Claim Missing Document
Check
Articles

PENERAPAN DATA MINING DALAM ALGORITMA FP GROWTH UNTUK MENENTUKAN POLA PEMBELIAN PELANGGAN ONLINE SHOP CIREBON LAKU Dewi, Sophiyanti; Suarna, Nana
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.v8i1.8944

Abstract

Perdagangan daring saat ini berkembang cukup pesat. Sistem jual beli yang dilakukan secara daring dapat memudahkan masyarakat berbelanja. masalah yang sering kita lihat adalah kehabisan stok pada online shop sehingga pelanggan pun terkadang kesulitan dalam berbelanja. Seiring dengan pertumbuhan penjualan yang terus meningkat, volume transaksi dan jumlah data yang terakumulasi juga mengalami peningkatan signifikan. Oleh karena itu, diperlukan strategi yang efektif dalam meningkatkan penjualan makanan melalui toko online. Pada Online shop cirebon laku salah satu tantangan yang dihadapi adalah kurangnya pemahaman terhadap pola pembelian pelanggan di Online Shop Cirebon Laku, sehingga manajemen stok belum mencapai tingkat optimal. Penerapan algoritma FP-Growth dapat memberikan kontribusi dalam memahami pola pembelian tersebut. Dengan adanya algoritma ini, dapat diperoleh pemahaman yang lebih baik terhadap kecenderungan pembelian pelanggan, yang selanjutnya memungkinkan perencanaan stok yang lebih cerdas dan responsif terhadap dinamika pasar. Selain itu, penggunaan algoritma FP-Growth juga dapat membantu mengurangi risiko ketidakseimbangan stok yang mungkin terjadi. Tujuan dari tugas akhir ini Ingin mengetahui hasil dari penerapan algoritma Fp Growth untuk menganalisis pola pembelian pelanggan pada Online shop Cirebon laku serta Ingin mengetahui produk apa saja yang sering dibeli secara bersamaan. Dengan melakukan penerapan Fp-Growth pada dataset transaksi penjualan yang mencakup 500 entri data dengan 16 atribut, dengan nilai Support 0.1 dan Confidence 0.8 berhasil ditemukan nilai tertinggi yaitu: jika pelanggan membeli Stuff roti, otak-tak mercon, cilok mercon maka produk yang dibeli secara bersamaan yaitu bakso aci dengan nilai Confidence 100% , jika pelanggan membeli Bakso aci , stuff roti, cilok mercon maka produk yang dibeli secara bersamaan yaitu otak-otak mercon dengan nilai Confidence nya 100%.
PENERAPAN MACHINE LEARNING DALAM MELAKUKAN PREDIKSI HARGA SAHAM PT. BANK MANDIRI (PERSERO) TBK DENGAN ALGORITMA LINEAR REGRESSION Triya, Pita; Suarna, Nana; Dienwati Nuris, Nisa
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.v8i1.8958

Abstract

Investor dalam melakukan kegiatan investasi saham tentunya mengharapkan return saham yang positif sesuai yang diharapkan. Investor harus melakukan analisis sebelum membeli saham dengan menggunakan pendekatan fundamental dan teknikal karena investasi saham dikenal dengan istilah high gain high risk. Analisis teknikal melibatkan evaluasi pergerakan harga saham pada periode sebelumnya. Untuk meraih keuntungan, perubahan harga saham perlu diamati oleh investor secara time series dan resiko yang bisa terjadi. Machine Learning telah merepresentasikan keunggulan yang luar biasa dalam melakukan prediksi pasar saham. Metode dalam penelitian menggunakan algoritma regresi linier dengan menggunakan aplikasi Rapidminer. Algoritma regresi linier ini dipilih karena mampu membuat suatu estimasi dengan memanfaatkan data-data lama, sehingga dapat dihasilkan suatu pola hubungan antara atribut-atribut yang mempengaruhi hasil prediksi. Penelitian ini bertujuan untuk membuat model machine learning yang dapat memprediksi harga saham PT. Bank Mandiri (Persero) Tbk berdasarkan data historis saham menggunakan 6 variabel. Dengan 5 varibel independen yaitu Date, Open, High, Low, Volume, dan varibel dependen Close. Data yang digunakan selama 5 tahun dari tanggal 01 november 2018 sampai 29 november 2023 yang diperoleh dari wesbite finance.yahoo.com. menghasilkan nilai root mean squared error terbaik 0.005, absolute error 0.004, relative error 2.04%, correlation 0.999, dan squared correlation 0.998.
ANALISIS ULASAN SENTIMEN APLIKASI MOBILE JKN DENGAN ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SWARM OPTIMIZATION Maulida, Nida; 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.v8i2.9105

