Article Per Year (5 Year)
p-Index From 2021 - 2026
7.717
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Jurnal Informatika dan Teknik Elektro Terapan Sistemasi: Jurnal Sistem Informasi JOIV : International Journal on Informatics Visualization INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi INTECOMS: Journal of Information Technology and Computer Science J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Jurnal Riset Informatika JOISIE (Journal Of Information Systems And Informatics Engineering) Journal of Information System, Applied, Management, Accounting and Research Jurnal Abdimas Mahakam METIK JURNAL Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jusikom: Jurnal Sistem Informasi Ilmu Komputer Systematics Zonasi: Jurnal Sistem Informasi Jurnal Informasi dan Teknologi Buana Information Technology and Computer Sciences (BIT and CS) JURSIMA (Jurnal Sistem Informasi dan Manajemen) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer JIKA (Jurnal Informatika) Jurnal Sistem Komputer dan Informatika (JSON) Infotek : Jurnal Informatika dan Teknologi Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) International Journal of Engineering, Science and Information Technology Djtechno: Jurnal Teknologi Informasi Jurnal Tika Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer J-SAKTI (Jurnal Sains Komputer dan Informatika) Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Jurnal Minfo Polgan (JMP) Society: Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Komtekinfo Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Malcom: Indonesian Journal of Machine Learning and Computer Science JUSIFOR : Jurnal Sistem Informasi dan Informatika Golden Ratio of Data in Summary Jurnal Ilmiah Teknik Informatika dan Komunikasi Innovative: Journal Of Social Science Research JURSIMA Journal Of Artificial Intelligence And Software Engineering VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Jurnal Sistem Informasi dan Manajemen Masyarakat Berkarya: Jurnal Pengabdian dan Perubahan Sosial
Novalia, Elfina
Universitas Buana Perjuangan Karawang
Religion Agriculture, Biological Sciences & Forestry Humanities Astronomy 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 : 62 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 62 Documents
Search

 3   4   5   6   7 
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.
Analisis Status Pembayaran Group Order NooBlue Menggunakan Algoritma XGBoost Surala, Lyvia; Tukino; April Lia Hananto; Elfina Novalia; Fitria Nurapriani
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 4 (2025): EDISI JULI 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i4.11279

Abstract

Pertumbuhan pesat ekonomi digital telah mendorong meningkatnya penggunaan layanan transaksi daring, termasuk sistem pemesanan kelompok. Namun, tantangan baru turut muncul, khususnya dalam hal keandalan informasi terkait status pembayaran pelanggan. Permasalahan seperti keterlambatan atau kegagalan pembayaran dapat memengaruhi kestabilan keuangan bisnis. Oleh karena itu, penelitian ini bertujuan untuk membangun model prediksi status pembayaran pelanggan menggunakan algoritma Extreme Gradient Boosting (XGBoost). Data yang digunakan berasal dari transaksi NooBlue Shop pada Maret 2025, yang terdiri dari 403 entri. Proses analisis mencakup tahapan pra-pemrosesan data, pembagian data menjadi data latih dan uji dengan rasio 60:40, serta pelatihan model XGBoost. Model dievaluasi menggunakan metrik klasifikasi seperti akurasi, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan status pembayaran dengan tingkat akurasi mencapai 90%. Nilai precision dan recall masing-masing berada pada kisaran 0.89–0.93, sedangkan F1-score menunjukkan performa yang seimbang untuk kedua kelas. Analisis lebih lanjut menunjukkan bahwa fitur total pembayaran dan uang muka merupakan kontributor utama dalam proses prediksi. Temuan ini menunjukkan bahwa penerapan XGBoost dapat memberikan solusi yang efektif dalam membantu perusahaan memantau status pembayaran pelanggan secara otomatis dan responsif, serta mendukung pengambilan keputusan berbasis data secara lebih tepat dan efisien di tengah dinamika ekonomi digital.
Desain Front End Aplikasi Toko Sepatu Dixstore10 Menggunakan Metode Design Thinking Wahyu Aziz Ramadhani; Bayu Priyatna; Elfina Novalia
Jurnal ilmiah Sistem Informasi dan Ilmu Komputer Vol. 5 No. 2 (2025): Juli : Jurnal ilmiah Sistem Informasi dan Ilmu Komputer
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juisik.v5i2.1424

