Article Per Year (5 Year)
p-Index From 2021 - 2026
9.532
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi JOIV : International Journal on Informatics Visualization RABIT: Jurnal Teknologi dan Sistem Informasi Univrab SMARTICS Journal Syntax Literate: Jurnal Ilmiah Indonesia JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Edukasi Islami: Jurnal Pendidikan Islam JURIKOM (Jurnal Riset Komputer) Jurnal Riset Informatika Journal of Information System, Applied, Management, Accounting and Research METIK JURNAL Jurnal Informatika Kaputama (JIK) Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Jusikom: Jurnal Sistem Informasi Ilmu Komputer Jurnal Ilmu Komputer dan Bisnis Jurnal Teknologi Informasi dan Multimedia Jurnal Ekonomi Manajemen Sistem Informasi Systematics Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Teknologi Dan Sistem Informasi Bisnis Zonasi: Jurnal Sistem Informasi Jurnal Informasi dan Teknologi Buana Information Technology and Computer Sciences (BIT and CS) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) JIKA (Jurnal Informatika) Infotek : Jurnal Informatika dan Teknologi Journal of Applied Data Sciences Jurnal Cahaya Mandalika Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) International Journal of Computer and Information System (IJCIS) International Journal of Engineering, Science and Information Technology Djtechno: Jurnal Teknologi Informasi Jurnal Tika Instal : Jurnal Komputer Dirgamaya: Jurnal Manajemen dan Sistem Informasi Jurnal Minfo Polgan (JMP) Jurnal Teknik Mesin Mechanical Xplore Jurnal Informatika Teknologi dan Sains (Jinteks) Abdimas Jurnal Sistem Informasi STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Jurnal Ilmiah Teknik Informatika dan Komunikasi Innovative: Journal Of Social Science Research Jitu: Jurnal Informatika Utama VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal) Masyarakat Berkarya: Jurnal Pengabdian dan Perubahan Sosial Jurnal PETISI (Pendidikan Teknologi Informasi) JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Journal of Information Technology
Hananto, Agustia
Fakultas Ilmu Komputer, Program Studi Sistem Informasi, Universitas Buana Perjuangan Karawang, Karawang, Indonesia
Religion Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 78 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 78 Documents
Search

 3   4   5   6   7 
Klasterisasi Supplier Berdasarkan Kinerja Menggunakan Algoritma K-Means Afra, Alfina Fadhilah; Hananto, April Lia; Hananto, Agustia; Priyatna, Bayu
Jurnal Teknologi Dan Sistem Informasi Bisnis Vol 7 No 2 (2025): April 2025
Publisher : Prodi Sistem Informasi Universitas Dharma Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jteksis.v7i2.1935

Abstract

Untuk memastikan efisiensi operasional dan kualitas produk, evaluasi kinerja supplier sangat berperan penting dalam bidang perindustrian. PT Percetakan masih menggunakan penilaian subjektif dalam menilai kinerja supplier. Variabel dalam data ini yaitu Supplier, Jumlah Pesanan, Harga Satuan dan Rentang Pengiriman yang dapat dianalisis untuk meningkatkan penilaian kinerja supplier. Penelitian ini menggunakan algoritma K-Means untuk mengklasterisasikan supplier berdasarkan kinerja. Algoritma K-Means dipilih karena dapat mengolah data dalam jumlah besar dan efisien, hasil yang didapat lebih objektif dibanding pendekatan subjektif. Hasil Penelitian ini diharapkan dapat memberikan kontribusi dan solusi yang praktis bagi PT Percetakan untuk menentukan mitra kerja sama melalui penerapan algoritma K-Means. Hasil klasterisasi menunjukkan bahwa terdapat perbedaan yang signifikan antara supplier dalam setiap klaster. Supplier dengan performa terbaik (Klaster 1) cenderung memiliki jumlah pesanan yang tinggi, harga satuan lebih kompetitif, dan waktu pengiriman lebih cepat. Sementara itu, supplier dengan performa rendah (Klaster 3) memiliki harga lebih tinggi dan rentang pengiriman yang lama, yang dapat mempengaruhi efisiensi operasional perusahaan.
Algoritma K-Means Clustering Untuk Segmentasi Produk Kosmetik Terlaris Berdasarkan Volume Penjualan Salsabila, Nasya; Tukino, Tukino; Hananto, Agustia; Priyatna, Bayu
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 1 (2025): June
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i1.4318

