Article Per Year (5 Year)
p-Index From 2021 - 2026
3.014
P-Index
This Author published in this journals
All Journal Seminar Nasional Informatika (SEMNASIF) PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Jurnal Pendidikan Teknik dan Vokasional
Adhi, Bambang Prasetya
Unknown Affiliation
Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Engineering Environmental Science Library & Information Science Mechanical Engineering Transportation Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE UNTUK MENDETEKSI EMOSI DARI TEKS BAHASA INDONESIA Bhayu Aji Seno; Widodo; Bambang Prasetya Adhi
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 8 No. 1 (2024): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.8.1.8

Abstract

Pertumbuhan penggunaan internet khususnya sosial media yang sangat pesat telah menyebabkan perubahan interaksi antar manusia yang sebelumnya terjadi secara langsung di dunia nyata kemudian berubah menjadi tidak langsung melalui sosial media. Ketika manusia berinteraksi melalui sosial media, terkadang terdapat kesalahpahaman informasi yang didapatkan dibandingkan secara langsung di dunia nyata. Hal ini karena kurangnya faktor penting ketika manusia berinteraksi melalui sosial media, yaitu emosi. Penelitian ini bertujuan untuk mendeteksi emosi dari teks bahasa Indonesia dengan menerapkan algoritma Support Vector Machine (SVM). Penelitian dimulai dengan pembuatan 4 jenis data sampel yaitu, data sampel dengan jumlah 1000, 2500, dan 4000 tweet untuk proses training, dan data sampel dengan jumlah 120 tweet untuk proses testing. Kemudian seluruh data sampel tersebut melalui proses Natural Language Processing (NLP) untuk diekstrak informasinya. Setelah itu dilakukan proses training dengan algoritma SVM menggunakan 3 tipe kernel yang berbeda, yaitu Polinomial, Gaussian RBF, dan Sigmoid. Kemudian dilakukan pengujian dengan hasil tingkat akurasi yang cukup variatif untuk setiap jenis data sampel serta tipe kernel yang digunakan. Hasil penelitian mendapatkan kesimpulan semakin banyak jumlah data yang digunakan, maka semakin tinggi tingkat akurasi yang dihasilkan, namun waktu proses training yang dibutuhkan lebih lama. Sementara untuk tipe kernel Sigmoid memiliki tingkat akurasi yang tinggi, serta waktu proses training yang lebih cepat dibandingkan tipe kernel lainnya.
PENGEMBANGAN MEDIA BELAJAR E-BOOK INTERAKTIF BERBASIS FLIP PADA MATA PELAJARAN ADMINISTRASI INFRASTUKTUR JARINGAN KELAS XII SMK KSATRYA MENGGUNAKAN METODE LUTHER-SUTOPO Hauzan Nabil Hawali; Muchammad Ficky Duskarnaen; Bambang Prasetya Adhi
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 8 No. 2 (2024): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.8.2.5

