Article Per Year (5 Year)
p-Index From 2021 - 2026
13.459
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) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Informatika dan Teknologi Informasi Journal of Software Engineering and Information System (SEIS) Jurnal Teknologi Ilmu Komputer NERO (Networking Engineering Research Operation) Jurnal Kecerdasan Buatan dan Teknologi Informasi Jurnal Komtika (Komputasi dan Informatika)
Suarna, Nana
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 114 Documents
Search

 7   8   9   10   11 
PREDIKSI PERSETUJUAN PINJAMAN MENGGUNAKAN DATASET LOAN APPROVAL MENGGUNAKAN ALGORITMA KLASIFIKASI Amal Rois, Moh. Ichlasul; Dwilestari, Gifthera; Suarna, Nana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12486

Abstract

Persetujuan pinjaman merupakan aspek kritis dalam industri keuangan yang mempengaruhi kelancaran operasional bank dan lembaga keuangan. Namun, proses evaluasi permohonan pinjaman seringkali memakan waktu dan rawan kesalahan manusia. Oleh karena itu, diperlukan sistem prediksi yang efektif untuk meningkatkan akurasi dan efisiensi persetujuan pinjaman. Penelitian ini bertujuan untuk mengembangkan model prediksi persetujuan pinjaman menggunakan dataset Loan Approval dengan menerapkan algoritma klasifikasi. Masalah yang dihadapi adalah bagaimana mengidentifikasi faktor-faktor penting yang mempengaruhi persetujuan pinjaman dan membangun model yang dapat memprediksi hasil dengan tingkat akurasi yang tinggi. Metode yang digunakan dalam penelitian ini melibatkan pengumpulan dan praproses data, eksplorasi data untuk memahami distribusi dan karakteristiknya, serta penerapan berbagai algoritma klasifikasi seperti Logistic Regression, Decision Tree, dan Random Forest. Model yang dibangun kemudian dievaluasi menggunakan metrik kinerja seperti akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan kinerja terbaik dengan akurasi mencapai 85%, precision 83%, recall 82%, dan F1-score 82%. Temuan ini menunjukkan bahwa penggunaan algoritma klasifikasi dapat membantu lembaga keuangan dalam membuat keputusan persetujuan pinjaman yang lebih tepat dan efisien, sehingga dapat mengurangi risiko kredit macet dan meningkatkan kepuasan pelanggan. Penelitian ini memberikan kontribusi penting dalam bidang teknologi keuangan dengan mengusulkan model prediksi yang dapat diimplementasikan dalam sistem penilaian kredit yang lebih cerdas dan responsif.
IMPLEMENTASI ALGORITMA REGRESI LINIER DALAM MEMPREDIKSI KEUNTUNGAN CV. XYZ Auliya, Suci; Suarna, Nana; Ali, Irfan; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12593

Abstract

Latar belakang penelitian ini adalah pentingnya memahami pengaruh variabel Harga Pokok Penjualan (HPP) terhadap keuntungan perusahaan dalam melakukan analisis keuntungan. Penelitian ini bertujuan menganalisis dan memprediksi keuntungan penjualan pakan ternak di Perusahaan XYZ yang berdomisili di Kabupaten Cirebon. Penelitian ini menggunakan data penjualan bulanan selama tahun 2023 dan 2024, yang mencakup minggu ke, HPP, jumlah penjualan (Qty), total tagihan, total pembayaran, dan margin keuntungan. Data ini diolah melalui teknik preprocessing untuk memastikan kualitasnya sebelum dianalisis menggunakan algoritma regresi linier. Model ini digunakan untuk mempelajari hubungan antara variabel-variabel tersebut dan memprediksi margin keuntungan secara akurat. Hasil penelitian menunjukkan bahwa HPP memiliki koefisien sebesar 0,143, yang berarti setiap kenaikan HPP akan meningkatkan margin keuntungan sebesar 0,143 dengan asumsi variabel lain tetap. Prediksi margin menggunakan model ini juga menunjukkan akurasi tinggi, dengan nilai Root Mean Squared Error (RMSE) sebesar 2%. Temuan ini menunjukkan bahwa algoritma regresi linier adalah alat yang efektif untuk memprediksi keuntungan dan dapat diterapkan pada perusahaan dengan skala data serupa untuk mendukung perencanaan bisnis yang lebih baik
KLASIFIKASI HASIL PENJUALAN PAKAIAN MENGGUNAKAN ALGORITMA C4.5 PADA TOKO PAKAIAN RIA BUSANA Firmansyah, Fajar; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12683

