Article Per Year (5 Year)
p-Index From 2021 - 2026
7.758
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Industri Pertanian Teknotan: Jurnal Industri Teknologi Pertanian 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 Indonesian Food Science and TechnologyJournal 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 Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Abdi Insani JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Food ScienTech Journal Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Teknik Informatika (JUTIF) KLIK: Kajian Ilmiah Informatika dan Komputer 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)
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 : 65 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 65 Documents
Search

 3   4   5   6   7 
Penerapan Algoritma Convolutional Neural Network (CNN) untuk Deteksi Telur Bebek Fertil dan Infertil Ricky Steven Chandra; Hanny Hikmayanti Handayani; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): 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 penetasan telur bebek, telur yang infertil perlu disortir dari mesin tetas agar tidak membusuk di dalamnya. Proses penyortiran umumnya dilakukan dengan meneropong telur menggunakan senter atau lampu yang diletakkan di balik telur. Tujuan dari penelitian ini adalah untuk mengembangkan sistem deteksi telur bebek fertil dan infertil menggunakan algoritma Convolutional Neural Network (CNN) guna menggantikan peneropongan secara manual, karena tingkat kelelahan manusia dapat menyebabkan kesalahan dalam penyortiran telur bebek fertil dan infertil. Model yang digunakan dalam penelitian ini adalah You Only Look Once (YOLO), yang merupakan salah satu model deep learning yang efektif untuk pengenalan objek. Penelitian ini terdiri dari beberapa tahap, yaitu pengumpulan data, pra-proses data, konfigurasi jaringan YOLO, pelatihan model YOLO, dan pengujian. Jumlah data citra yang digunakan dalam penelitian ini sebanyak 800, yang terdiri dari dua jenis telur bebek, yaitu fertil dan infertil. Hasil pengujian yang dilakukan sebanyak 40 kali menunjukkan bahwa dengan menggunakan algoritma Convolutional Neural Network (CNN), akurasi yang dicapai dalam membedakan telur bebek fertil dan infertil mencapai sekitar 95%. Hasil ini menunjukkan bahwa CNN memiliki potensi yang signifikan dalam membedakan telur bebek fertil dari infertil, serta memberikan solusi yang cepat dan efisien bagi peternak bebek.
Analisis Sentimen Kenaikan Harga Bahan Bakar Minyak Menggunakan Algoritma Naïve Bayes dan Support Vector Machine Rizka Ayu Permana; Yana Cahyana; Adi Rizky Pratama
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): 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

Bahan Bakar Minyak (BBM) memiliki peranan penting dalam kehidupan masyarakat, karena harga BBM mempengaruhi harga komoditas dan sektor lainnya. Kenaikan harga BBM sering menimbulkan pro dan kontra di kalangan masyarakat. Untuk melihat bagaimana masyarakat merespons kenaikan harga BBM, salah satunya dapat dilakukan melalui analisis media sosial seperti Twitter. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap kenaikan harga BBM dengan menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM). Proses dimulai dengan crawling data tweet menggunakan kata kunci "harga BBM naik". Data yang terkumpul kemudian dibagi menjadi dua kelas, yaitu kelas positif dan kelas negatif. Data tersebut selanjutnya melalui proses preprocessing yang meliputi cleaning, case folding, tokenizing, stopword removal, normalize, dan stemming. Pembagian data dilakukan dengan 70% untuk data training dan 30% untuk data testing. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes memperoleh akurasi sebesar 78,3%, precision 99,2%, dan recall 75,1%. Sementara itu, algoritma Support Vector Machine (SVM) memperoleh akurasi 92,5%, precision 93,0%, dan recall 98,5%.
Prediksi Harga Saham Bank Rakyat Indonesia Menggunakan Algoritma Linear Regression dan Support Vector Regression Rizki Nur Annisa; Sutan Faisal; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): 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