Abstract

Buku konvensional tidak menyediakan kegiatan interaktif yang merangsang keterlibatan siswa secara aktif. Siswa hanya dapat membaca teks yang disajikan dalam buku tanpa adanya fitur interaktif seperti audio, video, atau konten multimedia lainnya. Oleh karena itu karena itu pengembangan media ajar interaktif mata pelajaran Administrasi Infrastruktur Jaringan SMK Ksatrya sebagai sebuah penelitian dengan tujuan membantu proses pembelajaran agar dengan mudah dimengerti serta meningkatkan minat belajar siswa. E-book interaktif ini menyajikan materi pembelajaran interaktif, gambar interaktif, materi berbentuk video pembelajaran interaktif dan quiz interaktif. E-book interaktif ini dikembangkan dengan metode Multimedia Development Life Cycle (MDLC) terdiri dari enam tahap, yaitu concept, design, material collecting, assembly, testing dan distribution. Data yang digunakan dalam penelitian ini adalah hasil observasi dan wawancara kepada Kepala Program Teknik Komputer Jaringan SMK Ksatrya. Penelitian ini diuji dengan pengujian Skala Guttman untuk Ahli materi mendapatkan penilaian 100% interval “Sangat Layak”, Skala Likert untuk Ahli media mendapatkan penilaian 89,41% interval “Sangat Layak” dan System Usability Scale untuk responden mendapatkan penilaian 88,10% interval “Sangat Layak”. E-book ini diharapkan dapat digunakan dan dapat membantu proses pembelajaran dengan baik di Sekolah Menengah Kejuruan Katrya.
PERANCANGAN DAN IMPLEMENTASI ANTARMUKA PENGGUNA SISTEM INFORMASI BERBASIS WEBSITE SMK NEGERI 6 JAKARTA DENGAN METODE PROTOTYPE Riyadhul Firdaus; Muchammad Ficky Duskarnaen; Bambang Prasetya Adhi
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 8 No. 2 (2024): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.8.2.9

Abstract

Informasi tentang sekolah biasanya dicari calon murid dan calon orang tua murid untuk mencari informasi mengenai sekolah untuk menentukan tujuan pendaftaran sekolah, Untuk menyebarkan informasi sekolah, salah satu caranya menggunakan website sistem informasi sekolah, berdasarkan wawancara dan kuesioner didapatkan bahwa SMKN 6 Jakarta memiliki website namun masih dirasa kurang aktif dan desain antarmuka yang kurang menarik, fungsi yang masih sedikit, serta kurang responsif. Penelitian ini bertujuan untuk mengembangkan prototype frontend sistem informasi berbasis website SMKN 6 Jakarta. Pengembangan sistem menggunakan SDLC Prototype dengan 5 tahapan, Communication, Quick Plan, Modeling Quick Design, Prototype Construction, Deployment, Delivery, & Feedback. Pada proses pengembangannya dilakukan tiga kali iterasi yang setiap iterasinya dilakukan pengujian fungsional menggunakan blackbox dan pengujian penerimaan menggunakan UAT. Dan pada iterasi ketiga prototype frontend dapat diterima oleh pengguna berdasarkan hasil dari UAT. Setelah prototype frontend diterima, dilakukan integrasi untuk menghasilkan sistem informasi berbasis website SMKN 6 Jakarta yang diuji menggunakan blackbox dengan hasil semua fungsi menghasilkan status “berhasil”, kemudian diuji usability menggunakan SUS menghasilkan total skor SUS sebesar 84,45, kemudian skor SUS diterjemahkan kedalam beberapa aspek. Aspek Acceptance didapatkan sistem dapat diterima, kemudian aspek Grade didapat sebesar A+ yaitu kualitas sangat baik, dan aspek Adjective didapat nilai Best Imaginable.
Pengembangan Media Pembelajaran Sistem Pencernaan Manusia Untuk Kelas 8 SMP Dengan Fitur Augmented Reality Berbasis Android (Studi Kasus : SMPN 7 Depok) Juannita, Juannita; Prasetya Adhi, Bambang
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 1 No. 1 (2017): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (783.169 KB) | DOI: 10.21009/pinter.1.1.10

