Article Per Year (5 Year)
p-Index From 2021 - 2026
7.46
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika UNIKA Santo Thomas Jurnal Sistem Informasi Kaputama (JSIK) JATI (Jurnal Mahasiswa Teknik Informatika) JOINT (Journal of Information Technology MEANS (Media Informasi Analisa dan Sistem) Tematik : Jurnal Teknologi Informasi Komunikasi Jurnal Informatika Terpadu Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) AMMA : Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi dan Manajemen SRODJA
Hayati, Umi
Unknown Affiliation
Humanities Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing Social Sciences

Published : 60 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 60 Documents
Search

 2   3   4   5   6 
KLASTERISASI KORBAN KEKERASAN MENGGUNAKAN ALGORITMA K-MEANS DI JAWA BARAT Riskandi, Muhammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8457

Abstract

Semua orang ingin merasa aman dan bebas dari rasa takut akan kekerasan. Namun, dalam kehidupan sehari-hari, siapa pun, tanpa memandang jenis kelamin atau status, dapat menjadi korban kekerasan, baik dari orang yang dikenal maupun tidak dikenal. Kekerasan dapat didefinisikan sebagai tindakan atau ancaman yang dapat menyebabkan kematian, kerugian psikologis, atau trauma pada diri sendiri, kelompok, masyarakat, atau individu. Kekerasan merupakan permasalahan kompleks yang mengganggu kesejahteraan masyarakat di berbagai wilayah, termasuk di Jawa Barat. Oleh Karena itu diperlukan data mining untuk menganmbil langkah yang tepat dalam menekan kasus kekerasan yang terjadi di jawa barat. Data yang digunakan dalam penelitian ini berupa data sekunder data ini berasal dari situs resmi jawa barat yaitu opendata.jabarprov. Metodologi penelitian ini menggunakan Knowladge Discovery in Database (KDD). Algoritma K-means digunakan untuk mengklasterisasi korban kekerasan berdsarkan jenis kelamin dan kelompok umur, berhasil mendapati klaster yang yang paling optimal yaitu k-6, dilakukan 10 kali percobaan untuk menemukan nilai DBI teroptimal, dimulai dari penerapan k-2 hingga percobaan k-10. Percobaan ini dilakukan untuk mencari jumlah klaster terbaik berdasarkan nilai DBInya. Setelah dilakukan percobaan untuk menentukan jumlah klaster dari k-2 sampai k-10 ditemukan bahwa nilai DBI teroptimal dimiliki oleh klaster 6 (k-6) dengan nilai DBI yang paling mendekati 0 yaitu sebesar 0.452.
ANALISIS PENGELOMPOKAN PENJUALAN MENGGUNAKAN METODE K-MEANS PADA BISNIS CENTER SMK WAHIDIN Aji Dian Permana, Muhamad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8695

Abstract

Bisnis Center SMK Wahidin adalah entitas bisnis yang beroperasi dalam konteks pendidikan, yang menyediakan berbagai produk dan layanan kepada komunitas sekolah dan orang tua siswa. Bisnis Center ini menjual berbagai barang, termasuk seragam sekolah, peralatan pendidikan, dan souvenir. Metode K-Means adalah salah satu teknik clustering yang populer dalam analisis data, yang dapat membantu mengidentifikasi pola-pola tersembunyi dalam data penjualan Bisnis Center SMK Wahidin. Dalam penelitian ini, kami mengumpulkan data penjualan dari 1 Juli 2023 sampai 31 Oktober 2023, yang mencakup informasi tentang jenis produk yang dijual, harga produk serta jumlah penjualan. Data ini kemudian digunakan sebagai dasar untuk analisis pengelompokan penjualan dengan metode K-Means. Penelitian ini akan merinci bagaimana hasil analisis ini dapat digunakan sebagai panduan bagi Bisnis Center di sekolah-sekolah lain yang memiliki unit bisnis serupa. Analisis ini dapat menjadi model bagi upaya pengelompokan penjualan dan manajemen operasional yang lebih efektif dalam lingkungan sekolah. Sebagai langkah selanjutnya, penelitian ini dapat diperluas dengan mempertimbangkan teknik clustering lainnya, serta pengumpulan data yang lebih luas dan waktu observasi yang lebih panjang untuk analisis yang lebih mendalam. penelitian ini memberikan landasan bagi pengembangan strategi bisnis yang lebih cerdas dan efisien di Bisnis Center SMK Wahidin serta unit bisnis serupa dalam lingkungan pendidikan.
PENGELOMPOKAN ASAL SEKOLAH SISWA MENGGUNAKAN ALGORITMA K-MEANS Nanita, Nanita; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.8718

