Article Per Year (5 Year)
p-Index From 2021 - 2026
5.171
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Seminar Nasional Aplikasi Teknologi Informasi (SNATI) BIMASTER Coding: Jurnal Komputer dan Aplikasi Jurnal Simetris Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) JUITA : Jurnal Informatika Scientific Journal of Informatics CESS (Journal of Computer Engineering, System and Science) InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Jurnal Teknologi dan Sistem Komputer Jurnal Khatulistiwa Informatika JITK (Jurnal Ilmu Pengetahuan dan Komputer) BULETIN AL-RIBAATH JURIKOM (Jurnal Riset Komputer) TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Fokus Elektroda (Energi Listrik, Telekomunikasi, Komputer, Elektronika dan Kendali) The Indonesian Journal of Computer Science
Dwi Marisa Midyanti
Universitas Tanjungpura
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Public Health

Published : 75 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 75 Documents
Search

 4   5   6   7   8 
Rancang Bangun Marketing Automation Pada E-Commerce Menggunakan Framework CodeIgniter Qadari, Ilham Latul; Midyanti, Dwi Marisa; Prawira, Dian
Coding: Jurnal Komputer dan Aplikasi Vol 11, No 2 (2023): Edisi September 2023
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/coding.v11i2.53562

Abstract

Belanja online pada suatu e-commerce telah menjadi tren yang meningkat secara signfikan di Indonesia. Kebutuhan masyarakat terhadap toko-toko online sejalan dengan kebutuhan perusahaan maupun UMKM untuk mengembangkan e-commerce mereka sendiri. Akan tetapi, kebutuhan untuk menjual produk secara online harus diimbangi dengan strategi untuk memasarkan produk tersebut secara online dan otomatis pula kepada pelanggan. Berdasar hal tersebut, maka suatu e-commerce juga membutuhkan tools-tools marketing yang dapat memasarkan sekaligus mengetahui feedback dari pelanggan terhadap pemasaran yang dibuat. Penelitian ini mengembangkan Marketing Automation pada e-commerce yang di dalamnya terdapat fitur market segmentation, campaign management, e-mail marketing dan lead scoring. Hasil penelitian dari sisi pengujian interface memiliki nilai 87,7%, dan seluruh pengujian fungsionalitas berjalan baik. Sedangkan untuk pengiriman e-mail, seluruh e-mail berhasil terkirim berdasarkan data log Mailgun. Dengan hasil yang telah didapatkan dari penelitian dapat disimpulkan sistem e-commerce telah layak digunakan oleh perusahaan maupun UMKM sebagai tempat menjual dan memasarkan produk mereka.
PREDIKSI KETERSEDIAAN PANGAN DI KALIMANTAN BARAT DENGAN MENGGUNAKAN METODE MADALINE Lestari, Ayu Lathalia; Midyanti, Dwi Marisa; Hidayati, Rahmi
Coding: Jurnal Komputer dan Aplikasi Vol 11, No 1 (2023): Edisi April 2023
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/coding.v11i1.59224

Abstract

Ketersediaan pangan di suatu wilayah dipengaruhi oleh beberapa faktor antara lain   penyediaan, penggunaan, dan jumlah penduduk. Jumlah penduduk yang bertambah setiap tahun, mengakibatkan persediaan pangan semakin meningkat. Apabila kebutuhan konsumsi kurang dari ketersediaan pangan, maka wilayah tersebut mengalami defisit pangan. Dampak defisit pangan dapat ditanggulangi dengan melakukan suatu prediksi ketersediaan pangan dengan metode MADALINE. Penelitian tentang ketersediaan pangan menggunakan metode MADALINE bertujuan melakukan prediksi ketersediaan pangan untuk 1 bulan kedepan. Dengan meminimalkan respon yang telah dilatih sebelumnya, MADALINE dapat meningkatkan kemampuan komputasinya sehingga dapat merespon pola input dengan baik. Metode MADALINE Neural Network dengan algoritma MADALINE Rule I digunakan untuk memprediksi ketersediaan pangan di Kalimantan Barat. 12 unit masukan, 2 unit dalam 1 lapisan tersembunyi, dan 1 unit keluaran membentuk jaringan MADALINE. Metode Xavier digunakan untuk menentukan bobot awal selama proses pelatihan. Pada proses pelatihan menggunakan 84 data latih untuk setiap jenis pangan dengan laju pembelajaran terbaik 0,007. Hasil pengujian menggunakan 36 data uji untuk setiap jenis pangan dengan akurasi rata-rata sebesar 87,88%.
PENERAPAN METODE RECURRENT NEURAL NETWORK MODEL GATED RECURRENT UNIT UNTUK PREDIKSI HARGA CRYPTOCURRENCY Yunizar, Ahmad; Rismawan, Tedy; Midyanti, Dwi Marisa
Coding: Jurnal Komputer dan Aplikasi Vol 11, No 1 (2023): Edisi April 2023
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/coding.v11i1.58073