Abstract

Kurangnya media pembelajaran yang memudahkan dalam mempelajari materi sistem pencernaan manusia menjadi kendala tersendiri bagi guru dan murid sehingga dilakukan penelitian yang bertujuan untuk mengembangkan dan mengetahui keefektifan media pembelajaran sistem pencernaan manusia untuk kelas 8 SMP dengan fitur Augmented Reality berbasis Android dengan mengambil studi kasus di SMPN 7 Depok. Penelitian ini menggunakan metode Research and Development (R&D) dengan model pengembangan ADDIE yang terdiri dari lima tahapan yaitu Analisis (Analyze), Perancangan (Design), Pengembangan (Development), Penerapan (Implementation), dan Evaluasi (Evaluation). Instrumen yang digunakan dalam menguji kelayakan dan keefektifan media pembelajaran adalah angket dan soal tes. Media pembelajaran diuji kelayakannya oleh ahli materi dan ahli media dengan hasil media pembelajaran layak untuk digunakan oleh siswa. Untuk menguji keefektifan media pembelajaran dilakukan melalui pretest dan posttest serta angket tanggapan siswa setelah menggunakan media pembelajaran, dengan hasil tes terdapat peningkatan hasil belajar signifikan setelah menggunakan media pembelajaran serta hasil angket yang mendapatkan total presentase 88,56% dengan keterangan sangat baik. Berdasarkan hasil evaluasi, media pembelajaran layak dan efektif untuk digunakan dalam pembelajaran materi sistem pencernaan manusia untuk kelas 8 SMP.
Sistem Pendukung Keputusan Untuk Menentukan Penerima Beasiswa Di Fakultas Teknik Univeristas Negeri Jakarta Dengan Model Fuzzy Multiple Attribute Menggunakan Metode SAW Mangapul, Golden; Adhi, Bambang Prasetya
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 1 No. 2 (2017): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (995.75 KB) | DOI: 10.21009/pinter.1.2.5

Abstract

Setiap tahun, Fakultas Teknik Universitas Negeri Jakarta mengadakan pembukaan pendaftaran beasiswa BBM dan PPA. Setiap beasiswa mempunyai kriteria-kriteria tertentu untuk menentukan calon penerima beasiswa. Banyaknya kriteria penentu dan banyaknya jumlah pendaftar menimbulkan masalah bagaimana cara menentukan calon penerima beasiswa dengan jumlah kriteria yang banyak pada jumlah pendaftar yang sangat banyak. Untuk membantu proses seleksi beasiswa dibutuhkan sebuah sistem pendukung keputusan. Penelitian ini bertujuan menghasilkan aplikasi sistem pendukung keputusan penentuan calon penerima beasiswa dengan model Fuzzy Multiple Attribute dengan menggunakan metode Simple Additive Weighting berbasis web. Metode yang digunakan pada pembuatan sistem pendukung keputusan ini menggunakan metode pengembangan Waterfall. Pengujian fungsional website diuji oleh 1 orang ahli/pakar (Kasubbag Kemahasiswaan Fakultas Teknik) dengan menginput 20 sample data pendaftar beasiswa BBM dan 20 sample data pendaftar beasiswa PPA pada tahun 2015 dengan 15 mahasiswa kuota penerima beasiswa BBM dan 14 mahasiswa kuota penerima beasiswa PPA. hasil uji fungsional pada data sample yang diinput pada website, didapatkan 15 mahasiswa penerima beasiswa BBM dan 5 mahasiswa tidak diterima menjadi penerima beasiswa BBM dan pada beasiswa PPA didapatkan 14 mahasiswa diterima menjadi penerima beasiswa PPA dan 4 mahasiswa tidak diterima menjadi penerima beasiswa PPA. Oleh karena itu, dapat disimpulkan bahwa sistem pendukung keputusan dengan metode SAW berfungsi dengan baik dan dapat dimanfaatkan dalam proses penentuan calon penerima beasiswa di Fakultas Teknik Universitas Negeri Jakarta.
Kinerja Algoritma Kmeans++ pada Pengelompokkan Dokumen Teks Pendek pada Abstrak di Jurusan Teknik Elektro Fakultas Teknik UNJ Sistiani, Catur Rahma; Widodo; Padhi, Bambang Prasetya
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 2 No. 1 (2018): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.2.1.6

