Article Per Year (5 Year)
p-Index From 2021 - 2026
9.936
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Jurnal Teknik Elektro Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Sistem dan Informatika InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Sistemasi: Jurnal Sistem Informasi Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer JURNAL MANAJEMEN BISNIS Jurnal Literasiologi Jurnal Tekno Kompak Jurnal Ilmiah Kebidanan Indonesia (Indonesian Midwifery Scientific Journal) Jurnal Abdidas Jurnal SASAK : Desain Visual dan Komunikasi Jurnal Bumigora Information Technology (BITe) Jurnal Pengabdian UNDIKMA Journal of Electrical Engineering and Computer (JEECOM) Lumbung Inovasi: Jurnal Pengabdian Kepada Masyarakat Jurnal Silva Samalas: Journal of Forestry and Plant Science Jurnal Elkasista ADMA: Jurnal Pengabdian dan Pemberdayaan Masyarakat Jurnal Inovasi, Evaluasi dan Pengembangan Pembelajaran (JIEPP) Jurnal PRIMED:Primary Education Journal atau Jurnal Ke-SD An Journal of Engineering, Technology and Computing (JETCom) Jurnal: International Journal of Engineering and Computer Science Applications (IJECSA) Insand Comtech : Information Science and Computer Technology Journal Valid Jurnal Pengabdian Journal of Economics and Management Scienties Prosiding Seminar Nasional CORISINDO Media Pendidikan Matematika
Hairani Hairani
Universitas Bumigora, Mataram, Indonesia
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 89 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 89 Documents
Search

 1   2   3   4   5 
Pelatihan Pengenalan Data Science untuk Meningkatkan Kemampuan dalam Pengolahan Data Hairani Hairani; Ahmad Zuli Amrullah
Jurnal Abdidas Vol. 1 No. 3 (2020): Vol 1 No 3 July Pages 88-182
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (621.65 KB) | DOI: 10.31004/abdidas.v1i3.31

Abstract

Data science merupakan gabungan ilmu komputer, statistika, dan pengetahuan domain bisnis untuk ekstraksi tumpukan data yang besar menjadi pengetahuan sehingga mendapatkan pattern atau pola-pola yang dapat memudahkan pengambil keputusan. Adapun orang menggeluti bidang data science disebut data scientist. Profesi data scientist akhir-akhir ini menjadi profesi yang sangat seksi di abad 21. Sumber daya manusia yang berprofesi sebagai data scientist di Indonesia sangat sedikit bila dibandingkan ketersedian lapangan kerja dibidang data science. Dengan kata lain, ketersediaan lapangan kerja data science berbanding terbalik dengan ketersediaan SDM yang berprofesi sebagai data scientist, dimana jumlah SDM data scientist sangat sedikit dibandingkan dengan jumlah lapangan kerja yang berlimpah. Salah satu solusi yang ditawarkan adalah mengadakan pelatihan dan workshop untuk pengenalan data science untuk meningkatkan SDM bidang data science khususnya di Universitas Bumigora. Metode pelaksanaan yang digunakan adalah penyampaian materi tentang data science dan simulasi penggunaan metode data science dalam kasus real menggunakan Google Colab. Berdasarkan hasil pelatihan dan workshop yang telah dilaksanakan, dapat meningkatkan pemahaman dan kemampuan para peserta untuk menggunakan metode-metode yang ada pada data science untuk mengolah data menjadi sebuah pengetahuan.
Aplikasi Pembelajaran Percakapan Bahasa Arab dan Inggris Berbasis Android Hairani Hairani; Muhammad Zulkarnaen Haris; Muhammad Arfa; Muhammad Innuddin
Jurnal SASAK : Desain Visual dan Komunikasi Vol 4 No 1 (2022): SASAK
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/sasak.v4i1.1884

Abstract

Nurul Haramain Islamic Boarding School NW Narmada is a private educational institution that applies English and Arabic as daily languages ​​for students in the boarding school environment. However, students who have just entered the Islamic boarding school are given up to six months to learn English and Arabic. Until now, Nurul Haramain Islamic Boarding School NW Narmada in teaching Arabic and English to students still uses the conventional learning process without using the help of learning media. Most of the students did not listen to the teacher delivering the subject matter, difficulties in understanding the material, and the lack of interest of the students in Arabic and English conversations. Therefore, this study aims to develop an application for learning conversational English and Arabic based on Android for class 1 students of Mts Nurul Haramain. The application development stages use the Luther Sutopo model which consists of the Concept, Design, Material Collecting, Assembly, Testing, and Distrubution stages. The application that has been developed was tested on 30 respondents related to application functionality, where the results of application functionality were 78% in the Good category, so that it can help class 1 students of Mts Islamic boarding school Nurul Haramain learn English and Arabic conversation with the correct pronunciation.
Aplikasi Penentuan Penerima Beasiswa Menggunakan Algoritma C4.5 Abdurraghib Segaf Suweleh; Dyah Susilowati; Hairani Hairani
Jurnal Bumigora Information Technology (BITe) Vol 2 No 1 (2020)
Publisher : Prodi Ilmu Komputer Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (934.458 KB) | DOI: 10.30812/bite.v2i1.798

