p-Index From 2021 - 2026
8.891
P-Index
This Author published in this journals
All Journal Publikasi Pendidikan JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Simantec Jurnal Ilmiah Kursor Scan : Jurnal Teknologi Informasi dan Komunikasi Proceeding International Conference on Information Technology and Business Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) International Journal of Advances in Intelligent Informatics Jurnal Informatika dan Teknik Elektro Terapan Jurnal Sistem Informasi dan Bisnis Cerdas Format : Jurnal Imiah Teknik Informatika Sistemasi: Jurnal Sistem Informasi InComTech: Jurnal Telekomunikasi dan Komputer J-Dinamika: Jurnal Pengabdian Kepada Masyarakat Journal of Information Systems and Informatics bit-Tech Journal of Robotics and Control (JRC) JATI (Jurnal Mahasiswa Teknik Informatika) Jifosi Indonesian Journal of Data and Science Nusantara Science and Technology Proceedings SINTA Journal (Science, Technology, and Agricultural) Jurnal Pengabdian Masyarakat Indonesia Jurnal Ilmiah Teknologi Informasi dan Robotika Jurnal Manajemen Informatika Jayakarta Jurnal Teknologi dan Manajemen International Journal Of Computer, Network Security and Information System (IJCONSIST) Algoritme Jurnal Mahasiswa Teknik Informatika Literasi Nusantara Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Teknik: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Kohesi: Jurnal Sains dan Teknologi Jupiter: Publikasi Ilmu Keteknikan Industri, Teknik Elektro dan Informatika Router : Jurnal Teknik Informatika dan Terapan Modem : Jurnal Informatika dan Sains Teknologi Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi Mars: Jurnal Teknik Mesin, Industri, Elektro dan Ilmu Komputer Uranus: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika Router : Jurnal Teknik Informatika dan Terapan
Claim Missing Document
Check
Articles

Monitoring and Evaluation System for Subsidized Fertilizer Distribution (SIMETRI) Eva Yulia Puspaningrum; Agung Mustika Rizki; Annisaa Sri Indrawanti; Firza Prima Adityawan
Jurnal Teknologi dan Manajemen Vol 5, No 1 (2024): January
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat ITATS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.jtm.2024.v5i1.4922

Abstract

Subsidized fertilizer distribution is a government policy to increase agricultural productivity in Indonesia. However, this distribution resulted in inequality and lack of supervision. This causes the distribution of fertilizers that are not on target and uncontrolled. So far, Food Security and Agriculture Department (FSAD) in Bojonegoro has experienced problems controlling the distribution of subsidized fertilizers. These obstacles are due to the unsynchronized data and the lack of extension workers to check directly on the location. Therefore, a monitoring and evaluation system is needed for the distribution of subsidized fertilizers. This system will integrate data from fertilizer distributors, subsidized farmers group, africultural instructor from sub-districts and the FSAD Bojonegoro can supervise fertilizer distribution. With a monitoring and evaluation system, Agricultural extension officer can monitor fertilizer stocks, thereby minimizing stock shortages and increasing efficiency in the distribution of subsidized fertilizers. And the FSAD can evaluate the distribution fertilizer in Bojonegoro District. The technique used for system development is SDLC (System Development Life Cycle) with Waterfall Model. This system has features such as User Account Verification by Administrator, fertilizer applications from farmer groups, validation of fertilizer by distributors, validation and reset of fertilizer stocks by agricultural instructur officer and evaluate of FSAD Bojonegoro. FSAD Bojonegoro can easily access information regarding the distribution of subsidized fertilizer and evaluate the distribution to performance improvement. System testing has been carried out and the results are that all system performance functions can run well according to their function.
Performance of Contrast Adjustment in Face Recognition with Training Image under Various Lighting Conditions Nugroho, Budi; Eva Yulia Puspaningrum
IJCONSIST JOURNALS Vol 3 No 2 (2022): March
Publisher : International Journal of Computer, Network Security and Information System