Abstract

Pengelompokkan pada dokumen teks pendek masih sulit ini dikarenakan di sparsity kata. Tujuan penelitian ini adalah untuk mengetahui kinerja algoritma k-means++ pada teks pendek dan untuk mengetahui proses pengelompokkan algoritma k-means++ pada tekspendek di abstrak skripsi Jurusan Teknik Elektro Fakultas Teknik UNJ dilaksanakan padasemester genap tahun ajaran 2014-2015. Penelitian ini menggunakan metode penelitianeksperimen. Data abstrak yang digunakan sebanyak 200 abstrak. Penelitian meneliti 4 datayaitu Data pertama adalah abstrak ilmiah di jurusan Teknik Elektro, Universitas NegriJakarta pada paragraf 1 sampai paragraf 3. Data kedua adalah paragraf 1 pada abstrakilmiah di jurusan Teknik Elektro, Universitas Negri Jakarta. Data ketiga adalah paragraf 2pada abstrak ilmiah di jurusan Teknik Elektro, Universitas Negri Jakarta. Data keempatadalah paragraf 3 pada abstrak ilmiah di jurusan Teknik Elektro, Universitas Negri Jakarta.Pengujian kinerja algoritma k-means++ menggunakan matrix confusion. Berdasarkan hasilpenelitian, didapatkan kesimpulan bahwa keakurasian pada abstrak, paragraf 1 di abstrak,paragraf 2 di abstrak, dan paragraf 3 di abstrak mencapai lebih dari 80% . Didapatkan jugakesesuaian antar data yang diprediksi dengan hasil yang benar dari data yangsebenarnya(presisi) pada abstrak, paragraf 1 di abstrak, paragraf 2 di abstrak, dan paragraf3 di abstrak mencapai lebih dari 50% . Didapatkan juga peluang munculnya data relevanyang diambil sesuai dengan query (recall) pada abstrak, paragraf 1 di abstrak, paragraf 2 diabstrak, dan paragraf 3 di abstrak mencapai lebih dari 80%.
Perbandingan Algoritma Naive Bayes dan Support Vector Machine dalam Seleksi Kelulusan Pemberkasan Beasiswa BPP-PPA Fakultas Teknik Universitas Negeri Jakarta Fakhriyani; Widodo; Prasetya Adhi, Bambang
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 2 No. 2 (2018): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.2.2.4

Abstract

Beasiswa merupakan salah satu program untuk membantu meringankan mahasiswa dalam membayar uang kuliah, namun sering terjadi kesalahan dalam pemberian beasiswa tersebut karena masih dilakukan secara manual dan tidak adanya kriteria yang jelas bagaimana seorang mahasiswa dapat memperoleh beasiswa. Untuk mengantisipasi agar tidak terjadinya kesalahan dalam pemberian beasiswa maka dibutuhkan sebuah Sistem Pendukung Keputusan, namun sebelum dilakukan pembuatan sistem tersebut dirasa perlu untuk mengetahui algoritma terbaik untuk menyeleksi berkas beasiswa tersebut. Penelitian ini menggunakan duaalgoritma Data Mining yaitu algoritma Naïve Bayes dan Support Vector Machine. Naïve Bayes merupakan metode pengklasifikasian yang dapat digunakan untuk memprediksi probabilitas keanggotaan suatu class berdasarkan pengalaman di masa sebelumnya dengan kondisi antar atribut saling bebas. Support Vector Machine adalah sebuah metode prediksi dalam klasifikasi yang dapat dilakukan pada kasus yang secara linier dapat dipisahkan, maupun non-linier dengan menggunakan konsep kernel pada ruang kerja berdimensi tinggi.Data mahasiswa yang lulus dan tidak lulus seleksi berkas beasiswa BPP-PPA akan diolah menggunakan algoritma Naïve Bayes dan Support Vector Machine. Setelah diklasifikasi kedua algoritma tersebut akan dihitung hasil akurasinya menggunakan K-fold Cross Validation. Berdasarkan hasil contoh kasus seleksi menunjukan bahwa hasil perhitungan akurasi algoritma Naïve Bayes adalah 0.7542, sedangkan hasil akurasi algoritma Support Vector Machine adalah 0.99. Kedua sistem telah mampu menangani proses penyeleksiankelulusan pemberkasan beasiswa BPP-PPA Fakultas Teknik Universitas Negeri Jakarta. Algoritma Support Vector Machine menghasilkan rata-rata akurasi 0.99 yang mendekati 1, maka algoritma tersebut dinilai lebih akurat dan direkomendasikan untuk penelitian selanjutnya.
Sistem Informasi Manajemen Keuangan Pada LPBB Bintang Solusi Mandiri Rahayu, Sri; Prasetya Adhi, Bambang; Wibowo Yunanto, Prasetyo
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 2 No. 2 (2018): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.2.2.9

