Article Per Year (5 Year)
p-Index From 2021 - 2026
8.402
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Industri Pertanian Teknotan: Jurnal Industri Teknologi Pertanian Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Dharmakarya : Jurnal Aplikasi Ipteks Untuk Masyarakat Jurnal Aplikasi Teknologi Pangan Indonesian Journal of Chemistry IKRA-ITH Humaniora : Jurnal Sosial dan Humaniora JOURNAL OF APPLIED INFORMATICS AND COMPUTING SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Conference on Innovation and Application of Science and Technology (CIASTECH) Jurnal RESISTOR (Rekayasa Sistem Komputer) IKRA-ITH ABDIMAS Pontianak Nutrition Journal (PNJ) Journal of Industrial and Information Technology in Agriculture Canrea Journal: Food Technology, Nutritions, and Culinary Journal Jurnal Abdi Insani JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Food ScienTech Journal Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Teknik Informatika (JUTIF) Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Decode: Jurnal Pendidikan Teknologi Informasi SN-Biosper Scientific Student Journal for Information, Technology and Science Jurnal Buana Pengabdian Pontianak Nutrition Journal (PNJ) Composite Jurnal Sains dan Teknologi Pangan Jurnal Komtika (Komputasi dan Informatika) Global Science: Journal of Information Technology and Computer Science
Yana Cahyana
Fakultas Teknologi Industri Pertanian, Universitas Padjadjaran
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Veterinary Other

Published : 71 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 71 Documents
Search

 1   2   3   4   5 
Efisiensi Proses Kerja Dengan Prediksi Kedatangan Barang Terhadap Rencana Produksi Menggunakan Algoritma Linier Regresi Bramandito Affandi; Yana Cahyana; Dwi Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 4 No. 2 (2023): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Penelitian ini membahas tentang bagaimana sebuah Algoritma dapat menghasilkan prediksi yang digunakan sebagai acuan untuk mengimpementasikan efisiensi kerja menggunakan sebuah algoritma yang dinamakan Algoritma Regresi Linier. Algoritma Regresi Linier adalah algoritma yang memungkinkan untuk menghitung hubungan linier antara variabel dependen dan independen untuk membuat prediksi. Dalam observasi nya, peneliti menggunakan satu sample yang merupakan data kedatangan barang di departemen Production Control PT XYZ Indonesiadengan total part IN 9055551, part OUT 332037. Hasil prediksi yang dilakukan dengan menggunakan Algoritma Regresi Linier pada (FebruariMei) tahun 2022 adalah 4981165 dan pada hasil pengujian hasil prediksi menggunakan metode MAPE (Mean Absolute Percentage Error)menghasilkan sebesar 6% kesalahan yang dimana 6% tersebut masih masuk di kategori A <10% yaitu sangat akurat. Hasil prediksi ini menghasilkan efisiensi Man Power, Space dan Shuttle dengan pengurangan sebanyak 1 Man Power, 500m2 space dan 5 shuttle dengan total keuntungan yang didapatkan oleh perusahaan sebesar Rp. 1.897.670.000 pertahun dan dapat memenuhi permintaan supplier baru untuk memenuhi area warehouse. Peneliti dapat menyimpulkan bahwa peneliti dapat mengetahui tahapan, proses, serta hasil dalam penerapan Algoritma Regresi Linier sebesar average 90% dari penelitian sebelumnya yang dapat memprediksi kedatangan barang dan menghasilkan effisiensi kerja.