Abstract

Cryptocurrency merupakan mata uang digital yang dapat digunakan untuk transaksi atau investasi. Investasi aset cryptocurrency saat ini semakin banyak diminati oleh masyarakat. Investasi ini memiliki resiko yang tinggi dikarenakan harganya dapat turun ataupun naik dalam waktu yang singkat. Karena keadaan naik turunnya harga cryptocurrency yang begitu drastis inilah membuat para investor yang berharap ingin mendapatkan keuntungan justru mengalami kerugian. Oleh karena itu, diperlukan sebuah sistem prediksi yang dapat membantu memberikan pertimbangan kepada investor dalam pembelian aset cryptocurrency. Pada penelitian ini menggunakan metode GRU untuk memprediksi harga cryptocurrency, yaitu bitcoin dan ethereum dari tahun 2018 sampai 2021. Data dilakukan pelatihan menggunakan varian nilai window size untuk mendapatkan model dengan window size yang optimal dari nilai error terkecil dengan perhitungan Mean Absolute Percentage Error (MAPE). Berdasarkan hasil pengujian, dengan menggunakan nilai window size sebanyak 2, sistem mendapatkan hasil error yang paling kecil. Perhitungan akurasi prediksi untuk 1, 6, dan 12 bulan berikutnya pada data uji bitcoin masing-masing sebesar 90.26%, 77.74%, dan 75.98%, sedangkan pada data uji ethereum masing-masing sebesar 90.15%, 76,88%, dan 66.09%. Dapat dikategorikan sistem prediksi harga cryptocurrency ini tergolong sangat baik untuk memprediksi 1 bulan berikutnya dan dikategorikan cukup untuk memprediksi 6 dan 12 bulan berikutnya.
Sistem Otomatisasi Berbasis IoT Pada Budidaya Udang Galah Menggunakan Website Dan Push Notification Indrawan, Muhammad Catur; Midyanti, Dwi Marisa; Ristian, Uray
Coding: Jurnal Komputer dan Aplikasi Vol 13, No 1 (2025): Edisi April 2025
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/coding.v13i1.89735

Abstract

Kualitas air adalah aspek penting dalam budidaya udang galah, karena penurunan kualitas air dapat menyebabkan udang menjadi sensitif dan mudah stres. Kualitas air pada budidaya ini melibatkan tiga variabel utama, yaitu suhu, pH, dan salinitas. Sebagian besar petambak udang galah masih memantau dan mengendalikan kualitas air secara manual. Oleh karena itu, sistem otomatis dibutuhkan untuk pemantauan dan pengendalian. Penelitian ini, sistem otomatis menggunakan website dan notifikasi Telegram dibangun. sistem ini dirancang agar mampu meningkatkan efisiensi dan efektivitas dalam budidaya, sekaligus meminimalkan risiko kematian udang akibat perubahan kualitas air yang tidak terpantau. Pemantauan kualitas air kolam dilakukan melalui website, di mana sensor berhasil membaca variabel yang ditentukan. Rata-rata galat relatif untuk sensor suhu adalah 1,85%, pH 2,11%, dan salinitas 25,71%. Ketika variabel tidak dalam kondisi normal, sistem kendali otomatis akan berfungsi sesuai dengan parameter yang ditetapkan, dengan status true menandakan sistem aktif, dan false menandakan sistem tidak aktif. Penerapan notifikasi Telegram juga berjalan baik, terutama saat nilai pH air tidak normal, dengan jeda waktu antar notifikasi setiap 5 menit, serta rata-rata delay sebesar 1,03 detik.  Kata kunci "” Budidaya Udang, Notifikasi Telegram, Otomatisasi
IMPLEMENTASI GENERALIZED RELEVANCE LVQ (GRLVQ) UNTUK PREDIKSI DROUGHT CODE (DC) PADA INDEKS CUACA KEBAKARAN BERDASARKAN DATA AWS (AUTOMATIC WEATHER STATION) (STUDI KASUS : KABUPATEN KUBU RAYA) Junianti, Suci; Midyanti, Dwi Marisa; Hidayati, Rahmi
Coding: Jurnal Komputer dan Aplikasi Vol 11, No 2 (2023): Edisi September 2023
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/coding.v11i2.62890

