Article Per Year (5 Year)
p-Index From 2020 - 2025
3.706
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Jurnal Edukasi dan Penelitian Informatika (JEPIN) International Journal of Advances in Intelligent Informatics JOIV : International Journal on Informatics Visualization Informatik : Jurnal Ilmu Komputer JURTEKSI JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Majalah Ilmiah Bahari Jogja Edsence: Jurnal Pendidikan Multimedia Gema Wiralodra Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Teknika Journal of Electrical Engineering and Computer (JEECOM) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Indonesian Journal Computer Science (ijcs) Innovative: Journal Of Social Science Research Jurnal Teknik Indonesia SmartComp semanTIK
Hanafi Hanafi
Universitas Amikom Yogyakarta
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Public Health Transportation Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
PREDIKSI PRODUKSI JAGUNG MENGGUNAKAN ALGORITMA APRIORI DAN REGRESI LINEAR BERGANDA (STUDI KASUS : DINAS PERTANIAN KABUPATEN DOMPU) Muh Adha; Ema Utami; Hanafi Hanafi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 3 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i3.3139

Abstract

Pangan Jagung adalah termasuk sumber karbohidrat yang penting. Diberbagai wilayah, pangan jagung merupakan jenis makanan yang dapat membakar lemak dikarenakan jagung mempunyai kandungan tinggi lemak dan kalori daripada nasi. Selain itu, asam lemak dan essensial yang dimiliki oleh jagung dapat membantu mencegah penyakit. Sebagai permasalahan pada studi kali ini, permintaan pangan jagung terus meningkat secara signifikant. Akibat dari konsumsi pangan jagung yang terus tumbuh dan meningkat namun produksi jagung itu sendiri masih dalam cakupan rendah sehingga menimbulkan ketimpangan dalam memenuhi kebutuhan pangan jagung. Seiring berjalannya waktu, perubahan produksi jagung Kabupaten Dompu setiap tahun, maka diperlukan suatu metode untuk memperkirakan produksi jagung kedepannya apakah akan menurun atau akan meningkat. Hasil ramalan ini nantinya digunakan sebagai indikator pangan jagung di Kabupaten Dompu. Pada studi kali ini, menggunakan data panen jagung yang didapatkani Dinas Pertanian Perkebunan Kabupaten Dompu periode tanam tahun 2012 sampai 2021. Maka dari itu, studi prediksi produksi jagung ini membutuhkan beberapa teknik algoritma diantaranya regresi linear berganda sebagai teknik prediksi produksi jagung, sedangkan apriori untuk melakukan peramalan pencarian barang yang sering dibeli oleh pelanggan menggunakan teknik asosisasi. Hasil perhitungan teknik regresi linear berganda untuk memprediksi jagung menggunakan pengujian MAD senilai 54, MSE senilai 231372 dan RMSE senilai 481 dan hasil persamaan regresi linear berganda diperoleh Y= -70.860 + -0.505x1 + 7.069x2 + -4.349x3. Sedangkan perhitungan menggunakan teknik asosiasi, didapatkan 2 rules dengan ketentuan minimal nilai support 10% dan confidence 70% diperoleh IF BUY Gandasil THEN BUY Ricestar with confidence 100%.
Enhance Document Contextual Using Attention-LSTM to Eliminate Sparse Data Matrix for E-Commerce Recommender System - Hanafi; Anik Sri Widowati; - Jaeni; Jack Febrian Rusdi
JOIV : International Journal on Informatics Visualization Vol 6, No 3 (2022)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/joiv.6.3.1233