Penerapan Algoritma Support Vector Machine Untuk Analisis Sentimen Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Jovan Pangestu; Yana Cahyana; Hilda Novita
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Pandemi virus Corona yang menyerang Indonesia membuat pemerintah Indonesia menerapkan kebijakan-kebijakan. Salah satu kebijakan yang dibuat oleh pemerintah Indonesia adalah kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat atau yang biasa disebut sebagai PPKM. Tujuan dari kebijakan tersebut adalah untuk mengurangi angka virus Corona. Akan tetapi dalam menerapkan kebijakannya tersebut menimbulkan kontroversial sehingga mengundang banyak kalangan untuk memberikan opininya terhadap kebijakan yang diterapkan pemerintah Indonesia. Keterbatasan tempat membuat masyarakat sulit memberikan opininya sehingga media sosial dipilih sebagai tempat untuk menyampaikan opininya. Salah satu media sosial yang digunakan untuk menyampaikan opininya adalah Twitter. Masyarakat dalam memberikan opininya belum diketahui sentimen tersebut apakah positif atau negatif. Dalam penelitian ini algoritma Support Vector Machine (SVM) dipilih untuk melakukan analisa sentimen atau klasifikasi terhadap kebijakan PPKM. Berdasarkan penelitian yang telah dilakukan bahwa algoritma SVM dengan menggunakan 17.281 yang dibagi menjadi 80% untuk ada training dan 20% data test mendapatkan mayoritas sentimen positif. Evaluasi yang dilakukan dengan menggunakan Confusion Matrix memperoleh hasil akurasi sebesar 89.58%, recall sebesar 86.73%, dan precision 86.85% yang artinya hasil tersebut baik
PENERAPAN METODE NAÏVE BAYES UNTUK KLASIFIKASI SENTIMEN PADA REVIEW PRODUK E-COMMERCE Muhamad Amirrullah; Yana Cahyana; Kiki Baihaqi
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Pemanfaatan teknologi infomasi dan komunikasi dibidang perdagangan salah satunya yaitu berupa penjualan dan pembelian secara online. Dalam kegiatan berbelanja secara online biasanya konsumen mencari terlebih dahulu mengenai produk yang akan dibelinya melalui review dari konsumen sebelumnya, dikarenakan review dari konsumen sebelumnya dapat menyediakan informasi terbaru dari produk tersebut berdasarkan perspektif konsumen lain yang sudah membeli produk tersebut terlebih dahulu. Tujuan dari penelitian ini adalah mengklasifikan review produk tersebut menggunakan algoritma naïve bayes. Klasifikasi naïve bayes merupakan algoritma untuk klasifikasi berdasarkan teorema naïve bayes dan digunakan untuk menghitung sebuah probabilitas dari suatu kelas. Dalam penelitian ini terdapat beberapa tahapan penelitian yaitu preprocessing, implementasi, dan pengujian. Pada pengujian data dibagi menjadi 2 bagian, 80% sebagai data latih serta 20% sebagai data uji. Pada pengujian menggunakan confusion matrix, penelitian ini mendapatkan akurasi sebesar 86%, sedangkan untuk precission mendapatkan nilai rata-rata 88%, serta nilai recall yang mendapatkan nilai rata-rata 86%.