Abstract

Sekolah Menengah Kejuruan adalah jenjang pendidikan menengah yang menawarkan program keahlian atau jurusan tertentu yang berfokus pada penguasaan keterampilan praktis. Peningkatan efektivitas strategi pendidikan membutuhkan pemahaman mendalam terhadap profil siswa, khususnya asal sekolah mereka. Dengan banyaknya data calon penerimaan siswa baru yang mendaftar, menimbulkan permasalahan yaitu pihak SMK belum memanfaatkan data asal sekolah tersebut dengan baik. Adapun motode yang dipakai yaitu metode clustering untuk mengelompokkan siswa berdasarkan asal sekolah menjadi sebuah pendekatan untuk memahami dan meningkatkan manajemen siswa baru di Sekolah Menengah Kejuruan Wahidin. Penelitian ini bertujuan untuk melakukan clustering terhadap asal siswa Sekolah Menengah Kejuruan Wahidin di Kota Cirebon menggunakan metode K-Means. Hasil penelitian menunjukkan bahwa pengelompokan siswa berdasarkan asal sekolah mampu membentuk kelompok-kelompok yang memperhatikan perbedaan karakteristik antar kelompok. Dalam penelitian ini peneliti melakukan uji coba dari K=2 sampai dengan K=10 dan menghasilkan nilai Davies Bouldin Index terbaik yaitu sebesar -0,245 pada K=10. Hasil cluster asal sekolah siswa menggunakan metode k-means dapat disimpulkan cluster tersebut dapat dianalisis untuk mendapatkan informasi yang lebih akurat sebagai rujukan dalam menyusun strategi promosi kepada calon siswa baru. Dalam konteks penempatan di kelas, penelitian ini memberikan kontribusi penting dalam pengoptimalan distribusi siswa di berbagai program studi, memungkinkan personalisasi pembelajaran yang lebih efektif. Implikasi praktis dari penelitian ini mencakup penyempurnaan manajemen sekolah, penerapan strategi pembelajaran yang lebih sesuai, dan peningkatan interaksi sosial antar siswa. Dengan adanya informasi ini, lembaga pendidikan dapat meningkatkan efisiensi pengelolaan siswa baru, meningkatkan kualitas pendidikan, dan menciptakan lingkungan belajar yang lebih inklusif. Studi ini juga membuka peluang untuk penelitian lanjutan dalam pengembangan model clustering yang lebih kompleks dan penyesuaian pendekatan pendidikan untuk mendukung keberagaman siswa
PENINGKATAN KONTROL SUHU RUANGAN MELALUI ARDUINO UNO MIKROKONTROLLER DI KANTOR PEMERINTAHAN DESA KEBONTURI Abdillah, Naufal; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8741

