Article Per Year (5 Year)
p-Index From 2021 - 2026
12.302
P-Index
This Author published in this journals
All Journal Nusanatara of Engineering JURNAL PENGABDIAN KEPADA MASYARAKAT PROCEEDING IC-ITECHS 2014 JOIV : International Journal on Informatics Visualization Antivirus : Jurnal Ilmiah Teknik Informatika Jambura Journal of Electrical and Electronics Engineering Jurnal Tecnoscienza Jurnal ABDINUS : Jurnal Pengabdian Nusantara JATI (Jurnal Mahasiswa Teknik Informatika) Respati JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) Journal of Computer Networks, Architecture and High Performance Computing Science in Information Technology Letters Journal of Soft Computing Exploration International Journal of Engineering, Science and Information Technology Bulletin of Information Technology (BIT) Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat Archive: Jurnal Pengabdian Kepada Masyarakat Jurnal Borneo Informatika dan Teknik Komputer (JBIT) The Indonesian Journal of Computer Science Research Nusantara of Engineering (NOE) Jurnal: International Journal of Engineering and Computer Science Applications (IJECSA) JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Journal of Entrepreneurial and Business Diversity Jurnal Pengabdian Masyarakat Nusantara Management of Information System Journal Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi
Erna Daniati
Universitas Nusantara PGRI Kediri
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy 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 Earth & Planetary Sciences 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 Physics Public Health Social Sciences Transportation Other

Published : 127 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 127 Documents
Search

 9   10   11   12   13 
Evaluasi Kesesuaian Implementasi SIMRS Khanza Berdasarkan Model Human-Organization-Technology Fit (HOT-FIT) Nur Alamsyah; Erna Daniati; Aidina Ristyawan
The Indonesian Journal of Computer Science Research Vol. 4 No. 2 (2025): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i2.204

Abstract

Sistem Informasi Manajemen Rumah Sakit (SIMRS) merupakan kunci peningkatan efisiensi operasional dan mutu layanan. Wawancara dengan pengguna di unit rekam medis RS Bhayangkara Nganjuk mengungkap kendala seperti inkonsistensi data, kegagalan tampilan informasi, dan kesulitan penyusunan laporan. Penelitian ini mengevaluasi keberhasilan implementasi SIMRS sekaligus mengidentifikasi faktor determinannya menggunakan model Human‑Organization‑Technology Fit (HOT‑FIT). Pengumpulan data dilakukan melalui wawancara, studi literatur, dan kuesioner HOT‑FIT pada 420 pengguna (sampel ditentukan dengan rumus Slovin). Analisis—dijalankan dengan SPSS—mencakup uji validitas, reliabilitas (Cronbach’s Alpha 0,984), uji t, uji F, dan koefisien determinasi. Ketujuh variabel HOT‑FIT berpengaruh signifikan terhadap keberhasilan sistem, dengan R² 0,879 yang menunjukkan 87,9 % variabilitas keberhasilan dapat dijelaskan oleh model. Hasil ini menegaskan bahwa implementasi SIMRS tergolong berhasil namun tetap memerlukan peningkatan pada mutu sistem, mutu informasi, mutu layanan, intensitas penggunaan, kepuasan pengguna, dan dukungan organisasi
Perbandingan Algoritma Machine Learning Dalam Analisis Sentimen Isu Gempa Megathrust Ewanda Herdika Septa Aulia; Erna Daniati; Muhammad Najibulloh Muzaki
The Indonesian Journal of Computer Science Research Vol. 4 No. 2 (2025): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i2.206