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DAN C4.5 UNTUK KLASIFIKASI PENYAKIT KANKER SERVIKS Muhammad Ramadhan; Yana Cahyana; Ayu Juwita
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Kanker serviks merupakan penyebab kematian nomor dua pada perempuan di dunia setelah kanker payudara, sedangkan di Indonesia kanker serviks menduduki peringkat pertama, hal tersebut yang menjadikan masalah kesehatan reproduksi di Indonesia masih menjadi sorotan utama. K-Nearest Neighbor (KNN) adalah suatu metode algoritma supervised learning, di mana kelas yang paling banyak muncul (mayoritas) yang akan menjadi kelas hasil klasifikasi. Sedangkan Algoritma C4.5 merupakan sebuah algoritma klasifikasi yang digunakan untuk membangun decision tree (pohon keputusan). Penelitian kali ini bertujuan untuk mengklasifikasikan data resiko kebiasaan kanker serviks dengan menerapkan algoritma KNN dan C4.5. Data diambil dari website UCI Machine Learning sebanyak 72 data dan 19 atribut setelah dilakukan seleksi menjadi 63 data dan 5 atribut yang diantaranya adalah dukungan sosial instrumental, pengetahuan pemberdayaan, kemampuan pemberdayaan dan keinginan pemberdayaan lalu untuk kanker serviks dijadikan untuk atribut kelas. Pengujian ini dilakukan dengan cara manual, pemrograman python dan rapidminer. Penghitungan algoritma KNN telah dilakukan pada pengujian menggunakan rapidminer dengan cross validation kemudian menghasilkan akurasi 80.95% dan dengan split validation membagi data menjadi data training dan testing sebesar 80 : 20 menghasilkan akurasi 83.33%, sedangkan algoritma C4.5 dengan cross validation kemudian menghasilkan akurasi 76.19% dan dengan split validation membagi data menjadi data training dan testing sebesar 80 : 20 menghasilkan akurasi 75.00%. Untuk pengujian dengan pemrograman python dengan split validation membagi data menjadi data training dan testing sebesar 80 : 20 kemudian algoritma KNN mendapatkan hasil akurasi 84.00%, sedangkan algoritma C4.5 menghasilkan akurasi 69.00%. Sehingga algoritma KNN dengan pengujian Python mendapatkan akurasi terbaik pada penelitian ini dengan nilai akurasi 84.00%.
PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN CRYPTOCURRENCY PADA MEDIA SOSIAL TWITTER Rizky Riyanto; Yana Cahyana; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Dalam penelitian ini, sentimen masyarakat mengenai cryptocurrency yang disampaikan melalui tweet pada media sosial twitter akan di analisis menggunakan machine learning. Terdapat beberapa tahapan dalam melakukan analisis sentimen yaitu tahap pengumpulan data, preprocessing, labeling, pembobotan kata, klasifikasi dan evaluasi. Proses pengumpulan data dilakukan dengan metode scraping menggunakan library python snscrape dan menghasilkan sebanyak 10000 data tweet bahasa Indonesia yang berkaitan yang berkaitan dengan cryptocurrency. Proses preprocessing untuk pembersihan data terdiri dari 6 tahapan yaitu remove duplicate, case folding, cleansing, normalisasi kata, tokenizing, stopword removal dan lemmatization. Pada proses labeling data akan dilakukan secara otomatis menggunakan program python dengan library textblob, hasil labeling data terbagi menjadi 3 kelas yaitu sentimen positif, negatif dan netral. Pada tahap klasifikasi, algoritma naive bayes akan dikombinasikan dengan fitur pembobotan kata TF-IDF dalam satu kelas pipeline python. Data tweet yang digunakan dalam tahap klasifikasi sebanyak 5000 data yang terdiri dari 2500 data dengan label positif dan 2500 data dengan label negatif yang kemudian dibagi menjadi 2 yaitu sebanyak 4000 data untuk data latih dan 1000 data untuk data uji. Pengujian dan evaluasi yang dilakukan dengan metode confusion matrix menggunakan algoritma naive bayes menghasilkan nilai akurasi sebesar 89%
Penerapan Algoritma K-Means Dan K-Medoid Untuk Mengelompokan Tingkat Kunjungan Wisatawan Mancanegara Berdasarkan Rute Masuk Ke Indonesia Rizky Nugraha; Yana Cahyana; Ayu Juwita
