p-Index From 2021 - 2026
10.491
P-Index
This Author published in this journals
All Journal JTT (Jurnal Teknologi Terpadu) Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Jiko (Jurnal Informatika dan komputer) METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Indonesian Journal of Applied Informatics KOMPUTIKA - Jurnal Sistem Komputer Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jurnal Informatika Global STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Journal of Information Systems and Informatics Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JATI (Jurnal Mahasiswa Teknik Informatika) G-Tech : Jurnal Teknologi Terapan Infotek : Jurnal Informatika dan Teknologi Madaniya Infotech: Journal of Technology Information Jurnal Teknik Informatika (JUTIF) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Infotech: Jurnal Informatika & Teknologi Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) International Journal Software Engineering and Computer Science (IJSECS) Jurnal Dinamika Informatika (JDI) Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Informatika Teknologi dan Sains (Jinteks) Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi Jurnal Indonesia Sosial Teknologi Proceeding of International Conference Health, Science And Technology (ICOHETECH) Adopsi Teknologi dan Sistem Informasi Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Innovative: Journal Of Social Science Research Journal Of Artificial Intelligence And Software Engineering SmartComp Sains Data Jurnal Studi Matematika dan Teknologi Jurnal PETISI (Pendidikan Teknologi Informasi) Jurnal Pengabdian Masyarakat Inovasi Indonesia TEKNOSAINS: Jurnal Sains, Teknologi dan Informatika
Claim Missing Document
Check
Articles

SISTEM INFORMASI CUSTOMER RELATIONSHIP MANAGEMENT (CRM) UNTUK PENINGKATAN LOYALITAS PELANGGAN DI CAHAYA MANDIRI AUDIO & ELEKTRONIK Wildan Setiawan; Aprilisa Arum Sari; Dwi Hartanti
METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Vol. 12 No. 1 (2026): Volume 12 Nomor 1 Tahun 2026
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/mtk.v12i1.5486

Abstract

Cahaya Mandiri Audio, an electronic service provider, is currently facing operational challenges due to its reliance on a manual record-keeping system, which has resulted in a data error rate of 15% and difficulties in maintaining customer loyalty. This study aims to design and build a web-based Customer Relationship Management (CRM) system capable of integrating customer data management, service history, and technician scheduling to optimize operations and improve customer retention. The development method used is the Prototype approach, utilizing the PHP programming language and the Laravel framework. The results of the study indicate that this system successfully unifies the roles of Admin and Technician within a single integrated platform, thereby minimizing human error and creating a more organized workflow compared to the previous manual system. The contribution and novelty of this system lie in the Scheduled Notification Module via WhatsApp, which facilitates the semi-automatic creation of message drafts through a redirect feature based on unit service history data to efficiently enhance customer loyalty.Keyword: CRM, Service, Laravel, Customer Loyalty, WhatsApp API.
Evaluasi Kinerja Aparat Pengawas Internal Pemerintah (APIP) Berbasis Web Menggunakan Algoritma K-Means ibnu - salifi; Dwi Hartanti; Vihi Atina
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.95719

Abstract

Abstrak : Aparat Pengawas Internal Pemerintah (APIP) di Inspektorat Daerah Kabupaten Sragen memiliki peran penting dalam menjaga transparansi dan akuntabilitas pemerintah daerah. Namun, proses evaluasi kinerja yang masih manual dan subjektif mengakibatkan kesulitan dalam mengidentifikasi kinerja pegawai secara objektif dan efisien. Penelitian ini bertujuan untuk mengembangkan sistem evaluasi kinerja berbasis web yang memanfaatkan algoritma k-means untuk mengelompokkan pegawai APIP berdasarkan parameter kinerja tertentu, seperti budaya kerja BerAKHLAK, Sasaran Kinerja Pegawai (SKP), tingkat kehadiran, dan kompetensi. Metode penelitian menggunakan algoritma k-means untuk clustering data kinerja, dengan pendekatan pengembangan sistem model Waterfall. Data dikumpulkan melalui observasi, wawancara, dan kuesioner terhadap pegawai APIP di Inspektorat Daerah Kabupaten Sragen. Sistem yang dikembangkan bertujuan untuk menghadirkan alat bantu evaluasi yang tidak hanya cepat, tetapi juga akurat dan mendalam, memungkinkan pimpinan untuk memperoleh gambaran kinerja secara terstruktur dan berbasis data. Hasil penelitian menunjukkan