Article Per Year (5 Year)
p-Index From 2021 - 2026
9.228
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Teknologi Informasi dan Ilmu Komputer Panrita Abdi - Jurnal Pengabdian pada Masyarakat Sistemasi: Jurnal Sistem Informasi JOIV : International Journal on Informatics Visualization International Journal of Artificial Intelligence Research Journal of Information Technology and Computer Science (JOINTECS) Jurnal Ilmiah FIFO PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Conference on Innovation and Application of Science and Technology (CIASTECH) JURTEKSI Jurnal Abdimas Mahakam METIK JURNAL Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jusikom: Jurnal Sistem Informasi Ilmu Komputer Systematics Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Teknologi Dan Sistem Informasi Bisnis Jurnal Informasi dan Teknologi Buana Information Technology and Computer Sciences (BIT and CS) JATI (Jurnal Mahasiswa Teknik Informatika) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Indonesian Journal of Electrical Engineering and Computer Science Abdimas Galuh: Jurnal Pengabdian Kepada Masyarakat JIKA (Jurnal Informatika) Jurnal Sistem Komputer dan Informatika (JSON) Infotek : Jurnal Informatika dan Teknologi Journal of Applied Data Sciences Jurnal Cahaya Mandalika Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Djtechno: Jurnal Teknologi Informasi Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Mechanical Engineering for Society and Industry Dirgamaya: Jurnal Manajemen dan Sistem Informasi J-Intech (Journal of Information and Technology) Automotive Experiences Journal of Informatics and Communication Technology (JICT) Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Informatika Teknologi dan Sains (Jinteks) Abdimas Journal International of Lingua and Technology Jurnal Komtekinfo Jurnal Buana Pengabdian Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Innovative: Journal Of Social Science Research JIM: Jurnal Ilmiah Mahasiswa Pendidikan Sejarah Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal) Jurnal Polimesin Journal of Informatics and Communication Technology (JICT) CSRID Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Journal of Information Technology
April Lia Hananto
Universitas Buana Perjuangan Karawang, Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering 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 Transportation Other

Published : 88 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 88 Documents
Search

 4   5   6   7   8 
Penggunaan Algoritma K-Means Clustering CRISP-DM Dalam Mengelompokkan Drama Korea Sebagai Rekomendasi Film Fatlun, Aulia; Hilabi, Shofa Shofiah; Priyatna, Bayu; Hananto, April Lia
JATISI Vol 12 No 1 (2025): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v12i1.11347

Abstract

This study classifies Korean dramas based on popularity and ratings using K-Means Clustering within the CRISP-DM framework. The dataset from Kaggle includes title, release year, rating, vote count, duration, and genre. The Elbow Method determined that 2 clusters were optimal, with a Silhouette Score of 0.35, indicating a fairly good grouping. Recommended dramas have high ratings and vote counts, showing strong popularity, while less recommended dramas have lower ratings and fewer votes, indicating limited appeal. This model can enhance recommendation system accuracy, assist viewers in content selection, and help streaming platforms understand user trends and marketing strategies. Future improvements may involve alternative clustering methods (DBSCAN, Hierarchical Clustering) and additional features like actors, directors, and release year to refine accuracy.
Klasifikasi Genre dan Rating Konten di Netflix : Wawasan dari Analisis Chi-Square dan Clustering alzahra, alika aziza; Hananto, April Lia; Hananto, Agustia; Priyatna, Bayu
JATISI Vol 12 No 1 (2025): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v12i1.11354

Abstract

Streaming platforms like Netflix rely on genre classification and content rating to enhance user experience and develop more effective marketing strategies. This study aims to analyze the relationship between genre and content rating on Netflix using Chi-Square analysis and clustering techniques to group genres based on rating distribution patterns. The Chi-Square test results indicate a significant relationship between genre and content rating (p-value < 0.05), suggesting that certain types of content tend to receive specific ratings. Furthermore, clustering analysis identifies three main groups: genres with high ratings suitable for a broad audience, genres with varied ratings that are more subjective, and genres with lower ratings that often include adult or less popular content. These findings provide insights that Netflix can leverage to optimize its content catalog, develop personalized recommendations, and tailor marketing strategies based on user consumption patterns.
EVALUATION IT GOVERNANCE BASED ON COBIT 2019 FRAMEWORK AT BUANA PERJUANGAN UNIVERSITY Yazid, Muhammad Abi; Hananto, April Lia; Priyatna, Bayu; Paryono, Tukino
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 11, No 2 (2025): Maret 2025
Publisher : Universitas Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i2.3791