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/ijconsist.v3i2.63

Abstract

The lighting factor has a very significant effect on facial recognition performance. To reduce the effect of this lighting factor, at the pre-processing stage the researchers used contrast adjustments to the image to improve facial recognition performance. The histogram equalization technique is generally used for contrast adjustment because of its excellent performance to normalize image illumination which is affected by lighting conditions. In this research, empirical experiments were carried out to determine the effect of contrast adjustment using histogram equalization on face recognition in more detail. This research aims to answer the question whether this technique can be used in all image lighting conditions or not. The Robust Regression method is used in this research to recognize faces, which in many cases have very good performance due to lighting factors. Experiments using images in the AR Face Database related to lighting factors. The testing process is carried out by comparing the results of face recognition using the histogram equalization technique in the pre-processing phase and face recognition without pre-processing in each lighting condition. The experimental results show that the use of the histogram equalization technique in pre-processing gives a better face recognition performance effect in low, medium and high lighting conditions. But in very high (extreme) lighting conditions, the use of the histogram equalization technique in pre-processing turns out to have a worse facial recognition performance effect, with an average accuracy of 93.17%, whereas without pre-processing it produces an average accuracy of 94 , 67%.
Comparing Structured Prompts for Denoising Noisy Certificate Text Dimas Saputra; I Gede Susrama Mas Diyasa; Eva Yulia Puspaningrum; Wan Suryani Wan Awang
IJCONSIST JOURNALS Vol 6 No 2 (2025): March
Publisher : International Journal of Computer, Network Security and Information System

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/ijconsist.v6i2.133

Abstract

This study addresses the challenge of noisy text resulting from Optical Character Recognition (OCR) on certificates, which hinders effective classification in Recognition of Prior Learning (RPL) contexts. To mitigate this issue, researchers propose the use of prompt-based denoising leveraging a Large Language Model (LLM), specifically the Gemini model, to refine the extracted text prior to classification. The methodology integrates OCR via PyTesseract, LLM-driven denoising using structured prompts (CSIR, CLEAR, and CO-STAR), and a BERT-base-uncased model for classification. Synonym replacement is also applied for data augmentation. Performance evaluation is conducted using accuracy, validation accuracy, confusion matrix, and classification reports. The results demonstrate a substantial improvement in classification performance. The baseline scenario achieved an accuracy of 82.14%, whereas the best-performing prompt structure, CO-STAR, reached 98.81%, marking an increase of over 15 percentage points. Similar trends were observed across all evaluation metrics, with CO-STAR delivering the highest precision, recall, and F1-score values. In conclusion, incorporating LLM-driven denoising through effective prompt strategies enhances the quality of OCR-extracted text and significantly boosts classification outcomes in certificate-based applications.
PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PENYAKIT JANTUNG Putra, Riza Satria; Marchel Adias Pradana; Muhammad Misbachuddin; Eva Yulia Puspaningrum
JIFOSI Vol. 5 No. 3 (2024): Perkembangan dan Implementasi Kecerdasan Buatan dalam Sistem Informasi Modern
Publisher : UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifosi.v5i3.471