Abstract

Pada proses penentuan beasiswa sering muncul permasalahan mengenai tidak adanya perhitungan pasti untuk menentukan penerima beasiswa yang berhak yang mengakibatkan pelaksanaan seleksi beasiswa membutuhkan waktu yang relative lama. Implementasi aplikasi yang dapat memprediksi calon penerima beasiswa yang menggunakan teknik data mining, dapat menjadi salah satu alternative solusi untuk mengatasi permasalahan tersebut. Metode penelitian yang digunakan yaitu metode waterfall dengan tahap : analisa kebutuhan, perancangan diagram alur dan interface, implementasi menggunakan PHP dan MySQL ,dan pengujian menggunakan metode black box. Data yang digunakan untuk pengujian merupakan data mahasiswa sebanyak 125 data. Hasil yang dicapai dari pengujian tersebut yaitu diketahuinya tingkat akurasi implementasi algoritma C4.5 pada proses penentuan penerima beasiswa mencapai 92%, spesifisitas 92.3%, dan sensitifitas 91.6% . Kesimpulan dari penelitian ini adalah algoritma C4.5 berhasil diimplementasikan dalam proses klasifikasi penerima beasiswa dan fungsi – fungsi aplikasi ini sudah sesuai dengan yang diharapkan berdasarkan hasil pengujian menggunakan metode black box.
Implementation of Certainty Factor Method on Problematic Student Counseling Guidance Expert System Zilullah Nazir Hadi; Dyah Susilowati; Hairani Hairani; Muhammad Innuddin
Jurnal Bumigora Information Technology (BITe) Vol 3 No 2 (2021)
Publisher : Prodi Ilmu Komputer Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/bite.v3i2.1553

Abstract

The main thing in the development of education is the quality of education. One of the determinants of the quality of education is counseling guidance. The problem so far is that most students who have problems feel embarrassed in doing counseling directly to the BK teacher and usually consult with their friends so that they cannot solve the problems they face. This makes it difficult for BK teachers to deal with student problems, so we need a system that can help and solve problems experienced by students. The purpose of this study is to design an expert system that overcomes the problems suffered by students using the certainty factor method that can provide solutions based on the types of problems suffered by the students. The expert system development methodology in this study uses the waterfall methodology which consists of needs analysis, design, coding, and testing. The result of this research is in the form of an expert system application for counseling problem students who apply a web-based certainty factor method that can make it easier for students to find out the types of problems they face based on the problems symptoms entered. This study concludes that the expert system application that was built has a good level of convenience based on the results of usability testing using the SUS (System Usability Scale) method of 76.5%.
Aplikasi Pemetaan Kualitas Pendidikan di Indonesia Menggunakan Metode K-Means Gibran Satya Nugraha; Hairani Hairani
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 17 No 2 (2018)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (956.108 KB) | DOI: 10.30812/matrik.v17i2.84

Abstract

Aplikasi Pemetaan Kualitas Pendidikan Di Indonesia Menggunakan Metode K-Means adalah sebuah aplikasi yang dirancang untuk memudahkan pemetaan kualitas pendidikan di Indonesia. Aplikasi ini dapat membuat sebuah cluster dari kualitas pendidikan di Indonesia berdasarkan sejumlah parameter yaitu Angka Partisipasi Kasar, Angka Partisipasi Murni, Angka Putus Sekolah, Angka Kelulusan, Angka Melanjutkan, Jumlah Sekolah, Rasio Siswa/Sekolah, Rasio Siswa/Kelas, Rasio Kelas/Guru, Rasio Kelas/Sekolah, Rombongan Belajar/Ruang Kelas, dan Jarak Sekolah. Keluaran atau output dari sistem berupa peta yang mengelompokkan daerah-daerah sesuai dengan kualitas pendidikan yang dimilikinya. Analisis perancangan yang digunakan dalam pembuatan sistem ini menggunakan UML (Unified Modeling Language) dimana setiap aktivitas pada sistem akan dikelompokkan secara sendiri-sendiri di dalam sebuah use case diagram dan alur dari sistem digambarkan dalam bentuk flowchart. Perancangan sistem yang dilakukan antara lain perancangan basis data. Perancangan berdasarkan spesifikasi kebutuhan, dan perancangan antarmuka. Secara umum aplikasi ini dapat menghitung data parameter kualitas pendidikan dengan menggunakan metode K-Means Clustering, dan menampilkan hasilnya dalam bentuk peta, sehingga dinas pendidikan atau lembaga-lembaga yang menangani pendidikan di Indonesia dapat membandingkan kualitas pendidikan setiap provinsi di Indonesia Key word : Clustering, k-means, pemetaan
Graduation Prediction System on Students Using C4.5 Algorithm Donny Kurniawan; Anthony Anggrawan; Hairani Hairani
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 19 No 2 (2020)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (468.655 KB) | DOI: 10.30812/matrik.v19i2.685