Abstract

Drought Code (DC) atau Kode Kekeringan merupakan peringkat numerik dari kandungan kelembapan lapisan tanah organik yang padat. DC digunakan sebagai indikator membaranya api dalam suatu kebakaran dan potensi terjadinya kabut asap. Diketahui bahwa total luas hutan dan lahan yang terbakar di Kalimantan Barat sepanjang tahun 2022 adalah 21.836 Ha. Jika DC terus menunjukkan tingkat tinggi maupun ekstrim, akan terjadi kebakaran hutan yang lebih parah. Hal yang harus dilakukan untuk mencegahnya adalah dengan mengetahui kondisi DC dan tidak melakukan pembakaran di lahan gambut. Selain itu para petugas Manggala Agni harus bersiaga ketika kondisi DC tinggi maupun ekstrim. Dengan algoritma GRLVQ dibuat sebuah sistem untuk memprediksi DC dengan memasukkan data suhu, kelembapan, curah hujan dan kecepatan angin selama 6 hari, untuk memprediksi kondisi DC pada hari ke-7. Algoritma Generalized Relevance LVQ (GRLVQ) merupakan algoritma yang mengadaptasi pembaharuan bobot dari algoritma GLVQ, dan mengadaptasi perhitungan jarak serta pembaharuan vektor relevansi dari algoritma RLVQ. Berdasarkan hasil pengujian untuk sistem prediksi DC dengan algoritma GRLVQ diperoleh akurasi sebesar 65,72% untuk 607 data uji dengan 200 iterasi dan learning rate awal 0,06 serta MSE sebesar 0,342762.
PENERAPAN METODE C4.5 UNTUK KLASIFIKASI POTENSI AKADEMIK SISWA (Studi kasus: SMP DDI Sultan Syarif Abdurachman Pontianak) Firdaus, Nurul Fajri 'Aini; Midyanti, Dwi Marisa; Hidayati, Rahmi
Coding: Jurnal Komputer dan Aplikasi Vol 11, No 1 (2023): Edisi April 2023
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/coding.v11i1.54266