bahwa sistem ini mampu mengelompokkan pegawai APIP ke dalam beberapa kategori kinerja yang lebih akurat yaitu menghasilkan cluster dengan 8 pegawai berkinerja baik, 15 pegawai berkinerja cukup, dan 19 pegawai dengan kinerja kurang. Implementasi sistem ini juga memberikan visualisasi data yang informatif, membantu dalam identifikasi potensi pengembangan individu maupun tim, serta menyusun strategi peningkatan kinerja secara menyeluruh. Sehingga sistem ini tidak hanya mempermudah proses evaluasi kinerja, tetapi juga memberikan dasar yang kuat bagi pengambilan keputusan dalam pengembangan kompetensi dan pelatihan pegawai. Kesimpulannya, penerapan algoritma k-means dalam evaluasi kinerja APIP terbukti efektif dalam meningkatkan kualitas pengawasan internal di lingkungan pemerintah daerah. Dengan demikian, sistem ini dapat menjadi model yang dapat direplikasi di berbagai instansi pemerintah lainnya untuk mendukung tata kelola yang lebih baik.====================================================Abstract : The Internal Government Supervisory Apparatus (APIP) at the Regional Inspectorate of Sragen Regency plays a critical role in maintaining transparency and accountability within the regional government. However, the manual and subjective performance evaluation process poses challenges in objectively and efficiently identifying employee performance. This study aims to develop a web-based performance evaluation system utilizing the k-means algorithm to cluster APIP employees based on specific performance parameters, such as the BerAKHLAK work culture, Employee Performance Targets (SKP), attendance rate, and competence. The research methodology employs the k-means algorithm for performance data clustering, using the Waterfall model for system development. Data was collected through observations, interviews, and questionnaires involving APIP employees at the Regional Inspectorate of Sragen Regency. The system is designed to provide a performance evaluation tool that is not only fast but also accurate and in-depth, enabling leadership to obtain structured and data-driven insights into employee performance. The research findings indicate that the system successfully categorizes APIP employees into several performance clusters, producing groups of 8 employees with good performance, 15 with average performance, and 19 with poor performance. The system implementation also provides informative data visualizations that aid in identifying individual and team development potential and devising comprehensive strategies for performance improvement. Thus, the system not only facilitates the performance evaluation process but also provides a robust basis for decision-making in developing competencies and training programs for employees. In conclusion, the application of the K-Means algorithm in evaluating APIP performance has proven effective in enhancing the quality of internal supervision within the regional government. Consequently, this system can serve as a replicable model for various other government agencies to support improved governance practices.
Analisis Kepuasan Pengunjung Menggunakan Metode Regresi Linear Berganda di Solo Technopark Berbasis Web M Ainur Syawaludin; Hanifah Permatasari; Dwi Hartanti
JURNAL PETISI (Pendidikan Teknologi Informasi) Vol. 7 No. 1 (2026): JURNAL PETISI (Pendidikan Teknologi Informasi)
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalpetisi.v7i1.3805

Abstract

Evaluasi kepuasan pengunjung di Solo Technopark selama ini dilakukan secara manual, sehingga dinilai kurang efisien dan tidak mampu mengungkap faktor-faktor layanan secara mendalam. Penelitian ini bertujuan untuk mengembangkan sistem dashboard berbasis web guna menganalisis dan memantau tingkat kepuasan pengunjung secara cepat dan akurat. Metode CRISP-DM digunakan sebagai kerangka kerja, dengan data primer yang dikumpulkan melalui kuesioner mencakup sembilan indikator layanan (U1–U9). Analisis dilakukan menggunakan Regresi Linear Berganda untuk mengidentifikasi pengaruh masing-masing indikator terhadap kepuasan, serta analisis tren diagnostik untuk mengetahui penyebab fluktuasi skor kepuasan antar periode. Hasil penelitian menunjukkan bahwa indikator Kompetensi Petugas (U5) dan Sikap Sopan dan Ramah (U6) memiliki pengaruh paling signifikan terhadap kepuasan pengunjung (R² = 0,751). Sistem dashboard yang dikembangkan terbukti efektif dalam membantu manajemen mengidentifikasi masalah pelayanan dan merancang strategi peningkatan kualitas layanan. Penelitian ini merekomendasikan pemanfaatan sistem ini secara rutin sebagai alat evaluasi berbasis data dan pengambilan keputusan taktis.