Abstract

Inovasi elektronik dalam layanan jaminan kesehatan pemerintah dikenal sebagai aplikasi Mobile JKN yang memudahkan peserta Jaminan Kesehatan Nasional-Kartu Indonesia Sehat (JKN-KIS) untuk mendapatkan layanan dan informasi. Dengan inovasi ini, ada banyak pro dan kontra sehingga banyak komentar muncul di kolom review Google Play Store. Kecenderungan respon pengguna dalam menggunakan aplikasi Mobile JKN dapat diketahui dengan analisis sentimen. Analisis sentimen adalah sistem untuk mengenali dan mengekstraksi review dalam bentuk teks. Penelitian ini bertujuan untuk mengukur tingkat akurasi, presisi, recall dan Area Under Curve (AUC) yang dihasilkan dari algoritma Support Vector Machine (SVM) berbasis Particel Swarm Optimization (PSO) terhadap aplikasi Mobile JKN di Google Play Store. Penelitian dilakukan dengan menggunakan algoritma Support Vector Machine (SVM) yang dioptimasi menggunakan Particle Swarm Optimization (PSO). Penelitian ini melibatkan berbagai tahapan preprocessing, seperti cleaning, case folding, tokenizing, dan filtering (stop-word removal). Hasil penelitian yang menggunakan 10 k-fold Cross Validation pada algoritma Support Vector Machine (SVM) yang menggunakan seleksi fitur Particle Swarm Optimization (PSO) menunjukkan hasil akurasi, presisi, recall dan Area Under Curve (AUC) secara berurutan sebesar 89,53%, 88,17%, 45,96% dan 0,869 dengan kategori (Good Classification).
ANALISIS KLASIFIKASI GAMBAR BUNGA LILY MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DALAM PENGOLAHAN CITRA Gilang Perwati, Intan; Suarna, Nana; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9193

Abstract

Bunga merupakan hasil modifikasi dari tunas yang meliputi batang dan daun, dimana bentuk, warna, dan susunannya diubah untuk kepentingan tumbuhan. Sebagai hasilnya, bunga berperan sebagai tempat penyerbukan dan pembuahan yang dapat menghasilkan alat perkembangbiakan bagi tumbuhan. Bunga lily adalah salah satu jenis bunga yang memiliki keindahan dan keunikan tersendiri. Bunga lily memiliki berbagai macam warna, bentuk, dan ukuran yang dapat menarik perhatian pengamatnya. Permasalahan yang menjadi latar belakang penelitian ini seringkali dalam klasifikasi bunga sulit dilakukan secara manual karena banyaknya variasi bentuk dan warna dalam jenis bunga tersebut. Metode Convolutional Neural Network (CNN) untuk analisis pemrosesan gambar, penelitian ini bertujuan untuk menerapkan pembelajaran mendalam untuk membedakan gambar bunga bunga lily. Metode Deep Learning yang paling efektif untuk mengenali pola gambar adalah Convolutional Neural Network (CNN). Dalam penelitian ini, digunakan data gambar bunga lily dari sumber publik. Hasil penelitian menunjukkan bahwa CNN saat ini memberikan hasil pengenalan citra yang paling baik. Proses pengolahan citra dilakukan menggunakan library Python seperti Keras dan TensorFlow. Hasil penelitian ini menunjukkan bahwa metode Deep Learning dengan CNN dapat menghasilkan klasifikasi yang sangat baik pada gambar bunga lily. Nilai akurasi terhadap klasifikasi keempat jenis bunga lily adalah sebesar 87 %.
ANALISIS SENTIMEN GENERASI Z TERHADAP PENGETAHUAN TENTANG KEHIDUPAN GAY MENGGUNAKAN ALGORITMA NAÏVE BAYES Peni, Peni; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9579

Abstract

Dalam perkembangan zaman dan semakin majunya teknologi informasi yang berkembang setiap saat memudahkan generasi z untuk mendapatkan berbagai kemudahan khususnya pada penggunaan media sosial seperti twitter, permasalahan pada penelitian ini untuk mengetahui Berapa nilai akurasi, presisi, dan recall pada analisis sentimen pada kehidupan gay berupa ciri gay, Metode yang digunakan dalam penelitian ini menggunakan metode alur penelitian Knowledge Discover in Database atau (KDD). pada penelitian ini peneliti melakukan pengumpulan data pengguna media sosial twitter melalui proses scraping data pada twitter pada akun @masndutx tentang ciri gay., Data yang didapatkan pada penelitian ini sebanyak 600 data namun setelah dilakuan pelabelan data dan proses cleansing data yang digunakan sebanyak 525 dan mendapatkan sempel 505 data teks. Bahwa didapatkan hasil prediksi klasifikasi sentimen positif sebanyak 344 atau 68,11% dan sentimen negatif sebanyak 161 atau 31,88% data teks, artinya generasi z yang mengetahui tentang ciri gay dan apa itu gay pada akun twitter @masndutx setuju dengan opini tentang topik gay dan ciri gay pada akun @masndutx, namun tidak sedikit juga generasi z yang memberikan opininya tidak setuju dengan ciri-ciri gay yang ada pada akun twitter @masndutx, Dan hasil klasifikasi menggunakan metode Algoritma naïve bayes didapatkan accuracy sebesar 50,69 Precision 71,49% dan Recall sebesar 45,93%.
ANALISIS KEPUTUSAN PEMBELIAN PRODUK TERHADAP PROMOSI DAN VIRAL MARKETING DI TIKTOK SHOP MENGGUNAKAN ALGORITMA C4.5: STUDI KASUS (KUESIONER MAHASISWA STMIK IKMI CIREBON) Nurliana, Nicky; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9583