Abstract

Potensi akademik siswa adalah salah satu pengaruh yang sangat penting untuk meningkatkan mutu pendidikan, meningkatkan persentase nilai sekolah, serta mempermudah siswa untuk melanjutkan kejenjang pendidikan selanjutnya dengan nilai yang dapat bersaing. Beberapa faktor kemungkinan penyebab turunnya potensi akademik siswa antara lain kurangnya daya serap siswa pada saat kegiatan belajar mengajar, siswa pasif bertanya dan lain-lain yang menyebabkan nilai akademik siswa tersebut tidak mencapai standar kriteria ketuntasan belajar yang telah ditetapkan oleh satuan pendidikan. Untuk meningkatkan potensi akademik pada SMP DDI Sultan Syarif Abdurachman Pontianak diperlukan bimbingan terhadap siswa yang mempunyai potensi akademik kurang atau dibawah dari kriteria ketuntasan belajar. Agar peningkatan potensi akademik siswa dapat berjalan dengan baik, maka dibutuhkan cara klasifikasi untuk menentukan siswa yang perlu atau tidak mendapatkan bimbingan. Klasifikasi yang digunakan yaitu metode C4.5. Metode ini digunakan untuk mendapatkan pohon akar yang hasil klasifikasinya dapat menentukan siswa tersebut perlu mendapat bimbingan. Target yang digunakan terdiri dari menengah atas, menengah bawah dan wajib konseling. Mata pelajaran yang digunakan sebanyak 10 mata pelajaran dan menggunakan data uji sebanyak 240 data. Penggunaan metode C4.5 untuk klasifikasi potensi akademik siswa mendapatkan rata-rata akurasi sebesar 93,332%.
Implementasi Logika Fuzzy Dalam Menentukan Lama Waktu Penyimpanan Pisang Cavendish Berdasarkan Suhu dan Kadar Gas Etilen Berbasis Arduino Uno Firdaus, Akmal; Midyanti, Dwi Marisa; Nirmala, Irma
Coding: Jurnal Komputer dan Aplikasi Vol 11, No 2 (2023): Edisi September 2023
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/coding.v11i2.64645

Abstract

Pisang Cavendish termasuk jenis buah klimakterik yang memiliki tingkat respirasi dan produksi etilen yang tinggi saat disimpan. Hal ini dapat mengurangi daya tahan pisang dan kualitasnya akan menurun dengan cepat. Oleh karena itu, sebuah sistem telah dirancang untuk menentukan batas waktu penyimpanan pisang Cavendish berdasarkan suhu dan kadar gas etilen, dengan menggunakan metode logika fuzzy. Sistem ini berbasis Arduino Uno dan menggunakan sensor suhu dan sensor gas sebagai alat input untuk menentukan batas waktu penyimpanan pisang. Data diinputkan melalui dua jenis sensor, yaitu sensor suhu DHT22 dan sensor gas MQ-3 yang dapat mendeteksi suhu dan kadar gas etilen. Terdapat lima hasil keputusan untuk batas waktu penyimpanan pisang, yaitu sangat lama (336 jam), lama (264 jam), sedang (192 jam), cepat (120 jam), dan sangat cepat (48 jam). Penelitian ini berhasil mencapai akurasi sistem sebesar 90% dari 30 kali pengujian data.
Sistem Pemantauan Kualitas Air Berbasis Internet of Things (IoT) Halawa, Yasman; Midyanti, Dwi Marisa; Kurniawan, Robbi; That, Shau; Arista, Agamita Sasya Cahyani
TELKA - Telekomunikasi Elektronika Komputasi dan Kontrol Vol 11, No 1 (2025): TELKA
Publisher : Jurusan Teknik Elektro UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/telka.v11n1.1-15

Abstract

Air merupakan kebutuhan mendasar bagi kelangsungan hidup manusia. Air yang tercemar dapat menimbulkan beberapa penyakit pada manusia, tumbuhan, dan hewan sehingga mengganggu siklus hidup ekosistem. Deteksi dini kontaminasi air memungkinkan penerapan tindakan yang tepat, sehingga mencegah keadaan kritis. Untuk menjamin akses terhadap air bersih, pemantauan kualitas air secara real-time harus dilakukan melalui website untuk memastikan kondisi pasokan air saat ini. Penelitian ini fokus pada pemantauan kualitas air berbasis Internet of Things (IoT) menggunakan sensor pH air, Suhu DS18B20, Turbiditas, dan DHT11 untuk mendeteksi nilai pH, suhu air, kekeruhan dalam air, suhu lingkungan, dan kelembaban. Penelitian ini berhasil mengembangkan sistem pemantauan kualitas air berbasis Internet of Things (IoT) yang efektif dan efisien. Sistem ini dapat memberikan pemantauan kualitas air secara real-time. Data yang diperoleh dikirim ke cloud menggunakan aplikasi berbasis web untuk memantau kualitas air. Water is a fundamental necessity for human survival. Polluted water can lead to several human, plant, and animal diseases, disrupting the ecosystem's life cycle. Early detection of water contamination enables the implementation of suitable measures, thereby preventing critical circumstances. Real-time monitoring of water quality must be conducted via the website to guarantee access to clean water and ascertain the condition of the current water supply. This research focuses on monitoring water quality based on the Internet of Things (IoT) using water pH sensors, DS18B20 Temperature, Turbidity, and DHT11 to detect pH values, water temperature, turbidity in water, ambient temperature, and humidity. This research succeeded in developing an effective and efficient Internet of Things (IoT) based water quality monitoring system. The system can provide real-time monitoring of water quality. The data obtained is sent to the cloud using a web-based application to monitor water quality.
Penerapan Metode K-Medoids untuk Pengelompokan Mahasiswa Berpotensi Drop Out Bahri, Syamsul; Midyanti, Dwi Marisa
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106643