Abstract

The objective of this study is to formulate the design of Dixstore10's front-end application interface by applying the design thinking method, which focuses on user needs. Dixstore10 is a local shoe store that supports local products and offers quality shoes to different groups. In this study, the design thinking approach is implemented in five main steps, which form the core of this method. In the "Empathize" phase, surveys and interviews are conducted to further understand user needs. In the next phase, "Define," the main problems to be solved are clearly formulated. This process develops user goals, which form the basis for developing the design structure. "Ideate" visualizes the initial concept through a sitemap, while "Prototype" represents the solution design using HTML, CSS, and JavaScript technologies. The tests were conducted using the System Usability Scale (SUS) method and yielded an average score of 80.3, indicating positive user acceptance of the designed interface. The results of this study not only make an important contribution to the development of the Dixstore10 application, but also serve as a reference for other MSMEs in designing user-centric digital platforms. The iterative approach ensures relevant and functional solutions to support the growth of the MSME sector.
KLASIFIKASI ULASAN APLIKASI KOPI KENANGAN PADA GOOGLE PLAYSTORE MENGGUNAKAN ALGORITMA NAIVE BAYES Fadli, Muhammad Abil; tukino, Tukino; Novalia, Elfina; Hananto, April Lia
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.7037

Abstract

Aplikasi Kopi Kenangan merupakan aplikasi yang digunakan untuk pemesanan minuman secara online milik perusahaan PT Bumi Berkah Boga. Selain hal tersebut aplikasi ini juga membantu perusahaan menerima ulasan terkait pengalaman pelanggan dalam menggunakan layanan aplikasi kopi kenangan. Namun ulasan pelanggan di Google Playstore memiliki jumlah data yang banyak sehingga sulit dianalisis secara manual. Tujuan penelitian ini melakukan klasifikasi ulasan pelanggan pada aplikasi Kopi Kenangan mempergunakan algoritma Naïve bayes. Metode penelitian ini meliputi pengumpulan data, preprocessing, pemodelan dan evaluasi. Data yang dipergunakan dalam penelitian ini yaitu sebesar 1000 data dengan lima kategori yaitu promo, pelayanan, performa aplikasi, transaksi dan kualitas produk. Hasil penelitian menunjukkan bahwa kategori ulasan terbanyak adalah tentang performa aplikasi dengan persentase 45% dari total 1000 data ulasan. Hasil akurasi penelitian yaitu sebesar 85% yang menunjukkan bahwa model dapat melakukan klasifikasi data kategori sentimen dengan cukup baik.
IMPLEMENTASI DESIGN USER INTERFACE APLIKASI WORKPERMIT BERBASIS WEB DI PT.AICC MENGGUNAKAN METODE WATERFALL Zhalifunas, Satria Dawas; Priyatna, Bayu; Novalia, Elfina
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.7054

Abstract

Perkembangan Perkembangan teknologi informasi mendorong otomatisasi sistem perizinan kerja (Work Permit) yang krusial untuk keselamatan industri manufaktur. PT. AICC menghadapi tantangan pengelolaan Work Permit manual yang menyebabkan keterlambatan dan hilangnya dokumen. Penelitian ini bertujuan merancang dan mengimplementasikan antarmuka pengguna (UI) aplikasi Work Permit berbasis web untuk meningkatkan efisiensi dan keselamatan operasional. Metode Waterfall digunakan dalam pengembangan, meliputi analisis, desain, implementasi, pengujian, dan penyebaran, dengan Framework CodeIgniter 3, PHP, dan HeidiSQL sebagai teknologi utama. Data dikumpulkan melalui observasi alur kerja manual dan wawancara dengan tim Safety (SHE), HRGA, dan Supplier. Hasil pengujian Black-Box menunjukkan aplikasi Work Permit berbasis web berhasil mengotomatisasi proses pengajuan dan persetujuan. Seluruh fungsionalitas utama, seperti manajemen data supplier dan proyek serta alur persetujuan berjenjang, berfungsi optimal. Implementasi ini secara efektif meningkatkan efisiensi operasional dan keselamatan kerja di PT. AICC.
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.
KLASIFIKASI SENTIMEN ULASAN PRODUK SUNSCREEN PADA FEMALE DAILY MENGGUNAKAN METODE NAÏVE BAYES baktria, leonyka; huda, baenil; novalia, elfina; paryono, tukino
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.v9i3.14461