Abstract

Banyak layanan e- commerce yang menawarkan berbagai promosi yang menarik agar konsumen semakin tertarik untuk menggunakan layanannya, salah satunya ialah TikTok Shop. Masalah dari penelitian ini yaitu ingin mengetahui apakah promosi dan viral marketing sangat berpengaruh terhadap keputusan pembelian suatu produk di TikTok Shop. Tujuan penelitian ini yaitu untuk menganalisis keputusan pembelian produk di platform e-commerce TikTok dan dampaknya terhadap strategi promosi dan pemasaran viral. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian kuantitatif dengan pendekatan survey. Metode penelitian yang digunakan yaitu data mining dengan alg oritma C4.5. Adapun langkah-langkah dalam metode ini yaitu mengikuti alur KDD (Knowledge Discovery in Databases) diawali dengan pengumpulan data hasil survey, pembersihan data, penerapan algoritma C4.5 hingga nantinya membuat pohon keputusan (Decision Tree). Dalam penelitian ini untuk pengumpulan data yang digunakan yaitu dengan penyebaran kuesioner melalui google form. Hasil dari penelitian ini yaitu algoritma C4.5 dapat mengidentifikasi keputusan pembeli dengan nilai akurasi yang diperoleh yaitu sebesar 91.73% nilai recall sebesar 69.13% dan nilai presesi sebesar 69.05%. Dengan demikian dapat disimpulkan bahwa persepsi dari tingkat keputusan pembeli produk di TikTok Shop terhadap promosi dan viral marketing mendapatkan hasil “Ya”.
PENERAPAN NATURAL LANGUAGE PROCESSING PADA ANALISIS SENTIMEN JUDI ONLINE DI MEDIA SOSIAL TWITTER Julianti, Okta Nur; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9613

Abstract

Judi online telah menjadi aktivitas yang populer di kalangan masyarakat terutama dalam era digital ini. Namun tidak sedikit yang mengkritik aktivitas ini karena aspek negatifnya. Permasalahan pada penelitian ini yaitu untuk mengetahui nilai akurasi, recall, serta presisi yang dihasilkan melalui algoritma naïve bayes pada sentiment judi online di media sosial twitter. Metode yang digunakan dalam penelitian ini yaitu Natural Language Processing melalui KDD (Knowledge Discovery in Database) dan Naïve Bayes. Dalam penelitian ini pengumpulan data dilakukan dengan teknik scraping melalui google colab. Data yang diambil merupakan data dari twitter menggunakan kata kunci “judi online” dan “dampak judi online”. Data yang berhasil diambil menggunakan scraping sebanyak 5.500, namun setelah dilakukan pembersihan hanya menyisakan 952 data. Data mentah yang sudah siap diolah kemudian dilakukan pre-processing, pelabelan sentiment, proses TF-IDF serta penentuan nilai akurasi, presisi, dan recall. Penelitian ini menghasilkan nilai akurasi 76%, 58% nilai presisi dan 76% untuk nilai recall pada data uji sebanyak 666 dan data latih sebanyak 286.
PENGELOMPOKKAN LAGU TRADISIONAL DI MEDIA SOSIAL TIKTOK MENGGUNAKAN ALGORITMA K-MEANS Kusmawanti, Nisa; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9615