nvestasi saham merupakan salah satu investasi jangka panjang yang dapat dilakukan oleh masyarakat untuk melindungi risiko biaya, terutama dalam mempersiapkan keuangan masa depan. Berinvestasi dalam saham dapat memberikan dividen yang cepat dan cukup besar bagi investor. Selain memberikan keuntungan, terdapat berbagai faktor yang dapat memengaruhi naik atau turunnya harga saham, seperti kondisi dan kinerja perusahaan, risiko, dividen, suku bunga, kondisi ekonomi, peraturan pemerintah, dan tingkat penurunan. Untuk meminimalkan risiko kerugian bagi investor saat mengambil keputusan investasi, diperlukan analisis secara fundamental dan teknikal. Namun, sebagian orang tidak terlalu paham mengenai cara menganalisis perusahaan secara mendalam. Oleh karena itu, cara yang lebih mudah adalah dengan melakukan prediksi dan analisis pergerakan saham. Penelitian ini bertujuan untuk melakukan prediksi harga penutupan saham Bank Rakyat Indonesia (BRI) menggunakan algoritma Linear Regression dan Support Vector Regression (SVR). Tujuan dari penelitian ini adalah untuk memilih algoritma yang paling cocok untuk memprediksi harga saham sebagai rekomendasi bagi investor. Hasil penelitian menunjukkan bahwa baik algoritma Linear Regression maupun SVR dapat digunakan untuk memprediksi harga saham. Namun, nilai error RMSE pada algoritma Linear Regression sebesar 69.920, sementara pada algoritma SVR sebesar 69.924. Berdasarkan hasil ini, dapat disimpulkan bahwa algoritma Linear Regression memiliki performa yang sedikit lebih baik dibandingkan dengan SVR, dengan selisih nilai error sebesar 0.004.
Penerapan Metode Naive Bayes Multinomial dan Complement dalam Membandingkan Tingkat Akurasi terhadap Analisis Sentimen Kurikulum Merdeka Wenda Adi Kusnaya; Yana Cahyana; Ayu Ratna Juwita
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): 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

Kementerian Pendidikan telah mengeluarkan program Kurikulum Merdeka di lingkungan sekolah, yang memungkinkan siswa untuk mengembangkan minat, bakat, dan keterampilan mereka sehingga dapat lulus dengan kesiapan menghadapi dunia kerja atau pendidikan tinggi. Namun, program ini telah memicu berbagai tanggapan di Twitter, menciptakan kontroversi yang perlu dijelaskan. Untuk menganalisis sentimen terkait Kurikulum Merdeka, penelitian dilakukan menggunakan algoritma Naïve Bayes Multinomial dan Complement. Dalam penelitian ini, total 627 data yang telah diberi label dan diproses sebelumnya digunakan sebagai dataset. Dataset ini kemudian dibagi menjadi dua, yaitu 80% untuk data latih dan 20% untuk data uji. Metode evaluasi yang digunakan adalah confusion matrix. Hasil evaluasi menunjukkan tingkat akurasi sebesar 89% untuk algoritma Naïve Bayes Multinomial dan 88% untuk Complement. Kesimpulannya, algoritma Naïve Bayes Multinomial memberikan tingkat akurasi yang lebih tinggi dalam menganalisis sentimen terkait Kurikulum Merdeka.
Development of AI-Based Public Safety System with Face Recognition Using CNN and SVM Models in Real-Time Alifa, Naila Ratu; Yana Cahyana; Rahmat, Rahmat; Sutan Faisal
Journal of Applied Informatics and Computing Vol. 9 No. 3 (2025): June 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i3.9524

Abstract

Sexual crimes are an increasing problem, with many cases difficult to identify due to the limitations of existing surveillance systems. This study aims to develop an Artificial Intelligence (AI)-based system using Convolutional Neural Network (CNN) and Support Vector Machine (SVM) for gender identification in order to support sexual crime investigations. The methods used include processing facial image datasets, training models using CNN for feature extraction, and SVM for gender classification. The results showed that the CNN model achieved an accuracy of 90.15%, while the SVM model only achieved an accuracy of 82.16%. Further evaluation with a confusion matrix showed that CNN was more accurate in classifying gender than SVM. With these results, the developed system has the potential to help authorities identify perpetrators of sexual crimes more quickly and accurately. The dataset used consists of 23,706 grayscale facial images of 48x48 pixels, with a balanced distribution of male and female samples. The CNN architecture includes three convolutional blocks and achieves 90.15% accuracy. Although designed for real-time operation, inference speed needs further validation using FPS or latency metrics on specific hardware platforms.
Public Sentiment Analysis on the Boycott Israel Movement on Platform X Using Random Forest and Logistic Regression Algorithms Agustin, Rachmayanti Tri; Cahyana, Yana; Baihaqi, Kiki Ahmad; Rohana, Tatang
Journal of Applied Informatics and Computing Vol. 9 No. 3 (2025): June 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i3.9551