Abstract

Drop out merupakan penghentian atau pemutusan hubungan studi mahasiswa di perguruan tinggi, hal ini disebabkan oleh beberapa hal yang telah ditentukan oleh universitas. Perguruan tinggi dapat membuat kebijakan guna meminimalkan jumlah mahasiswa drop out dengan mengidentifikasi mahasiswa yang berisiko di tahap awal pendidikan. Mahasiswa drop out dapat diprediksi melalui beberapa proses memperoleh pola atau pengetahuan dari kumpulan data yang disebut data mining. Data mining melakukan analisis data yang telah ada dalam basis data guna penyelesaian masalah. Analisis yang dilakukan salah satunya dengan metode clustering. Cara kerja clustering dengan mengelompokkan data atau objek ke dalam cluster (kelompok). Penelitian ini menerapkan K-Medoids untuk melakukan pengelompokan kategori mahasiswa berpotensi drop out. K-Medoids merupakan salah satu metode data mining yang dapat menyelesaikan permasalahan clustering. Pada algoritma ini representasi sebuah cluster menggunakan objek pada sekumpulan objek. Pengukuran hasil K-Medoids menggunakan Silhouette Coefficient yang berfungsi untuk mengevaluasi jarak kedekatan antar data dalam satu cluster. Setelah dilakukan clustering menggunakan algoritma K-Medoids didapatkan hasil evaluasi Silhouette Coefficient terbaik sebesar 0.39415227406014575 dengan jumlah cluster 2. Hasil cluster dari 389 data, didapat 3 atribut yang memiliki rentang nilai yang berbeda antar cluster yaitu IPK, IP Semester 1, dan Status Beasiswa, ketiga atribut ini menjadi penciri yang membedakan antar cluster. AbstractDropout is the termination of student studies in college, this is caused by several things that have been determined by the university. Universities can make policies to minimize the number of students dropping out by identifying students at risk in the early stages of education. Dropout students can be predicted through several processes of obtaining patterns or knowledge from data sets called data mining. Data mining analyzes data that already exists in the database to solve problems. One of the analyzes carried out is the clustering method. How clustering works by grouping data or objects into clusters (groups). This study applies K-Medoids to classify categories of students who have the potential to drop out. K-Medoids is a data mining method that can solve clustering problems. In this algorithm, the representation of a cluster uses objects in a set of objects. Measurement of the results of K-Medoids using the Silhouette Coefficient which serves to evaluate the proximity between data in one cluster. After clustering using the K-Medoids algorithm, the best Silhouette Coefficient evaluation results are 0.39415227406014575 with the number of clusters 2. The cluster results from 389 data, obtained 3 attributes that have different value ranges between clusters, namely GPA, IP Semester 1, and Scholarship Status, all three attributes are distinguishing feature between clusters.
Implementasi Self Organizing Maps untuk Pengelompokan Kabupaten/Kota Berdasarkan Indeks Pembangunan Manusia Midyanti, Dwi Marisa; Bahri, Syamsul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107647