Abstract

Abstract: The utilization of Information Technology (IT) in higher education institutions is crucial for supporting academic and administrative activities. The Data and Information Center (PUSDATIN) of UBP Karawang manages various IT services, such as Sistem Informasi Perguruan Tinggi (SIPT), e-learning Buana Online Course (BOC), and others. This study aims to evaluate the maturity level of IT governance at UBP Karawang to ensure alignment with the university's strategic goals and identify areas requiring improvement. The research employs a quantitative descriptive method based on COBIT 2019, with data collected from 92 respondents, analyzed through goals cascade mapping and maturity level measurement. The evaluation results across 14 COBIT 2019 domains indicate that the IT governance maturity level at UBP Karawang is at Level 4 (Quantitatively Managed) with a score of 3.86 and an average gap of 1.13 from the expected level. The findings suggest that while IT governance at UBP Karawang is well-managed, there is still room for improvement. Therefore, several recommendations are proposed to optimize IT governance effectiveness, ensure regulatory compliance, and support the achievement of the university's strategic objectives.            Keywords: COBIT 2019; IT evaluation; IT governance; maturity level. Abstrak: Pemanfaatan Teknologi Informasi (TI) di perguruan tinggi sangat krusial untuk mendukung aktivitas akademik dan administratif. Pusat Data dan Informasi (PUSDATIN) UBP Karawang mengelola berbagai layanan TI, seperti Sistem Informasi Perguruan Tinggi (SIPT), e-learning Buana Online Course (BOC) dan lain-lain. Penelitian ini bertujuan untuk mengevaluasi tingkat kematangan tata kelola TI di UBP Karawang guna memastikan keselarasan dengan tujuan universitas serta mengidentifikasi area yang memerlukan perbaikan. Penelitian ini menerapkan metode deskriptif kuantitatif berbasis COBIT 2019, dengan data diperoleh dari 92 responden, dianalisis melalui pemetaan goals cascade dan pengukuran maturity level. Hasil evaluasi pada 14 domain COBIT 2019 menunjukkan tingkat kematangan TI UBP Karawang berada di Level 4 (Terkelola secara Kuantitatif) dengan skor 3.86, serta rata-rata gap 1.13 dari tingkat yang diharapkan. Kesimpulan dari penelitian ini mengindikasikan bahwa meskipun tata kelola TI di UBP Karawang telah terkelola dengan baik, masih terdapat ruang untuk perbaikan. Oleh karena itu, beberapa rekomendasi diajukan guna mengoptimalkan efektivitas tata kelola TI, menjamin kepatuhan terhadap regulasi, serta mendukung pencapaian tujuan strategis universitas. Kata kunci: COBIT 2019; evaluasi TI; maturity level; tata kelola TI. 
Penerapan Algoritma Naive Bayes untuk Perbandingan Sentimen Ulasan Lazada dan Tokopedia Prasetya, Rafli; Hananto, April Lia; Novalia, Elfina; Tukino, Tukino
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 1: April 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i1.2666