Abstract

Wardah, sebagai salah satu merek kosmetik lokal yang menonjol, berhasil menarik minat konsumen dengan menghadirkan produk-produk berkualitas, bersertifikat halal, serta memiliki harga yang terjangkau. Dengan semakin ketatnya persaingan dalam industri ini, penting bagi perusahaan untuk memanfaatkan data penjualan secara lebih efektif guna merancang strategi bisnis dan pemasaran yang lebih presisi. Menganalisis data penjualan berdasarkan produk yang terjual sangat penting untuk memahami dinamika pasar dan preferensi konsumen. Penelitian ini memanfaatkan algoritma K-Means Clustering untuk melakukan segmentasi produk berdasarkan data penjualan, dengan fokus pada dua variabel utama, yaitu jumlah unit yang terjual dan nilai total penjualan. Hasil penentuan jumlah klaster optimal menggunakan metode Elbow dan Davies-Bouldin Index (DBI) menunjukkan bahwa lima klaster memberikan pemisahan dan kekompakan data terbaik, dengan nilai DBI terendah sebesar 0,7772. Analisis lebih lanjut terhadap klaster menunjukkan bahwa Klaster 0 merupakan kelompok terbesar, mencakup 65 produk atau sekitar 46,76% dari total. Produk dalam klaster ini memiliki harga rata-rata yang rendah, yaitu sekitar Rp38.733, dengan total penjualan mencapai lebih dari Rp31 juta. Sementara itu, klaster 1 terdiri dari hanya 8 produk (5,76%), namun memiliki harga rata-rata paling tinggi, yakni Rp227.000. Meski jumlah penjualannya lebih kecil, klaster ini mengindikasikan keberadaan produk-produk premium atau eksklusif. Klaster 2 mencakup 40 produk (28,78%) dengan harga rata-rata sekitar Rp100.016 dan total penjualan mencapai hampir Rp49 juta. Klaster 3 menonjol dengan jumlah varian rata-rata yang tinggi (6 varian per produk), total penjualan tertinggi yaitu sekitar Rp68,5 juta, dan volume penjualan terbesar dengan 1.073 unit terjual. Klaster ini terdiri dari 23 produk (16,55%) dan menunjukkan bahwa meskipun jumlah produknya lebih sedikit, kontribusinya terhadap total penjualan sangat signifikan. Terakhir, klaster 4 merupakan klaster terkecil dengan hanya 3 produk (2,16%), namun memiliki jumlah varian sangat tinggi, rata-rata mencapai 20,67 varian per produk, dan harga menengah ke atas sekitar Rp88.781. Secara keseluruhan, hasil klasterisasi ini memberikan wawasan penting untuk strategi bisnis, seperti penentuan harga, pengelolaan stok, dan penargetan promosi berdasarkan karakteristik masing-masing kelompok produk.
PENGELOMPOKAN PENJUALAN PRODUK DENGAN MENGGUNAKAN K-MEANS CLUSTERING : STUDI KASUS ANALISIS PENJUALAN COFFEE SHOP OLEH KAGGLE.COM Sifa, Sifa Rismawati; Shofa Shofiah Hilabi; Bayu Priyatna; Agustia Hananto
Jurnal Sistem Informasi (JUSIN) Vol 6 No 1 (2025): Jurnal Sistem Informasi
Publisher : ITB Ahmad Dahlan Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32546/jusin.v6i1.3078