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator untuk mengukur keberhasilan dalam membangun kualitas hidup manusia. Di tahun 2022, empat indikator IPM berubah menjadi Umur Harapan Hidup Saat Lahir (UHH), Harapan Lama Sekolah (HLS), Rata-rata Lama Sekolah (RLS), dan Pengeluaran Kapita Pertahun. Namun empat indikator tersebut dianggap sebagian pihak kurang mewakili pembangunan. Penelitian ini bertujuan untuk melakukan pengelompokan IPM Kalimantan Barat dengan adanya penambahan variabel kepadatan penduduk, jumlah guru dan murid, dan jumlah pengangguran menggunakan Self Organizing Maps (SOM). Metode SOM dipilih karena memiliki kelebihan untuk memetakan data berdimensi tinggi kedalam bentuk peta berdimensi rendah. Selain itu digunakan normalisasi Min-Max normalization Benefit dan cost agar normalisasi sesuai dengan kriteria setiap variabel. Hasil penelitian ini menunjukkan bahwa, dengan menggunakan learning rate 0.001, maksimum iterasi 1100, dihasilkan sejumlah 4 cluster dengan nilai Silhouette Coefficients sebesar 0.331611 untuk penambahan variabel kepadatan penduduk, 0.290092 untuk penambahan variabel jumlah guru dan murid, 0.298582 untuk penambahan variabel jumlah pengangguran , dan 0.273734 untuk adanya penambahan variabel kepadatan penduduk, jumlah guru dan murid, dan jumlah pengangguran. Profiling cluster menghasilkan karakteristik dan anggota cluster yang berbeda di setiap penambahan variabel.   Abstract The Human Development Index (IPM) is an indicator to measure success in building the quality of human life. In 2022, the four HDI indicators changed to Life Expectancy at Birth (UHH), Years of School Expectation (HLS), Average Years of Schooling (RLS), and Annual Capita Spending. However, some consider the four indicators to be less representative of development. This study aims to carry out the West Kalimantan IPM cluster by adding population density variables, the number of teachers and students, and the number of unemployed using Self Organizing Maps (SOM). The SOM method was chosen because it has the advantage of mapping high-dimensional data into low-dimensional maps. Besides that, Min-Max normalization Benefit and cost normalization are used so that normalization is in accordance with the criteria for each variable. The results of this study indicate that using a learning rate of 0.001, maximum iteration of 1100, a total of 4 clusters are produced with Silhouette Coefficients values of 0.331611 for the addition of the population density variable, 0.290092 for the addition of the number of teachers and students variable, 0.298582 for the addition of the number of unemployed variables, and 0.273734 for the addition of the variable population density, number of teachers and students, and number of unemployed. Cluster profiling produces different characteristics and cluster members in each variable addition.
Co-Authors , Syahru Rahmayuda, Haris Febriyanto Ramadhan , Sampe Hotlan Sitorus Abdul Hamid Abdul Hamid Ade Muhamad Nurhadi Adi Kurnia Agung Jati Swiknyo Arista, Agamita Sasya Cahyani Astrid Lestari Tungadi Caecilia Cantica Gita Mileniae Ahen Chairul Mukmin Cucu Suhery Dedi Triyanto Deni Deni Dian Prawira, Dian Edwin Rianto Erick Alfons Lisangan Farhan Fajar Luthfi Firdaus, Akmal Firdaus, Nurul Fajri 'Aini Hafiz Muhardi Halawa, Yasman Hanafi, Ahmad Abdul Hansen Alexander Rustan Herlian, Wildan Hirzen Hasfani Ikhwan Ruslianto Ilham Syah Ilhamsyah Indrawan, Muhammad Catur Irma Nirmala Junianti, Suci Kartika Sari Kasliono Kasliono Khairunnisa, Zalikhah Kurniawan, Robbi Lestari, Ayu Lathalia Mahfuza, Sri Martha, Shantika Midyanti, Hafizhah Insani Mochammad Imron Awalludin Mulia, Agung Wira Neneng Suriati Nova Andaresta Qadari, Ilham Latul Rahman, Reiza Aditya Rahmi Hidayati Renny Puspita Sari Rikki Pratama Saputro, Arinto Mangku Shantika Martha Suhardi Syamsul Bahri Syamsul Bahri Tedy Rismawan Tedy Rismawan Tedy Rismawan That, Shau Thomas Adi Putra Tri Floren Doni Uray Ristian Valentino, Viktorius Wahiddatun Nisa Yunizar, Ahmad