Abstract

This research aims to analyze public sentiment toward the boycott movement against Israel on the X platform by applying Random Forest and Logistic Regression algorithms. The study uses 616 tweets collected through web crawling with relevant keywords such as "Boikot", "Israel", and "Palestine", covering the period from March 1, 2023 to January 30, 2025. The dataset underwent preprocessing including cleaning, normalization, stopword removal, tokenization, and stemming. Sentiment labeling was conducted both manually, categorizing the data into positive, negative, and neutral classes. TF-IDF was used for feature weighting. The data was split into 80% training and 20% testing. The Random Forest model achieved an accuracy of 70%, while Logistic Regression reached 68%. Both models showed higher accuracy in predicting positive sentiment compared to negative and neutral. The results suggest that public opinion on the boycott movement on social media tends to be supportive, with “Boikot,” “Israel,” and “Palestine” being the most dominant terms. Random Forest performed slightly better in classification, though improvements are needed in recognizing non-positive sentiments.
Sentiment Analysis on the Relocation of the National Capital (IKN) on Social Media X Using Naive Bayes and K-Nearest Neighbor (KNN) Methods Wulandari, Nova; Cahyana, Yana; Rahmat, Rahmat; Hikmayanti, Hanny
Journal of Applied Informatics and Computing Vol. 9 No. 3 (2025): June 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i3.9552

Abstract

This study investigates public sentiment toward the relocation of Indonesia’s capital from Jakarta to East Kalimantan, focusing on reactions from social media platforms such as X (formerly Twitter). Understanding these sentiments is crucial for the government to gauge support for this significant policy shift. The study compares the performance of two classification algorithms, Naïve Bayes and K-Nearest Neighbor (K-NN), in sentiment analysis. A total of 1.277 comments were collected using the tweet-harvest library through a crawling process. The data underwent preprocessing, including cleaning, case folding, normalization, stopword removal, tokenization, and stemming. Sentiment labels were assigned through both manual and automated methods, while feature extraction was performed using the TF-IDF technique. The algorithms' performance was assessed using accuracy, precision, recall, and F1-score metrics. The results revealed that Naïve Bayes outperformed K-NN, with an accuracy of 70%, precision of 72%, recall of 70%, and an F1-score of 69%. In contrast, K-NN achieved an accuracy of 60%, precision of 62%, recall of 60%, and an F1-score of 59%. These results suggest that Naïve Bayes is more effective in classifying sentiment related to the capital relocation. The findings offer valuable insights for policymakers and highlight the potential of automated sentiment analysis as a tool for monitoring public opinion on major governmental policies.
Comparison of K-Nearest Neighbors and Naive Bayes Classifier Algorithms in Sentiment Analysis of 2024 Election in Twitter (X) Enjelia, Lola; Cahyana, Yana; Rahmat; Wahiddin, Deden
Journal of Applied Informatics and Computing Vol. 9 No. 3 (2025): June 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i3.9593

Abstract

This study compares the performance of the K-Nearest Neighbors (K-NN) and Naive Bayes Classifier (NBC) algorithms in sentiment analysis of the 2024 Regional Election (Pilkada) based on Indonesian local data sourced from platform X. A total of 1,187 tweets were collected through crawling, followed by extensive preprocessing and manual sentiment labeling by a professional linguist to ensure data validity and reliability. The study highlights NBC's superior accuracy (81.05%) compared to K-NN (75.26%), largely due to the characteristics of short-text social media data that align with NBC's independence assumptions. Key terms identified through TF-IDF analysis include “pilkada”, “2024”, and “damai” in positive sentiment, while “mahkamah konstitusi” and “kalah” dominated negative sentiment. The results imply that although public discourse largely supports the election process, critical sentiments toward election dispute issues persist. These findings offer practical implications for election authorities, policymakers, and digital campaign strategists, particularly in optimizing public communication strategies, early detection of potential conflicts, and designing public opinion monitoring systems based on real-time sentiment analysis. By leveraging high-quality labeled local data, this study makes a significant contribution to modeling public opinion dynamics in Indonesia during political events.
PELATIHAN HAK ASASI DIGITAL UNTUK MENINGKATKAN PERLINDUNGAN KEAMANAN DI DUNIA MAYA Utami, Praditya Putri; Ambarwati, Evi Karlina; Dewi, Indah Purnama; Cahyana, Yana; Hanan, Sofiah Marwah; Putri, Septiani Nuruldharma
Jurnal Abdi Insani Vol 12 No 3 (2025): Jurnal Abdi Insani
Publisher : Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/abdiinsani.v12i3.2460