Abstract

Bumigora University College there are several things that are not balanced between the entry and exit of students who have completed their studies. Students who enter in large numbers, but students who graduate on time below the specified standards. As result, there was a huge accumulation of students in each graduation period. One solution to overcome the problem above needs a data mining based system in monitoring or utilizing student development in predicting graduation using the C4.5 algorithm. The stages of this research began with problem analysis, data collection, data requirement analysis, data design, coding, and testing. The results of this study are the implementation of the C4.5 algorithm for predicting student graduation on time or not. The data used is the data of students who have graduated from 2010 to 2012. The level of acceptance generated using the confusion matrix is ​​93,103% accuracy using 163 training data and 29 testing data or 85% training data and 15% testing data. The results of research and testing that has been done, C4.5 algorithm is very suitable to be used in student graduation prediction.
Segmentasi Lokasi Promosi Penerimaan Mahasiswa Baru Menggunakan Metode RFM dan K-Means Clustering Dyah Susilowati; Hairani Hairani; Indah Puji Lestari; Khairan Marzuki; Lalu Zazuli Azhar Mardedi
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 21 No 2 (2022)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (282.401 KB) | DOI: 10.30812/matrik.v21i2.1542

Abstract

Persaingan penerimaan mahasiswa baru antar kampus swasta sangat ketat untuk menarik calon mahasiswa sehingga membutuhkan strategi. Strategi Universitas Bumigora adalah mengirimkan tim promosi ke sekolah-sekolah di pulau Lombok maupun pulau sumbawa. Permasalahan pihak panitia Penerimaan Mahasiswa Baru selama ini adalah tidak melakukan segmentasi sekolah yang menjadi skala prioritas untuk dikunjungi agar efektif dan efisien. Tujuan penelitian ini adalah melakukan segmentasi tingkat potensial sekolah sebagai strategi untuk memilih lokasi promosi penerimaan mahasiswa baru Universitas Bumigora menggunakan analisis model RFM dan metode K-means. Tahapan penelitian terdiri dari persiapan data penerimaan mahasiswa baru tahun 2019 dan 2020, pra-pengolahan data, penerapan model Recency (R), Frequency (F), dan Monetary (M)implementasi metode K-means, dan analisa hasil. Hasil penelitian ini adalah terbentuk 3 klaster tingkat potensial sekolah yang dapat dijadikan skala prioritas untuk lokasi promosi penerimaan mahasiswa baru Universitas Bumigora yaitu kurang potensial, potensial, dan sangat potensial. Klaster sangat potensial (C2) terdapat 28 sekolah, klaster potensial (C3) terdapat 90 sekolah, dan klaster kurang potensial (C1) terdapat 152 sekolah.
Kombinasi Metode AHP dan TOPSIS untuk Rekomendasi Penerima Beasiswa SMK Berbasis Sistem Pendukung Keputusan M. Rasyid Ridho; Hairani Hairani; Kurniadin Abd Latif; Rifqi Hammad
Jurnal Tekno Kompak Vol 15, No 1 (2021): Februari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v15i1.905