Abstract

Penyakit Jantung Koroner (PJK) menjadi salah satu penyebab utama kematian di Indonesia setiap tahunnya. Kurangnya akses informasi kesehatan yang memadai menjadi satu diantara banyaknya faktor penyebabnya, yang berujung pada keterlambatan diagnosis dini. Keterlambatan ini meningkatkan risiko komplikasi serius dan angka kematian akibat PJK. Penelitian ini bertujuan untuk mengembangkan model prediksi berbasis algoritma C4.5, yang membangun pohon keputusan berdasarkan data historis pasien. Algoritma C4.5 dipilih karena kemampuannya dalam mengolah data untuk menghasilkan klasifikasi yang akurat. Evaluasi model dilakukan menggunakan teknik validasi silang (k-fold cross validation) untuk memastikan keandalan hasil. Dalam penelitian ini, 10 skenario pengujian dilakukan, dengan performa terbaik diperoleh pada skenario K=3. Hasil evaluasi menunjukkan akurasi sebesar 0.8941, presisi 0.9000, dan recall 0.9184. Temuan ini menunjukkan bahwa algoritma C4.5 efektif dalam mendukung prediksi awal PJK dengan tingkat akurasi yang tinggi. Model prediksi ini diharapkan dapat membantu dalam mengurangi angka kematian akibat PJK melalui deteksi dini yang lebih baik dan berbasis data.
PENERAPAN LIGHTGBM MENGGUNAKAN EKSTRAKSI FITUR RUANG WARNA HSV UNTUK KLASIFIKASI REMPAH RIMPANG Fahmi Al Hafidz, Achmad; Yulia Puspaningrum, Eva; Lina Nurlaili, Afina
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.14306

Abstract

Rempah rimpang memiliki peran penting dalam dunia kuliner dan industri pangan, namun identifikasi jenis rempah secara manual seringkali menemui hambatan karena kemiripan visual antar jenis. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis yang akurat dan efisien menggunakan metode Light Gradient Boosting Machine (LGBM) dengan fitur utama berupa representasi warna HSV (Hue, Saturation, Value). Dataset yang digunakan terdiri dari 2.250 citra rempah yang telah melalui proses preprocessing seperti resizing ke ukuran 512x512 piksel, penghapusan latar belakang, normalisasi, dan augmentasi. Hasil evaluasi menunjukkan bahwa penggunaan fitur HSV dengan rasio pembagian data 70:30 memberikan performa yang cukup optimal, dengan akurasi mencapai 82,67%. Temuan ini menegaskan bahwa fitur HSV bisa diterapkan dalam membedakan jenis rempah rimpang dan dapat menjadi pendekatan yang andal untuk membangun sistem klasifikasi otomatis, terutama dalam mendukung proses identifikasi cepat di industri pangan dan sektor UMKM
KLASIFIKASI BUNGA HERBAL MENGGUNAKAN MODEL INCEPTIONV3 DAN VISION TRANSFORMER Prisheila Dharmawan, Diaz; Yulia Puspaningrum, Eva; Lina Nurlaili, Afina
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.14308

Abstract

Bunga merupakan bagian penting dari tumbuhan yang memiliki berbagai manfaat medis. Namun, beberapa jenis bunga memiliki kemiripan dalam bentuk dan warna, sehingga sulit diklasifikasikan secara manual. Kesulitan dalam membedakan spesies yang mirip menjadi tantangan utama dalam klasifikasi otomatis, sehingga diperlukan model yang dapat menangkap informasi visual lebih kompleks. Penelitian ini mengusulkan pendekatan InceptionV3 dan Vision Transformer untuk ekstraksi fitur mendalam, dengan tujuan mengembangkan model klasifikasi yang lebih akurat dalam membedakan bunga herbal. Metode penelitian terdiri dari enam tahap utama, yaitu akuisisi data, pengubahan ukuran citra, ekstraksi fitur menggunakan InceptionV3 dan Vision Transformer, pembagian data, klasifikasi dengan MLP, dan evaluasi model. Model diuji dengan berbagai konfigurasi parameter, termasuk data split 90:10, learning rate 0.0001, batch size 64, serta arsitektur hidden layer 1024–512–256. Hasil eksperimen menunjukkan bahwa konfigurasi terbaik menghasilkan akurasi 78.29% dengan loss 0.6162. Evaluasi lebih lanjut menunjukkan bahwa model memiliki precision, recall, dan F1-score sebesar 78.4%, dengan prediksi terbaik pada kelas Common Daisy dan Black-Eyed Susan, di mana tingkat prediksi benar mencapai lebih dari 84%. Penelitian ini berkontribusi dalam pengembangan metode klasifikasi bunga herbal dengan memanfaatkan model InceptionV3 dan Vision Transformer untuk ekstraksi fitur mendalam. Hasil yang diperoleh menunjukkan efektivitas pendekatan ini dalam meningkatkan akurasi klasifikasi bunga yang memiliki karakteristik visual serupa
KLASIFIKASI VARIETAS ANGGUR BERDASARKAN CITRA DAUN MENGGUNAKAN VGG16-XGBOOST Elzandy, Imeldha; Yulia Puspaningrum, Eva; Lina Nurlaili, Afina
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.14309

