Claim Missing Document
Check
Articles

PENERAPAN ALGORITMA FP-GROWTH UNTUK MENENTUKAN POLA PENJUALAN PADA TOKO LARIS MANIS ANEKA KUE KERING KHAS CIREBON Nurhaliza, Siti; Astuti, Rini; Muhamad Basysyar, Fadhil
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.v8i1.8350

Abstract

Data mining telah menjadi alat yang sangat penting dalam mengatasi tantangan analisis data besar-besaran dan mendukung pengambilan keputusan yang lebih cerdas di berbagai sektor, Tujuannya adalah menemukan pola, tren, atau informasi yang dapat membantu perkiraan atau pengambilan keputusan di berbagai industri.Karena persaingan usaha yang semakin bervariasi, produsen perlu mempunyai rencana yang matang untuk mencapai tujuannya. Diantara metode utama yang diterapkan produsen untuk menangkis persaingan dan mempertahankan kelangsungan bisnis mereka adalah pemasaran melalui penggunaan data pembelian dari database yang dapat memberikan rincian tren penjualan pelanggan pada data transaksi dengan menerapkan metode Market Basket Analysis untuk mengidentifikasi barang yang dibeli sekaligus. Berdasarkan data perdagangan yang kemudian diproses menggunakan Rapid Miner Studio menggunakan algoritma fp-growth, maka perdagangan akan selesai. Salah satu manfaat dari proses data mining ini adalah dapat membantu bisnis dalam memperoleh angka dan kuantitas penjualan serta mengungkap informasi baru. Menurut temuan penelitian, data mining menggunakan algoritma FP-Growth bisa dalam menganalisis perilaku pelanggan dan direkomendasikan dalam ulasan produk untuk barang berkualitas tinggi. Oleh karena itu, produk yang sering dibeli secara kooperatif ditangani dengan hati-hati oleh pemilik toko. Dapat dihasilkan beberapa pola penjualan dalam penelitian ini dan dimanfaatkan untuk keberlangsungan toko.
IMPLEMENTASI DATA MINING UNTUK MENENTUKAN POLA PENJUALAN PRODUK MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Pujiono, Slamet; Astuti, Rini; Muhamad Basysyar, Fadhil
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.v8i1.8360

Abstract

Penjualan fashion adalah proses pemasaran dan penjualan produk yang berkaitan dengan bisnis fashion. Bisnis fashion mencakup segala sesuatu yang berhubungan dengan pakaian, aksesoris, dan produk gaya hidup lainnya yang diproduksi dan dijual untuk memenuhi kebutuhan gaya dan penampilan konsumen. Dalam penelitian ini, pihak bersangkutan memilih untuk menjaga kerahasiaan identitasnya dan menggunakan nama samaran merek X. Karena beragamnya produk yang dijual dan tingkat minat konsumen untuk membelinya, mungkin mengalami kesulitan dalam mengisi persediaan produk. Oleh karena itu, dibutuhkan suatu sistem agar dapat membantu membuat keputusan dengan lebih cepat dan akurat. Untuk mengatasi permasalahan ini, analisis dilakukan dengan menerapkan metode Clustering menggunakan Algoritma K-Means. Penelitian ini bertujuan untuk menyelidiki strategi dan metode yang dapat diterapkan dalam pengelolaan stok barang lebih efisien, mengetahui barang-barang yang diminati guna meningkatkan pendapatan, serta menghindari akumulasi stok berlebihan yang dapat menyebabkan kerugian. Dari hasil penelitian ini diketahui nilai terbaik terdapat pada cluster 2 dengan nilai DBI sebesar -0,310 Terdapat 616 item produk yang termasuk dalam kategori paling laris dalam Cluster_0, sementara 8 item produk kurang laris dalam Cluster_1. Hal ini memungkinkan pemangku kepentingan untuk mengambil tindakan yang lebih baik, diantaranya adalah mengefektifkan pengelolaan persediaan, mengamankan produk yang laris, dan memperluas promosi serta memperbaiki produk yang kurang laris.
ANALISIS SENTIMEN PADA APLIKASI KFCKU Di GOOGLE PLAYSTORE MENGGUNAKAN NAÏVE BAYES Sisnawati, Sisnawati; Astuti, Rini; muhamad basysyar, Fadhil
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.v8i3.8382

