Article Per Year (5 Year)
p-Index From 2021 - 2026
8.238
P-Index
This Author published in this journals
All Journal Publikasi Pendidikan JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Simantec 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 Jurnal Pengabdian Masyarakat Indonesia Jurnal Manajemen Informatika Jayakarta International Journal Of Computer, Network Security and Information System (IJCONSIST) Algoritme Jurnal Mahasiswa Teknik Informatika Literasi Nusantara 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
Eva Yulia Puspaningrum
Universitas Pembangunan Nasional “Veteran” Jawa Timur
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities 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 Dentistry 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 Medicine & Pharmacology Neuroscience Physics Public Health Social Sciences Other

Published : 86 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 86 Documents
Search

 5   6   7   8   9 
PERBANDINGAN DECISION TREE DAN NAÏVE BAYES CLASSIFIER PADA ANALISIS SENTIMEN MENGENAI KEBIJAKAN PENGHAPUSAN KEWAJIBAN SKRIPSI Idhana, Ilham Ainur; Rahmat, Basuki; Puspaningrum, Eva Yulia
Kohesi: Jurnal Sains dan Teknologi Vol. 7 No. 7 (2025): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v7i6.11878

Abstract

Kebijakan penghapusan kewajiban skripsi sebagai syarat kelulusan mahasiswa S1/D4 yang diatur dalam Permendikbudristek Nomor 53 Tahun 2023 telah memunculkan berbagai reaksi di kalangan masyarakat, terutama di media sosial seperti Twitter. Oleh karena itu, algoritma Decision Tree (DT) Naïve Bayes Classifier (NBC) dan diterapkan untuk mengklasifikasikan sentimen masyarakat terhadap kebijakan penghapusan kewajiban skripsi di Indonesia. Tujuan utama dari penelitian ini adalah untuk mengevaluasi kinerja algoritma DT dan NBC dalam mengklasifikasikan data teks ke dalam tiga kategori, yaitu positif, netral, dan negatif. Dataset yang digunakan berupa ribuan tweet yang telah melalui tahap preprocessing dan pelabelan menggunakan pendekatan lexicon-based serta ekstraksi fitur menggunakan TF-IDF. Hasil penelitian menunjukkan bahwa sentimen negatif lebih dominan dibandingkan sentimen positif dan netral. Evaluasi performa model dilakukan menggunakan metrik akurasi, di mana hasil terbaik diperoleh pada model Naïve Bayes dengan akurasi 77.13% dan nilai rata-rata AUC-ROC sebesar 56%, sementara Decision Tree mencapai akurasi 74.21% dan nilai rata-rata AUC-ROC 53%. Hasil ini menunjukkan bahwa Naïve Bayes lebih unggul dalam klasifikasi teks berbasis opini masyarakat di media sosial dibandingkan dengan Decision Tree.
IMPLEMENTASI PROGRESSIVE WEB APPLICATION (PWA) DALAM PENGEMBANGAN SISTEM PESAN-ANTAR MAKANAN (STUDI KASUS: WIRAWIRI BOJONEGORO) Bimantara, Candra Kusuma Muhammad; Akbar, Fawwaz Ali; Puspaningrum, Eva Yulia
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.v13i2.6132

Abstract

Layanan pesan-antar makanan daring mengalami pertumbuhan pesat seiring dengan kemajuan teknologi dan perubahan gaya hidup modern. Salah satu layanan lokal, WiraWiri Bojonegoro, menawarkan jasa pesan-antar makanan dengan menggandeng UMKM dan PKL sebagai mitra. Namun, sistem saat ini masih bergantung pada WhatsApp untuk pemrosesan pesanan dan pemilihan driver secara manual, sehingga mengakibatkan antrian panjang dan kurang efisien. Untuk mengatasi masalah ini, penelitian ini mengembangkan sistem pesan-antar makanan mengimplementasikan Progressive Web Application (PWA). teknologi PWA menghadirkan pengalaman pengguna yang responsif, cepat, dan dapat diakses baik online maupun offline. Pada penelitian ini di dapat sistem pesan antar berbasis Progressive Web Application (PWA) dengan menerapkan push notification, serta kemampuan menambahkan aplikasi ke layar utama (home screen). Secara keseluruhan, fitur-fitur pada sistem pesan-antar berfungsi dengan baik berdasarkan hasil pengujian fungsionalitas.
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
Co-Authors Abiyan Naufal Hilmi Achmad Junaidi Adityawan, Firza Prima Adyani, Adelia Putri 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 Anny Yuniarti Aqsa Prima Cahya Ariani, Dian Dwi Ariyono Setiawan Aryananda, Rangga Laksana Aswan Aswan Attaqwa, Syukur Iman 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 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 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 Firza Prima Adityawan Fitri Rahmawati 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 Manggala, Herwantoro Arya Marchel Adias Pradana Mas Diyasa, I Gede Susrama Mas Diyasa, I Gede Susrama Susrama 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 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 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 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 ZAMAZANI, ZAIN MUZADID Zuhriyah, Sitti