Abstract

E-commerce has been the most important service in the last two decades. E-commerce services influence the growth of the economic impact worldwide. A recommender system is an essential mechanism for calculating product information for e-commerce users. The successfulness of recommender system adoption influences the target revenue of an e-commerce company. Collaborative filtering (CF) is the most popular algorithm for creating a recommender system. CF applied a matrix factorization mechanism to calculate the relationship between user and product using rating variable as intersection value between user and product. However, the number of ratings is very sparse, where the number of ratings is less than 4%. Product Document is the product side information representation. The document aims to advance the effectiveness of matrix factorization performance. This research considers to the enhancement of document context using LSTM with an attention mechanism to capture a contextual understanding of product review and incorporate matrix factorization based on probabilistic matrix factorization (PMF) to produce rating prediction. This study employs a real dataset using MovieLens dataset ML.1M and Amazon information video (AIV) to observe our ATT-PMF model. Movielens dataset represents of number sparse rating that only contains below 4% (ML.1M). Our experiment report shows that ATT-PMF outperforms more than 2% on average than previous work. Moreover, our model is also suitable to implement on huge datasets. For further research, enhancement of product document context will be a good factor in eliminating sparse data problems in big data problems.
IDSX-Attention: Intrusion detection system (IDS) based hybrid MADE-SDAE and LSTM-Attention mechanism Hanafi Hanafi; Andri Pranolo; Yingchi Mao; Taqwa Hariguna; Leonel Hernandez; Nanang Fitriana Kurniawan
International Journal of Advances in Intelligent Informatics Vol 9, No 1 (2023): March 2023
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v9i1.942

Abstract

An Intrusion Detection System (IDS) is essential for automatically monitoring cyber-attack activity. Adopting machine learning to develop automatic cyber attack detection has become an important research topic in the last decade. Deep learning is a popular machine learning algorithm recently applied in IDS applications. The adoption of complex layer algorithms in the term of deep learning has been applied in the last five years to increase IDS detection effectiveness. Unfortunately, most deep learning models generate a large number of false negatives, leading to dominant mistake detection that can affect the performance of IDS applications. This paper aims to integrate a statistical model to remove outliers in pre-processing, SDAE, responsible for reducing data dimensionality, and LSTM-Attention, responsible for producing attack classification tasks. The model was implemented into the NSL-KDD dataset and evaluated using Accuracy, F1, Recall, and Confusion metrics measures. The results showed that the proposed IDSX-Attention outperformed the baseline model, SDAE, LSTM, PCA-LSTM, and Mutual Information (MI)-LSTM, achieving more than a 2% improvement on average. This study demonstrates the potential of the proposed IDSX-Attention, particularly as a deep learning approach, in enhancing the effectiveness of IDS and addressing the challenges in cyber threat detection. It highlights the importance of integrating statistical models, deep learning, and dimensionality reduction mechanisms to improve IDS detection. Further research can explore the integration of other deep learning algorithms and datasets to validate the proposed model's effectiveness and improve the performance of IDS.
Analisis Sentimen Pada Review Produk Skincare Menggunakan Word Embedding dan Metode Long Short-Term Memory (LSTM) Rona Guines Purnasiwi; Kusrini Kusrini; Muhammad Hanafi
Innovative: Journal Of Social Science Research Vol. 3 No. 2 (2023): Innovative: Journal Of Social Science Research (Special Issue)
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i2.1649

Abstract

Skincare merupakan serangkaian perawatan kulit yang dapat merawat kesehatan serta kecantikan kulit. Peran skincare untuk konsumen khususnya perempuan sangatlah penting, hal ini dikarenakan perempuan sangat memperhatikan penampilan dan wajah yang bersih sehingga banyak perempuan yang mempelajari dan memahami pengetahuan terkait jenis kulitnya dan bahan kandungan skincare sebelum melakukan perawatan kulit, salah satunya melalui website Female daily network. Female daily network merupakan salah satu platform kecantikan yang memiliki beberapa layanan kecantikan seperti layanan kategori skincare, fitur review, blog dan forum. Pada fitur review terdapat informasi pengalaman pengguna dan rating dari suatu produk yang telah digunakan sebelumnya, seperti pembersih wajah, pelembap tabir surya, serum, toner, facial mask dan lain sebagainya. Dalam memilih sebuah produk, fitur review ini sangatlah bermanfaat bagi konsumen yang akan menggunakan produk tersebut. Hal ini penting untuk mengetahui keputusan yang diambil tidak mendapat tanggapan atau pengalaman negatif dari konsumen sebelumnya, maka dari itu diperlukan analisis sentimen guna mengetahui persepsi pengalaman konsumen terhadap produk skincare tersebut. Pada penelitian ini akan melakukan analisis sentimen review produk skincare female daily menggunakan LSTM dengan menggunakan word embedding Word2Vec. Pada penelitian sebelumnya, metode LSTM mampu menghasilkan akurasi yang lebih baik dibandingkan dengan metode lainnya. Penggunaan Word2Vec dalam penelitian ini dikarenakan Word2Vec mampu merepresentasi makna yang lebih baik dari keterbatasan informasi pada teks pendek yang didapat. Selain itu, sebagai pembanding, penelitian akan menguji keakuratan pada dataset yang sama menggunakan LSTM tanpa menggunakan word embedding Word2Vec.
Model Hibrid Algoritma Apriori dan Regresi Linear untuk Perkiraan Produksi Jagung (Studi Kasus : Kabupaten Dompu) Muh Adha; Ema Utami; Hanafi Hanafi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 3 (2022): Volume 8 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i3.55522