Abstract

KFC merupakan restoran dengan sistem unit terbesar di Indonesia.KFC memiliki aplikasi yang bernama KFCku aplikasi ini berfungsi untuk memesan makanan secara online atau bisa disebut dengan aplikasi Online Food Delivery system (OFDS) aplikasi ini bertujuan untuk memudahkan konsumen dalam memesan makanan melalui aplikasi dan dapat menjangkau konsumen lebih luas, aplikasi KFCku ini di distribusikan pada google playstore sehingga banyak menghasilkan ulasan dari pengguna.Hasil dari ulasan tersebut memiliki pengaruh bagi penggunaan dan pengembangan pada aplikasi tersebut, namun dengan banyaknya data dan ulasan yang ada sehingga data tersebut tidak bisa di lakukan secara manual. Maka dari itu di perlukan metode untuk melihat kecenderungan pengguna pada aplikasi secara otomatis apakah positif atau negative Pada penelitian ini bertujuan untuk analisis pengguna pada aplikasi KFCku pada Google Playstore, tahapan yang di lakukan dalam penelitian ini adalah menggumpulakan data dari ulasan yang ada di apliksi KFCku sebanyak 500 data baik itu ulasan positif atau negatif. Penelitian ini menggunakan metode text mining yang terdiri dari tahapan, scraping data, labelling, cleaning, preprocessing (transformation, tokenization,filtering) Algoritma yang di gunakan dalam penelitian ini menggunakan algoritma naïve bayes, setelah melakukan proses semuanya hasil dari penelitian analisis sentiment pada aplikasi KFCKU mendapatkan akurasi 83%, untuk ulasan positive, precision mencapai 98%, dan untuk recall 83%. Dari hasil pemprosesan dengan cara klasifikasi dengan menggunakan algoritma naïve bayes bagus dan berjalan dengan baik
IMPLEMENTASI DATA MINING UNTUK PREDIKSI PRODUKSI BAWANG MERAH DI KABUPATEN BREBES Suyono, Suyono; Astuti, Rini; M. Basysyar, Fadhil
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.v8i1.8399

Abstract

Kabupaten Brebes merupakan lokasi utama di Indonesia yang menghasilkan bawang merah dalam jumlah besar. Bawang merah Brebes memiliki ciri bentuk lebih kering dan tahan busuk serta rasanya lebih pedas daripada bawang dari daerah lain menjadikan keunggulan bawang merah dari Brebes ini. Dinas Pertanian dan Ketahanan Pangan (DPKP) Kabupaten Brebes menyebutkan bahwa luas panen pada tahun 2022 mencapai 32,571 ha dengan jumlah total produksi mencapai 384,448 ton. Ketidakpastian hasil produksi bawang merah membuat harga bawang merah mejadi tidak stabil dan cenderung melonjak. Oleh karena itu, dengan memprediksi hasil produksi bawang merah akan membantu petani dalam melakukan manajemen pertanian bawang merah. Dalam penelitian ini, akan di terapkan metode regresi linier, dimana metode ini dapat menguji suatu hubungan dari variable yang satu dengan variable yang lain, dan memprediksi guna keperluan di bidang pertanian, sumber data yang digunakan berasal dari dataset Dinas Pertanian dan Ketahanan Pangan (DPKP) Kabupaten Brebes. Kemudian, membagi dua data menjadi data training sebesar 80% dan 20% untuk data testing, menghasilkan hasil prediksi jumlah produksi bawang merah pada tahun 2024 sebanyak 3.962.376 Kuintal, mengalami kenaikan daripada tahun 2022. Dengan nilai Mean Absolute Error (MAE) sebesar : 30116.24, Mean Squared Error (MSE) : 2989724823.94, Root Mean Squared Error (RMSE) : 54678.38 serta nilai R2-Score : 0.948.
PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE DALAM MENGANALISIS SENTIMEN ULASAN PELANGGAN SHOPEEFOOD BERDASARKAN TWITTER Nur Rismanah, Siti; Astuti, Rini; M. Basysyar, Fadhil
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.v8i1.8401