Abstract

Isu gempa megathrust menjadi perhatian publik yang signifikan mengingat potensi dampaknya yang besar di wilayah Indonesia. Meningkatnya kesadaran dan kekhawatiran masyarakat terhadap isu ini tercermin dari banyaknya diskusi di berbagai platform media sosial, khususnya YouTube. Melihat fenomena tersebut, penelitian ini dilakukan untuk menganalisis dan mengklasifikasikan sentimen publik terhadap video bertema gempa megathrust. Tujuan utama dari penelitian ini adalah untuk mengkaji persepsi masyarakat melalui komentar di YouTube menggunakan pendekatan machine learning. Penelitian ini menggunakan tiga algoritma utama, yaitu Support Vector Machine dengan tiga jenis kernel yaitu linear, RBF, dan polynomial; Naive Bayes dengan Bernoulli dan Multinomial; serta Decision Tree. Data dikumpulkan melalui teknik scraping pada kolom komentar video YouTube yang relevan, dengan total data sebanyak 4337 komentar. Proses analisis dilakukan melalui sembilan tahap, yaitu pengumpulan data, preprocessing teks, pelabelan sentimen menggunakan lexicon VADER, pembobotan kata menggunakan TF-IDF, penyeimbangan data dengan SMOTE, seleksi fitur dengan mutual information, pembuatan model klasifikasi, evaluasi kinerja model, dan analisis hasil. Evaluasi performa model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan bahwa algoritma SVM dengan kernel linear memberikan performa terbaik dengan akurasi mencapai 87%. Temuan ini mengonfirmasi bahwa pendekatan machine learning efektif untuk menganalisis opini publik terhadap isu kebencanaan, serta dapat menjadi landasan dalam pengambilan kebijakan mitigasi risiko bencana berbasis persepsi masyarakat.
Pendekatan BERT Dalam Analisis Sentimen Terhadap Kominfo Di Media Sosial X Muhammad Faruqziddan; Erna Daniati; Muhammad Najibulloh Muzaki
The Indonesian Journal of Computer Science Research Vol. 4 No. 2 (2025): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i2.207

Abstract

Perkembangan media sosial telah mengubah pola komunikasi masyarakat, termasuk dalam menyampaikan opini terhadap isu-isu publik. Salah satu isu yang sering dibahas adalah Kementerian Komunikasi dan Informatika (Kominfo). Media sosial X menjadi salah satu platform utama yang digunakan masyarakat untuk menyuarakan pendapat secara terbuka. Oleh karena itu dibutuhkan metode analisis yang mampu menangkap dan memahami sentimen publik. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Kominfo menggunakan algoritma Bidirectional Encoder Representations from Transformers (BERT), yang dikenal memiliki kemampuan unggul dalam memahami text. Data dikumpulkan melalui teknik scraping dengan kata kunci "kominfo", kemudian dilakukan tahapan pre-processing seperti cleaning, case folding, translation, tokenization, stopwords removal, dan stemming. Data yang telah dibersihkan kemudian diberi label sentimen menggunakan metode leksikon VADER dan diklasifikasikan ke dalam tiga kategori, positif, netral, dan negatif. Model BERT dilatih menggunakan data yang telah diproses dengan pembagian 80% untuk training, 10% validation, dan 10% testing. Hyperparameter yang digunakan meliputi epoch sebanyak 10, batch size 16, max length 100, learning rate 2e-5, dan dropout 0.3. Hasil evaluation menunjukkan bahwa model BERT mampu mengklasifikasikan sentimen dengan accuracy sebesar 84%, serta nilai precision, recall, dan F1-score yang seimbang di seluruh kelas. Kesimpulan dari penelitian ini adalah bahwa BERT efektif dalam menganalisis opini publik terhadap instansi pemerintah melalui media sosial X.
Penerapan Bi-LSTM Untuk Named Entity Recognition Pada Teks Bahasa Indonesia Akmal Hisyam Pradhana; Erna Daniati; Muhammad Najibulloh Muzaki
The Indonesian Journal of Computer Science Research Vol. 4 No. 2 (2025): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i2.208