Abstract

Perkembangan Teknologi Informasi Komunikasi (TIK) dalam dunia pendidikan memiliki peranan yang penting. Salah satu amanat Undang-undang Nomor 14 Tahun 2005 tentang Dosen dan Guru adalah untuk memiliki kompetensi sesuai dengan perkembangan zaman, termasuk menguasai TIK. Guru harus memahami hak asasi digital seiring dengan kemajuan teknologi pembelajaran dan prioritas pemerintah untuk program digitalisasi pendidikan. Pengabdian kepada Masyarakat ini bertujuan untuk mendukung para guru RA At-Taqwa Kelapadua Tanjungbungin di Kecamatan Pakisjaya, Kabupaten Karawang menguasai TIK dalam pembelajaran. Kegiatan dilakukan dengan memberikan pelatihan serta demontrasi tentang hak asasi digital dan keamanan siber. Program pengabdian masyarakat menggunakan metode Experiential Learning melalui demonstrasi untuk meningkatkan pengetahuan guru tentang hak asasi digital dan keamanan siber. Kegiatan terdiri dari tiga tahap: persiapan, pelaksanaan (sosialisasi, pembelajaran, demonstrasi), dan evaluasi menggunakan kuesioner skala Likert. Kegiatan PkM di RA At-Taqwa Kelapadua, Karawang, diikuti 45 guru RA. Pelatihan meningkatkan pemahaman guru tentang hak asasi digital dan keamanan siber. Evaluasi menunjukkan guru memiliki kompetensi digital kategori "baik," terutama dalam kesadaran risiko dan perlindungan data pribadi. Namun, aspek terendah adalah membagikan informasi pribadi secara aman. Diskusi interaktif membantu guru mengenali ancaman dunia maya dan membimbing siswa. Hasil ini sejalan dengan penelitian global tentang pentingnya kesadaran digital dalam pendidikan. Oleh Karena itu, pelatihan Hak Asasi Digital berhasil meningkatkan pemahaman guru dan menekankan pentingnya kolaborasi dalam meningkatkan literasi digital.
PENGARUH PENAMBAHAN PATI SAGU TER-PREGELATINISASI TERHADAP RETENSIFE DAN ZN PADA KERNEL BERAS TER-FORTIFIKASI YANG DIBUATDARI BERAS IR64 DAN IR42 Abdullah Darussalam; Yana Cahyana; Herlina Marta; M. Budi Kusarpoko; Sabirin
Jurnal Sains dan Teknologi Pangan Vol. 10 No. 4 (2025): Jurnal Sains dan Teknologi Pangan
Publisher : Jurusan Ilmu dan Teknologi Pangan Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63071/f05g6f58