Abstract

SMK 2 Negeri Mataram merupakan lembaga pedidikan yang terteletak dikota mataram. Setiap tahunnya pihak SMK Negeri 2 Mataram (pihak humas) melakukan seleksi beasiswa bagi siswa yang memiliki nilai akademik bagus tetapi tidak mampu secara ekonomi. Selama ini permasalahan yang dihadapi oleh pihak pengambil keputusan atau humas SMK Negeri 2 Mataram dalam seleksi penerima beasiswa adalah waktu yang dibutuhkan sangat lama karena dilakukan secara manual. Karena pihak humas SMK Negeri 2 mataram memilih siswa yang berhak mendapatkan bantuan beasiswa dengan cara verifikasi manual. Cara ini tentunya akan menyebabkan banyak terjadinya salah sasaran dalam pembagiannya, dimana yang dianggap mampu, bisa mendapatkan beasiswa tersebut, sedangkan yang dianggap tidak mampu tidak mendapatkannya. Tidak hanya itu, pihak humas juga kesulitan dalam penentuan penerima beasiswa dikarenakan antar calon penerima memiliki kesamaan nilai setiap kriteria yang digunakan. Adapun kriteria yang digunakan dalam seleksi penerima beasiswa adalah nilai rata-rata, penghasilan orang tua, tanggungan orang tua, jarak tempat tinggal, dan kehadiran. solusi yang ditawarkan pada penelitian ini adalah menggunakan konsep sistem pendukung keputusan dengan kombinasi metode AHP dan TOPSIS untuk seleksi penerima beasiswanya. Metode AHP digunakan untuk pembobotan secara otomatis dan mendapatkan bobot prioritas antar kriteria yang digunakan, untuk minimalisir terjadinya pembobotan secara subyektif. Sedangkan metode TOPSIS digunakan untuk melakukan perangkingan penerima beasiswa dengan cara mengoptimalkan solusi ideal positif dan solusi ideal negatif untuk mendapatkan penerima beasiswa yang tepat dan layak. Tahapan-tahapan dalam pengembangan sistem pendukung keputusan seleksi penerima beasiswa adalah pengumpulan data, perancangan model MADM untuk melihat hubungan antar kriteria dengan alternatifnya, Coding menggunakan Bahasa pemrograman PHP dan Mysql. Tahapan terakhir adalah Pengujian untuk validasi hasilnya dengan perhitungan manual dan sistem. Hasil penelitian yang didapatkan adalah kombinasi metode AHP-TOPSIS mampu dimplementasikan untuk mendapatkan alternatif terbaik sebagai penerima beasiswa. Adapun kesimpulan penelitian ini adalah dengan adanya sistem pendukung keputusan rekomendasi penerima beasiswa tersebut dapat memudahkan dan mempercepat pihak pengambil keputusan (pihak humas) dalam seleksi penerima beasiswa dengan transparan dan okjektif.
Recommendations of Thesis Supervisor using the Cosine Similarity Method Hairani Hairani; Mujahid Mujahid
Sistemasi: Jurnal Sistem Informasi Vol 11, No 3 (2022): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v11i3.2003

Abstract

During the thesis writing process, the role of the supervisor is needed so that the completion of the thesis is timely so that the quality of the thesis is maintained. One of the problems in determining the thesis supervisor for undergraduate computer science at Bumigora University is the subjectivity of the head of the study program in determining the thesis supervisor. Not only that, the selection process for supervisors is done manually so that it can take a long time and can slow down student thesis work.  Students' thesis work will be late and not on time if the thesis topic is not in accordance with the competence of the lecturer. This study aims to apply the cosine similarity method to the recommendation of a thesis supervisor for undergraduate computer science at Bumigora University. The stages of this research consist of collecting thesis documents, pre-processing text (Case Folding, Tokenization, Filtering, Stemming), word weighting with TF-IDF, implementation of the cosine similarity method, and accuracy testing. The data used are 113 thesis documents which are divided as training data as many as 90 documents and testing data 23 documents. Based on the testing data on the test, the cosine similarity method can correctly recommend 21 of 23 thesis documents with an accuracy of 91.3%. Thus, the cosine similarity method can be applied to the case of selecting a thesis supervisor for undergraduate computer science at Bumigora University because it has very good accuracy.
Prediksi Penjualan Produk Unilever Menggunakan Metode Regresi Linear Anthony Anggrawan; Hairani Hairani; Nurul Azmi
Jurnal Bumigora Information Technology (BITe) Vol 4 No 2 (2022)
Publisher : Prodi Ilmu Komputer Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/bite.v4i2.2416