Abstract

Penelitian ini bertujuan untuk membangun dan mengevaluasi model Named Entity Recognition (NER) berbasis arsitektur Bidirectional Long Short-Term Memory (Bi-LSTM) yang mampu mengenali entitas secara otomatis dalam teks berbahasa Indonesia. Urgensi penelitian ini terletak pada masih minimnya sistem NER yang efektif untuk bahasa Indonesia, terutama pada teks non-formal yang memiliki struktur dan kosakata unik. Permasalahan utama yang diangkat adalah rendahnya akurasi ekstraksi entitas akibat keterbatasan model-model NER sebelumnya dalam memahami konteks bahasa Indonesia yang kompleks dan tidak baku. Data dikumpulkan dari korpus teks Indonesia yang telah dianotasi format BIO (Beginning-Inside-Outside) dan diklasifikasikan dalam jenis entitas seperti Person, Location, Organization, Quantity, dan Time. Proses melibatkan preprocessing (tokenisasi, pelabelan BIO, dan padding), pembangunan arsitektur Bi-LSTM, pelatihan model teknik train-test split (80:20), serta evaluasi menggunakan metrik Precision, Recall, F1-Score, dan confusion matrix. Hasil penelitian menunjukkan model Bi-LSTM berhasil mencapai akurasi keseluruhan sebesar 99% dan F1-Score sebesar 0.99, dengan performa terbaik pada entitas ORGANIZATION dan PERSON. Penelitian ini berkontribusi pada pengembangan NER berbasis budaya lokal serta potensial diterapkan dalam pendidikan, pelestarian budaya, dan pencarian informasi kontekstual berbahasa Indonesia.
Pemodelan Klasifikasi Popularitas Produk Skincare Menggunakan Support Vector Machine (SVM): Studi Komparatif Kinerja Kernel. Nila Kamilatutsaniya; Erna Daniati; M. Najibulloh Muzaki
The Indonesian Journal of Computer Science Research Vol. 4 No. 2 (2025): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i2.209

Abstract

Pertumbuhan pasar digital telah meningkatkan variasi produk skincare di platform seperti Sephora. Kondisi ini yang pada akhirnya mendorong konsumen menghadapi tantangan dalam penentuan produk yang populer. Oleh karena itu, penelitian ini dilakukan untuk membantu mengidentifikasi popularitas produk skincare melalui pengembangan model klasifikasi berbasis algoritma machine learning. Tujuan penelitian ini adalah membangunodel klasifikasi untuk mengidentifikasi popularitas produk berdasarkan karakteristik produk serta menerapkan algoritma Support Vector Machine (SVM) dengan tiga jenis kernel: linear, RBF, dan polynomial. Data sekunder diperoleh dari Kaggle yang memuat informasi produk skincare di Sephora, dan diolah melalui tahapan CRISP-DM, mulai dari pemahaman bisnis, pembersihan data, labeling popularitas berdasarkan threshold jumlah “loves” dan “reviews”, penyeimbang data dengan Teknik SMOTE, hingga pemodelan menggunakan algoritma Support Vector Machine (SVM) dengan tiga jenis kernel serta evaluasi. Hasil pengujian menunjukkan bahwa kernel linear memberikan akurasi tertinggi sebesar 98,52%. Berdasarkan hasil seleksi fitur, faktor utama yang memengaruhi popularitas produk adalah jumlah ulasan (log_n_of_reviews), jumlah suka (log_n_of_loves), serta rasio interaksi pengguna seperti reviews_to_loves_ratio dan return_on_reviews. Penelitian ini memberikan kontribusi dalam pengembangan model prediksi berbasis machine learning untuk mendukung pengambilan keputusan dalam pemasaran produk skincare
Analisis dan Perancangan Sistem Informasi Manajemen Peternakan Berbasis IoT Menggunakan Metode Waterfall Studi Kasus Ternakconnect Febrina Firdanatasya; Erna Daniati; Nensa Aulia; Riska Oktavia
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 3 (2026): SINTA: JULI
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.305