Abstract

Indonesia mencatat angka prevalensi stunting sebesar 21,5% pada tahun 2023. World Food Programme (WFP) merekomendasikan Fortified Rice Kernels (FRK) sebagai sumber mineral esensial yang andal, khususnya zat besi (Fe) dan seng (Zn), bagi perempuan dan anak-anak. Namun, mineral-mineral tersebut sering hilang selama proses pembilasan beras. Meskipun Indonesia memiliki sumber daya sagu yang melimpah, pemanfaatannya dalam sektor pangan masih terbatas, sehingga diperlukan strategi inovatif untuk peningkatan nilai tambah dan diversifikasi produk.Penelitian ini mengkaji pengaruh penambahan Pati Sagu Terpregelatinisasi (PST) dalam formulasi FRK. PST diproduksi melalui proses ekstrusi pada suhu 60–90 °C dan kecepatan 80 rpm, dengan tiga tingkat kadar air berbeda: 25% (PST25), 35% (PST35), dan 45% (PST45). PST kering kemudian dicampur dengan tepung beras IR42 (amilosa 32,85%) dan IR64 (amilosa 27,93%), masing-masing dengan penambahan premiks mikronutrien sebesar 7%. FRK diproduksi melalui ekstrusi pada suhu 50–85 °C dan kecepatan 31 rpm. Retensi Fe tertinggi (91,1%) diperoleh pada FRK yang dibuat dari campuran IR64 dan PST45 dengan rasio 4:1, sedangkan retensi Zn tertinggi (99,4%) ditemukan pada campuran IR42 dan PST35 dengan rasio yang sama. Selain itu, campuran IR64 dan PST35 dengan rasio 3:1 menghasilkan retensi Zn sebesar 98,2%. Temuan ini menunjukkan bahwa beras dengan kadar amilosa tinggi (IR42) paling optimal dikombinasikan dengan PST35, sedangkan beras dengan kadar amilosa lebih rendah (IR64) memberikan hasil terbaik jika dikombinasikan dengan PST45 dalam meningkatkan retensi Fe dan Zn. Analisis tambahan juga dilakukan terhadap atribut warna, derajat penyerapan air, dan tingkat gelatinisasi, yang merupakan parameter penting dalam evaluasi mutu beras analog.
Co-Authors Abda Abda Abdullah Darussalam Addion Nizori Adi Rizky Pratama Adi Susilo Aenul Fuadah Agustin, Rachmayanti Tri Ahmad Fauzi Alifa, Naila Ratu Ambarwati, Evi Karlina Amid Rakhman amril siregar Anis, Ulfah Anisa Itiawanti Annisa Nurhalizah Aqib Zhaky Arina Fatharani Arum Galih Pertiwi Asep Mulyono Awal, Elsa Elvira Ayu Juwita Baihaqi, Kiki Ahmad Bramandito Affandi Budiyanto Budiyanto Deden Wahiddin Devi Silsia Dewi, Indah Purnama Didik Remaldhi Direja, Azhar Ferbista Duhita D Utama DWI KUSUMANINGRUM Edy Subroto Een Sukarminah Efri Mardawati Enjelia, Lola Faisal, Sutan Fauzan Azima Fauzi Ahmad Muda Fitri Nur Masruriyah, Anis Fitria, Denisa Gumilar, Rizki Bintang Hakiki Melanie Hanan, Sofiah Marwah Hanny Hikmayanti Handayani Hartini, Deta Heni Radiani Arifin Heri Hermawan Herlina Marta Hilda Novita Humaryanto, Humaryanto Iis Sadiah Imas Siti Setiasih In-In Hanidah Indira Lanti Kayaputri Indra Lasmana Tarigan Jaluwardhana, Rivan Satria Jovan Pangestu Juwita, Ayu Ratna Khayrani, Apriliana Cahya Kiki Baihaqi Kusumaningrum, Dwi Sulistya Lestari, Santi Arum Puspita M. Budi Kusarpoko Madyawati Latief Marsetio Marsetio Melia Siti Ajijah Miptahul Ulum Mochamad Djali Mohammad Djali Mohammad Djali Mohammad Djali Mohammad Djali Muhamad Amirrullah Muhammad Ramadhan Mursyid Djawas Narwan Nahrudin Nina Puspitaloka Nofie Prasetiyo Nova Wulandari Nurjayati, Ratih Praditya Putri Utami Pratiwi, Sinta Amanda Putri, Septiani Nuruldharma Rachmawati, Dhea Raden Duhita Diantiparamudita Utama Rahmat Rahmat Rahmat Rahmat Rahmat Restiana, Resti Ricky Steven Chandra Ridwan, Ridwan Rizka Ayu Permana Rizki Ananda Rizki Nur Annisa Rizky Nugraha Rizky Riyanto Robi Andoyo Rohana, Tatang Rossi Indiarto 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 Tohirin Al Mudzakir Tsani Adiyanti Wahiddin, Deden Wazzan, Huda Wenda Adi Kusnaya Widiharto, Banani Yusuf Eka Wicaksana