Abstract

Penelitian ini berfokus pada peningkatan kontrol suhu ruangan melalui penggunaan mikrokontroler Arduino Uno di kantor pemerintahan Desa Kebonturi. Tujuan utama adalah mengembangkan sistem pengaturan suhu ruangan yang efisien dan otomatis, yang dapat mengoptimalkan suhu ruangan, menciptakan kenyamanan bagi penghuni, dan menghemat energi. Metode yang digunakan adalah eksperimen, dengan mengumpulkan data suhu saat ini di beberapa ruangan dan menggunakan data tersebut untuk mengembangkan algoritma pengaturan suhu. Mikrokontroler Arduino Uno diprogram untuk mengendalikan perangkat pemanas atau pendingin ruangan berdasarkan data suhu yang diperoleh, dan sensor suhu digunakan untuk terus memantau suhu saat ini. Hasil penelitian menunjukkan bahwa sistem ini dapat mengoptimalkan pengaturan suhu ruangan, menghasilkan penghematan energi yang signifikan dan meningkatkan kenyamanan penghuni ruangan. Penelitian ini memberikan kontribusi positif dalam upaya meningkatkan kualitas hidup di desa-desa melalui pemanfaatan teknologi yang tepat guna. Selain itu, hasil pengujian menunjukkan bahwa sistem mampu mempertahankan suhu ruangan pada 25°C, dengan variasi suhu yang tercatat di Ruang Kepala Desa antara 27°C dan 28°C, di Ruang Administrasi antara 28°C dan 29°C, dan di Ruang Rapat antara 29°C dan 28°C, menunjukkan keefektifan sistem dalam mengontrol suhu ruangan meskipun terdapat ruang untuk peningkatan lebih lanjut.
ANALISIS DATA MINING DALAM MENENTUKAN STRATEGI PENJUALAN TERHADAP POLA PEMBELIAN PADA PENJUALAN PRODUK SHAKA VAPORSHOP MENGGUNAKAN ALGORITMA FP-GROWTH Aziz Sahidin, Naufal; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8782

Abstract

Dalam membangun sebuah bisnis toko vape sangat memerlukan penggunaan teknologi informasi, guna mendukung kelancaran penjualan produk-produk vape yang telah tersedia pada toko. Pemilik toko kesulitan mengetahui produk mana yang paling laris dalam waktu yang bersamaan. Pemilik usaha perlu menentukan strategi penjualan yang efektif untuk meningkatkan penjualan produk. Salah satu cara untuk menentukan strategi penjualan yang efektif adalah dengan memanfaatkan teknik data mining. Penelitian ini dilakukan untuk menentukan produk-produk yang sering dibeli secara bersamaan oleh pelanggan. Hasil penelitian ini akan digunakan untuk mengembangkan strategi penjualan yang lebih efektif. Penelitian ini menggunakan algoritma FP-Growth untuk menghasilkan kumpulan frequent itemset. frequent itemset kemudian digunakan untuk menentukan aturan yang menghasilkan kumpulan item yang lebih terarah. Algoritma FP-Growth merupakan pengembangan dari algoritma Apriori. Analisis perhitungan metode Apriori yang dibangun menghasilkan aturan asosiasi yang cukup baik, tetapi proses pembentukan nya membutuhkan waktu yang lama. Sebaliknya, analisis perhitungan metode FP-Growth menghasilkan aturan asosiasi yang lebih efektif dan efisien. Data yang digunakan yaitu 15 jenis produk vape dan 1161 data transaksi. Pada penelitian ini ditentukan nilai minimum support sebesar 0,6 dan nilai minimum confidence sebesar 0,8 Dari hasil pengujian yang dilakukan didapatkan sebuah aturan (rule) dengan nilai confidence 1.
CLUSTERING PENDUDUK MISKIN UNTUK PENERIMA BANTUAN SOSIAL MENGGUNAKAN ALGORITMA K-MEANS: STUDI KASUS: DESA GREGED Subur, Muhamad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8809