Abstract

Perkembangan teknologi internet mendorong konsumen untuk lebih aktif membagikan pengalamannya melalui ulasan, salah satunya pada platform Female Daily. Ulasan produk tabir surya dari pengguna memberikan wawasan sentimen yang berharga. Namun, menganalisis data dalam skala besar secara manual tidaklah efektif. Studi ini bertujuan untuk menganalisis sentimen ulasan produk tabir surya menggunakan algoritma Naïve Bayes Classifier. Data dikumpulkan melalui web scraping, diikuti oleh pra-pemrosesan teks dan pelabelan sentimen menurut skor peringkat menjadi tiga kategori: sangat cocok, cocok, dan tidak cocok. Distribusi dalam distribusi kelas diatasi menggunakan teknik oversampling, dan data kemudian diubah menjadi format numerik dengan TF-IDF. Model dibor dengan algoritma Multinomial Naïve Bayes dan dievaluasi menggunakan matriks konfusi dengan metrik akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa model mencapai akurasi 83,33%, dengan presisi 0,84, recall 0,83, dan skor F1-score 0,83. Visualisasi WordCloud digunakan untuk mengidentifikasi kata-kata dominan di setiap kategori sentimen. Temuan ini menunjukkan efektivitas algoritma Naïve Bayes dalam mengklasifikasikan opini konsumen dengan baik dan menyoroti potensinya untuk mengembangkan sistem rekomendasi produk berbasis ulasan, serta untuk memahami persepsi konsumen dalam industri kecantikan.
Klasifikasi Tingkat Penjualan Produk pada Toko Jati Karebet Menggunakan Algoritma Naïve Bayes Setiawan, Revi; Priyatna, Bayu; Novalia, Elfina; Huda, Baenil
JURNAL FASILKOM Vol. 15 No. 2 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i2.9614

Abstract

Penelitian ini bertujuan menerapkan algoritma Naive Bayes untuk mengklasifikasikan tingkat penjualan produk di Toko Jati Karebet selama tahun 2024. Latar belakang penelitian ini adalah belum optimalnya pemanfaatan strategi penjualan berbasis data dalam menentukan prioritas stok dan promosi, yang sering menyebabkan inefisiensi persediaan pada Usaha Mikro, Kecil, dan Menengah (UMKM). Data penjualan historis dianalisis menggunakan pendekatan data mining untuk mengenali pola penjualan dan membangun model prediksi. Tahap awal meliputi preprocessing data, seleksi pesanan yang berstatus selesai, agregasi penjualan per produk, dan pelabelan kategori kelarisan menjadi tiga kelas: laris (>100 unit), kurang laris (20–100 unit), dan tidak laris (<20 unit). Model Gaussian Naive Bayes dilatih dan diuji dengan metode supervised learning menggunakan pembagian data 70% untuk pelatihan dan 30% untuk pengujian. Evaluasi model dilakukan dengan confusion matrix dan metrik klasifikasi. Hasil pengujian menunjukkan akurasi sebesar 76%, dengan precision 0,79, recall 0,98, dan F1-score 0,87 pada kategori laris. Temuan ini membuktikan bahwa Naive Bayes mampu memberikan hasil prediksi yang cukup andal untuk kategori mayoritas, namun kinerjanya menurun pada kategori minoritas akibat ketidakseimbangan distribusi data. Penelitian ini menyimpulkan bahwa algoritma Naive Bayes dapat digunakan sebagai alat bantu pengambilan keputusan dalam manajemen stok dan strategi penjualan UMKM, serta merekomendasikan penerapan teknik penyeimbangan data atau eksplorasi algoritma lain pada penelitian berikutnya untuk meningkatkan performa di semua kategori
Classification of Reject Patterns Based on Production Stages Using the K-Means Clustering Method Lestari, Renita; Novalia, Elfina; Tukino; Nurapriani, Fitria
Golden Ratio of Data in Summary Vol. 5 No. 4 (2025): August - October
Publisher : Manunggal Halim Jaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52970/grdis.v5i4.1301

Abstract

This study aims to classify reject patterns in the production process using the K-Means Clustering method. The dataset consists of 870 records collected from the production line, containing information such as product name, reject type, process stage, and production quantity. Through a data mining approach, data preprocessing steps such as cleaning, encoding, and normalization were performed prior to the clustering process. The Elbow Method indicated that the optimal number of clusters is three. Each cluster exhibits distinct characteristics: light rejects with small quantities in early stages, heavy rejects with large quantities, and moderate rejects with random distribution. These findings are expected to assist management in formulating more targeted strategies for process improvement and quality control. By identifying common reject patterns within each cluster, companies can adopt a more proactive approach to minimizing production defects and enhancing overall operational efficiency.
Implementasi Enkripsi Hybrid AES-RSA pada Layanan Cloud Storage AWS S3 Firdaus, Mohamad Ricky; Hilabi, Shofa Shofiah; Novalia, Elfina; 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.v14i2.2724