Abstract

Sektor peternakan Indonesia masih menghadapi berbagai kendala operasional, seperti keterlambatan deteksi kondisi kandang, ketidakakuratan estimasi kebutuhan pakan, serta pencatatan operasional yang belum terdigitalisasi. Solusi Internet of Things (IoT) yang tersedia saat ini umumnya masih bersifat teknis dan kurang ramah bagi peternak dengan keterbatasan literasi digital. Penelitian ini bertujuan menganalisis dan merancang sistem informasi manajemen peternakan berbasis IoT bernama TernakConnect menggunakan metode Waterfall. Rancangan sistem mengintegrasikan pemantauan lingkungan secara real-time, peringatan dini otomatis, prediksi stok berbasis regresi linear, kendali peralatan jarak jauh, serta pencatatan keuangan dalam satu platform mobile. Metode Waterfall diterapkan melalui lima tahapan: analisis kebutuhan, perancangan sistem, perencanaan implementasi, perencanaan pengujian, dan pemeliharaan. Pendekatan User-Centered Design (UCD) digunakan untuk menghasilkan antarmuka yang mudah dipahami pengguna dari berbagai tingkat literasi digital. Hasil perancangan berupa spesifikasi sistem TernakConnect yang terdiri atas delapan use case, delapan entitas basis data, arsitektur tiga lapisan, serta 14 wireframe antarmuka. Kontribusi utama penelitian ini adalah modul Livestock Sampling berbasis formula adaptasi NRC dan modul prediksi stok berbasis regresi linear yang dirancang untuk perangkat mobile. Penelitian ini menunjukkan bahwa teknologi precision agriculture dapat dirancang agar lebih mudah diakses oleh pengguna non-teknis melalui pendekatan UCD pada sistem IoT peternakan.
Optimalisasi Pengenalan Wajah Pada Kondisi Low Light Menggunakan YOLOv5 Face Dan CLAHE Rayhan Ferdiansyah; Erna Daniati; Aidina Ristyawan
Bulletin of Information Technology (BIT) Vol 7 No 2 (2026)
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v7i2.2784

Abstract

Degradation of illumination intensity in low light environments is a major issue that reduces the accuracy of deep learning based face detection and recognition systems. This study aims to optimize the performance of the biometric processing pipeline under extreme low light conditions without retraining the model. The novelty of this research lies in the design of a retrainless integration between the hybrid preprocessing of CLAHE and Bilateral Filter on the luminance channel of the LAB color space with the integrated processing pipeline of YOLOv5-Face and FaceNet. Mass testing was conducted using pair-based evaluation on 3,000 face pairs from the VGGFace2 benchmark dataset, simulated in a controlled manner using a gamma exponent value (y = 0,5). Experimental results show that the preprocessing stage successfully restored the YOLOv5-Face Detection Rate from 88.7% to 89.8%. Meanwhile, in the identity verification stage, the FaceNet model recorded an increase in class separability, achieving the highest Area Under the Curve (AUC-ROC) value of 0.927 (classified as excellent), a global accuracy of 89.3%, and the ability to maintain the stability of the Cosine Distance Gap at an index of 0.6005. This characteristic proves the robustness of the feature vector geometry in separating boundaries between identities without overlapping. The implementation of the system into a Streamlit web application confirms that this traditional contrast restoration method remains relevant, efficient, and reliable for securing biometric verification under low-light conditions.
Evaluasi YOLOv8 Nano Untuk Deteksi Logistik Pendaki Pada Clutter Ekstrem Kevin Risky Abadi; Erna Daniati; Aidina Ristyawan
Bulletin of Information Technology (BIT) Vol 7 No 2 (2026)
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v7i2.2786