Abstract

Industri fashion saat ini mengalami peningkatan permintaan yang pesat, dengan konsumen semakin memperhatikan tren pakaian dan memilih berbagai merek untuk memenuhi kebutuhan mereka. Namun, salah satu masalah yang sering dihadapi oleh bisnis pakaian adalah kesulitan dalam mengelola stok, terutama dalam menentukan produk yang laris dan tidak laris di pasar, yang sering menyebabkan overstock atau kekurangan persediaan. Penelitian ini bertujuan untuk menganalisis perilaku pembelian konsumen terhadap produk fashion di RIA Busana menggunakan metode algoritma C4.5. Algoritma ini diterapkan untuk mengidentifikasi faktor-faktor yang memengaruhi keputusan pembelian konsumen berdasarkan data historis yang mencakup transaksi pembelian, preferensi konsumen, dan karakteristik demografi. Metode ini menghasilkan pohon keputusan yang dapat memberikan wawasan mengenai pola pembelian, dengan kategori produk yang terbagi menjadi 'best seller' dan 'non-best seller'. Tujuan penelitian ini adalah untuk membantu mengoptimalkan pengelolaan stok di gudang, menghindari penumpukan stok produk yang tidak laku, dan memastikan kestabilan stok pakaian yang laris. Data dikumpulkan dari transaksi penjualan dan digunakan untuk mengklasifikasikan produk berdasarkan algoritma C4.5, yang diimplementasikan melalui alat RapidMiner. Hasil penelitian menunjukkan bahwa algoritma C4.5 efektif dalam menentukan keakuratan klasifikasi produk terlaris dan tidak laris, sehingga membantu meminimalkan masalah overstock dan kekurangan stok di gudang, yang dapat meningkatkan efisiensi operasional dan daya saing bisnis.
Usability Testing pada Aplikasi Kas Berbasis Android dan Teknologi API menggunakan Metode System Usability Scale Al Muharom, Nurul Ibnu; Suarna, Nana; Dana, Raditya Danar
Jurnal Informatika Terpadu Vol 10 No 1 (2024): Maret, 2024
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jit.v10i1.1099

Abstract

Cash management applications are used to store transaction data and create cash in and cash out reports that are more effective than using books. However, currently no usability testing has been carried out so it is quite difficult to determine future application development steps. The aim of this research is to measure the level of usefulness of an Android-based cash management application using the System Usability Scale (SUS) method, namely a 10-question Likert scale questionnaire distributed to respondents with the final result being a score of 0-100. The number of respondents was 15 people who were CV employees. Jaya Mukti. This test was carried out to determine the level of user convenience and satisfaction. The results of the research obtained a score of 84.7, this score shows a percentile level of 96%, Grade Scale A, Acceptability Ranges are in the Acceptable category, meaning acceptable, and the Adejctive Rating is in the Excellent category. If correlated with NPS, it falls into the promoter category, meaning users will recommend the application. These results show that the application can be accepted by users and is very good and above the established usability value standards. This research also produced 4 recommendations for improvement based on the results of questionnaire answers so that they can be used as evaluation for future application development.
KLASIFIKASI ABJAD DALAM BAHASA ISYARAT MENGGUNAKAN ALGORITMA RANDOM FOREST Wirdiyan, Farhan Azfa; Suarna, Nana; Ali, Irfan
JurTI (Jurnal Teknologi Informasi) Vol 8, No 2 (2024): DESEMBER 2024
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v8i2.4673