Sistem Rekomendasi Produk Umkm Menggunakan Content Based Filtering Pada Kampung Njawani Marobo; Vihi Atina; Dwi Hartanti
Jurnal DutaCom Vol. 19 No. 2
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/6p4ea121

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) di Kampung Njawani memiliki peran penting dalam mendukung perekonomian lokal melalui berbagai produk makanan, minuman, dan kerajinan. Namun, banyaknya variasi produk yang tersedia sering menyulitkan pengguna dalam menemukan produk yang sesuai dengan kebutuhan dan preferensi mereka. Kondisi ini menyebabkan proses pencarian produk menjadi kurang efisien serta berdampak pada rendahnya keterlihatan beberapa produk UMKM. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi produk UMKM Kampung Njawani berbasis web menggunakan metode Content-Based Filtering. Sitem dikembangkan dengan metode pengembangan perangkat lunak Extreme Programming (XP) yang menekankan proses pengembangan secara iteratif dan melibatkan pengguna secara langsung. Alur sistem dimulai dari pembuatan akun pengguna, pengisian preferensi melalui proses onboarding, hingga penyajian rekomendasi produk pada dashboard pengguna. Preferensi pengguna dan atribut produk direpresentasikan dalam bentuk dokumen teks, kemudian dilakukan pembobotan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan pengukuran tingkat kemiripan menggunakan metode Cosine Similarity untuk menghasilkan skor kecocokan. Hasil penelitian menunjukan bahwa sistem mampu memberikan rekomendasi produk yang relevan sesuai dengan preferensi pengguna. Selain itu, sistem menyediakan dashboard admin yang menampilkan data rekomendasi dan skor kecocokan produk sebagai bahan analisis. Sistem ini diharapkan dapat membantu pengguna dalam menemukan produk UMKM secara efrektif serta mendukung pengembangan UMKM Kampung Njawani.
Residual Learning-Based Hybrid ARIMA–LSTM for Digital Retail Demand Forecasting Dwi Hartanti; Aprilisa Arum Sari
Journal of Information System and Informatics Vol 8 No 4 (2026): August
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/journalisi.v8i4.1706

Abstract

The rapid growth of digital retail has increased the need for accurate demand forecasting to support inventory planning and operational decision-making. This study proposes and evaluates a residual learning-based Hybrid ARIMA–LSTM framework for daily retail demand forecasting. A univariate dataset containing 1,826 daily demand observations collected between January 2021 and December 2025 was preprocessed using data cleaning, Min–Max normalization, Augmented Dickey–Fuller (ADF) testing, first-order differencing, and sliding window transformation. ARIMA was employed to model the linear component of the demand series, while LSTM was used to learn nonlinear residual patterns. The proposed framework was evaluated against ARIMA, LSTM, Exponential Smoothing, Moving Average, and Naïve Forecast using MAE, MSE, and RMSE on the original demand scale after inverse normalization. The Hybrid ARIMA–LSTM achieved the lowest MSE (4668.71) and RMSE (68.32) among the evaluated forecasting models, whereas the standalone LSTM achieved a slightly lower MAE (49.87). Furthermore, residual analysis showed that the Hybrid ARIMA–LSTM produced stable forecasting performance, with residuals randomly distributed around the zero reference line, indicating minimal systematic prediction bias. This study demonstrates that a residual learning-based Hybrid ARIMA–LSTM framework can effectively improve daily digital retail demand forecasting by integrating statistical and deep learning models under identical experimental settings.