Abstract

Pemeriksaan logistik pendaki gunung secara manual saat ini dinilai tidak efisien dan sangat rentan terhadap kesalahan manusia (human error) akibat tingginya volume serta variasi barang bawaan yang sering menumpuk (clutter). Meskipun algoritma YOLOv8 sangat populer untuk deteksi objek, kinerjanya pada skenario kepadatan visual ekstrem belum teruji secara komprehensif. Oleh karena itu, penelitian ini bertujuan untuk mengevaluasi ketangguhan model YOLOv8 Nano dalam mengidentifikasi lima kelas logistik pendaki pada lima tingkat kepadatan, mulai dari objek tunggal hingga tumpukan ekstrem. Penelitian ini mengadopsi metodologi standar CRISP-ML(Q) dengan memanfaatkan 13.792 sampel data kustom. Fase prapemrosesan menerapkan metode Stretch to guna mereduksi artefak visual pada area tepi citra. Hasil eksperimen mendemonstrasikan performa yang sangat presisi, ditandai dengan nilai Precision sebesar 0,971, Recall 0,954, dan mean Average Precision (mAP@50) mencapai 97,8%. Arsitektur ini terbukti sanggup mendobrak limitasi penelitian terdahulu dengan keberhasilan mempertahankan stabilitas mAP@50 di angka 96,22% pada pengujian kepadatan ekstrem (lebih dari 18 objek). Implementasi sistem berbasis aplikasi web lintas perangkat juga mencatatkan waktu inferensi real-time yang responsif, yakni 61,48 milidetik pada peramban laptop dan 72,62 milidetik pada telepon seluler. Kesimpulannya, algoritma YOLOv8n terbukti sangat reliabel untuk mengotomatisasi pelaporan logistik lapangan. Namun, limitasi masih ditemukan berupa degradasi akurasi pada objek mikro akibat fenomena kemiripan fitur antar-kelas dan distorsi pantulan cahaya. Studi mendatang direkomendasikan untuk mengintegrasikan teknik Slicing Aided Hyper Inference (SAHI) guna memitigasi kegagalan tersebut.
Implementasi Bi-LSTM Untuk Klasifikasi Sembilan Kategori Teks Berita Bahasa Indonesia Ali Imron; Erna Daniati; Dwi Harini
Management of Information System Journal Vol 4 No 3: Juli 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/mis.v4i3.2763

Abstract

This study aims to develop a classification model for Indonesian news texts across nine categories using the Bidirectional Long Short-Term Memory (Bi-LSTM) method. Unlike previous studies that predominantly utilized balanced datasets or focused on binary classification, this research evaluates the model's robustness under extreme real-world class imbalance, where the disparity in data volume between classes reaches over thirteen-fold. The research methodology encompasses text preprocessing (case folding, punctuation removal, and Sastrawi stemming), tokenization, padding, and dataset splitting at an 80:20 ratio. The model architecture integrates an embedding layer, a Bi-LSTM layer, a dropout layer, and a dense layer, which are optimized using a cost-sensitive class weight technique and the Adam optimizer. Experimental results demonstrate that the model achieved an accuracy of 0.85, with weighted average precision, recall, and F1-score values all at 0.85. The primary advantage of this method lies in its bidirectional feature extraction capability (forward and backward), which proves reliable in mitigating majority class bias and reducing semantic ambiguity within minority categories. The scientific contribution of this study provides empirical evidence and a comprehensive reference regarding the effectiveness of bidirectional contextual understanding in maintaining the performance stability of multi-class text classification within non-ideal, real-world data landscapes.
Analisis Sentimen Ulasan Aplikasi Mobile Legends Berbasis Pelabelan IndoBERT dan SMOTE dengan Komparasi Algoritma Klasifikasi Naive Bayes dan SVM Muhammad Fauzan Aditiya Mufid; Erna Daniati; Arie Nugroho
Management of Information System Journal Vol 4 No 3: Juli 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/mis.v4i3.2783

