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

 6   7   8   9   10 
OPTIMASI PENJUALAN AYAM BROILER MENGGUNAKAN METODE ALGORITMA K-MEANS Ayuni, Putri; 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.v8i3.9771

Abstract

Industri unggas, terutama dalam aspek penjualan ayam potong broiler, telah berkembang secara signifikan dalam beberapa tahun terakhir karena meningkatnya permintaan dari konsumen terhadap produk unggas. Dalam upaya untuk mengoptimalkan penjualan dan mendapatkan pemahaman yang lebih mendalam mengenai preferensi konsumen, Masalah yang ada di ayam potong broiler nasir ialah penjual kurang mengetahui tingkat penjualan ayam yang banyak terjual dan yang sedikit terjual sehingga untuk menyuplai ayam potong tidak terlalu banyak.tujuan penelitian ini untuk mengoptimalkan penjualan ayam potong broiler di toko nasir ini dan meningkatkan penjualan.metode yang digunakan adalah algoritma K-Means, yang merupakan salah satu metode pengelompokan populer yang banyak digunakan dalam bidang data mining. Kumpulan data yang digunakan dalam analisis melibatkan data transaksi penjualan, seperti stok ayam broiler , jumlah ayam yang tersedia dan jumlah ayam yang terjual . Data ini memungkinkan penulis untuk mengungkapkan pola-pola yang signifikan. Hasil dari penelitian ini memberikan wawasan yang berharga bagi Broiler Nasir dan perusahaan sejenis dalam industri unggas. Dengan pemahaman yang lebih baik tentang pelanggan. Hasil dari clustering yang dilakukan penulis adalah pada cluster 0 dengan jumlah 9 items tingkat penjualan paling sedikit terjual, cluster 1 dengan jumlah 5 items menjadi penjualan tingkat tinggi dan cluster 2 dengan jumlah 18 items penjualan konsisten
OPTIMASI PRODUKSI MINUMAN KEKINIAN DENGAN SMART BOTTLE DRINK MACHINE IOT DAN OTOMATISASI PENCATATAN HASIL PRODUKSI DI DESA MAYUNG KABUPATEN CIREBON Hermawan, Bagus; Suarna, Nana; Dana, Raditya Danar
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 3 No. 2 (2024): May 2024
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v3i2.117

Abstract

Produksi minuman kekinian di Desa Mayung, Kecamatan Gunung Jati, Kabupaten Cirebon menghadapi tantangan dalam mencatat hasil produksi secara akurat dan efisien. Tantangan ini mempengaruhi efisiensi produksi dan akurasi data yang diperlukan untuk mengelola bisnis minuman dengan baik. Oleh karena itu, penelitian ini bertujuan untuk mengoptimalkan produksi minuman kekinian dengan memanfaatkan Smart Bottle Drink Machine berbasis Internet of Things (IoT) serta otomatisasi pencatatan hasil produksi.Metode yang digunakan dalam penelitian ini melibatkan penggunaan teknologi IoT pada Smart Bottle Drink Machine untuk mengontrol proses produksi secara otomatis dan memperoleh data produksi secara real-time. Selain itu, otomatisasi pencatatan hasil produksi dilakukan dengan menggunakan metode entry data langsung ke spreadsheet secara otomatis melalui integrasi sistem. Pendekatan ini memungkinkan pencatatan hasil produksi dilakukan secara tepat waktu dan akurat tanpa memerlukan intervensi manual yang berlebihan. Hasil penelitian menunjukkan bahwa penerapan Smart Bottle Drink Machine berbasis IoT dan otomatisasi pencatatan hasil produksi secara signifikan meningkatkan efisiensi produksi minuman kekinian di Desa Mayung. Proses produksi menjadi lebih terstruktur, cepat, dan efisien dengan pengurangan kesalahan manusia dalam pencatatan data. Akurasi data produksi juga meningkat secara signifikan, memberikan informasi yang lebih akurat untuk pengambilan keputusan bisnis
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 
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
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.
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 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.
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.
Bibliometrik Analisis: Utilization of Machine Learning Technology in the Management of Healthcare Database System Suarna, Nana
Prosiding SISFOTEK Vol 8 No 1 (2024): SISFOTEK VIII 2024
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Healthcare databases store various types of data, including patient records, medical imaging, and real-time monitoring data. Efficient data management is crucial for improving patient outcomes and operational efficiency. Traditional methods face limitations in terms of scalability, data heterogeneity, and real-time processing. The main challenge in healthcare database management is the ability to efficiently process and analyze large volumes of heterogeneous data. Existing systems struggle with scalability, data integration, and real-time analytics, leading to delays in decision-making and potential errors in patient care. Methodology this research uses machine learning algorithms to enhance the performance and capabilities of healthcare database systems. Techniques such as data mining, predictive analytics, and anomaly detection are applied to optimize data storage, retrieval, and analysis processes. A comparative analysis is conducted between traditional database management systems and ML-enhanced systems to evaluate improvements in efficiency, accuracy, and scalability. The main objective is to demonstrate how ML can be leveraged to overcome existing challenges in healthcare database management. This includes improving data processing speeds, enhancing data integration from various sources, and enabling real-time analytics for better clinical decision-making. Results the findings show that the integration of ML technology significantly enhances the performance of healthcare database systems. The ML-enhanced systems demonstrated improved scalability, faster data retrieval, and more accurate predictive analytics compared to traditional systems. These improvements facilitate timely and informed decision-making in clinical settings, ultimately leading to better patient outcomes.
ALGORITMA REGRESI LINIER SEDERHANA UNTUK PREDIKSI PENGGUNAAN VOLUME AIR BERDASARKAN JENIS PELANGGAN PDAM Nurdin; Suarna, Nana; Prihartono, Willy
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 1 (2025): January 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i1.187

Abstract

Penelitian ini bertujuan untuk memprediksi penggunaan volume air oleh pelanggan PDAM Kabupaten Cirebon berdasarkan jenis pelanggan menggunakan algoritma regresi linier sederhana. Sumber daya air merupakan aset penting dalam kehidupan sehari-hari, dan pemahaman mendalam tentang pola penggunaan air dari berbagai jenis pelanggan diperlukan untuk meningkatkan efisiensi pengelolaan dan keberlanjutan layanan. Pada tahun 2021, konsumsi air pelanggan mencapai 6.850.831 m3, dan tahun 2022 sebesar 6.920.429 m3. Penelitian ini menggunakan data penggunaan air dari kategori pelanggan seperti rukun tetangga, niaga, industri, sosial, keran umum, dan instansi pemerintah. Data dianalisis dengan regresi linier sederhana untuk mengeksplorasi hubungan antara jenis pelanggan dan volume air yang digunakan. Metodologi penelitian mencakup pengumpulan data, analisis, pengujian hipotesis, pengolahan informasi, dan evaluasi model untuk memastikan akurasi prediksi. Hasil penelitian diharapkan memberikan wawasan bagi PDAM Kabupaten Cirebon dalam merencanakan kebutuhan air, mengoptimalkan distribusi, dan meningkatkan kualitas layanan. Selain itu, penelitian ini diharapkan menjadi referensi untuk penelitian lebih lanjut mengenai manajemen sumber daya air di daerah lain dan berkontribusi pada pengembangan kebijakan pengelolaan air bersih yang lebih baik.
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