Sistem Rekomendasi Paket Modifikasi Interior Kendaraan Menggunakan Pendekatan Content-Based Filtering Alfito Muhammad Fernanda; Dwi Hartanti; Bondan Wahyu Pamekas
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemilihan paket modifikasi interior kendaraan sering menjadi kendala bagi pelanggan karena banyaknya pilihan bahan, warna, desain, fitur tambahan, dan harga yang ditawarkan. Penelitian ini bertujuan untuk membangun sistem rekomendasi paket modifikasi interior kendaraan menggunakan pendekatan Content-Based Filtering. Data paket yang digunakan terdiri dari atribut nama paket, bahan jok, warna interior, desain, fitur tambahan, harga, dan deskripsi paket. Atribut tersebut kemudian digabungkan menjadi teks dan diproses menggunakan metode TF-IDF untuk memberikan bobot pada kata atau atribut penting. Selanjutnya, metode Cosine Similarity digunakan untuk menghitung tingkat kemiripan antara preferensi pengguna dengan data paket yang tersedia. Hasil rekomendasi ditampilkan berdasarkan nilai kemiripan tertinggi, sedangkan evaluasi dilakukan menggunakan nilai precision untuk mengukur ketepatan rekomendasi yang dihasilkan. Berdasarkan pengujian dengan input “jok kulit warna hitam desain elegan”, sistem menampilkan tiga rekomendasi teratas yang relevan, yaitu Comfort Interior, Doortrim Elegan, dan Audio Comfort, sehingga diperoleh nilai Precision@3 sebesar 100%. Hasil tersebut menunjukkan bahwa sistem rekomendasi dapat membantu pelanggan memilih paket modifikasi interior kendaraan secara lebih cepat, terarah, dan sesuai dengan preferensi.
Penerapan Metode User-Based Collaborative Filtering pada Sistem Rekomendasi Buku Berbasis Dataset Publik Maulana Az Zahra Yusuf; Dwi Hartanti; Bondan Wahyu Pamekas
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi informasi telah meningkatkan jumlah koleksi buku digital yang tersedia, sehingga pengguna sering mengalami kesulitan dalam menemukan buku yang sesuai dengan preferensi mereka. Penelitian ini bertujuan untuk membangun sistem rekomendasi buku menggunakan metode User-Based Collaborative Filtering dengan memanfaatkan dataset publik Book-Crossing. Tahapan penelitian meliputi preprocessing data, pembentukan User-Item Matrix, perhitungan tingkat kemiripan antar pengguna menggunakan metode Cosine Similarity, serta proses pemberian rekomendasi berdasarkan weighted recommendation score. Sistem dikembangkan menggunakan bahasa pemrograman Python dengan framework Streamlit sehingga menyediakan antarmuka bagi pengguna untuk memperoleh rekomendasi buku dan dashboard admin untuk menampilkan hasil analisis data. Kinerja sistem dievaluasi menggunakan Root Mean Square Error (RMSE), serta metrik Precision dan Recall. Hasil pengujian menunjukkan bahwa sistem mampu menghasilkan rekomendasi buku berdasarkan kemiripan preferensi pengguna dengan nilai RMSE sebesar 1,796, Precision sebesar 0,003, dan Recall sebesar 0,017. Selain itu, sistem berhasil menampilkan informasi analisis dataset, distribusi rating, buku terpopuler, pengguna paling aktif, serta visualisasi evaluasi model. Hasil penelitian menunjukkan bahwa metode User-Based Collaborative Filtering mampu diterapkan pada sistem rekomendasi buku berbasis dataset publik dan memberikan rekomendasi yang relevan sesuai pola penilaian pengguna.