Abstract

Data security has become a critical aspect in the digital era, especially with the increasing use of cloud storage services for data storage and management. This study examines the implementation of hybrid encryption combining the Advanced Encryption Standard (AES) and Rivest-Shamir-Adleman (RSA) algorithms on the Amazon Web Services Simple Storage Service (AWS S3) cloud platform. The hybrid method leverages the speed of AES for encrypting large data volumes and the security of RSA for key management. The encryption and decryption processes are performed entirely on the client side before uploading data to AWS S3, ensuring that the stored data remains securely encrypted. The developed application provides features for encryption, decryption, and uploading encrypted data with a user-friendly interface. Testing results demonstrate that this method achieves an optimal balance between performance and data security. This research contributes to the development of efficient and reliable cloud-based data security solutions.Keywords: Advanced Encryption Standard; Rivest–Shamir–Adleman; Amazon Web Services Simple Storage Service; Data Security; Cloud Storage AbstrakKeamanan data menjadi aspek penting dalam era digital, terutama dengan meningkatnya penggunaan layanan cloud storage untuk penyimpanan dan pengelolaan data. Penelitian ini mengkaji implementasi enkripsi hybrid yang menggabungkan algoritma Advanced Encryption Standard (AES) dan Rivest-Shamir-Adleman (RSA) pada layanan cloud storage Amazon Web Services Simple Storage Service (AWS S3). Metode hybrid ini memanfaatkan kecepatan AES dalam mengenkripsi data berukuran besar dan keamanan RSA dalam pengelolaan kunci enkripsi. Proses enkripsi dan dekripsi dilakukan sepenuhnya di sisi klien sebelum data diunggah ke AWS S3, sehingga memastikan data tersimpan dalam bentuk terenkripsi yang aman. Aplikasi yang dikembangkan menyediakan fitur enkripsi, dekripsi, dan upload data terenkripsi dengan antarmuka yang mudah digunakan. Hasil pengujian menunjukkan bahwa metode ini memberikan keseimbangan optimal antara performa dan keamanan data. Penelitian ini memberikan kontribusi dalam pengembangan solusi keamanan data berbasis cloud yang efisien dan dapat diandalkan. 
Co-Authors Abdul Hafiz Agung Susilo Yuda Irawan Agustina, Alvi Ahmad Fauzi Ahmad, Sandi Al Khadzik, Fahmi Alfiansyah, Muhammad Rindra Anita Saptiani Apriade Voutama April Hananto April Lia Hananto Arif Budimansyah Purba atikah, dwi Aurel Adhitya Anwar Aviv Yuniar Rahman Awal, Elsa Elvira Awaljan Situmorang Baenil Huda Baenil Huda baktria, leonyka Bayu Yoga Astario Desfianthy, Fatiya Hanifah Diningrat, Cahya Emilia Sukmawati, Cici Fadli, Muhammad Abil Faisal, Muhamad Agus Fauzi, Muhamad Helmi Firdaus, Mohamad Ricky Fitria Nurapriani Garno Garno, Garno garno, Garno Goenawan Brotosaputro Hananto, Agustia Henry Adam Hilabi, Shofa Shofia Hilabi, Shofa Shofiah Hilabi, Shofa Shofiah Huban Kabir Huda, Baenil Indra, Jamaludin Iqbal Maulana Juwita, Ayu Ratna kastiawan, Nurhayadi Lestari, Renita Lutfiah, Siti Muhamad Djaka Permana Nijunnihayah, Uktupi Nurapriani, Fitria Nuriza, Adjeng Putri Nurmayanti, Trisya Paryono, Tukino Prasetya, Rafli Pratama, Daffa Agung Prayono, Tukino Priyatna, Bayu Purba, Arif Budimansyah Rian Pratama Sandi Ahmad Saptiani, Anita Seia Piantara Setiawan, Pratama Wahyu Setiawan, Pratama Wahyu Setiawan, Revi Shofa Shofia Hilabi Shofiah Hilabi, Shofa Situmorang, Awaljan Sopian, Jajang Sukmawati, Cici Emilia Surala, Lyvia Syafana, Vinka Syahri Susanto Tamala, Evi TARMUJI TARMUJI, TARMUJI Tejayanda, Rigger Damaiarta Tita Puspita Sari Tukino tukino, tukino Tukino, Tukino Tukino, Tukino Wahyu Aziz Ramadhani Wahyu, Pratama Widyanti, Tyas Wirlandika, Devri Yoga Astario, Bayu Yusup, Dadang Zhalifunas, Satria Dawas