Abstract

The e-commerce sector is one of many aspects of life influenced by advancements in information and communication technology. Tokopedia and Lazada, as two popular platforms in Indonesia, are increasingly accessed through mobile applications. User reviews serve as valuable input for improving service quality and user satisfaction. This study aims to evaluate user sentiment toward the Lazada and Tokopedia applications on the Google Play Store using the Naïve Bayes algorithm. A total of 2,000 review data were collected using web scraping methods and underwent preprocessing, resulting in 1,864 data points ready for analysis. The Hold-Out technique was applied for data splitting to assess model performance. The results show an accuracy of 89% for both applications. The majority of user sentiment is positive, with Lazada achieving a precision of 94%, recall of 93%, and F1-score of 94%, while Tokopedia achieved a precision of 97%, recall of 86%, and F1-score of 91%. These findings demonstrate the effectiveness of combining the Naïve Bayes algorithm and the Hold-Out technique in sentiment classification.Keywords: E-commerce; Sentiment Analysis; Google Play Store; Naïve Bayes AbstrakSektor e-commerce adalah salah satu dari banyak aspek kehidupan yang dipengaruhi oleh kemajuan teknologi informasi dan komunikasi. Tokopedia dan Lazada sebagai dua platform populer di Indonesia, semakin sering digunakan melalui aplikasi mobile. Ulasan pengguna menjadi masukan penting dalam meningkatkan kualitas layanan dan kepuasan pengguna. Penelitian ini bertujuan untuk mengevaluasi sentimen terhadap pengguna aplikasi Lazada dan Tokopedia di platform Google Play Store melalui algoritma Naïve Bayes. Sebanyak 2000 data ulasan dikumpulkan menggunakan metode web scraping, kemudian dilakukan preprocessing sehingga diperoleh 1864 data siap analisis. Teknik Hold-Out digunakan dalam pembagian data untuk mengukur performa model. Hasil menunjukkan akurasi sebesar 89% untuk masing-masing aplikasi. Sentimen pengguna mayoritas bersifat positif, dengan Lazada memperoleh presisi 94%, recall 93%, dan skor F1 94%, sedangkan Tokopedia memperoleh presisi 97%, recall 86%, dan skor F1 91%. Temuan ini menunjukkan efektivitas kombinasi algoritma Naïve Bayes dan Hold-Out dalam klasifikasi sentimen. 
Sistem Monitoring Dan Visualisasi Data Konsumsi Energi Listrik Rumah Berbasis IoT Dengan Aplikasi Blynk Setiawan, Pratama Wahyu; Hananto, April Lia; Novalia, Elfina; Hananto, Agustia
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 1: April 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i1.2675

Abstract

Household electricity consumption continues to increase, but monitoring of electricity use is still limited to the KwH meter which only shows the total usage without real-time details. This research aims to design an Internet of Things (IoT)-based electrical energy consumption monitoring system with the Blynk application as a data visualization medium. The system is designed using a PZEM-004T sensor to measure voltage, current, and power, as well as a ESP8266 NodeMCU microcontroller to transmit data to the Blynk application over a WiFi connection. System testing is carried out using the black box method to evaluate the functionality of each feature without looking at internal processes. The test results showed that the system can display electricity consumption data in real-time, work stably, and allow remote monitoring via smartphone. The system also helps users recognize electricity usage patterns, supports decision-making in energy savings, and provides historical data for long-term usage evaluation.Keywords: Internet Of Things; Monitoring Listrik; NodeMCU ESP8266; Blynk; PZEM-004T AbstrakKonsumsi energi listrik rumah tangga terus meningkat, namun pemantauan penggunaan listrik masih terbatas pada KwH meter yang hanya menunjukkan total pemakaian tanpa detail real-time. Penelitian ini bertujuan merancang sistem monitoring konsumsi energi listrik berbasis Internet of Things (IoT) dengan aplikasi Blynk sebagai media visualisasi data. Sistem dirancang menggunakan sensor PZEM-004T untuk mengukur tegangan, arus, dan daya, serta mikrokontroler NodeMCU ESP8266 untuk mengirimkan data ke aplikasi Blynk melalui koneksi WiFi. Pengujian sistem dilakukan dengan metode Black box untuk mengevaluasi fungsionalitas tiap fitur tanpa melihat proses internal. Hasil pengujian menunjukkan bahwa sistem dapat menampilkan data konsumsi listrik secara real-time, bekerja dengan stabil, dan memungkinkan pemantauan jarak jauh melalui smartphone. Sistem ini juga membantu pengguna mengenali pola penggunaan listrik, mendukung pengambilan keputusan dalam penghematan energi, serta menyediakan data historis untuk evaluasi penggunaan jangka panjang. 
Analisis Sentimen Aplikasi Bank Digital Pada Google Play Store Menggunakan Algoritma Naive Bayes Arkan Hilman Hakim; Hananto, April Lia; Nurapriani, Fitria; Huda, Baenil
Journal of Informatics and Communication Technology (JICT) Vol. 7 No. 1 (2025)
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/jict.v7i1.405