Abstract

Dengan adanya kemajuan ilmu pengetahuan dan teknologi modern yang semua bisa dilakukan secara instan dan praktis, serba mekanik dan otomatis sehingga membuat banyak perubahan zaman menjadi modern. Media sosial Tiktok merupakan salah satu aplikasi yang baru diluncurkan beberapa tahun terakhir ini dan telah menarik perhatian besar dari semua kalangan baik yang muda, orangtua, lansia. Permasalahan yang terjadi saat ini menurunnya minat terhadap lagu tradisional dikalangan masyarakat. Pada penelitian ini dilakukan pembahasan tentang clustering pada data kuesioner dengan menganalisis lagu tradisional jawa barat sunda dengan media sosial tiktok menggunakan algoritma K-means.. Metode ini menggunakan KDD (Knowledge Discovery in Database) dan software yang digunakan adalah Rapidminer. Data ini dikumpulkan menggunakan kuesioner dengan jumlah data yang dikumpulkan sebanyak 258 data. Hasil proses Clustering dengan K=2 Nilai Davies-Bouldin Index sebesar 0.036, menandakan bahwa hasil klaster dengan jumlah K=2 menunjukkan performa yang optimal jika dibandingkan dengan percobaan lainnya. Dalam penelitian ini yang didapatkan ada 2 cluster yaitu cluster 0 dengan jumlah 103 items yaitu jumlah yang menyukai lagu tradisional, dan cluster 1 dengan jumlah 147 items yaitu jumlah yang kurang menyukai lagu tradisional jawa barat sunda, hasil ini dikekolalah dengan software yang digunakan adalah Rapidminer dengan menggunakan atribut domisili.
ANALISIS POLA PEMBELIAN KONSUMEN TERHADAP PRODUKS OPERATOR TELEKOMUNIKASI MENGGUNAKAN ALGORITMA C4.5: STUDI KASUS : FEEYZA CELL Prasetyo, Dwi; Suarna, Nana; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9642

Abstract

Kemajuan teknologi komunikasi dan informasi yang sangat pesat dan semakin hemat biaya telah memungkinkan masyarakat untuk beralih menggunakan kuota dan pulsa sehingga kini menjadi suatu kebutuhan yang mutlak. Penulis mulai tertarik. Berbagai produk operator yang tersedia di counter Feeyza Cell, seperti Kartu Telkomsel, Kartu XL, Kartu Indosat, Kartu 3, dll, telah dikategorikan oleh peneliti sebagai 'best seller' dan 'non-best seller. Tujuannya adalah untuk mengetahui penerapan data mining dengan menggunakan algoritma C45 dalam menentukan keakuratan data klasifikasi produk terlaris dan hasil persediaan penjualan kartu perdana. Dengan demikian nilai entropy dan gain tertinggi yaitu 2,310770059 pada atribut-atribut Jenis Kartu Perdana pada perhitungan manual. Sedangkan menggunakan aplikasi Rapidminer diperoleh hasil pohon keputusan seperti terlihat pada Gambar 4.8 Harga – Jumlah Terjual – Jenis Kartu Perdana (3 = Kurang Laris, Telkomsel = Laris) jika harganya di atas 5500 dan kurang dari atau sama dengan 6500, disarankan Indosat; jika di atas 6500 dan kurang dari atau sama dengan 7500, disarankan Telkomsel atau XL berdasarkan kondisi tertentu.
ANALISIS DATA MINING PENGELOMPOKKAN UMKM MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING DI PROVINSI JAWA BARAT Ameliana, Nikan; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9655

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran penting dalam perekonomian Indonesia. Di Jawa Barat, terdapat banyak UMKM yang tersebar di berbagai wilayah. Mengetahui karakteristik dan persebaran UMKM menjadi penting untuk merumuskan kebijakan yang tepat dalam pengembangannya. Namun, persebaran UMKM di Jawa Barat tidak merata. Beberapa wilayah memiliki konsentrasi UMKM yang tinggi, sementara wilayah lain memiliki konsentrasi UMKM yang rendah. Penelitian ini bertujuan untuk menganalisis pengelompokan UMKM di Jawa Barat berdasarkan karakteristiknya menggunakan algoritma K-Means Clustering. Proses data mining dimulai dengan melakukan proses Knowledge Discovery in Database (KDD). Hasil penelitian menunjukkan nilai yang baik dalam Davies Bouldin Index adalah semakin kecil atau mendekati nol, terdapat jumlah Cluster yang memiliki nilai DBI terbaik adalah Cluster 2 yang terbaik, dengan nilai DBI mendekati nol yaitu 0.527. Hasil pengujian menghasilkan 10 anggota Cluster, yaitu Cluster 0 dengan hasil berjumlah 104 items, Cluster 1 dengan hasil berjumlah 24 item, Cluster 2 dengan hasil berjumlah 45 items, Cluster 3 dengan hasil berjumlah 302 items, Cluster 4 dengan hasil berjumlah 1 items, Cluster 5 dengan hasil berjumlah 50 Items, Cluster 6 dengan hasil berjumlah 282 items, Cluster 7 dengan hasil berjumlah 7 items, Cluster 8 dengan hasil berjumlah 304 items, Cluster 9 dengan hasil berjumlah 96 items.
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