Abstract

Sistem informasi manajemen keuangan adalah sistem informasi yang digunakan untuk melihat transaksi, laporan dan melakukan proses pencatatan transaksi baik pendapatan maupun pengeluaran yang dilakukan oleh user yang berbeda yaitu manajer keuangan, manajer cabang dan admin. Pembuatan laporan dapat dilakukan secara otomatis oleh sistem tanpa harus memindahkan daftar transaksi ke jurnal secara manual sehingga pembuatan laporan lebih efisien dalam penggunaan waktu dan tenaga. Sebab apabila jumlah pendapatan dan pengeluaran yang terjadi cukup banyak, akan membutuhkan waktu dan tenaga kerja yang banyak untuk melaksanakan pengelolaan pembuatan laporan tersebut. Untuk itu pihak pengelola harus dapat mengatasi masalah tersebut agar proses pengelolaan dapat berjalan dengan cepat dan lancar. Karya akhir ini disusun dengan tujuan peneliti ingin mengembangkan sistem informasi manajemen keuangan pada LPBB Bintang Solusi Mandiri. Proses pengembangan sistem informasi ini menggunakan database, dimana sistem informasi ini menggunakan metode rational unified process (RUP). Setelah sistem informasi berhasil dibangun sistem informasi manajemen keuangan tersebut siap digunakan dan pembutan laporan keuangan yang sebelumnya memerlukan waktu satu bulan dan tenaga serta konsentrasi, sedangkan dengan sistem informasi untuk membuat laporan keuangan hanya membutuhkan waktu kurang dari lima menit. Sistem informasi manajemen keuangan dapat diakses pada host client yang telah terinstall sistem informasi manajemen keuangan dan telah terkoneksi dengan server.
Pengenalan Tanda Tangan Menggunakan Algoritma Single Layer Perceptron Agung Riansa, Dimas; Widodo; Prasetya Adhi, Bambang
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 3 No. 1 (2019): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.3.1.1

Abstract

Tanda tangan adalah sebuah tulisan tangan yang digunakan untuk mengesahkan sebuah dokumen atau surat Keterdapatan tanda tangan dalam sebuah dokumen mengartikan bahwa pihak yang menandatangani mengetahui dan menyetujui seluruh isi dari dokumen. Hal ini menyebabkan tanda tangan dapat dipalsukan oleh pihak yang tidak bertanggung jawab. Tanda tangan dapat dikenali keaslianya secara manual atau dengan penggunaan komputer dengan menggunakan jaringan syaraf tiruan (JST). Perceptron adalah salah satu algoritma jaringan syaraf tiruan yang dapat digunakan untuk mengenali tanda tangan dengan akurat. Algoritma Perceptron merupakan sebuah algoritma yang digunakan untuk supervised learning (Pembelajaran Terarah) yang dapat mengklasifikasi sebuah input yang bersifat linearly seperable (dapat dipisahkan secara linier) kedalam kelas-kelas tertentu. Peneliti menggunakan tanda tangan dari 5 pejabat fakultas teknik universitas negeri Jakarta, terdapat 15 tanda tangan asli masing masing pejabat dan terdapat juga 15 tanda tangan palsu masing masing pejabat, secara keseluruhan terdapat 150 tanda tangan yang akan dijadikan sebagai data uji (data test) dan data latih (data train). K fold-cross validation digunakan untuk mendapatkan tingkat akurasi yang valid dari penggunaan algoritma perceptron. Hasil pengenalan tanda tangan menggunakan algoritma perceptron yang tingkat akurasinya diukur dengan menggunakan k fold-cross validation, memiliki rata-rata akurasi algoritma 78.667%
Kinerja Algoritma Canny untuk Mendeteksi Tepi dalam Mengidentifikasi Tulisan pada Citra Digital Meme Filsa, Nisfal; Widodo; Prasetya Adhi, Bambang
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 3 No. 1 (2019): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.3.1.8