Abstract

This study aims to group sales products in a coffee shop based on transaction data using the K-Means Clustering algorithm. The dataset from Kaggle.com includes the attributes product_id, transaction_qty, and unit_price. This method was chosen because of its ability to identify sales patterns in grouping products into three main clusters including high, medium, and low sales. The research process includes data collection, pre-processing, normalization, determining the optimal number of clusters, to evaluating the results using a Silhouette Score of 0.65. These results indicate that the K-Means method is effective in providing product segmentation that can be used as a basis for making business decisions, in optimizing stock and data-based marketing strategies.
Implementation of The Seasonal Autoregressive Integrated Moving Average Predictive Model on Raw Material Usage Data at PT. Plastik Karawang Flexindo Alfiansyah, Muhammad Rindra; Tukino, Tukino; Hananto, Agustia; Novalia, Elfina
International Journal of Engineering, Science and Information Technology Vol 5, No 3 (2025)
Publisher : Malikussaleh University, Aceh, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52088/ijesty.v5i3.867

Abstract

Fluctuations in raw material utilization in the manufacturing industry significantly impact production process efficiency, operational costs, and supply chain stability. Inaccurate planning and management of raw material inventories can lead to two extreme conditions: excess stock, which increases storage costs and the risk of expiration, or stock shortages, which could halt the production process and reduce productivity. To improve the accuracy of raw material consumption planning, this study applies the Seasonal Autoregressive Integrated Moving Average (SARIMA) model to predict raw material needs periodically based on historical data. The dataset used includes the consumption of Polyethylene (PE), High Density Polyethylene (HDPE), and Polypropylene (PP) from 2019 to 2025. The data is analyzed using a time series forecasting approach to identify trends and seasonal patterns. The SARIMA model is developed and optimized using three methods to search for the best parameters: Grid Search, Random Search, and Bayesian Optimization, to enhance prediction performance. The model's evaluation calculates the Mean Absolute Percentage Error (MAPE) as an accuracy indicator. The evaluation results show that although SARIMA can recognize seasonal patterns in raw material consumption, the prediction accuracy varies, with the best MAPE value being 16% and the highest being 34%. This indicates that external factors, such as market dynamics, government policies, global price fluctuations, and internal variables such as production schedules and customer demand, need to be considered to improve the model's precision. Overall, the application of SARIMA in this context provides a strategic contribution to supply chain management in the manufacturing industry, particularly in anticipating raw material needs, reducing uncertainty, and supporting more efficient and adaptive data-driven decision-making.
Klasifikasi Barang NG Berdasarkan Dataset Menggunakan Algoritma C.45 Studi Kasus: Perusahaan Manufaktur XYZ Jasmine Dina Sabila; Tukino, Tukino; Agustia Hananto
Jurnal Ekonomi Manajemen Sistem Informasi Vol. 6 No. 6 (2025): Jurnal Ekonomi Manajemen Sistem Informasi (Juli - Agustus 2025)
Publisher : Dinasti Review

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/jemsi.v6i6.5644

Abstract

Perusahaan XYZ adalah perusahaan asal Jepang yang bergerak di bidang otomotif, khususnya dalam produksi suku cadang. Produk utamanya adalah perakitan selang untuk sistem pendingin udara (air-conditioning hose assemblies) untuk kendaraan Original Equipment Manufacturer (OEM). Departemen produksi Final Inspection bertugas memastikan bahwa barang produksi memenuhi standar kualitas sesuai dengan Work Instruction (WI) dan spesifikasi dimensi berdasarkan gauge. Dalam pelaksanaan tugasnya, apabila ditemukan Not Good (NG), barang tersebut akan dipisahkan dari barang OK, kemudian ditandai dan disisihkan untuk dianalisis lebih lanjut. Pencatatan barang Not Good (NG) ini dilakukan melalui Website Worktop, Dimana data dapat diakses kapan saja dan mencakup jenis, jumlah, serta masalah NG (not good). Sistem ini membantu pelaporan real-time dan mempermudah pemantauan data produksi. Dari hasil input logbook, ditemukan adanya NG (not good) yang berulang pada proses produksi. Kondisi NG (not good) yang berulang ini menyebabkan gangguan pada waktu cycle time, sehingga berdampak pada efisiensi produksi. Data hasil input logbook yang belum diolah menjadi knowledge dapat membantu membuat keputusan departemen produksi dengan mengklasifikasikan data NG (not good) menjadi kategori keparahan NG (not good) menggunakan data mining diharapkan dapat membentuk pola untuk mendukung pengambilan keputusan yang baik.
ANALISIS OPINI PENGGUNA APLIKASI SHOPEE DENGAN NAÏVE BAYES CLASSIFIER atikah, dwi; hananto, agustia; paryono, tukino; novalia, elfina
Jurnal Informatika Vol 9, No 3 (2025): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v9i3.14462