Abstract

Tanaman anggur memiliki varietas beragam dengan karakteristik daun yang cukup mirip antar varietas, hal ini menjadi tantangan tersendiri dalam proses pengenalan varietas secara manual, terutama bagi masyarakat awam. Penelitian ini bertujuan untuk melakukan klasifikasi varietas anggur berdasarkan citra daun menggunakan kombinasi metode CNN dengan arsitektur VGG-16 sebagai ekstraksi fitur dan XGBoost sebagai klasifikasi. Adapun empat varietas anggur yang digunakan pada penelitian ini, yaitu Jumer, Ninel, Ruby88, dan Transfigurasi. Dataset yang digunakan terdiri dari 560 citra untuk pelatihan dan 60 citra untuk pengujian, yang kemudian dilakukan proses ekstraksi fitur menggunakan VGG-16 dan diklasifikasikan menggunakan XGBoost. Model dievaluasi menggunakan metrik accuracy, precision, recall, dan f1-score. Hasil pada penelitian menunjukkan bahwa kombinasi metode VGG-16 dan XGBoost mampu menghasilkan accuracy klasifikasi dengan hasil 89.58%, precision = 89.64%, nilai recall = 89.58%, nilai f1-Score = 89.55% dengan estimasi waktu training selama 832.55 detik
IMPLEMENTASI BILSTM DAN CUCKOO SEARCH OPTIMIZATION PADA APLIKASI PREDIKSI HARGA EMAS ANTAM Nurul Taukid, Mochamad; Vita Via, Yisti; Yulia Puspaningrum, Eva
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.14310

Abstract

Emas merupakan komoditas utama yang diminati investor karena dianggap sebagai safe haven yang dapat melindungi dan meningkatkan kekayaan. Namun, investasi emas memiliki risiko akibat fluktuasi harga yang tajam. Oleh karena itu, prediksi harga emas sangat penting untuk membantu investor menentukan waktu yang tepat dalam membeli dan menjual emas guna meningkatkan potensi keuntungan. Penelitian ini menggunakan metode prediksi hybrid BiLSTM-CSO, yang menggabungkan kemampuan BiLSTM dalam mengelola data deret waktu dua arah dengan algoritma CSO untuk mengoptimasi hyperparameter seperti jumlah neuron pada setiap hidden layer, batch size, dan dropout rate, sehingga dapat meningkatkan akurasi prediksi. Hasil evaluasi menunjukkan bahwa model ini mampu memberikan performa prediksi yang baik dengan nilai RMSE sebesar 0.01315 dan MAPE sebesar 0.81%. Model ini kemudian diimplementasikan ke dalam aplikasi web yang menjadi potensi sebagai alat bantu yang informatif untuk memantau dan memprediksi harga emas
KLASIFIKASI PENYAKIT DAUN MANGGA MENGGUNAKAN ANFIS Dwi Anggraeni, Shinta; Yulia Puspaningrum, Eva; Lina Nurlaili, Afina
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.14311