Abstract

Jagung ialah sumber karbohidrat penting ke dua sesudah beras. Dibeberapa daerah, jagung adalah pembakar lemak yang baik karena jagung juga tinggi lemak dan tinggi kalori daripada nasi. Selain itu, mengandung asam lemak dan esensial yang membantu mencegak aterosklerosis. Sebagai akibat dari permasalahan yang terjadi baru baru ini, permintaan jagung meningkat secara signifikat. Komsumsi terus tumbuh, namun produksi jagung dalam negeri tetap rendah sehingga menimbulkan ketimpangan dalam memenuhi kebutuhan jagung. Seiring dengan perubahan produksi jagung Kabupaten Dompu dari tahun ke tahun, maka perlu diperkirakan kedepannya apakah produksi jagung Kabupaten Dompu akan menurun atau meningkat. Hasil ramalan ini akan digunakan sebagai indikator keamanan pangan Kabupaten Dompu, khususnya jagung. Penelitian ini menggunakan data panen atau budidaya Jagung dari  Dinas Pertanian dan Perkebunan Kabupten Dompu dari tahun 2012 sampai 2021 sebagai data produksi tanaman jagung di Kabupaten Dompu. Maka dari itu, prediksi ini membutuhkan algoritma yang menggunakan algoritma apriori dan regresi linear. Perhitungan metode regresi linear untuk memprediksi produksi jagung menggunakan pengujian MAD didapatkan 4.04 menggunakan data training mulai periode tahun 2012 – 2021 dan hasil persamaan regresi linear didapatkan yaitu Y = -29.0212901 + 2.30146418x1 + 4.53334525x2 + 11.8742684x3. Sedangkan perhitungan metode apriori, didapatkan 2 rule yang dengan support 10% dan confidence 50% didapat IF buy Gandasil then buy Ricestar with confidence 100% dan IF buy Roundup then buy Tabas with confidence 67%.
ANALYSIS OF PUBLIC OPINION ON INDONESIAN TELEVISION SHOWS USING SUPPORT VECTOR MACHINE Fidya Farasalsabila; Ema Utami; Muhammad Hanafi
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 10, No 2 (2024): Maret 2024
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i2.2935

Abstract

Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.            Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,  Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%. Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF,  Support Vector Machine
Klasifikasi Penyakit Paru-Paru Berdasarkan Peningkatan Kualitas Kontras dan EfficientNet Menggunakan Gambar X-Ray Asfa Dhevi Azzumzumi; Muhammad Hanafi; Windha Mega Pradnya Dhuhita
Teknika Vol 13 No 2 (2024): Juli 2024
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v13i2.881