Abstract

Pertumbuhan pesantnya e-commerce di Indonesia berdampak pada meningkatnya ulasan pengguna terhadap aplikasi belanja berani seperti Shopee. Ulasan ini mewakili persepsi pengguna dan dapat dimanfaatkan untuk memancarkan kepuasan serta meningkatkan kualitas layanan. Menggunakan algoritma Naive Bayes, studi ini menerapkan strategi klasifikasi untuk memahami sikap dalam ulasan pengguna aplikasi shopee di Google Play Store. Data diperoleh menggunakan teknik web scraping dan kemudian menjalani beberapa proses, termasuk pembersihan data teks, tokenisasi, penghapusan kata-kata yang tidak relevan, dan normalisasi. Sentimen evaluasi dirinci secara manual ke dalam tiga kelompok berbeda: sangat_puas, puas, dan tidak_puas. Untuk mengatasi distribusi kelas, digunakan teknik RandomOverSampler Sebelum data dibagi menjadi set pelatihan dan pengujian, teks kemudian dianalisis menggunakan teknik TF-IDF dan dibor dengan algoritma Multinomial Naive Bayes. Akurasi, presisi, recall, skor F1, dan matriks kebingungan dimasukkan ke dalam proses evaluasi untuk menyalakan kinerja model. Hasil penelitian menunjukkan bahwa model memperoleh tingkat ketepatan mencapai 75,33% dengan kinerja yang cukup konsisten di semua label. Teknik oversampling terbukti efektif dalam menyeimbangkan kelas, meskipun masih terdapat prediksi silang antar kategori yang mirip. Penelitian ini menjadi pijakan awal bagi pengembangan sistem analisis sentimen otomatis berbasis bahasa Indonesia.
Perancangan Sistem Informasi Penjualan Boneka Pada Store Adede Menggunakan Metode Waterfall Nurfajria, Dera; Tukino, Tukino; Hananto, Agustia; Hananto, April Lia
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i2.2718

Abstract

Digitalization of sales systems is an important need to improve transaction efficiency and accuracy. This study aims to build a web-based doll sales system at Toko Adede Cikampek using the Waterfall method which includes needs analysis, design, implementation, testing, and maintenance. The system was developed using PHP and MySQL, and tested using the black box method and System Usability Scale (SUS). The test results showed that all features ran as expected, with a SUS score of 83.3 which is classified as "excellent". The main features include product catalogs, stock management, shopping carts, checkouts, and order management. This system has been proven to improve transaction efficiency, recording accuracy, and online marketing reach.Keywords: Waterfall method; Sales system; Website; Dolls; UsabilityAbstrakDigitalisasi sistem penjualan menjadi kebutuhan penting untuk meningkatkan efisiensi dan akurasi transaksi. Penelitian ini bertujuan membangun sistem penjualan boneka berbasis web pada Toko Adede Cikampek menggunakan metode Waterfall yang mencakup analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem dikembangkan menggunakan PHP dan MySQL, serta diuji menggunakan metode Black box dan System Usability Scale (SUS). Hasil pengujian menunjukkan seluruh fitur berjalan sesuai harapan, dengan skor SUS 73,48 yang tergolong “baik”. Fitur utama meliputi katalog produk, manajemen stok, keranjang belanja, checkout, dan pengelolaan pesanan. Sistem ini terbukti dapat meningkatkan efisiensi transaksi, keakuratan pencatatan, dan jangkauan pemasaran secara online. 
Optimizing Spring-back and Spring-go in Vee-bending of SCGA340BHX Galvanized Steel: A Taguchi Approach Susilo, Hendri; Supriyanto, Danang; Nur Widyartha, Yogi; Khoirudin, Khoirudin; Sukarman, Sukarman; Hakim, Afif; Cepi Budiansyah, Ade; Suhara, Ade; Rahdiana, Nana; Hananto, Agus
Jurnal Teknik Mesin Mechanical Xplore Vol. 6 No. 1 (2025): Jurnal Teknik Mesin Mechanical Xplore (JTMMX)
Publisher : Mechanical Engineering Department Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/jtmmx.v6i1.10147