Abstract

Pesatnya perkembangan teknologi perbankan digital telah mendorong munculnya beragam aplikasi perbankan yang tersedia di Google Play Store. Ulasan pengguna terhadap aplikasi-aplikasi ini menjadi sumber informasi yang berharga untuk menilai tingkat kepuasan mereka, yang kemudian dapat dianalisis melalui pendekatan sentiment analysis. Penelitian ini dilakukan untuk mengkaji kecenderungan sentimen pengguna terhadap beberapa aplikasi bank digital dengan memanfaatkan algoritma Naïve Bayes. Data yang dianalisis berasal dari 1.000 ulasan pengguna untuk masing-masing aplikasi, yaitu Seabank, Krom Bank, Bank Jago, Blu by BCA, dan Bank Saqu. Seluruh proses analisis dan pengolahan data dilakukan menggunakan platform Google Colab, dengan menerapkan metode Multinomial Naïve Bayes (MNB) untuk mengklasifikasikan sentimen ke dalam dua kategori, yaitu positif dan negatif. Hasil penelitian mengungkapkan bahwa Seabank menunjukkan performa tertinggi, dengan accuracy sebesar 94%, precision 93%, recall 100%, dan F1-score 97%, serta total 945 ulasan positif dan 55 ulasan negatif. Temuan ini memperlihatkan bahwa analisis sentimen dapat memberikan masukan yang bernilai bagi pengembang untuk meningkatkan kualitas aplikasi, sekaligus menjadi panduan bagi pengguna dalam memilih layanan perbankan digital yang sesuai dengan preferensi kebutuhan.
Implementasi Algoritma K-means untuk Klasterisasai Data Stunting di Kabupaten Bekasi yuwono, Fuad anwar; Hananto, April Lia; Nurapriani, Fitri; Huda, Baenil
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 9 No. 2 (2025): Volume 9 Nomor 2 April 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v9i2.14748

Abstract

Stunting masih menjadi masalah kesehatan kritis yang berdampak pada tumbuh kembang anak, terutama di negara berkembang seperti Indonesia, di mana prevalensinya cukup tinggi dan memerlukan perhatian serius dari berbagai pihak. Stunting dapat menyebabkan gangguan perkembangan fisik dan kognitif anak, serta meningkatkan risiko berbagai penyakit kronis di masa depan. Dalam upaya mendukung program penanggulangan stunting, penelitian ini menerapkan algoritma pengelompokan K-Means untuk mengklasifikasikan kasus stunting di Kabupaten Bekasi berdasarkan berbagai atribut demografi dan kesehatan, seperti usia, berat badan, tinggi badan, status gizi, dan kondisi sosial ekonomi keluarga. Dataset yang digunakan dianalisis dengan pendekatan Knowledge Discovery in Databases (KDD), yang mencakup tahapan seleksi data, pra-pemrosesan, transformasi, serta penerapan metode data mining untuk pengelompokan. Melalui tahapan tersebut, data yang semula tidak terstruktur diolah secara sistematis menjadi informasi yang berguna. Hasil dari penerapan algoritma K-Means menunjukkan bahwa jumlah klaster yang optimal dapat secara efektif membagi data ke dalam beberapa kelompok dengan tingkat risiko stunting yang berbeda-beda. Informasi ini dapat membantu pembuat kebijakan dalam mengidentifikasi kelompok anak dengan risiko tinggi, sehingga strategi intervensi yang dilakukan dapat lebih tepat sasaran, efisien, dan berdampak signifikan terhadap penurunan angka stunting.
KLASIFIKASI DAN PREDIKSI ULASAN APLIKASI DANA PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES Hayati, Cucu; Tukino; Hilabi, Shofa Shofiah; Hananto, April Lia
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5691