Abstract

COVID-19 dan penyakit paru-paru telah menjadi faktor utama penyebab kematian manusia di seluruh dunia. Kematian pasien dipengaruhi oleh keterlambatan deteksi dini. Sebagian besar profesional medis menggunakan gambar untuk mengidentifikasi kondisi paru-paru. Namun, para ahli yang dapat me-diagnosis dengan gambar sangat terbatas. Diagnosis gambar mendiagnosa menggunakan penglihatan manusia secara konvensional. Klasifikasi penyakit paru-paru sangat bervariasi. Masalah yang disebutkan di atas menunjukkan bahwa deteksi penyakit paru-paru dengan Artificial Intelligence (AI) yang efektif telah ditetapkan. Namun, sebagian besar hasil penyakit paru-paru salah didiagnosis. Bagi pasien, masalah ini menjadi masalah besar. Bertujuan untuk menangani klasifikasi penyakit paru-paru dengan deteksi kesalahan yang tinggi, kami menggunakan beberapa teknik pre-processing gambar dan menerapkan model pembelajaran mendalam dalam EfficientNet. Model Pre-processing termasuk augmentasi, peningkatan white balance, dan peningkatan kontras. Berdasarkan penelitian sebelumnya, mayoritas proses analisa gambar medis mengalami kualitas gambar yang rendah. Berdasarkan laporan eksperimen, model yang kami usulkan mencapai hasil yang signifikan dalam mengurangi kesalahan deteksi pada klasifikasi penyakit paru-paru. Dimana hasil F1 score-nya 0,97, recallnya 0,98, presisinya 0,96, dan akurasinya 0,97. Kami mempertimbangkan untuk menggunakan model yang kami usulkan dalam klasifikasi multi-class. Kami mengevaluasi model yang kami usulkan menggunakan evaluation metric dan AUC Curve.
Optimalisasi Seleksi Fitur dengan RFECV dalam Credit Scoring menggunakan ANN Catur Riyono Heri Wibowo; Ema Utami; Hanafi
SemanTIK : Teknik Informasi Vol. 10 No. 2 (2024): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v10i2.60

Abstract

Credit scoring adalah metode krusial yang digunakan oleh lembaga keuangan untuk menilai kelayakan kredit calon peminjam. Penelitian ini bertujuan untuk mengoptimalkan seleksi fitur menggunakan Recursive Feature Elimination with Cross-Validation (RFECV) dalam credit scoring dengan algoritma Artificial Neural Network (ANN). Peneliti mengevaluasi kinerja model ANN pada berbagai kombinasi teknik optimizer dan learning rate untuk menemukan konfigurasi paling efektif. Hasilnya menunjukkan bahwa ANN mampu memberikan prediksi risiko kredit dengan akurasi tinggi. Kombinasi optimizer Nadam dan learning rate 0.001 menghasilkan kinerja terbaik dengan akurasi sebesar 81.79%. RFECV terbukti efektif dalam meningkatkan kinerja model dengan mengidentifikasi fitur-fitur paling relevan, mengurangi overfitting, dan meningkatkan generalisasi. Penelitian ini menegaskan pentingnya seleksi fitur dan pemilihan parameter yang tepat dalam pengembangan model credit scoring yang akurat dan efisien. Temuan ini membuka jalan bagi peningkatan sistem credit scoring yang lebih andal, membantu lembaga keuangan membuat keputusan yang lebih baik dan aman.
Penerapan Framework COBIT 2019 Pada Infrastruktur Teknologi Informasi (Studi Kasus STIMIK Tunas Bangsa Banjarnegara) Zubaedi, Umam Faqih; Muhammad, Alva Hendi; Hanafi, Muhammad
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7158

Abstract

Tata kelola teknologi informasi pada infrastruktur TI di kampus merupakan aspek penting untuk memastikan bahwa penggunaan teknologi informasi mendukung tujuan pendidikan dan administrasi. Pada penelitian ini,menggunakan COBIT 2019 untuk dapat mengetahui sejauh mana kampus mengelola infrastruktur TI dan memastikan pada pengelolaan perubahan TI secara cepat dan terkontrol namun tidak mengganggu layanan infrastruktur TI. Pengumpulan data dilakukan menggunakan metode observasi dan kuesioner yang dilakukan di kampus STIMIK Tunas Bangsa Banjarnegara. Dari hasil yang ditemukan terdapat pemilihan domain sebagai fokus utama yaitu domain BAI06 (Manage IT Changed) yang menghasilkan nilai capability level sebesar 2,75 sehingga dapat di simpulkan menjadi level 3. Hasil tersebut menunjukan bahwa tingkat kapabilitas sudah baik, namun terdapat beberapa aspek yang perlu ditingkatkan seperti sub domain BAI06.02, BAI06.03, dan BAI06.04. Penelitian ini merekomendasikan untuk proses perbaikan dan pengendalian sehingga mencapai target yang diharapkan yaitu level 4.
Analisis Penyediaan Virtual Workspace untuk Karyawan di MSV Studio Jatmiko, Burham Dwi; Winarno, Wing Wahyu; Hanafi, Hanafi
Jurnal Teknik Indonesia Vol. 2 No. 2 (2023): Jurnal Teknik Indonesia
Publisher : Publica Scientific Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (321.556 KB) | DOI: 10.58860/jti.v2i2.18