Abstract

Platform seperti ShopeeFood yang dapat digunakan untuk memesan makanan secara online telah menjadi fenomena di industri e-commerce. Fenomena ini muncul sebagai hasil dari perubahan perilaku konsumen yang semakin mengutamakan kenyamanan, efisiensi, dan berbagai pilihan pengalaman makanan. Pesatnya pertumbuhan pemesanan makanan secara online juga memunculkan tantangan dan peluang baru, seperti analisis sentimen terhadap ulasan pelanggan untuk mengetahui tingkat kepuasan, kekhawatiran, dan preferensi pelanggan. Penelitian ini bertujuan untuk menganalisis sentimen terhadap ulasan pelanggan ShopeeFood berdasarkan pengguna Twitter dengan mengambil data melalui teknik data crawling. Pada penelitian ini, data ulasan pelanggan ShopeeFood dari media sosial Twitter yang telah terkumpul dari tanggal 6 September hingga 16 Oktober 2023. Data ini mencakup ulasan pelanggan ShopeeFood sebanyak 2246 data ulasan pelanggan, dan menggunakan metode Knowledge Discovery in Database (KDD). Setelah dilakukan nya pengambilan data, tahapan selanjutnya adalah preprocesing data. Tahapan preprocesing data ini mencakup cleaning data, case folding, labeling, tokenize, filter tokens by length, stopword dengan menggunakan aplikasi RapidMiner dan pengklasifikasian menggunakan algoritma Support Vector Machine. Hasil dari pengujian ini didapatkan nilai akurasi sebesar 80.31%, presisi 73.22%, recall 95.58% dan erorr rate 19.68%.
DETEKSI BERITA PALSU MENGGUNAKAN ALGORITMA RANDOM FOREST Nurohanisah, Siti; Astuti, Rini; Muhammad Basysyar, Fadhil
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.v8i1.8418

Abstract

Dalam era digital yang dipenuhi oleh penyebaran berita palsu atau yang lebih dikenal dengan istilah "hoaks," tantangan untuk memerangi penyebaran informasi yang salah dan menyesatkan semakin mendesak. Berita palsu memiliki potensi untuk merusak kepercayaan publik, menciptakan kebingungan, dan berdampak negatif pada masyarakat. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikasi berita palsu yang menggunakan algoritma Random Forest, dengan tujuan mengeksplorasi cara menggunakan algoritma Random Forest dalam mengidentifikasi dan memisahkan berita palsu dari berita yang asli. Penelitian ini dilakukan dengan memanfaatkan dataset yang mencakup berbagai jenis berita, termasuk berita palsu dan berita asli, yang telah dianalisis dan dikategorikan oleh ahli faktual. Teknik pemrosesan bahasa alami (NLP) digunakan untuk mengekstraksi fitur-fitur penting dari teks berita. Penelitian ini menggunakan algoritma Random Forest untuk klasifikasi. Random Forest bekerja dengan cara menggabungkan sejumlah besar pohon keputusan yang independen untuk membuat keputusan akhir. Setiap pohon membuat prediksi, dan hasil akhirnya didasarkan pada mayoritas prediksi dari pohon-pohon tersebut. Kelebihan utama Random Forest adalah kemampuannya dalam mengatasi overfitting dan meningkatkan akurasi dengan menggabungkan prediksi dari beberapa model. Evaluasi dilakukan dengan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa klasifikasi berita palsu menggunakan algoritma Random Forest mampu mengklasifikasikan berita dengan tingkat akurasi yang memuaskan. Hasil akhir menunjukkan bahwa sistem ini memiliki kinerja yang baik dalam membedakan berita palsu dari berita asli, dengan akurasi rata-rata di atas 87%.
IMPLEMENTASI ALGORITMA K-MEANS DENGAN OPTIMIZE PARAMETER GRID PADA DATA KECELAKAAN LALU LINTAS DI KOTA CIREBON Maulana, Tedy; Astuti, Rini; Arie Wijaya, Yudhistira
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.v8i1.8430