Abstract

Di era digital saat ini, kemajuan teknologi yang pesat telah mendorong masyarakat beralih ke transaksi digital melalui financial technology (Fintech), salah satu inovasi fintech yaitu aplikasi DANA. Penelitian ini bertujuan untuk mengklasifikasi dan prediksi ulasan aplikasi DANA menggunakan Naïve Bayes. Dengan jumlah data 1.500 ulasan kemudian dilabeli berdasarkan kategori transaksi, keamanan, kinerja Aplikasi, pelayanan, serta aktivasi dan verifikasi. Tahapan penelitian ini dilakukan mulai dari pengumpulan data, pelabelan manual , preprocessing , pembobotan kata, model Naïve Bayes , dan evaluasi. Berdasarkan hasil analisis, tingkat akurasi yang diperoleh adalah sebesar 87%, dengan presisi mencapai 88%, recall sebesar 84%, dan f1-score sebesar 85%. Akurasi mengacu pada persentase prediksi yang benar dari keseluruhan data. Presisi menunjukkan seberapa tepat model dalam memprediksi suatu kelas tertentu, recall mengukur kemampuan model dalam menemukan seluruh data termasuk dalam suatu kelas tertentu, dan f1-score menggambarkan keseimbangan antara presisi dan recall. Maka, dapat disimpulkan model bawah pada penelitian ini mampu dalam mengklasifikasikan seluruh kategori dan dapat memberikan prediksi yang akurat, meskipun terdapat perbedaan nilai presisi, recall , dan f1-score . Diharapkan penelitian ini dapat bermanfaat bagi pengembang aplikasi DANA, dan juga dapat memberikan informasi mengenai efisiensi dan efektivitas algoritma Naïve Bayes dalam klasifikasi dan prediksi.
Penerapan Software Testing Life Cycle Pada Pengujian Otomatisasi Platform Dzikra Ruliansyah, Ruliansyah; Tukino; Baenil Huda; April Lia Hananto
CSRID (Computer Science Research and Its Development Journal) Vol. 15 No. 1: February 2023
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid-.15.1.2023.01-11

Abstract

PT Bejana Investidata Globalindo (BIGIO), as an IT consultant and software development company, develops an in-house product called Dzikra which is a platform to help users build good habits in worship. In order to develop this system, the company requires a daily worship content management system known as the Dzikra web admin. The Software Development Life Cycle (SDLC) has several stages, one of the important stages is the testing stage which has the goal of evaluating whether the software has been created in accordance with the specifications and detects bugs or errors. Black box testing automation with Robot Framework can provide good testing documentation and can reduce human errors during the testing process. The implementation of the Software Testing Life Cycle (STLC) in the testing process can also make the testing flow more structured and provide a better focus on each testing stage. The results of the testing show that of the six features tested, they have run as expected. It is hoped that this research will provide support to PT Bejana Investidata Globalindo (BIGIO) in automating software testing process.
Prediksi Penjualan Barang Menggunakan Metode K-Means dan Regresi Linear Henry Adam; Tukino; Elfina Novalia; Hananto, April Lia
Bulletin of Computer Science Research Vol. 5 No. 4 (2025): June 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i4.541

