu mereka dalam merancang strategi promosi yang efektif di media sosial. Dengan penggunaan data mining, bisnis dapat lebih adaptif terhadap perubahan pasar, meningkatkan penjualan, dan mencapai pertumbuhan keseluruhan yang lebih baik.
ANALISIS DATA SENTIMEN NEGATIF PADA OPINI PENGGUNA TWITTER TERHADAP BERITA SEPAK BOLA LIGA 1 TAHUN 2022 DENGAN PENERAPAN SUPPORT VECTOR MECHINE Dalifah, 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.v8i1.8303

Abstract

Perkembangan media sosial semakin pesat dikalangan masyarakat salah satunya twitter yang menggunakan bahasa alami untuk bisa membuka potensi pada interaksi manusia yang bisa mengetahui sentiment para penggunanya. Permasalahan yang didapat dari masalah tersebut yaitu menggali informasi,menganalisis pendapat sentiment, evaluasi sikap dan emosi orang dari bahasa tertulis. Tujuannya untuk memahami dan mengkategorikan sentiment dari opini pengguna Twitter terkait berita liga 1 indonesia tahun 2022. Bagaimana dataset opini pengguna twitter terhadap berita liga 1 tahun 2022 dikumpulkan dan diolah untuk analisis. Penelitian ini akan menggunakan data teks dari pengguna Twitter yang terkait dengan berita liga 1 tahun 2022. SVM akan digunakan untuk memprediksi sentimen opini dari tweet tersebut menjadi kategori positif, negatif, atau netral. Hasil penelitian ini menggunakan algoritma support vector mechine menunjukan bahwa akurasi sebesar 91% presisi 30%, recall 33%,F1 score 32% dengan Jumlah sentimen Negatif = 445, Positif = 50, dan Netral = 4. Secara keseluruhan Model algoritma support vector mechine menghasilkan akurasi yang lebih tinggi. Hasil model menunjukan bahwa sentimen opini pengguna twitter menanggapi berita tersebut yang bersifat kontrovesrsial.
IMPLEMENTASI ASSOCIATION RULES MINING UNTUK ANALISIS POLA PEMBELIAN PAKET KUOTA PERDANA PELANGGAN XL MENGGUNAKAN ALGORTIMA APRIORI: STUDI KASUS: PT. XL AXIATA TEGAL Pratiwi, Intan; Suarna, Nana; Suprapti, Tati
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.v8i1.8339

Abstract

Kartu perdana mulai ramai digunakan oleh pelanggan ponsel di seluruh dunia sebagai akses koniktivitas pada internet. Kartu perdana adalah paket penyedia layanan seluler yang mencakup akses paket data prabayar ke internet, panggilan, pesan teks, dan layanan komunikasi lainnya. Permasalahan yang terjadi di PT. XL Axiata Tegal adalah perusahaan belum menemukan pola pembelian paket kuota perdana pelanggan XL yang teridentifikasi, padahal peluang tersebut dapat mengoptimalkan strategi pemasaran dan menawarkan layanan yang lebih disesuaikan dengan preferensi pelanggan. Metode yang digunakan dalam analisis Association Rules Mining adalah pengimplementasian atau penerapan algoritma apriori pada dataset berupa data histori transaksi yang diperoleh dari PT. XL Axiata Tegal pada periode bulan Oktober 2023 dengan jumlah data sebanyak 22.121 transaksi. Tujuan penelitian ini adalah untuk menganalisis data transaksi pembelian paket kuota perdana, sehingga perusahaan dapat mengidentifikasi pola pembelian pelanggan XL yang dapat dijadikan sumber informasi untuk perusahaan dalam memperkirakan jumlah produksi dan persedian stok paket kuota perdana. Hasil penelitian ini ditemukan aturan asosiasi tertinggi item yang paling kuat dengan nilai confidence tertinggi adalah yang pertama jika pelanggan membeli PV Hotrod Special M (4GB) maka akan membeli juga paket kuota perdana PV Hotrod Special S (2.5 GB) secara bersamaan dengan nilai pendukung 39% dan confidence sebesar 93% dan aturan asosiasi terendah adalah Jika pelanggan PV Hotrod Special S (2.5 GB) maka akan membeli juga PV FLEX M 9GB secara bersamaan dengan nilai support 36% dan nilai confidence 60%.
IMPLEMENTASI K-MEANS CLUSTERING UNTUK MENGELOMPOKAN TINGKAT PENGANGGURAN Nurjanah, Nurul; Suarna, Nana; Prihartono, Willy
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.v8i2.8353