Abstract

Kecelakaan lalu lintas merupakan salah satu peristiwa yang terjadi dijalan raya. Banyak faktor yang menyebabkan terjadinya kecelakaan lalu lintas, namun faktor manusia itu sendiri (human error) menjadi masalah utama. Kecelakaan lalu lintas menjadi salah satu permasalahan yang ada di Kota Cirebon. Penelitian ini bertujuan untuk melakukan pengelompokkan data kecelakaan lalu lintas di Kota Cirebon dengan maksud ingin mengetahui informasi karakteristik yang ada dalam dataset kecelakaan lalu lintas di Kota Cirebon dengan mengetahui pengaruh parameter yang ada pada Numerical Measure type dan pengaruh parameter atribut waktu (jam atau menit) agar mendapatkan k optimal berdasarkan Davies Bouldin Index (DBI). Penelitian ini menerapkan data mining dengan algoritma K-Means Clustering. Algoritma K-Means dipilih karena mudah diimplementasikan dan efisiensinya. Data yang digunakan yaitu data kecelakaan lalu lintas di Kota Cirebon dari tahun 2020-2023 dengan total 406 data record. Metode analisis data dilakukan menggunakan teknik Knowledge Discovery in Database(KDD) dengan Optimize Parameter Grid. Hasil analisis diperoleh parameter dengan semua jenis nya pada Numerical Measure type dan parameter hour(jam) yang berpengaruh dalam menghasilkan nilai k optimal yaitu pada cluster k=2 dengan nilai DBI sebesar 0,762. Hasil cluster k=2 dengan nilai DBI sebesar 0,762 merupakan hasil yang sama untuk semua jenis parameter yang ada pada Numerical Measure type.
KLASTERISASI DATA JUMLAH KASUS KEKERASAN TERHADAP PEREMPUAN DI PROVINSI JAWA BARAT MEGGUNAKAN ALGORITMA FUZZY C-MEANS Hidayat, Taufik; Astuti, Rini; Arie Wijaya, Yudhistira
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.v8i1.8438

Abstract

Perempuan di Indonesia saat ini masih menghadapi risiko menjadi korban kekerasan, dan kesulitan dalam mengatasi masalah kekerasan terhadap perempuan terus menjadi tantangan yang kompleks. Penelitian ini bertujuan untuk untuk melakukan pengelompokan data jumlah kekerasan terhadap perempuan di Jawa Barat dengan maksud ingin mengetahui informasi karakteristik yang ada dalam dataset jumlah kasus kekerasan terhadap perempuan di Jawa Barat dengan mendapatkan nilai k optimal, serta nilai iterasi dan parameter numerical measure yang mempengaruhi nilai k. Penelitian ini menggunakan metode Fuzzy C-Means Clustering untuk mengelompokkan data jumlah kasus kekerasan terhadap perempuan di Jawa Barat dengan lebih baik. Metode ini memungkinkan pengelompokan data berdasarkan derajat keanggotaan yang tidak hanya bersifat biner, melainkan juga memperhitungkan dengan keanggotaan yang lebih fleksibel. Data yang digunakan dalam penelitian ini adalah data sosial ekonomi terkait kekerasan terhadap perempuan. Hasil dan diskusi penelitian menunjukkan bahwa metode Fuzzy C-Means Clustering dapat memberikan pengelompokan data jumlah kasus kekerasan terhadap perempuan di Jawa Barat. Davies Bouldin Index mencapai nilai 0,158, dan nilai k optimal yang ditemukan adalah 3. Nilai iterasi yang ditemukan berdasarkan nilai k optimal adalah 10, dan parameter yang mempengaruhi nilai k optimal melibatkan penggunaan parameter numerical measure adalah Manhattan Distance. Penelitian ini memiliki potensi untuk memberikan wawasan yang lebih mendalam mengenai beragam hambatan yang dihadapi oleh individu yang mengalami masalah kesejahteraan sosial. Dengan demikian, penelitian ini dapat membantu pihak berwenang dan lembaga pemerintah mengidentifikasi kelompok yang paling rentan dan mengalokasikan sumber daya secara lebih efisien.
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DALAM KLASIFIKASI STATUS STUNTING BALITA DI DESA BOJONGEMAS Widia Pebrianti, Sri; Astuti, Rini; M Basysyar, Fadhil
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.v8i2.8448