Abstract

Sales data analysis plays an important role in supporting business decision making, especially to optimise stock management and improve operational efficiency. the main problem faced by Vapestore XYZ in Karawang is the difficulty in accurately predicting the number of product sales, so there is often an imbalance between inventory and market demand. This can cause losses due to overstocks or shortages of goods. Currently, the estimation of stock requirements still relies on intuition and personal experience, without the support of objective data analysis. This research aims to build a sales prediction model by combining the K-Means method for product clustering and Linear Regression for sales quantity prediction. Sales data is taken directly from the store POS application, then goes through the stages of cleaning, labelling, and clustering into three groups, namely ‘Less Sold’, “Sold”, and ‘Very Sold’. Sales prediction is performed using Linear Regression by utilising the clustering results and time variables as inputs. Model performance evaluation is performed using error metrics, namely Mean Absolute Error (MAE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE). Based on the test results, the developed Linear Regression model obtained MAE of 3.20, MSE of 52.34, and RMSE of 7.23. These error values indicate that the model is able to provide sales estimates that are close enough to the actual data to be reliable in stock planning. Visualisation of the prediction results in the form of tables and heatmaps makes it easy to identify sales trends and compare performance between products. The findings of this study prove that the combination of K-Means and Linear Regression methods is effectively used to support stock decision making and marketing strategies in vape retail stores. Further development is recommended by enriching the dataset and exploring other prediction methods to improve model performance.
Co-Authors - Faqih AA Sudharmawan, AA Abdullah Abdullah Abdullahi Tanko Mohammed Abdullahi Tanko Mohammed Adittia Agustian Afra, Alfina Fadhilah Agneresa Agneresa Ahmed Sule Ahnaf, Naufal Zubdi Ajie, Prasetyo Alparizi, Muhamad Iqbal Alpian, Yayan alzahra, alika aziza Anthony Chukwunonso Opia Aprilia Putri Nardilasari Arkan Hilman Hakim Asep Haris Atmaja, Rashelin Zahra Aulia, Aldi Aviv Yuniar Rahman Aviv Yuniar Rahman Aviv Yuniar Rahman Aviv Yuniar Rahman Baenil Huda Baenil Huda Baenil Huda Baenil Huda Bagus Setyawan Baihaqi, Kiki Ahmad Bayu Priyatna Bayu Priyatna Bayu Priyatna Berkah*, Kamila Candra Zonyfar Catur Nugroho Danny Manongga Dean Ariesta Aziz Deddy Prihadi Detrie Noviani Dhany Hermansyah Dien Noviany Rahmatika Edrina Christine, Natalie Eichler, Luiz Eko Pramono Eko Sediyono Esam Abu Baker Ali Fadli, Muhammad Abil Fatlun, Aulia Fatmanisa Mumpuni Delta Maharani Fauzi Ahmad Muda Firdaus, Mohamad Ricky Firman Nurdiansyah Firman Nurdiyansyah Fitri Nur Masruriyah, Anis Fitria Nur Apriani Fitria Nurapriani Guntur, Muhamad Hananto, Agustia Hanny Hikmayanti Handayani Hayati, Cucu Hendry Henry Adam Hibatullah, Muhammad Hafizh Hilabi, Shofa Shofia Hilabi, Shofa Shofiah Hilabi, Shofa Shofiah Hindriyanto Dwi Purnomo Huda Huda Huda, Baenil Ihsan, Mohammad Maftuh Ihwan Ghazali Indra Kurniawan Indri Oktapiani Irawan, Bei Harira Irwan Sembiring Istiadi Isyanto, H. Puji Iwan Setiawan Iwan Setyawan Joko Purwanto Kadori, Ilman Kamila Berkah* Kurnia, Nisa Lutfiah, Siti Mega Tri Kurnia Melisa Miswadi Miswadi Moh Hasan Basri Mohamad Ricky Firdaus Mubarok, Piky Muhamad Djaka Permana Muhammad Idris Muhammad Idris Muhammad Idris Muhammad Nova Muhammad Zacky Asy'ari Muthia Nur Rizky Fitriani Nisa Kurnia Novalia, Elfina Novia Cahya Utami Nurapriani, Fitri Nurapriani, Fitria Nurapriani, Nurapriani Nurfajria, Dera Paryono, Tukino Permana Andi Paristiawan Permana Andi Paristiawan Pradana Rizki Maulana Prasetya, Rafli Pratama, Daffa Agung Priatna, Bayu Priyatna , Bayu Priyatna, Bayu Purnomo, Hendryanto Dwi Putri Indraswari Reformasi, Era Rieke Retnosary Rosalina, Elsa Rukmanta Jayawiguna Ruliansyah Ruliansyah Ruliansyah Ruliansyah, Ruliansyah Saepul Aripiyanto Safarudin Gazali Herawan Sari, Nurnilam Sarina Sulaiman Sarina Sulaiman Setiawan, Feddy Wanditya Setiawan, Pratama Wahyu Shofa Shofia Hilabi Shofa Shofia Hilabi Shofa Shofia Hilabi Shofa Shofiah Hilabi Shofa Shofiah Hilabi Shofa Shofiah Hilabi Shofa Sofiah Hilabi Shofiah Hilabi, Shofa Shuaibu Alani Balogun Sigit Widiyanto Silva, Tiago Siti Masruroh Soleman, Soleman Sopian, Jajang Sri Mumpuni Ngesti Rahaju Sudrajat, Deden Renhad Suhada, Karya Surala, Lyvia Susilawati, Agnes Dwita Syah Alam Tita Puspita Sari Tukino Tukino Tukino Tukino Tukino Tukino, Tukino tukino, tukino Tukino, Tukino Wahiddin, Deden Yazid, Muhammad Abi Yovika Aprianti Yoviyardi, Rama yuwono, Fuad anwar