Abstract

This study was conducted to evaluate user sentiment trends toward the Mobile Legends: Bang Bang game app through reviews published on the Google Play Store platform. This research applied IndoBERT-based automatic labeling to generate sentiment labels that better represent the textual meaning of the reviews. The class distribution imbalance resulting from the labeling process was addressed using the Synthetic Minority Oversampling Technique (SMOTE) during the model training phase. The performance of two classification algorithms—the Naive Bayes Classifier and the Support Vector Machine (SVM)—was compared through hyperparameter tuning using GridSearchCV, with the F1-Macro metric. The results show that the Naive Bayes Classifier model delivers the best performance with an accuracy of 87.55%, an F1-Score of 85.78%, and an F1-Score of 56.70%. However, the model still exhibits significant limitations in recognizing the neutral sentiment class (F1-Score 0.21), which was further analyzed and found to be caused by the very small proportion of the neutral class (2.3% of the total data) as well as the characteristic of neutral reviews, which tend to be requests or suggestions to developers rather than explicit statements. This study contributes to the development of a more representative sentiment analysis methodology through a combination of transformer-based labeling, data imbalance handling, and classification algorithm comparison.
Co-Authors Abadi, Ahmad Fajar Abadi, Kevin Risky Abimanyu, Dimas Abu Tholib Achmad, Ridho Adam, Rizal Syihab Saputra Afrinza, Laurenhia Salsabella Afrizal Ahmad Bayu P Agata, Cristina Juwita Agustama, Andri Tri Agustin, Enggar Rahma Agustin, Rizma Aidina Ristyawan Aidina Ristyawan, Aidina Aji Prasetya Wibawa Akbar, Muhammad Farizal Akmal Hisyam Pradhana Alamsyah, M Alfianto Alfarisi, Adam Risqi Ali Imron Ali Imron Aliyyah Fitri Nur'aini Alja, Farhan Maulana Amarya, Theo Krisna Amelia Nur Fadhila Ameliya, Putri Amri, Khoiri Aditya Anas, Yulva Irfan Andy G, Asye Candra Angga Pradipa Eko Widodo Anita Sari Wardani ANUARIDLO, Mochamad Aldi Yusuf Anusua Ghosh, Anusua Ardiansyah , Bima Ardyansyah, Fikri Arie Nugroho, Arie Arie, Theo Yan ARMYANTO, JODI Arti Romansa, Shasya Aryadi, Dicky Aulia, Ewanda Herdika Septa Aulia, Nurun Nihayatur Rifqiyah Azis, Mochamad Abdul Azzahra, Salsabila Dini Azzahro, Zia Ulhaq Bachti, Achmad Syauqi Bastian Dwiki Prasetyo Bilbina, Arinda Sekar Christy Atika Sari Cinta Azzaria Cintiana Adisti, Talita Dea Yuliana Ayu Nngrum Dewanti, Suci Dewi, Candrika Arlita Diah Kurniawati, Virginia Dwi Hariani Dwi Harini Dwi Harini Dzatama, Krisna Fahrizal Efendi, Moh. Hasan Eka Fauziah Eka Fauziah Eko Hari Rachmawanto Ery Mintorini Ewanda Herdika Septa Aulia Fadhila, Amelia Nur Fadli Hidayat, M Noer Fadli Hidayat, M. Noer Faisal, Mohammad Farhan Gagat Retnanto Faruq, Umar Al Faruqziddan, Muhammad