Abstract

Di dalam era digital ini, pertumbuhan data ekonomi dan ketersediaan teknologi informatika memberikan peluang untuk mendekati isu kompleks seperti tingkat pengangguran dengan pendekatan yang lebih canggih, dan provinsi Jawa Barat sebagai pusat ekonomi menjadi fokus penelitian ini. Permasalahan dalam penelitian ini adalah bagaimana cara mengelompokkan tingkat jumlah pengangguran di Jawa Barat menggunakan algoritma clustering K-Means, berapa cluster yang dihasilkan dan berapa nilai titik pusat (centroid) nya. Adapun tujuan dari penelitian ini adalah mengelompokkan lebih detail lagi dalam menganalisis data pengangguran di Provinsi Jawa Barat melalui penerapan algoritma clustering K-Means untuk mengidentifikasi tiap cluster berdasarkan tingkat kabupaten/kota, pendidikan, dan tahun serta menentukan jarak atau titik pusat (centroid). Cara kerja analisis data tingkat pengangguran ini menggunakan tools RapidMiner Studio dengan menggunakan metode penelitian kuantitatif menggunakan algoritma clustering K-Means. Hasil yang diperoleh dari penelitian ini yaitu mengelompokan data tingkat pengangguran di Provinsi Jawa Barat menjadi 3 cluster yaitu cluster 0 dengan kategori pengangguran rendah meliputi kota Banjar, cluster 1 dengan kategori pengangguran sedang meliputi kota/kabupaten Kota/kabupaten Sukabumi, Cianjur, Bandung, Garut Tasikmalaya, Ciamis, Kuningan, Cirebon, Sumedang, Indramayu, Subang, Purwakarta, Karawang, dan Bandung Barat sedangkan pada cluster 2 dengan kategori pengangguran tinggi meliputi kota/kabupaten Bogor, Bekasi, Bandung, dan Depok
ANALISIS PERSEPSI DAN TINGKAT KEPUASAN PENGGUNA GOJEK MENGGUNAKAN ALGORITMA C4.5 Suarna, Nana; Retnasari, Peni; Prihartono, Willy
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.v8i2.8370

Abstract

Kemajuan teknologi telah mengakibatkan perubahan yang signifikan di berbagai aspek kehidupan, termasuk aspek transportasi. Salahsatu perubahan utama adalah munculnya perusahaan layanan transportasi online, seperti Gojek, Grab, Maxim dan lainnya. Gojek, sebagai salahsatu pelopor transportasi online di Indonesia telah menjadi pilihan utama bagi banyak orang untuk bepergian dan mengakses berbagai layanan lainnya. Namun banyaknya perusahaan layanan transportasi online yang serupa menyebabkan persaingan yang cukup kompetitif sehingga memaksa setiap penyedia layanan untuk bersaing serta berusaha unggul dalam persaingan tersebut. Oleh karena itu, penelitian ini bertujuan untuk melihat bagaimana efektivitas penggunaan aplikasi Gojek dapat diukur melalui pengukuran tingkat kepuasan pengguna layanan Gojek. Dengan dilakukan pengukuran ini maka dapat memberikan pemahaman yang lebih komprehensif mengenai aspek aspek yang perlu diperbaiki atau ditingkatkan dalam upaya pengembangan layanan Gojek dalam menghadapi persaingan antar penyedia layanan lainnya. Penelitian ini menggunakan metode kuantitatif. Data yang digunakan adalah data primer yang dikumpulkan melalui kuesioner yang disebarkan langsung kepada pengguna Gojek. Analisis data menggunakan KDD dengan algoritma C4.5 yang digunakan untuk mengidentifikasi faktor-faktor yang paling berkontribusi terhadap tingkat kepuasan pengguna. Variabel-variabel yang digunakan sebagai input dalam algoritma C4.5 adalah usia, jenis kelamin, kemudahan penggunaan aplikasi, ketersediaan layanan, waktu tunggu, harga dan keamanan. Hasil penelitian menunjukkan bahwa algoritma C4.5 efektif untuk mengukur tingkat kepuasan pengguna Gojek, dengan perolehan nilai akurasi sebesar 98.14%, nilai recall sebesar 69.53%, dan nilai precision sebesar 69.53%, Hasil dari decision tree menunjukan bahwa faktor terbesar yang mempengaruhi persepsi dan tingkat kepuasan pengguna adalah faktor keamanan. Jika pengguna merasa aman saat menggunakan aplikasi Gojek, maka mereka cenderung lebih puas dengan layanan yang diberikan. Selain faktor keamanan, faktor ketersediaan layanan dan waktu tunggu juga berpengaruh terhadap tingkat kepuasan pengguna. Jika pengguna dapat dengan mudah mengakses layanan yang mereka butuhkan dan tidak perlu menunggu terlalu lama, maka mereka lebih cenderung puas
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