Abstract

Deteksi penyakit daun mangga dapat dilakukan melalui analisis bentuk dan tekstur daun. Setiap jenis penyakit menyebabkan perubahan karakteristik daun, sehingga analisis bentuk dan tekstur dapat menjadi dasar klasifikasi penyakit. Metode manual seperti pengamatan visual memiliki kelemahan karena subjektif dan kurang akurat. Oleh karena itu, diperlukan pendekatan berbasis pengolahan citra digital untuk meningkatkan akurasi identifikasi penyakit. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis penyakit daun mangga menggunakan metode Gray Level Co-occurrence Matrix (GLCM) untuk ekstraksi fitur tekstur dan Adaptive Neuro-Fuzzy Inference System (ANFIS) sebagai algoritma klasifikasi. Dataset yang digunakan terdiri dari citra daun mangga berpenyakit anthracnose, bacterial canker, die back, gall midge, powdery mildew, sooty mould, serta daun sehat. Hasil pengujian menunjukkan bahwa akurasi tertinggi diperoleh pada pengujian lima membership function, dengan hasil terbaik oleh MF Gaussian. Fungsi keanggotaan Gaussian memberikan akurasi rata-rata 74,6% dan nilai loss terendah sebesar 0,346 dibandingkan fungsi keanggotaan lainnya. Dengan demikian, metode GLCM dan ANFIS terbukti cukup efektif dalam mengklasifikasikan penyakit daun mangga secara otomatis dan dapat menjadi solusi alternatif terhadap metode manual
Optimization of CNN Activation Functions using Xception for South Sulawesi Batik Classification Aswan, Aswan; Puspaningrum, Eva Yulia; Asrul, Billy Eden William
Sistemasi: Jurnal Sistem Informasi Vol 14, No 5 (2025): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v14i5.5281