Abstract

Barokah Shop is a retail store that sells various basic necessities for daily needs. Too much inventory will result in losses such as storage costs and the possibility of a decrease in the quality of goods. On the other hand, a small amount of inventory will reduce a larger profit. This study aims to build a web-based Unilever sales prediction system using a simple linear regression method. Testing the accuracy of the prediction results of sales of Unilever products using MEA and MAPE to see the level of error in the prediction results. The dataset uses Unilever product sales data for 15 months, from January 2021 to March 2022. The dataset is divided into 12 months as training data and 3 months as testing data. Prediction results in the next 3 periods of each type of product produce the same value between the system results and the results of manual linear regression calculations. Testing the error rate on the prediction results for 3 periods, namely January to March 2022, each Ax Deodorant, Bango Kecap, Buavita, Citra Lotion, Citra Soap, Clear Shampoo, Sariwangi, Sunsilk Conditioner, Vixal and Wall's Ice Cream products belong to the category of very accurate forecasting results. With the smallest MAPE value in Sunsilk Conditioner products of 1%. Thus, the linear regression method is very accurate for predicting sales of Unilever types goods.
Co-Authors Abdillah, Mokhammad Nurkholis Abdurraghib Segaf Suweleh Abdurraghib Segaf Suweleh Abu Tholib Adam, M. Awaludin Afrig Aminuddin Ahmad Ahmad Ahmad Fathoni Ahmad Zuli Amrullah Amelia, Bengi Amin, Farda Milanda Andi Sofyan Anas Andi, Moh syaiful Anggarawan, Anthony Anthony Anggrawan Arfa, Muhammad Ashadi, Diki Astuti, Ni Luh Budi Ayu Dasriani, Ni Gusti Candra, M. Ade Christine Eirene Christopher Michael Lauw Dadang Priyanto Dedi Aprianto Dedy Febry Rachman Dedy Febry Rahman Deny Jollyta Dian Syafitri Didik Dwi Prasetya Diki Ashadi Dirgantara, Bhintang Donny Kurniawan Dyah Susilowati Dyah Susilowaty Edddy, Syaiful Eka Setiawan, Rian Putra Fahry, Fahry Fatimatuzzahra Fatimatuzzahra Fitra Rizki Ramdhani Gibran Satya Nugraha Gibran Satya Nugraha Gumangsari, Ni Made Gita Gustiya, Sherly Dwi Guterres, Juvinal Ximenes Hadi, M Fawazi Hammad, Rifqi Hartono Wijaya Haryono Haryono Hasbullah Hasbullah Heru Kurnianto Tjahjono Hery Widijanto Hidayati, Diana Huda, Dias Nabila I Gusti Agung Ayu Hari Triandini I Nyoman Switrayana Ida Putu Andika Ifnaldi, Ifnaldi Ilham Saifuddin Indah Puji Lestari Indradewa, Rhian Isviyanti, Isviyanti Janhasmadja, Mengas Jauhari, M. Thonthowi Jupriadi, Jupriadi Juvinal Ximenes Guterres Juvinal Ximenes Guterres Juvinal Ximenes Guterres Kandisa, Amelia Kasiyanto Kasiyanto, Kasiyanto Khairan marzuki Khasnur Hidjah Khurniawan Eko Saputro Kurniadin Abd Latif Kurniawan Kurniawan Lalu Ganda Rady Putra Lilik Nurhayati lnnuddin, Muhammad M. Ade Candra M. Rasyid Ridho Maariful Huda, Muhammad Malika, Riwayati Mardedi, Lalu Zazuli Azhar Mardedi, Lalu Zazuli Azhar Mayadi Mayadi Mayadi Mayadi Mayadi, Mayadi Mayasari, Astri Michael Lauw, Christopher Miftahul Madani Muhamad Azwar Muhamad Azwar, Muhamad Muhammad Arfa Muhammad Innuddin Muhammad Maariful Huda Muhammad Ridho Akbar Muhammad Ridho Hansyah muhammad Syahbudi, muhammad Muhammad Zulfikri Muhammad Zulfikri Muhammad Zulkarnaen Haris Mujahid Mujahid Neny Sulistianingsih Noor Akhmad Setiawan Nurhayati, Lilik Nurul Azmi Nurvianti, Nurvianti Nuzululnisa, Bq Nadila Pahrul Irfan Putu Tisna Putra Qososyi, Sayidina Ahmadal Rahmawati, Lela Ramadhanti Ramadhanti Ramadhanti, Ramadhanti Rifqi Hammad Riosatria, Riosatria Riwayati Malika RR. Ella Evrita Hestiandari Saifuddin Zuhri Saifuddin, Ilham Samsul Hadi Santoso, Heroe Shudiq, Wali Ja'far Soepriyanto, Harry Sofiansyah Fadli Sri Winarni Sofya Sri Winarni Sofya Sudi Prayitno Sukron, Moh Sutarman Sutarman Syahrir, Moch. tadianta m., Winardi aries Teguh Bharata Adji Tri Widayatsih, Tri Triwijoyo, Bambang Krismono Triyanna Widiyaningtyas Umi Hanifah Vidiasari, Herlita Vidiasari, Viviana Herlita Wahyuningsih, Rr. Sri Handari Widiatmoko, Dekki Winarni Sofya, Sri Wira Hendri Wiyanto, Suko Ximenes Guterres, Juvinal Yuri Ariyanto Zilullah Nazir Hadi