Abstract

Penyaluran bantuan sosial merupakan strategi vital yang diterapkan oleh pemerintah dan organisasi kemanusiaan untuk memberikan dukungan finansial atau materi kepada individu atau kelompok yang memerlukan. Salah satu kesulitan yang terkadang dihadapi Pemerintah dalam proses penanganan kemiskinan adalah proses pembagian bantuan sosial yang tidak merata dan tidak tepat sasaran. Ini disebabkan karena validasi data sering diabaikan sehingga sering menimbulkan data yang tidak akurat. Tujuan dari penelitian ini penulis mencoba untuk menerapkan Teknik clustering dengan menggunakan algoritma K-Means sebagai metode penyelesaian dalam mengelompokkan data penduduk di Desa Greged yang memang dikatakan tergolong penduduk yang berhak menerima bantuan sosial. . Evaluasi dilakukan di software rapidminer dengan operator cluster distance performance dengan hasil 10 percobaan dengan menggunakan algoritma K-Means Clustering menunjukkan bahwa nilai K yang Paling optimal adalah K=10. Nilai DBI untuk K=10 adalah 0,049, yang menunjukan bahwa cluster-cluster penerima bantuan sosial memiliki tingkat kekompakan yang tinggi dan tingkat kesenjangan antar cluster yang rendah. Hal ini mengindikasikan bahwa penerima bantuan sosial di Desa Greged dapat di kelompokkan menjadi 10 cluster yang berbeda berdasarkan karakteristik demografis, ekonomi, dan sosial mereka.
ALGORITMA K-MEANS UNTUK CLUSTERING PENERIMA PROGRAM KELUARGA HARAPAN DI NANAENOE NUSA TENGGARA TIMUR Moruk, Ewaldus; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9148

Abstract

Setiap desa di Provinsi Nusa Tenggara Timur dapat mengelolah dana bantuan, salah satunya memprioritaskan bantuan masyarakat kepada keluarga berpenghasilan rendah yang tergabung dalam Program Keluarga Harapan. Kesulitan ini disebabkan banyaknya jumlah masyarakat berpenghasilan rendah di setiap daerah, dan lokasi dimana tempat tinggalnya harus diperhatikan, rumah tidak layak huni, kepala rumah tangga menganggur, rata-rata pendapatan per bulan, jumlah anggota keluarga, ada tidaknya anggota keluarga yang masih bersekolah dan faktor lainnya. Penerimaan bantuan Program Keluarga Harapan menjadi prioritas utama bagi keluarga berpenghasilan rendah. Metode yang digunakan dalam penelitian ini adalah metode k-means clustering yang terbagi dalam tahap pengumpulan data, data latih, dan data uji, dengan memperhatikan kriteria sebagai berikut: nama lengkap, tempat lahir, status perkawinan, pekerjaan, dusun dan pendidikan terakhir. Dengan menguji k=10 melalui clustering k-means, dengan Davies Bouldin index dapat dihasilkan urutan K2= 0.883, urutan K3=1.225, urutan K4=1.059, urutan K5=0.934, urutan K6=0.838, urutan K7=0.764, urutan K8=0.817, urutan K9=0.835, urutan K10=0.866, maka kesimpulan dari proses Cluster terlihat pada nilai Davies Bouldin Index yang terbaik yaitu 0,764 pada urutan K7. Dapat diimplementasikan pengelompokan data penerima manfaat bantuan dengan metode k-means clustering, dapat mengetahui cluster masyarakat yang mendapat bantuan Program Keluarga Harapan di Desa Nanaenoe.
PENGELOMPOKAN TRANSAKSI PENJUALAN AKSESORIS HP DAN PULSA DENGAN METODE K-MEANS UNTUK MENINGKATKAN STRATEGI PEMASARAN DI TOKO BAGUS CELLULER Syam Al ghifari, Muhammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9559