Abstract

Pengenalan bahasa isyarat merupakan tantangan signifikan dalam pengembangan teknologi informasi, terutama dalam menciptakan komunikasi inklusif bagi penyandang disabilitas pendengaran. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem klasifikasi alfabet bahasa isyarat, khususnya pada Sistem Isyarat Bahasa Indonesia (SIBI), menggunakan algoritma Random Forest. Sistem ini dirancang untuk memfasilitasi komunikasi yang inklusif antara penyandang disabilitas pendengaran dan masyarakat umum. Tahapan penelitian mencakup pengumpulan data gerakan tangan yang diperoleh melalui perekaman menggunakan webcam dan kemudian dikelompokkan berdasarkan label alfabet,Tahap preprocessing data bertujuan untuk normalisasi dan augmentasi guna meningkatkan variasi input kemudian di lakukan proses untuk mengekstrak landmark tangan melalui framework Mediapipe, yaitu titik-titik referensi posisi jari dan tangan, Tahap pelatihan model menggunakan algoritma Random Forest dengan pembagian data latih dan uji, serta Tahap pengujian sistem secara real-time untuk mengevaluasi akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan sistem mampu mengenali alfabet SIBI dengan akurasi 100%, membuktikan efektivitas metode Random Forest dalam menangani klasifikasi pola yang kompleks. Esensi penelitian ini terletak pada kontribusinya dalam mendukung komunikasi inklusif melalui teknologi kecerdasan buatan. Sistem ini menawarkan solusi praktis untuk mengatasi hambatan komunikasi antara penyandang disabilitas pendengaran dan masyarakat umum, sekaligus mendorong pengembangan teknologi inklusif. Dengan hasil yang sangat akurat, penelitian ini memberikan dampak sosial yang signifikan, membuka peluang bagi pengembangan sistem komunikasi berbasis AI yang lebih adaptif, seperti integrasi dengan aplikasi mobile dan fitur text-to-speech, sehingga memperluas aksesibilitas dan mendukung interaksi sosial yang lebih inklusif.
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENINGKATKAN MODEL PENGELOMPOKAN DAN KINERJA JARINGAN WI-FI SECARA OPTIMAL Fauzan, Akmal; Suarna, Nana; Ali, Irfan; Susana, Heliayanti
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.v13i2.6272

Abstract

Penelitian ini mengimplementasikan algoritma K-Means Clustering untuk menganalisis pola penggunaan jaringan Wi-Fi, guna meningkatkan efisiensi pengelolaan bandwidth dan kualitas layanan. Data berupa kecepatan internet, biaya layanan, dan lokasi pelanggan diolah menggunakan RapidMiner, menghasilkan klaster dengan nilai Davies-Bouldin Index (DBI) sebesar 0.006, menunjukkan kualitas klaster yang sangat baik. Hasilnya memberikan wawasan mendalam tentang segmentasi pelanggan dan pola penggunaan layanan untuk pengambilan keputusan strategis. Algoritma KMeans terbukti efektif dalam optimalisasi sumber daya jaringan, serta menjadi dasar pengembangan sistem monitoring real-time dan teknologi data mining untuk pengelolaan jaringan Wi-Fi skala besar.
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.
PENERAPAN ALGORITMA FP-GROWTH DALAM ANALISIS POLA TRANSAKSI UNTUK OPTIMALISASI PENGELOLAAN DATA TRANSAKSI DI TOKO LIA Talia, Agita Hany; Suarna, Nana; Pratama, Denni
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 3 No. 1 (2024): January 2024
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v3i1.108

Abstract

Penelitian ini membahas penerapan algoritma FP-Growth dalam analisis pola transaksi dengan tujuan untuk optimalisasi pengelolaan data transaksi di Toko Lia. Pendahuluan menjelaskan kompleksitas data transaksi dalam bisnis ritel dan kebutuhan akan metode analisis yang efektif. Masalah yang diidentifikasi meliputi ketidakmampuan sistem konvensional dalam menangani volume data transaksi yang besar serta kesulitan dalam mengidentifikasi pola transaksi yang signifikan. Tujuan penelitian adalah mengimplementasikan algoritma FP-Growth sebagai solusi untuk mengatasi masalah tersebut. Metode penelitian melibatkan pengumpulan data transaksi dari Toko Lia, penerapan algoritma FP-Growth, dan analisis hasil untuk mengidentifikasi pola transaksi yang relevan. Hasil penelitian menunjukkan bahwa penerapan algoritma FP-Growth berhasil mengoptimalkan pengelolaan data transaksi dengan efisien, memungkinkan identifikasi pola transaksi yang mendasar bagi keberhasilan strategi pemasaran dan pengelolaan stok di Toko Lia. Implikasi praktis dari penelitian ini adalah peningkatan kinerja operasional dan strategi bisnis Toko Lia melalui pemanfaatan algoritma FP-Growth sebagai alat analisis yang andal untuk menggali informasi berharga dari data transaksi.
PENGELOMPOKAN SANTRI DI PONDOK AL-MA’RIFAH BERDASARKAN ASAL WILAYAH MENGGUNAKAN ALGORITMA K-MEAN CLUSTERING Nurhasanah, Siti; Suarna, Nana; Pratama, Denni
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 3 No. 1 (2024): January 2024
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v3i1.109