Abstract

Citra digital Meme merupakan sarana penyampaian informasi, teks pada Meme sebagian besar akan bergabung dengan latar pada gambar. Untuk membedakan latar dan teks dapat dilakukan dengan deteksi Tepi. Algoritma Canny merupakan salah satu algoritma deteksi Tepi yang memiliki tingkat kesalahan yang minimum dan menghasilkan citra tepian yang optimal. Salah satu penggunaan deteksi Tepi dapat diterapkan citra digital Meme untuk menentukan wilayah teks yang terdapat pada citra Meme. Hasil algoritma Canny mendeteksi Tepi untuk menentukan wilayah tulisan pada Meme lalu diidentifkiasi menggunakan pengenalan karakter optis (OCR) akan dijadikan perhitungan untuk menilai kinerja algoritma deteksi Tepi Canny. Kinerja algoritma Canny mendeteksi Tepi untuk menentukan wilayah kandidat teks meningkatkan akurasi deteksi tulisan pada OCR (Object Character Recognition) dengan akurasi keberhasilan secara keseluruhan sebesar 65,47% dibandingkan dengan deteksi tulisan langsung menggunakan OCR sebesar 47,91%. Selain itu mengurangi tingkat kesalahan deteksi tulisan pada OCR dengan akurasi kesalahan secara keseluruhan yaitu kehilangan karakter sebesar 34,53% dan kelebihan karakter sebesar 35,98% dibandingkan deteksi tulisan langsung menggunakan OCR dengan akurasi kehilangan karakter sebesar 52,09% dan kelebihan karakter sebesar 52,62. Kinerja algoritma Canny mendeteksi wilayah kandidat teks pada OCR secara keseluruhan meningkatkan akurasi kebenaran dalam mendeteksi tulisan pada citra digital Meme dan mengurangi persentase kesalahan.
Co-Authors Abhy Sukma Pratama Agung Riansa, Dimas Ajie, Hamidillah Andhini Dwi Putri Anggun Gumala, Riki Annisa Aprilianti Atikah Muthma’innah Badrun, Ubedilah Bhayu Aji Seno Desi Andriani Sitanggang Diat Nurhidayat Dira Putri Nandini Duskarnaen, Muchammad Ficky Dwi Suchisty Eggi Samekta Egy Muhammad Rianof Fakhriyani Fathiah Fatih Abhipraya Fiky Ariestia Fildzah Shabrina Filsa, Nisfal Hamidillah Ajie Hanifa Dian Permatasari Hauzan Nabil Hawali Juannita, Juannita Khairul Hudha Nasution Mangapul, Golden Melati Wahidaini Muchammad Ficky Duskarnaen Muhammad Nur Afandy Nur Aflaha NURUL AZIZAH Nurul Nisa Habibah Prasetyo W. Yunanto Prasetyo Wibowo Yunanto Reni Riyadhul Firdaus Shafa Sya’airillah Sistiani, Catur Rahma SRI RAHAYU Sri Suhartini Thoriq Nurchaidir Wibowo Yunanto, Prasetyo Widodo Widodo Widodo Widodo Z.E. Ferdi F. Putra