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Jumlah kunjungan wisatawan asing yang berkunjung ke suatu negara merupakan salah satu indikator penting untuk melihat perkembangan pariwisata. Ketertarikan wisatawan asing ke Indonesia dapat meningkatkan devisa negara dan meningkatkan perekonomian masyarakat di daerah wisata. Kurangnya informasi serta pengelompokan menyangkut ketertarikan dan tingkat kunjungan data wisatawan asing berdasarkan jalur masuk ke Indonesia mengakibatkan adanya kesulitan bagi pemerintah dalam melakukan kebijakan dan perencanaan strategi pemasaran, peningkatan infrastruktur serta fasilitas pariwisata untuk menarik minat para wisatawan asing, sehingga menjadi tidak tepat sasaran, menyebabkan wisata-wisata di Indonesia yang kurang dikenal jarang dikunjungi oleh wisatawan asing. Oleh karena itu, tujuan yang ingin dicapai dalam penelitian ini adalah mendapatkan pengelompokan tingkat kunjungan pada data wisatawan asing berdasarkan jalur masuk udara, darat, laut ke Indonesia dari tahun 2017 sampai 2021 dengan menerapkan algoritma k-means dan k-medoid. Algoritma ini dipilih karena mempunyai kemampuan mengelompokan data dalam jumlah yang cukup besar dengan waktu yang relatif cepat. Proses perhitungan pada penelitian ini memakai 2 cara yaitu perhitungan manual menggunakan excel dan Python yang terbagi menjadi 3 kelompok yaitu C1 tingkat kunjungan tinggi, C2 tingkat kunjunjungan sedang dan C3 tingkat kunjungan rendah. Hasil pengelompokan algoritma k-means yaitu C1 sebanyak 24, C2 sebanyak 1, dan C3 sebanyak 4. Sedangkan algoritma k-medoid yaitu C1 sebanyak 5, C2 sebanyak 15, dan C3 sebanyak 9. Kemudian hasil evaluasi data menggunakan Silhouette Coefficient menunjukan bahwa hasil akurasi algoritma k-means bernilai 0,8463 dan k-medoid bernilai 0,4691 yang berarti hasil akurasi algoritma k-means lebih baik daripada algoritma k-medoid karena lebih mendekati nilai 1.
Model Prediksi Harga Rumah Di Kabupaten Bandung Menggunakan Multiple Linear Regression Dan Support Vector Regression Aenul Fuadah; Amril Siregar; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Rumah suatu bangunan dengan peran yang sangat penting untuk kehidupan manusia, karena rumah sebagai tempat hunian dan berkumpulnya keluarga. Semakin banyaknya pembangunan rumah yang dibangun oleh pemerintah dan pengembang, dapat mempengaruhi pada suatu harga rumah. Maka konsumen juga memiliki banyak pilihan dalam memilih tempat tinggal, dengan harga rumah yang setiap tahunnya berbeda-beda. Untuk mempertimbangkan pembelian rumah sesuai harga yang diinginkan, perlu adanya metode untuk memprediksi harga perumahan. Salah satu cara untuk mengetahui prediksi harga rumah, dapat melakukan analisis pada data harga rumah sebelumnya. Pada penelitian ini dilakukan prediksi harga rumah pada kabupaten Bandung menggunakan algoritma Multiple Linear Regression dan algoritma Support Vector Regression. Tujuan penelitian ini untuk mengetahui kinerja algoritma mana yang lebih baik dalam pembuatan model prediksi menggunakan data harga rumah kabupaten Bandung. Hasil penelitian ini, pada algoritma Multiple Linear Regression memperoleh R2-Square sebesar 69% dan RMSE sebesar 694.18. Pada algoritma Support Vector Regression menghasilkan nilai R2-Square sebesar 68% dan RMSE sebesar 704.93. maka algoritma Multiple Linear Regression lebih baik dalam memprediksi harga rumah kabupaten Bandung.
Model Prediksi Kekuatan Gempa Dengan Menggunakan Algoritma Linear Regression Dan Support Vector Regression (Studi Kasus BMKG) Annisa Nurhalizah; Yana Cahyana; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Gempa bumi merupakan jenis bencana alam yang sulit untuk dihindari hal tersebut dapat berdampak buruk bagi kehidupan masyarakat. Penelitian ini bertujuan untuk melakukan prediksi kekuatan gempa bumi di Pulau Jawa. Prediksi dilakukan dengan menggunakan algoritma Linear Regression dan Support Vector Regression sebagai pembanding. Pada algoritma Linear Regression mendapatkan nilai RMSE = 48.8352, MAPE = 1.2564 dan MAE = 24.065, sedangkan pada algoritma Support Vector Regression mendapatkan nilai RMSE = 50.9992, MAPE = 0.4029 dan MAE = 17.4873. hasil Linear Regression mendapatkan nilai yang lebih baik dalam melalukan model prediksi kekuatan gempa bumi di Pulau Jawa berdasarkan perhitungan RMSE, MAPE dan MAE.