Penerapan Metode Knowledge-Based Filtering Pada Sistem Rekomendasi Penginapan Di Kota Surakarta Otto Santoso Putro; Dwi Hartanti; Vihi Atina
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Peningkatan volume wisatawan di Kota Surakarta memicu tingginya kebutuhan terhadap sarana akomodasi yang selaras dengan anggaran dan kriteria spesifik setiap pengunjung. Sistem pencarian pada umumnya masih mengandalkan rekam jejak penilaian masa lalu, sehingga sering kali memunculkan masalah cold start saat harus menyajikan rekomendasi kepada pengguna baru yang belum memiliki ulasan. Penelitian ini bertujuan untuk membangun sebuah sistem rekomendasi penginapan yang adaptif menggunakan metode knowledge-based filtering melalui pendekatan perhitungan kesesuaian case-based reasoning. Algoritma ini bekerja dengan cara memetakan pengetahuan secara langsung dari spesifikasi pencarian pengguna dan menghitung tingkat kecocokan (similarity score) terhadap 20 data penginapan di wilayah Kota Surakarta. Perhitungan rekomendasi didasarkan pada rumusan empat atribut utama dengan sebaran bobot yaitu harga sewa (0,35), ketersediaan fasilitas (0,25), standar rating (0,25), dan tipe kamar (0,15). Hasil pengujian sistem melalui simulasi studi kasus perhitungan komputasi membuktikan bahwa metode knowledge-based filtering beroperasi dengan transparan dan sistematis. Sistem terbukti mampu memvalidasi preferensi pengguna dan mengeksekusi perhitungan pembobotan nilai secara akurat, di mana pada pengujian kasus, penginapan Townhouse Oak dan Solo Grand City berhasil direkomendasikan sebagai pilihan utama dengan perolehan nilai kesesuaian tertinggi sebesar 1,00. Pendekatan algoritma ini menghasilkan keputusan akhir yang sangat objektif tanpa terhalang minimnya riwayat interaksi, terbukti kebal terhadap cold start, dan sangat layak diimplementasikan sebagai fondasi utama mesin pengambil keputusan personal bagi wisatawan.
IMPLEMENTASI CONTENT-BASED FILTERING PADA PERANCANGAN SISTEM REKOMENDASI OBAT BERBASIS GEJALA PENYAKIT Yogi Putra Auditama; Agustina Purwatiningsih; Dwi Hartanti
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Banyaknya informasi kesehatan di internet sering kali membuat masyarakat kesulitan memilih obat yang tepat untuk keluhan ringan, sehingga memicu risiko kesalahan swamedikasi. Penelitian ini bertujuan merancang sistem rekomendasi obat berbasis web menggunakan metode Content-Based Filtering. Proses pencocokan teks dilakukan melalui pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) dan kalkulasi Cosine Similarity untuk mengukur kemiripan antara input gejala pengguna dengan deskripsi obat. Pengujian performa sistem dilakukan secara formal melalui lima skenario variasi input gejala keluhan ringan menggunakan Confusion Matrix. Hasil evaluasi menunjukkan sistem memperoleh rata-rata Precision sebesar 65%, Recall sebesar 100%, dan F1-Score sebesar 77%. Nilai Recall sebesar 100% menunjukkan bahwa seluruh obat yang relevan pada data uji berhasil direkomendasikan oleh sistem, sedangkan nilai Precision sebesar 65% menunjukkan masih terdapat beberapa rekomendasi yang kurang relevan. Secara keseluruhan, sistem mampu menghasilkan rekomendasi obat yang relevan untuk gejala penyakit ringan berdasarkan kemiripan deskripsi obat.
PENERAPAN ALGORITMA K-MEANS UNTUK PENGELOMPOKAN TINGKAT KEMACETAN LALU LINTAS Fadia Aulia Azizah; Dwi Hartanti; Pramono -
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Peningkatan jumlah kendaraan yang tidak diimbangi dengan perkembangan infrastruktur jalan memicu lonjakan kemacetan lalu lintas. Untuk mengatasi masalah ini, diperlukan analisis data yang terstruktur guna memetakan pola kepadatan kendaraan. Penelitian ini menerapkan teknik data mining dengan pendekatan clustering melalui algoritma K-Means untuk mengelompokkan tingkat kemacetan berdasarkan data transportasi. Metodologi penelitian mengikuti tahapan CRISP-DM, yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, hingga deployment. Data yang digunakan bersumber dari Kaggle dengan variabel start point, end point, travel time, distance, dan waktu perjalanan. Validasi dan evaluasi kualitas klaster diuji menggunakan Silhouette Score dan Davies-Bouldin Index (DBI). Hasil akhir dari penelitian ini diharapkan mampu membentuk klaster tingkat kemacetan yang representatif dengan nilai pengujian validitas klaster yang optimal. Melalui pendekatan kuantitatif ini, penelitian dapat memberikan gambaran pola kepadatan yang valid serta menjadi bahan rujukan strategis dalam pengelolaan lalu lintas yang lebih efektif.