Abstract

Spring-back and spring-go are critical elastic recovery phenomena in sheet metal forming that affect the angular precision of bent components. This study investigates the influence of punch angle, die opening, and punch speed on these behaviors during the Vee-bending process of SCGA340BHX high-strength galvanized steel. A Taguchi design of experiments with an L8 orthogonal array was applied, and spring-back angles were measured and analyzed using the “smaller-is-better” signal-to-noise (S/N) ratio criterion. The results reveal that punch angle is the most influential parameter governing spring-back and spring-go tendencies, followed by die opening and punch speed. A punch angle of 50° and a die opening of 35 mm produced the highest average spring-back (3.03°), while spring-go behavior was observed primarily at higher punch speeds (35–40 mm/min). The study further confirmed the inverse relationship between bending force and spring-back, with lower forming forces correlating to greater elastic recovery. These findings provide a comprehensive understanding of the interdependence between geometric and kinematic factors in elastic recovery phenomena, offering quantitative insights for optimizing Vee-bending operations involving thin, high-strength steel.
Seleksi Penerimaan Beasiswa Dengan Metode K-Means Clustering Menggunakan Orange Silvana Nazuah; Shofa Shofia Hilabi; Agustia Hananto; Baenil Huda; Tukino
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 8 No. 1 (2023): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v8i1.212

Abstract

Beasiswa adalah insentif keuangan yang ditawarkan oleh pemerintah, industri swasta, kedutaan ataupun Lembaga pendidikan. Proses penyeleksian penerimaan beasiswa secara tidak terintegrasi sistem butuh waktu yang lama, tidak efektif dan butuh ketelitian yang tinggi. Oleh karena itu diperlukan suatu metode untuk membantu pihak sekolah dan staf TU dalam menentukan siswa yang layak menerima beasiswa pada tahun berikutnya. Penelitian ini menggunakan metode K-Means clustering dengan tools orange data mining dan mengelompokkannya menjadi 3 cluster. Data yang digunakan adalah data sampel sebanyak 120 data yang telah direkap dari setiap program keahlian. Hasil yang diperoleh penelitian ini adalah setiap cluster akan memiliki anggota masing-masing yaitu cluster 1 dengan presentase 48% memiliki 58 anggota, cluster 2 dengan presentase 33% memiliki 39 anggota dan cluster 3 dengan presentase 19% memiliki 23 anggota. Penelitian ini bertujuan untuk mengetahui jumlah siswa yang termasuk berhak menerima beasiswa, tidak berhak menerima, dan dipertimbangkan.
Clustering User Sentiment Transportasi Online Gojek Dan Grab Dengan Metode K-Means Annam, Dyno Syaiful; Hananto, Agustia; Nurapriani, Fitria; Tukino, Tukino
Jurnal Tika Vol 8 No 2 (2023): Jurnal Teknik Informatika Aceh
Publisher : Fakultas Ilmu Komputer Universitas Almuslim Bireuen - Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51179/tika.v8i2.2165