Segmentasi Jumlah Tenaga Kesehatan Berdasarkan Kecamatan di Kabupaten Karawang Menggunakan Metode K-Medoids Aqib Zhaky; Sutan Faisal; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Pembangunan Kesehatan merupakan bagian dari pembangunan nasional yang pada hakekatnya kesehatan adalah merupakan pelaksanaan dalam kesehatan yang upaya kebugaran prosess memperoleh potensi hidup sehat bagi setiap penduduk masyarakat karawang sehingga terwujud derajat kesehatan yang diperoleh dari tenaga kesehatan kabupaten karawang yang bermutu. salah satunya ada di dinas kesehatan di Kabupaten Karawang, Tenaga kesehatan yang cukup kurang memadai di beberapa kecamatan di Karawang akan memudahakan masyarakat di kabupaten karawang di dinas kesahatan jumlah tenaga kesehatan di kecamatan karawang tersebut untuk hidup sehat dan mengobati penyakitnya. Penelitian ini menggunakaan teknik data minning dalam proses pengolahan data dengan metode K-Medoids clustering.Metode K-Medoids adalah salah satu bagian partitioning clustering yang efisien dalam dataset berukuran kecil sekaligus mencari titik yang paling refresentatif. Kelebihan metode ini terletak pada kemampuan mengatasi kelemahan metode K-Means yang sensitif terhadap outlier. Selain itu, hasil proses clustering tidak bergantung pada urutan masuk dataset. Metode tersebut dapat diterapkan ke dalam data presentase tenaga kesehatan yang bersumber pada tingkat kecamatan, sehingga dapat diketahui pengklasifikasian kecamatan sesuai data tersebut. Berdasarkan data pengelompokan tiga cluster tersebut yaitu cluster pertama sebagai cluster terendah sebanyak 13 (empat belas) kecamatan, cluster 2 yaitu 8 (delapan) kecamatan sebagai cluster sedang dan 9 (sembilan) kecamatan sebagai cluster tertinggi yaitu cluster 3 dari presentasi tenaga kesehatan pada setiap kecamatan di kabupaten Karawang. Diharapkan penelitian ini memberikan informasi kepada pemerintah kabupaten Karawang tentang pengelompokkan data tenaga kesehatan yang berdampak pada pemerataan jumlah tenaga kesehatan dalam pelayanan kesehatan terhadap masyarakat di kabupaten Karawang.
Karakterisasi Fisikokimia dan Stabilitas Emulsi Pickering Menggunakan Tepung dan Pati Ganyong Termodifikasi Dry-Heat sebagai Emulsifier Restiana, Resti; Cahyana, Yana
Teknotan: Jurnal Industri Teknologi Pertanian Vol 17, No 3 (2023): TEKNOTAN, Desember 2023
Publisher : Fakultas Teknologi Industri Pertanian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24198/jt.vol17n3.3

Abstract

Ganyong sebagai sumber karbohidrat berbasis pangan lokal berpotensi sebagai partikel penstabil emulsi pickering. Sifat tepung dan pati ganyong yang ramah lingkungan berpotensi sebagai pickering. Pemanfaatan tepung dan pati ganyong sebagai pickering masih memiliki keterbatasan pada sifat fisikokimia dan stabilitas. Penelitian ini mengamati karakteristik fisikokimia dan kestabilan tepung serta pati ganyong termodifikasi dengan metode dry heat (DH). Pengamatan dilakukan terhadap potensial zeta, sudut kontak, distribusi ukuran, indeks emulsi, indeks creaming dan kemampuan mengikat minyak: tepung dan pati ganyong termodifikasi. Hasil menunjukkan partikel tepung dan pati ganyong termodifikasi dan alami cenderung mudah teragregasi dengan ukuran partikel 1,17-1,41 µm dengan keberagaman partikel. Tepung dan pati ganyong alami, dan termodifikasi tergolong hidrofilik sudut kontak kurang dari 90o. Tepung ganyong dengan modifikasi dry heat, dan alami berpotensi sebagai emulsi pickering.