Abstract

Stunting pada balita menjadi salah satu permasalahan yang dialami dunia kesehatan. Stunting adalah suatu kondisi masalah kesehatan dengan dampak jangka panjang terhadap pertumbuhan dan perkembangan anak yang biasa terjadi pada periode 0-5 tahun. Kondisi ini dipengaruhi oleh pola makan dan nutrisi yang tidak sesuai dengan kebutuhan, serta berat dan tinggi badan yang tidak sesuai dengan umur. Kegiatan posyandu yang dilakukan setiap bulannya dapat membantu dalam mencegah terjadinya stunting. Kegiatan yang rutin dilakukan dengan cara memantau perkembangan status gizi, status pertumbuhan dan perkembangan anak. KNN adalah salah satu algoritma dalam machine learning yang digunakan untuk klasifikasi. KNN bekerja dengan cara mengukur jarak antara data yang akan diklasifikasi/diprediksi dengan data pelatihan yang sudah ada. Penelitian ini menerapkan teknik data mining dengan menggunakan algoritma K-Nearest Neighbor (KNN). Mengelompokan atau mengklasifikasikan sebuah data. Dalam penelitian ini, data yang diambil adalah usia, berat badan, tinggi badan dan status gizi balita. Pengujian dilakukan dengan aplikasi RapidMiner. Hasil penelitian mendapatkan nilai akurasi sebesar 92% dengan jumlah data sebanyak 503 data. Penelitian ini diharapkan dapat memberikan kontribusi dalam upaya pemantauan kesehatan di Desa Bojongemas. Hasil dapat digunakan sebagai dasar untuk mengidentifikasi balita yang memerlukan perawatan khusus untuk mengatasi masalah stunting. Selain itu, penerapan algoritma K-Nearest Neighbor dalam klasifikasi status stunting balita diharapkan dapat meningkatkan ketepatan identifikasi status stunting sejak dini dan mengoptimalkan upaya pencegahan stunting. Dengan menggunakan K-Nearest Neighbor, deteksi stunting dapat dilakukan lebih efisien dan sangat memungkinkan dalam pemberian perawatan yang tepat pada tahap awal pertumbuhan dan perkembangan anak. Penerapan algoritma k-Nearest Neighbor bukan hanya menghadirkan solusi teknologi informasi yang inovatif, tetapi juga berpotensi memberikan dampak positif bagi kesehatan anak-anak.
IMPLEMENTASI TEKNIK DATA MINING PADA DATA KUNJUNGAN WISATAWAN MENGGUNAKAN K-MEANS CLUSTERING DI HOTEL BINTANG KOTA CIREBON Wulandari, Sepia; Astuti, Rini; M. Basysyar, Fadhil
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.v8i1.8470