Abstract

Pondok Al-Ma’rifah merupakan lembaga pendidikan Islam yang menampung santri dari berbagai wilayah. Penelitian ini bertujuan untuk mengelompokkan santri berdasarkan asal wilayah menggunakan algoritma K-Mean Clustering guna meningkatkan efisiensi manajemen pondok. mencerminkan kebutuhan akan pendekatan yang sistematis dalam mengorganisir santri untuk mendukung optimalisasi pelayanan dan pemenuhan kebutuhan mereka. Masalah utama adalah kompleksitas pengelolaan santri dari beragam wilayah yang dapat menghambat efisiensi dan efektivitas manajemen pondok. Tujuan penelitian ini adalah mengidentifikasi pola distribusi santri berdasarkan asal wilayah dan mengelompokkannya secara otomatis menggunakan algoritma K-Mean Clustering. Metode penelitian melibatkan pengumpulan data asal wilayah santri, pemrosesan data, dan implementasi algoritma K-Mean Clustering untuk membentuk kelompok homogen. Hasil penelitian ini memberikan gambaran yang jelas tentang pola distribusi geografis santri di Pondok Al-Ma’rifah dan menyajikan kelompok-kelompok yang mewakili kesamaan asal wilayah. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan efisiensi manajemen pondok, memudahkan pemantauan dan pelayanan santri, serta membuka peluang pengembangan program pendidikan yang lebih terarah sesuai karakteristik kelompok wilayah tertentu.
OPTIMALISASI PRESTASI AKADEMIK SISWA MELALUI PENGELOMPOKAN INDEKS PRESTASI DENGAN K-MEANS CLUSTERING Suarna, Nana; Rahaningsih, Nining; Suarna, Annisa Annastia
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 2 (2025): May 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i2.321

Abstract

Prestasi akademik merupakan indikator penting dalam menilai kemampuan dan perkembangan siswa selama proses pembelajaran. Namun, banyak lembaga pendidikan yang masih menghadapi tantangan dalam mengidentifikasi kelompok siswa berdasarkan performa akademik secara efisien, sehingga intervensi pembelajaran yang tepat sulit dilakukan. Penelitian ini bertujuan untuk mengoptimalkan prestasi akademik siswa melalui pengelompokan indeks prestasi dengan metode K-Means Clustering. Metode K-Means digunakan karena kemampuannya dalam mengelompokkan data ke dalam beberapa klaster homogen berdasarkan kesamaan nilai. Data yang digunakan berupa indeks prestasi siswa dari beberapa semester. Proses pengelompokan dilakukan dengan menetapkan sejumlah klaster awal, kemudian dilakukan iterasi untuk mengoptimalkan posisi centroid hingga mencapai konvergensi. Hasil penelitian menunjukkan bahwa siswa dapat dikelompokkan ke dalam tiga kategori utama, yaitu siswa dengan prestasi tinggi, sedang, dan rendah. Pengelompokan ini memberikan gambaran yang lebih jelas kepada pihak sekolah dalam menyusun strategi pembinaan dan pemberian program khusus yang sesuai dengan kebutuhan masing-masing kelompok siswa. Dengan penerapan K-Means Clustering, institusi pendidikan dapat melakukan pemantauan dan evaluasi akademik secara lebih terstruktur serta memberikan intervensi yang lebih tepat sasaran. Penelitian ini menyimpulkan bahwa teknik pengelompokan data dapat menjadi solusi inovatif dalam mendukung peningkatan mutu pendidikan melalui pendekatan berbasis data.
Co-Authors Abdul Rasyid Ade Kurnia, Dian Adrian, Teguh Afiasari, Nur Aini Nurul Ainisa, Nurul Al Maeni, Nurul Al Muharom, Nurul Ibnu 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 Auliya, Suci Ayuni, Putri baihaqqi, Farisky Dalifah, Nurul Danar Dana, Raditya Dendy Indriya Efendi Dewi, Sophiyanti Dienwati Nuris, 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, 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 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 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 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 Rahaningsi, Nining 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