Abstract

Dalam bidang Informatika, menghadapi tantangan penting dalam pengklasifikasian transaksi bisnis menjadi sebuah isu yang mendesak, khususnya bagi sektor ritel seperti Bagus Celluler. Isu utama yang muncul adalah kerumitan dan jumlah data yang bertambah seiring kemajuan teknologi. Studi ini diarahkan untuk mengeksplorasi dan mengimplementasikan metode klasterisasi data dengan menggunakan algoritma K-Means, khususnya pada transaksi penjualan aksesoris telepon seluler dan voucher pulsa di Bagus Celluler. Tujuan klasterisasi ini adalah untuk menemukan tren pembelian yang seragam di antara berbagai segmen konsumen. Data yang terkumpul dari Bagus Celluler akan ditelaah dengan teliti melalui algoritma K-Means untuk mengkategorikan konsumen berdasarkan pola pembelian mereka. Studi kasus ini dilaksanakan dengan mengambil contoh Bagus Celluler, yang mencerminkan dinamika pasar aksesoris telepon seluler dan voucher pulsa di wilayah spesifik. Dengan penerapan algoritma K-Means, diharapkan temuan dari studi ini akan menyediakan wawasan strategis yang bermanfaat bagi Bagus Celluler untuk meningkatkan strategi pemasaran mereka, dengan menyesuaikan penawaran produk dan jasa sesuai dengan kecenderungan konsumen yang beragam. Studi ini bertujuan untuk memberikan pemahaman yang lebih dalam mengenai klasterisasi dalam sektor ritel, terutama pada pasar aksesoris telepon seluler dan voucher pulsa. Selain itu, studi ini juga menunjukkan bagaimana analisis data dapat dimanfaatkan untuk memperbaiki strategi pemasaran dan meningkatkan kepuasan konsumen. Berdasarkan hasil klasterisasi, jumlah kelompok optimal untuk data transaksi penjualan aksesoris telepon seluler dan voucher pulsa dengan menggunakan algoritma K-Means dan indeks Davies Bouldin adalah tiga, dengan nilai Davies Bouldin sebesar-0.205−0.205. Nilai maksimum iterasi yang menghasilkan klaster terbaik untuk data transaksi ini, yang berkisar dari satu hingga sepuluh dan dihitung secara numerik, menunjukkan konsistensi nilai DBI sebesar -0.205−0.205 untuk klaster K=3. Hasil studi ini diharapkan dapat menjadi fondasi dalam merancang strategi pemasaran yang lebih efisien dan sesuai dengan setiap segmen konsumen yang telah diidentifikasi.
CLUSTERING DATA INDONESIAN FOOD DELIVERY MENGGUNAKAN METODE K-MEANS PADA GOFOOD PRODUCT LIST Farhan Nugraha, Muhamad; Martano, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9727

Abstract

Dalam era transformasi digital yang berkembang pesat, layanan pengiriman makanan, seperti GoFood di Indonesia, menunjukkan dampak konkret pada perubahan perilaku konsumen. Penelitian ini bertujuan untuk memahami bagaimana transformasi digital memengaruhi interaksi konsumen dengan layanan pengiriman makanan, khususnya melalui GoFood, serta implikasinya dalam bisnis dan pengalaman konsumen di Indonesia. Metode k-means clustering digunakan untuk mengelompokkan produk makanan ke dalam kelompok yang serupa berdasarkan atribut category, mengidentifikasi kesamaan dalam kelompok produk yang mungkin mencerminkan kecenderungan konsumen yang serupa. Melalui penelitian ini, akan terungkap informasi yang bernilai tentang keberagaman preferensi konsumen, memungkinkan pelaku industri untuk menyesuaikan strategi pemasaran mereka sesuai dengan permintaan pasar yang berubah. Dengan demikian, penelitian ini tidak hanya dapat memberikan kontribusi pada pemahaman akademis tetapi juga memiliki potensi dampak positif secara praktis dalam mendukung pertumbuhan dan peningkatan kualitas layanan di sektor pengiriman makanan di Indonesia. Hasil pengelompokan menggunakan algoritma K-Means Clustering diperoleh terbaik sebanyak 8 cluster dengan nilai DBi= -0.407, yaitu dengan anggota cluster 0=7763 items, cluster 1=1 items, cluster 2=1 items, cluster3=1 items, cluster 4=1 items, cluster 5=1 items, cluster 6=1 items dan cluster 7=1 items yang artinya adalah melihat karakteristik konsumen dengan tujuan untuk meningkatkan penjualan
OPTIMALISASI STOK BARANG MELALUI ALGORITMA K-MEANS CLUSTERING ANALISIS UNTUK MANAJEMEN PERSEDIAAN DALAM KONTEKS BISNIS MODERN Samsudin, Risma'ruf; Martanto, Martanto; hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9742