Abstract

Batik motifs from South Sulawesi such as the Pinisi boat, Lontara script, Tongkonan house and Toraja combinations embody rich cultural narratives but are difficult to identify automatically. Automatic classification supports cultural preservation and education and empowers tourism and digital heritage applications. This study improves the performance of convolutional neural networks for South Sulawesi batik classification by optimizing activation functions within the Xception architecture which exploits depthwise separable convolutions for efficient and detailed feature extraction. A balanced dataset of 1400 labeled images in four classes was divided into eighty percent for training, ten percent for validation and ten percent for testing. Images were resized to 224 by 224 pixels, converted to grayscale and augmented through zoom, flip and rotation. With identical hyperparameters including a learning rate of 0.001, a batch size of 64 and training for 100 epochs using the Adam optimizer, ReLU, ELU, Leaky ReLU and Swish activation functions were compared. Evaluation metrics comprised accuracy, precision, recall, F1 score and cross entropy loss. ELU achieved the highest test accuracy of 98.57 percent, precision of 0.9864, recall of 0.9857 and F1 score of 0.9857, outperforming ReLU and Leaky ReLU with 97.86 percent accuracy and Swish with 97.14 percent accuracy. The results demonstrate that selecting an optimal activation function substantially enhances convolutional neural network classification of complex batik patterns. The findings offer practical guidance for development of resource aware batik identification systems in support of cultural digitization and education initiatives.
Co-Authors Abiyan Naufal Hilmi Achmad Junaidi Adityawan, Firza Prima Adyani, Adelia Putri Afina Lina Nurlaili Agung Mujiono, Alfinas Agung Mustika Rizki Agung Mustika Rizki, Agung Mustika Ahmad Fahry Hamidy Ahmad Hilman Dani Akbar, Fawwaz Ali Al Danny Rian Wibisono Ali Muhhamad Saleh Baaboud Andhika Ahnaf Daniswara Andreas Nugroho Sihananto Annisaa Sri Indrawanti annisaa sri indrawanti annisaa sri indrawanti Anny Yuniarti Aqsa Prima Cahya Ariani, Dian Dwi Ariyono Setiawan Aryananda, Rangga Laksana Aswan Aswan Attaqwa, Syukur Iman Awang, Mohd Khalid Az-Zahro', Syaikhhanun Nabila Azizah, Nabila Wafiqotul Bagus Sutikno Putra Basuki Rahmat Basuki Rahmat Basuki Rahmat Masdi Siduppa Bimantara, Candra Kusuma Muhammad Budi Nugroho Budi Nugroho Budi Nugroho Budi Nugroho Chafid, M Putih Daniswara, Sena Devan Cakra Mudra Wijaya Dewi, Deshinta Arrova Dhian Satria Yudha K. Dimas Saputra Diyasa, I Gede Susrama Mas Dwi Anggraeni, Shinta Dwiki Aditama Supangkat Eka Prakarsa Mandyartha Eka Prakarsa Mandyartha, Eka Elzandy, Imeldha Etniko Siagian, Pangestu Sandya Fahmi Al Hafidz, Achmad Fara Disa Durry Faris Syaifulloh Farkhan, Farkhan Fetty Tri Anggraeny Firyal Wishal Nabili Firza Prima Aditiawan Firza Prima Adityawan Firza Prima Adityawan Fitri Rahmawati Hadi, Surjo Hapsari Wiji Utami Hasby Bik, Ahmad Henni Endah Wahanani Humairah, Sayyidah Humam Maulana Tsubasanofa Ramadhan I Gede Susrama Mas Diyasa I Gede Susrama Mas Diyasa I Nyoman Sujana I Wayan Alston Argodi Idhana, Ilham Ainur indrawanti, annisaa sri Karim, Mohammad Daniel Sulthonul Kartini Kartini Lestari, Kusmiyati Lina Nurlaili, Afina M. Syahrul Munir, M. Syahrul Mada Lazuardi Nazilly Made Hanindia Prami Swari Mandyartha, Eka Prakarsa Manggala, Herwantoro Arya Marchel Adias Pradana Maulana, Hendra Merdin Risalul Abrori Moch. Hatta Mohammad Idhom Muhammad Asyraf Muhammad Fernanda Naufal Fathoni Muhammad Misbachuddin Muhammad Muharrom Al Haromainy Muhammad Syafril Hidayat Nabilah, Qonitah Jihan Nanik Suciati Noor Fitria Azzahra Nugroho, Budi Nugroho, Budi Nugroho, Budi Nurcahyo, Syai'in Bayu Nurul Taukid, Mochamad Pallawabonang, Mahabintang Pratama Wirya Atmaja Pratama, Gede Ardi Prisheila Dharmawan, Diaz Putra, Chrystia Aji Putra, Riza Satria Putri, Desya Ristya Retno Mumpuni Rizki, Agung Mustika Rizqi Mar'atus Sholiihah, Eka Royan Fajar Sultoni S J Saputra, Wahyu Safira, Dwi Putri Salsabilah, Andini Fitriyah Samuel Krispama Lumbantoruan Saputra, Raka Aji Saputra, Wahyu S J Saputra, Wahyu S J Saputra, Wahyu S. J. Saputra, Wahyu S.J. Satria Yudha Kartika , Dhian Shawn Hafizh Adefrid Pietersz Shofiya Syidada Sukendah, Sukendah Sunarko, Victor Immanuel Surjohadi, Surjohadi Susrama Mas Diyasa, I Gede Syahrul Hidayat Syaifullah JS, Wahyu Taruna Ardianto Tataq Distasianto Utami, Hapsari Wiji Vita Via, Yisti Wafiqotul Azizah, Nabila Wahyu Caesarendra Wahyu Dwi Lestari Wahyu S.J. Saputra Wahyu Syaifullah Jauharis Saputra Wan Awang, Wan Suryani Wan Suryani Wan Awang Widiastuty, Riana Retno Wiji Utami, Hapsari Yisti Vita Via Yisti Vita Via Yogie Wilvren Saragih Yudha K., Dhian Satria Yudhistira Nanda Kumala YUSMI NUR AINI Zacky Yaser Malik Gumiwang Zalfa Ibtisamah Arishandy ZAMAZANI, ZAIN MUZADID Zuhriyah, Sitti