Abstract

Tujuan: Pada penelitian ini bertujuan untuk memberikan saran (rekomendasi) berdasarkan hasil pengukuran kualitas protocol remote desktop. Sebagai salah satu syarat kelulusan dalam menempuh program Magister Informatics Technopreneurship pada program Pascasarjana Universitas AMIKOM Yogyakarta. Metode: Dalam penelitian ini peneliti melakukan pengumpulan data melalui study literature yang dilanjutkan dengan tahapan penelitian pada infrastruktur server MSV Studio. Hasilnya dari data-data di atas dapat diambil kesimpulan dan sebagai acuan divisi IT untuk diterapkannya teknologi virtual workspace dengan memanfaatkan protocol yang terbaik dan dapat dierapkan di MSV Studio. Hasil: Dengan menggunakan protokol L2TP/IPSec tentunya memiliki kemanan data yang tinggi dibandingkan jenis VPN lain seperti PPTP. L2TP/IPSec memiliki keamanan yang sama dengan VPN SSTP, Tiga jenis VPN tersebut umumnya sudah support di platform Windows. Jadi exsisting topologi dan protocol VPN yang saat ini sudah berjalan tidak perlu diubah. Kesimpulan: Berikut adalah analisis protocol remote yang sesuai kebutuhan guna terciptanya virtual workspace: 1.) Pada hasil pengujian latency dan pengamatan peneliti bahwa protokol RDP lebih minim latency dibandingkan protocol VNC. 2.) Hasil dari benchmark framerate menunjukkan bahwa protokol RDP mendapatkan skor 32fps dan VNC 20fps. 3.) Pengujian benchmark bandwidth pada protokol VNC dan RDP menunjukkan bahwa protokol RDP lebih menghemat kouta bandwidth dibandingkan dengan protocol VNC
Co-Authors - Jaeni Abdul Malik Zuhdi Abdul Samad Hasan Basari Abidullah S. Salim Aflahah Apriliyani Ahmad Febri Diansyah Ahmad Jaisy Rahman Alva Hendi Muhammad Andi Sunyoto Andri Pranolo Anggit Dwi Hartanto Anik Sri Widowati Asfa Dhevi Azzumzumi Asy'ari, Ahmad Hasyim B, Arijal Cahyarini Maulida Tri Yunanda Catur Riyono Heri Wibowo D. Diffran Nur Cahyo Djatmiko, Widdi Ema Utami Fahmi Rusdi Al Islami Fendy Prasetyo Nugroho Fidya Farasalsabila Jack Febrian Rusdi Jatmiko, Burham Dwi KUSRINI Kusrini Kusrini Kusrini, Kusrini Leonel Hernandez Lopes, David Dos Santos Pinto Marwan Noor Fauzy Moch Mashuri Muh Adha Muhammad Akbar Maulana Muhammad Fajrian Noor Muhammad Fatahillah Muhammad Ilham Fadila Muhammad Rusdi Rahman Muqorobin Muqorobin Nanang Fitriana Kurniawan Nanna Suryana Nugraha, Icha Nura Nur Avin Maulana Reflan Nuari Rizky . Robi Wariyanto Abdullah Rona Guines Purnasiwi Sentoso, Thedjo Sri Wulandari Taqwa Hariguna Tutik Lestari Verra Budhi Lestari Wijaya, Mochamad Rozikul Windha Mega Pradnya Dhuhita Windha Mega Pradnya Dhuhita Yingchi Mao Yoga Dwi Pambudi Yudhi Setiyantara Yulita Fatma Andriani Zubaedi, Umam Faqih Zul Hisyam