Co-Authors Adi Tiyas Ahmad Fathoni Aditya Bagaskara Afu Ichan Pradana Afu Ichsan Pradana Agustina Purwatiningsih Agustina Srirahayu Ahmad Wahyu Saputra, Nur Ajeng Ayu Arumsari Aldio Tri Bangkit Sanjaya Alfito Muhammad Fernanda Alvian Ahmada Akhbar Amanda Putri Setiawan Ananta, Kevin Yoga Anbirama Auberta Anggi Prabata Andy Ariyanto Anisatul Farida Anjar Setiawan Aprilisa Arum Sari Aprilisa Arum Sari Aprilisa Arum Sari, S.T, M.Kom Ardhi Tiya Setiawan Arif Wicaksono Septyanto Asa Dilla Safitri Atik Sulami Avianto Adi Pratama Azizah, Shelvi Bagas Muttaqi Bagaskara, Mochammad Naufal Bagus Adi Nugroho Bagus Erwanto Bagus Irfanzah Arda Nugraha Bayu Tri Pramono Bondan Wahyu Pamekas Da Costa, Alexandre Daffa Rizki Putra Noordi Dika Adi Pratama Divangga Revansa Arya Pradhana Dwi Handayani Dwi Kurniawan Saputro Dyah Aprimavista Cahyani Dyah Purwaningsih Eka Wijanarka Satata Putra Eko Purwanto Enggar Wijaya Putra Erlina Kumala Kusumawati Ester Anugrayningtyas Fadia Aulia Azizah Fajar Suryani Fany Lestari FAULINDA ELY NASTITI Firdausi, Annisaa' Alam Fitroh Ahmad Abdul Aziz hanif, abdurrohman Hanifah Permatasari Hasanah, Herliyani Hasda Surya Putra Hasim Azari Hilmi Putra Andriano, Muhammad Hiskia Kus Setiawan ibnu - salifi Ilham Tristadika Saputra Indah Nofikasari Indah, Ratna Puspita Intan Febiana Ovianti Intan Oktaviani Iqbal Hanan Junaidi Irawan, Ridwan Dwi Irfan Agus Prastowo Jamilatun Safitri Jihan Amirah Munif Juantino Brata Astungkara Kevien Ollyvie Jolanda Kevin Yoga Ananta Khumaira Anin Aliya Pahlevi Kurnia Sari, Vena Leny Monica Lidia Earlene Rendhiva Lola Sekar Arum M Ainur Syawaludin Maria Rosario Marobo Maskhul Ryan Ibrahim Matin Muhith Maulana Az Zahra Yusuf Maulindar, Joni Meraldy Fiko Rastio Ajie Mira Erlinawati Moh. Muhtarom Muflih Taqiuddin Muhamad Daivany Nur Auilya Saleh Muhammad Arizal Yusuf Hermawan Muhammad Nur Ikhsanuddin Nadia Amalia Putri Nanang Setiawan Neha Poetri Setiawati Nibras Faiq Muhammad Nur Cahyo Nugroho Nurchim Nurkhalis, Danang Otto Santoso Putro Permatasari, Hanifah Praba Milantino A.R.K Pramono Pramudya Aziz Wisnuadi Pria Nur Islam Puput Dwi Mandiri Raditya Koesyan Dipo Pramukti Rifqi Firdausi Arafad Rizki Hendra Kusuma Robi Wariyanto Abdullah Rukmini, Siti Sandy Yustisio Oktaviandra Saputro, Khoirul Adi Saputro Setiawan, Jodi Apri Shelvi Azizah Silva, Adão Manuel da Sopingi Sopingi Sopingi, Sopingi Sri Lestari Sundari Sundari Syahrul Azhar Faisal Syahrul Rofiq Abdillah Fadli Taufiq Nur Arifin Tri Djoko Santosa Ulhaq, Ahmad Dia Ummi Kultsum Verdiyanto, Ricky Vihi Atina Vincentius Anggarda P.M Wahyu Adi Pratama Wildan Setiawan Wupiwulang Tanwal Hu Yasinta istiqomah Yogi Putra Auditama Yuda Abi Bagaskara Zariel Ardian Ekovih