Co-Authors Abda Abda Abdullah Darussalam Addion Nizori Adi Rizky Pratama Adi Susilo Aenul Fuadah Agung Triatna Agustin, Rachmayanti Tri Ahmad Fauzi Alifa, Naila Ratu Ambarwati, Evi Karlina Amid Rakhman amril siregar Anisa Itiawanti Annisa Nurhalizah Aqib Zhaky Arum Galih Pertiwi Awal, Elsa Elvira Ayu Juwita Baihaqi, Kiki Ahmad Banafshah Shafa Bramandito Affandi Budiyanto Budiyanto Deden Wahiddin Dewi, Indah Purnama Didik Remaldhi Direja, Azhar Ferbista Duhita D Utama DWI KUSUMANINGRUM Een Sukarminah Efri Mardawati Enjelia, Lola Faisal, Sutan Fauzan Azima Fauzi Ahmad Muda Fitri Nur Masruriyah, Anis Fitria, Denisa Gumilar, Rizki Bintang Hanan, Sofiah Marwah Hanny Hikmayanti Handayani Hartono Wijaya, Sony Heri Hermawan Herlina Marta Hilda Novita Humaryanto, Humaryanto Iis Sadiah Imas Siti Setiasih In-In Hanidah Indira Lanti Kayaputri Indra Lasmana Tarigan Iskandar, Muhammad Irsyad Jovan Pangestu Juwita, Ayu Ratna Kiki Baihaqi Kusumaningrum, Dwi Sulistya Lestari, Santi Arum Puspita M. Budi Kusarpoko M. Naufal Faqih Madyawati Latief Marsetio Marsetio Melia Siti Ajijah Miptahul Ulum Mochamad Djali Mohammad Djali Mohammad Djali Mohammad Djali Mohammad Djali Mudzakir, Tohirin Al Muhamad Amirrullah Muhammad Fadillah, Farhan Muhammad Ramadhan Mursyid Djawas Narwan Nahrudin Nina Puspitaloka Nofie Prasetiyo Nova Wulandari Praditya Putri Utami Pratama, Adi Rizky Pratiwi, Sinta Amanda Putra Rizki Pangestu Putri, Septiani Nuruldharma Rachmawati, Dhea Raden Duhita Diantiparamudita Utama Rahmat Rahmat Rahmat Rahmat Rahmat Restiana, Resti Ricky Steven Chandra Ridho Pratama, Ilham Ridwan, Ridwan Rizka Ayu Permana Rizki Ananda Rizki Nur Annisa Rizky Nugraha Rizky Riyanto Robi Andoyo Rohana, Tatang Rossi Indiarto Rusmin Saragih, Rusmin Sabirin Sandra Intan Sari Santi Lestari Seow, Eng Keng Siregar, Amril Siregar, Amril Mutoi Siregar, Amril Mutoi Siti Hanifah Khairun Nisa Suci Rahma Ajiaviaty Sukmawati, Cici Emilia Sulistya, Dwi Suningwar Mujiana Surya Martha Pratiwi Sutan Faisal Syahril, Ade Tatang Rohana Tita Rialita Tjong Wan Sen Tohirin Al Mudzakir Tsani Adiyanti Tukino, Tukino Wahiddin, Deden Wahyu Setio Aji Wazzan, Huda Wenda Adi Kusnaya Widiharto, Banani Yudo Devianto