Abstract

Kota Cirebon kini juga disebut sebagai “kota wisata” dan memiliki berbagai tempat wisata yang menarik. Hotel merupakan jenis fasilitas akomodasi yang menyediakan berbagai layanan seperti tempat menginap, makanan, dan layanan lainnya untuk sementara kepada masyarakat umum dan dijalankan secara komersial. Dinas Kebudayaan dan Pariwisata seringkali mengalami permasalahan karena belum melakukan pemetaan kunjungan tamu hotel sehingga berdampak pada pengelolaan hotel bintang di kota cirebon. Untuk mengatasi masalah ini maka digunakan data kunjungan wisatawan dari januari hingga desember tahun 2021 bersumber dari Dinas Kebudayaan dan Pariwisata Kota Cirebon menggunakan teknik penerapan data mining untuk mengelola informasi data kunjungan wisatawan di hotel bintang di Kota Cirebon menggunakan K-Means Clustering. Kemudian, Validasi hasil klasterisasi dapat dilakukan menggunakan Davies Bouldin Index (DBI). Berdasarkan hasil pengelompokan pada RapidMiner menggunakan algoritma k-means, data dikelompokan menjadi 7 kelompok. Kelompok 3 merupakan tingkat dengan kunjungan wisatawan paling rendah, kelompok 1 merupakan tingkat dengan kunjungan wisatawan rendah 1, kelompok 6 tingkat dengan kunjungan wisatawan rendah 2, kelompok 0 merupakan tingkat dengan kunjungan wisatawan sedang, kelompok 4 merupakan tingkat dengan kunjungan wisatawan tinggi 1, kelompok 2 merupakan tingkat dengan kunjungan wisatawan tinggi 2 dan kelompok 5 merupakan tingkat dengan kunjungan wisatawan sangat tinggi. Oleh karena itu, dilakukannya penelitian mengenai penerapan data mining dengan jumlah wisatawan terbanyak yang ramai berkunjung dapat memberikan manfaat yang besar bagi manajemen hotel dan Dinas Kebudayaan dan Pariwisata Kota Cirebon dalam meningkatkan fasilitas pelayanan yang lebih baik
Co-Authors ', Abdullah Adi Suyatno Agusbaciar, Agusbaciar Agustinus Soemantri Al Lutfani, Thariq Kemal Ambariyanto Ambariyanto Anggaradinar, Lintang Ayu Ani Muani Apriliansyah, Rizal Dwi Rizki Arsha, Shaka Abiyyu Awang Noor Indra Wardana Baihaqi, Ahmad Basysyar, Fadhil Muhammad DAIPAH, IIP IMRON Dalimunthe, Ritha F. Devi Rahmayanti Devid Trinaldo Simatupang Ela Suryani Ernani Hadiyati Erpian, Soni Fadhil M Basysyar,M,Kom Fadillah, Nafla Farikah, Siti Farkhatul Jannah, Siti Gifthera Dwilestari Ginting, Dahlia Gunawan, Sepriyan Habibi, Muhammad Ilham Hadianti, Isan Haikal, Harisman Hamonangan, Ryan Hartanto Hasnida Hasrudy Tanjung, Hasrudy Hellmy Heni Hendriyani Henriani, Suswati Hidayatullah, Gusti Muhammad Husen Adlun, Muhammad Inong Satriadi Irma Purnamasari, Ade irwadi Islam, Saiful Iswari Setianingsih Jamal Janah, Buri Dyah Ayu Ma’rifatul Jefri Kartika Sekarsari Kaslani Khaeru, Abdullah Khaerul Anam Khoirunisa, Irma Khoirunnisa, Hasna Kusuma Arum, Sintia Kutut Suryopratomo Leviandro, Andrew Liza, Nova Loni Manikari, Salsa Lutfiani, Saufa M. Basysyar, Fadhil Maria Erna Kustyawati Martaleni - Marwah, Siti Maulana, Taufan Maulana, Tedy Moedrik Tamam Muallim, Edwar Muflihah Isnawati Muhamad Basysyar, Fadhil MUHAMMAD ALI Muhammad Basysyar, Fadhil Muhammad Fazis Mulyawan Murti, Yeni Dwi Nadia Widari Nasution Nur Rismanah, Siti Nurdiana, Nanik Eka Nurfitria, Tita Nurohanisah, Siti Okki Kurnia Pratama, Nugraha Prihartono, Willy Purnamasari, Ade Irma Purnamasari, Adinda Putri, Salma Salsabilla Daega Rakhmat Hidayat, Rakhmat Ramdhana, Farhan Rhomadon, Ahmad Arif Falah Rifqi Syamsul Fuadi Rizki, Muhammad Fajar Rochim, Sindy Aulia Rokhmanila, Siti Rosiana, Elfirza Salman Alfarisi Salsabila, Salsabila Saropah, Siti Sembiring, Rinawati Septiani Gumilar, Tia Setiawan, Dhanny Shara Merry Palupi Silviana, Selvi Sisnawati, Sisnawati Siti Arofah SITI MARYAM Siti Nurhaliza Slamet Pujiono Stedila, Stedila Suarna, Nana Suharyo Hadisaputro Suiroh, Suiroh Supiah Ningsih Suryono, Abi Sutaryo Sutaryo Sutrisno, Ferry Suyono Suyono Syamsu, Gatot Rizky Al Aufar Tanjung, Irwan Syari Tati Suprapti Taufik Hidayat Taukhid, Abdul Tiara Alifa, Talitha Tjahjadi, Djajasukma Widia Pebrianti, Sri Wiguna Marthanu, Indra Wulandari, Sepia Yudhistira Arie Wijaya Yudhistyra, Ekabrata Yusnandar, Willy Zurhidayati, Zurhidayati