Abstract

Penelitian ini mengeksplorasi hasil data penjualan untuk di analisis dengan penerapan metode K-Means dalam mengelompokkan transaksi penjualan untuk mengoptimalkan strategi manajemen persediaan barang. Analisis data menjadi kunci utama dalam mengoptimalkan strategi persediaan barang, terutama dengan akses data yang semakin besar. Sistem manajemen persediaan konvensional memiliki kelemahan dalam akurasi dan waktu, sehingga diperlukan pendekatan modern dan efektif. Algoritma K-Means clustering memungkinkan perusahaan untuk mengkategorikan barang berdasarkan pola permintaan dan karakteristik lainnya, sehingga mempermudah penetapan tingkat persediaan ideal untuk setiap kategori barang. Penelitian ini menunjukkan bahwa analisis data dengan algoritma K-Means clustering dapat membantu mengidentifikasi pola permintaan dan karakteristik barang, sehingga membantu perusahaan dalam mengambil keputusan yang terarah dan efektif terkait strategi persediaan barang. Hal ini dapat meminimalisir ketidakpastian dan risiko, serta memastikan pengambilan keputusan persediaan barang secara personal dan efektif.
Co-Authors Abdillah, Naufal Abdul Khalim, Kharits Ade Rizki Rinaldi Afandi, Fahmi Ahmad Fauzi Aji Dian Permana, Muhamad Aji Saputra, Mohammad Akbari, Muhammad Ali , Irfan Ali Yusri Alif Prayudha, Bimo Andi Ardiansyah Andre Setiawan, Andre Anggraeni, Anggi Asep Surahman Aulia, Linda Sari Ayu Febrian Lesmana, Alfira Azhar, Alwan Aziz Sahidin, Naufal Basysyar, Fadhil Muhammad Chrisna Basila Rahman, Muhammad Danar Dana, Raditya Deva Rian, Rananda Dewi, Aulia Citra Dzulkarnaen, Rizal Faizal Rizqi, Muhammad Farhan Nugraha, Muhamad Fathur Rezki Junaedi, Muhammad Fathurrohman, Fathurrohman Faturany, Roni Fihir, Muhammad Firmansyach, Wildan Attariq Haekal Susanto, Ahmad Hamonangan, Ryan Herdiana, Ruli Heriyawan, Ikhsan Iin, Iin Iksan Maulana, Muhammad Ilham Syahputra, Arief Izzat Luthfi , Muhammad Kaslani Khoirul Insan, Moh Khoirul Kholilullah, Mohammad Kurnia, Dian Ade Kusmiyaty, Agesty Luthfi, Achmad M. Basysyar, Fadhil Ma'arif Syaefullah, Muhammad Manikari, Salsa Loni Martano, Martanto Martanto Martanto . Maulana Yusuf, Muhammad Moruk, Ewaldus Mu'min Azis, Muhammad Muhammad Haikal Mujibulloh, Mujibulloh Munawar, Adi Musyarofah Musyarofah, Musyarofah Nailil Amani, Najiyah Nanita, Nanita Nugraha, Syahrul Odi Nurdiawan Pratama, Hilda Fidyah Hadi Prihartono, Willy Purnama Sari, Ade Irma Putra, Arya Kamandanu Putri, Seni Meilani Raden Mohamad Herdian Bhakti Raditya Danar Dana Rai Fatkaozi, Ahmad Riskandi, Muhammad Rizki Amalia, Dita Rudi Kurniawan Saepudin, Agung Safrudin, Muhamad Saifurridho, Muhammad Samsudin, Risma'ruf Subur, Muhamad Syafiq, Mohammad Sayyid Syam Al ghifari, Muhammad Syamsul Aripin Tati Suprapti Tohidi, Edi Tuti Hartati Wijaya, Yudhistira Yudhistira Arie Wijaya