Fatayasya, Ikhfal fatmawati, Anita Fauzi, Mohammad Ainun Naja Febrina Firdanatasya Felmidi, Ferdian Ahmat Ferdian Ahmat Felmidi Ferdiansyah, Rayhan Firlian, Rina Firmansyah, Achmad Ali Fitriono, Deri Huda, Miftaqul Hyperastuty, Agoes Santika Ilahi, Ferlita Putri Anugerah Intan Aprilia Rahman Irfa’udin, Muhammad Islami, Bifadhlillah Marsheila Jauhar, Moh. Iqbal Iqza Jodi Armyanto Juniati, Wiwik Kamilatutsaniya, Nila Kevin Risky Abadi Khalid, Muhammad Iqbal Laila, Anis Faizul Latifah, Umul Laurenhia Salsabella Afrinza Leonel Hernandez, Leonel Lestari, Afifah Kurnia Lukman, Muhammad Abi Maemunah, Mei Maha Shelin Sahira Moh Kusen Mufid, Muhammad Fauzan Aditiya MUHAMMAD FAHMI Muhammad Faruqziddan Muhammad Fauzan Aditiya Mufid Muhammad Fikri Pratama Muhammad Imron Amrulloh Muhammad Najibullah Muzaki Muhammad Najibulloh Muzaki Mustofa, Mohammad Annan Makruf Mutia, Sherla Dian Muzaki, Muhammad Reza Nafalski, Andrew Nanda, Thoyib Fernanda Nensa Aulia Nila Kamilatutsaniya Ningrum, Dea Yuliana Ayu Nugroho , Arie Nugroho, Andhi Gunawan Nugroho, Arie Nur Alamsyah Nur Alamsyah, Nur Nurfajriana, Intan Melinda Nurlailli, Mediana Oka Satria, Yongki Dyno Penengah, Pita Permadani, Trisna Wahyu Intan Pita Penengah Pradhana, Akmal Hisyam Pramudya, Yoga Reksa Prasetya, Dika Adi Pratama, Ady Yoga Pratama, Irwanto Pratama, Wildan Septian Prayitna, Jovan Putra Prayogi, Anindita Puspa Ayu Priyanto, Evania Putra, Regi Candra Purnama Putri Ameliya Putri Wahyuni, Hesti Putri, Fitria Dessela Putriani, Dewi Ramadhan, Erlangga Fajar Ratih Kumalasari Niswatin Rayhan Ferdiansyah Respati, Aditya Arya Resty Wulanningrum Rina Firliana Rini Indriati Rini Indriati Rino Adi Kurniawan Riska Oktavia Ristiyawan, Aidina Ristyawan , Aidina Rizal Syihab Saputra Adam Rizki Wahyu Nugroho Rizqulloh, Naufal Rosyidah Jayanti Vijaya, Rosyidah Jayanti rozikin, Moh.khoirur Sahira, Maha Shelin Sakin, Kharisma Santoso, Heru Teguh Saputra, M. Abdilah Saputri, Cindy Avitaselly Bambang Sari Wardani, Anita Sasongko, Muhammad Zuhdi Setiawan, Fachruddin Ari Setiawan, Galang Setiawan, Heris Setiawan, Moch. Andri Shella Ayu Shella Shella, Shella Ayu Sherly Dian Tiara Shofyana, Altha Inas Sri Ngudi Wahyuni, Sri Ngudi Sucipto Sucipto sugandhi sugandhi saputra Sulistyowati, Intan Supri yono Supri Yono, Supri Syafa’at, Achmadhin Tristan Syahputra, Firdita Rizky Syahrul S, Ditto Teguh Andriyanto Teguh Andriyanto Teguh Andriyanto, Teguh Theo Krisna Amarya Thisya Aisyah Putri Tiara, Sherly Dian UBAIDILAH, M. DIMAS Utama, Hastari Varuq, M Nizar Bahri Al Wahiid, Hermawan Nur Wahyu Sakti Gunawan Irianto Wardana, Aldestra Bagas Wardani , Anita Sari Wardani, Anita Sari Wardani, Saylendra Arga Wardhani, Aurel Fransisca Kusuma Wibisono, Angga Wijayanto, Ardhi Feisal Wiranata, Hadi Wulandari, Putri Widya Ayu Septi Wulandari, Rindi Febri Yustiar, Muhammad Hafiz Yuszril Herdianzah Yuszril Zuhriya, Tasbi Khatuz