Abstract

As an online transportation service, people often discuss it by sharing their opinions through various social media platforms, one of which is Google Play reviews. The opinions given by the public regarding online transportation services are diverse. Users provide reviews about the application, and naturally, users will choose an application with good reviews. However, monitoring the opinions of the general public is not easy, given the large volume of data to be processed. Therefore, the researcher aims to obtain accurate and precise information from user reviews of Gojek and Grab using clustering techniques, specifically the K-means method, using the RapidMiner application. The results of the testing of both applications can be summarized as follows: Gojek and Grab receive reviews that are not significantly different, although Grab's reviews are slightly better. The classification using the K-Means method offers a solution to the issue of sentiment analysis in user reviews of online transportation applications.
Co-Authors Abdul Hafiz Adila Rahmawati Afif Hakim Afra, Alfina Fadhilah Agneresa Agneresa Agus Supriyanto Alfiansyah, Muhammad Rindra ali, agus alzahra, alika aziza Amir Amir Amri Abdulah Andini, Vina Anggi Octa Fadilah Angraeni, Rahmah Nur Annam, Dyno Syaiful Apriade Voutama Apriani, Fitria April Lia Hananto Arief Wibowo Arip Solehudin Asep Permana atikah, dwi Atmaja, Rashelin Zahra Aulia, Aldi Aviv Yuniar Rahman Aviv Yuniar Rahman Awal, Elsa Elvira Azizah, Fathin Putri Baenil Huda Baenil Huda Baenil Huda Baenil Huda Bayu Priyatna Bayu Yoga Astario Bilqis Amalia Utari Cepi Budiansyah, Ade Deva Defrina Aldeana Dodi Mulyadi Dodi Mulyadi Dyno Syaiful Annam Eko Pramono Elfina Novalia Elfinanovalia , Elfinanovalia Emilia Sukmawati, Cici Erlyta Hares Fatmanisa Mumpuni Delta Maharani Fauzi Ahmad Muda Ferdiansyah, Indra FIKRI HAIKAL Fitria Nur Apriani Fitria Nurafriani Fitria Nurapriani Fitria Nurapriani Fizra Firdaus Nillan Goenawan Brotosaputro Hadaya Abhista Reswara Handayani, Citra Herda Andriana Heryana, Nono Hilabi, Shofa Shofia Hilabi, Shofa Shofiah Hilabi, Shofa Shofiah Huban Kabir Huda , Baenil Huda, Baenil Ikhsan, Muhammad Daffa Ilham Fariz Asya Mubarok Indra Kurniawan Indra, Jamaludin Jasmine Dina Sabila Karina Karyadi Karyadi Khoirudin Khoirudin Khoirudin, Khoirudin Kusnadi, Akhmad Maharina, Maharina Melisa Mubarok, Piky Muhamad Mammun Muhamad Rizky Arfani Muhamad Rizky Arfani Muhammad Difa Prakoso Fuadi Muhammad Khaerudin Novalia, Elfina Nur Widyartha, Yogi Nur ‘Azah Nurajizah, Dhea Nurapriani, Fitria Nurfajria, Dera Nurhayati Nurlaelasari, Euis Paryono, Tukino Pradana Rizki Maulana Pratama, Tito Chaerul Priyatna, Bayu Priyatna, Bayu Puspita Sari, Desti Rahdiana, Nana Rahmatiani, Lusiana Ramadanti, Anita Khansa Rati Ratnasari Ratna Juwita, Ayu Rini Mayasari Rosalina, Elsa Sabrina Amanda Salsabila Saefil Aripiyanto Salsabila, Nasya Setiawan, Pratama Wahyu Setiawan, Pratama Wahyu Shofa Shofia Hilab Shofa Shofia Hilabi Shofa Shofia Hilabi Shofa Shofia Hilabi Shofa Shofiah Hilabi Shofa Shofiah Hilabi Shofia Hilabi, Shofa Shofiah Hilabi, Shofa Sifa, Sifa Rismawati Sigit Budi Nugroho Silvana Nazuah Siti Masruroh Sri Wahyuni Suhara, Ade Sukarman Sukarman Sukarman Sukarman Sunarya, Edwin Yohanes Supriyanto, Danang Susilo, Hendri Tamala, Evi TARMUJI TARMUJI, TARMUJI Taufik Ulhakim, Muhamad Thoyib, Imam Nurhuda Tikamori, Ghazi Tukino Tukino , Tukino Tukino Tukino Tukino Tukino Tukino Tukino, Tukino tukino, tukino Tukino, Tukino Tukino, Tukino Utomo, Ainur Alam Budi Wahyu, Pratama Widyanti, Tyas Witulas Ambang Cahyati Yoga Astario, Bayu Zein, Selmia Aulia