Article Per Year (5 Year)
p-Index From 2021 - 2026
5.364
P-Index
This Author published in this journals
All Journal Pixel : Jurnal Ilmiah Komputer Grafis Jurnal Informatika dan Teknik Elektro Terapan Infotech Journal Jurnal Khatulistiwa Informatika JURNAL PETIK TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol Jurnal Informatika Global Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer JATI (Jurnal Mahasiswa Teknik Informatika) Santika : Jurnal Ilmiah Sains dan Teknologi JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Informatics, Information System, Software Engineering and Applications (INISTA) Idealis : Indonesia Journal Information System Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Pengabdian Masyarakat Indonesia Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika Dedication : Jurnal Pengabdian Masyarakat
Winda Apriandari
Universitas Muhammadiyah Sukabumi
Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Materials Science & Nanotechnology Public Health Social Sciences Other

Published : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 43 Documents
Search

 1   2   3   4   5 
ANALISIS SENTIMEN BERBASIS ASPEK TERHADAP ULASAN APLIKASI MYPERTAMINA MENGGUNAKAN SUPPORT VECTOR MACHINE Maulana, Ikram; Apriandari, Winda; Pambudi, Agung
IDEALIS : InDonEsiA journaL Information System Vol 6 No 2 (2023): Jurnal IDEALIS Juli 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/idealis.v6i2.3022

Abstract

PT. Pertamina (Persero), sebagai BUMN terbesar di bidang minyak dan gas bumi di Indonesia, memiliki tanggung jawab untuk menyalurkan BBM bersubsidi secara tepat sasaran dan sesuai kuota yang ditetapkan oleh pemerintah. Sejak 1 Juli 2022, aplikasi MyPertamina menjadi syarat untuk pembelian BBM Pertalite dan Biosolar. Dengan lebih dari 10 juta unduhan dan peringkat 2,5 di Google Play Store berdasarkan data pada Oktober 2022, penelitian ini bertujuan untuk mengevaluasi aplikasi MyPertamina dengan mengelompokkan ulasan ke dalam dua kelas sentimen dan tiga kelas aspek. Metode yang digunakan dalam penelitian ini adalah Knowledge Discovery in Database (KDD) dengan menerapkan algoritma Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa MyPertamina dinilai membantu pengguna dalam pembelian BBM, meskipun terdapat kendala yang dirasakan pengguna. Kendala tersebut meliputi kesulitan dalam mendaftar akun dan sering mengalami kegagalan login pada aspek Bug, kerumitan dalam penggunaan pada aspek kegunaan, serta kadang-kadang tidak muncul barcode pada aspek pembayaran. Evaluasi model klasifikasi sentimen dan aspek menghasilkan tingkat akurasi rata-rata sebesar 92% dan 96% secara berturut-turut. Dengan demikian, dapat disimpulkan bahwa model yang telah dikembangkan cukup andal dalam melakukan klasifikasi pada data ulasan aplikasi MyPertamina.
Analisis Sentimen Pelanggan Terhadap Layanan Jasa Ekspedisi Barang Menggunakan Metode Naïve Bayes Classifier Pada Twitter Eka Fitriah, Tika; Asriyanik, Asriyanik; Apriandari, Winda
SANTIKA is a scientific journal of science and technology Vol. 14 No. 1 (2024): SANTIKA
Publisher : The Faculty of Science and Technology

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

Abstract

Abstrak — Dengan meningkatnya pengguna internet yang berhasil mempengaruhi pertumbuhan e-commerce di Indonesia, membuat banyak didirikannya layanan jasa ekspedisi barang di Indonesia. Menurut Top Brand Award Indonesia terdapat dua layanan jasa ekspedisi barang yang menduduki peringkat tertinggi di Indonesia yaitu J&T express dan JNE express. Untuk menempati peringkat tersebut tentunya setiap jasa ekspedisi mempunyai cara dalam memberikan pelayanannya kepada pelanggan. Dan untuk mengetahui pelayanan yang telah diberikan oleh masing-masing jasa ekspedisi dapat dilihat dari bagaimana tanggapan pelanggan mengenai layanan jasa ekspedisi tersebut. Salah satu cara untuk mengetahui tanggapan tersebut yaitu dengan memanfaatkan media sosial twitter. Karena banyak masyarakat dan pelanggan yang memberikan tanggapannya terkait layanan jasa ekspedisi barang J&T express dan JNE express di media sosial twitter. oleh karena itu diperlukan proses analisis sentimen terhadap tanggapan tersebut dan mengklasifikasikannya kedalam sentimen positif atau negatif serta mengklasfikasi komentar kedalam tiga kategori pelayanan (pengiriman, jaminan dan ketanggapan). Algoritma Naïve Bayes Classifier adalah salah satu algoritma yang digunakan untuk proses klasifikasi pada suatu data dengan menggunakan probabilitas untuk menghitung kemungkinan suatu tanggapan mengandung sentimen positif atau negatif. Proses klasifikasi menggunakan Naïve Bayes Classifier ini cenderung menghasilkan komentar negatif yang lebih banyak. Lalu hasil dari pengujian menggunakan confusion matrix menghasilkan akurasi sebesar 86% untuk kategori pengiriman, 82% kategori ketanggapan dan 94% untuk kategori jaminan pada dataset J&T Express. Sedangkan dalam dataset JNE Express terdapat nilai akurasi sebesar 85% untuk kategori pengiriman, 94% untuk kategori ketanggapan serta jaminan. Sementara pengujian kedua menggunakan k-fold cross validation berhasil meningkatkan nilai akurasi dengan menghasilkan nilai akurasi sebesar 82% untuk kategori layanan pengiriman, 92% untuk kategori jaminan, dan 94% untuk kategori ketanggapan pada jasa ekspedisi J&T Express. Selain itu pada dataset JNE Express menghasilkan nilai akurasi sebesar 88% untuk kategori pengiriman, 97% untuk kategori ketanggapan dan 98% untuk kategori jaminan.
KLASIFIKASI KUALITAS JENIS KOPI HALUS ROBUSTA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN MOBILENET-V2 Abhista Hibatullah, Akbar; Asriyanik, Asriyanik; Apriandari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10716

Abstract

Kopi merupakan komoditas perdagangan global yang sangat bernilai, dengan berbagai jenis yang memiliki karakteristik unik, dipengaruhi oleh asal geografis, metode penanaman, kondisi iklim, serta teknik pengolahan dan pemanggangan. Salah satu jenis kopi yang populer adalah robusta, yang dikenal dengan rasa yang lebih kuat dan pahit. Para ahli kopi menggunakan pengetahuan dan pengalaman mereka untuk mengidentifikasi kualitas kopi robusta unggulan melalui pengamatan visual dan teknik cupping, yang menilai aroma, rasa, kekentalan, keasaman, dan aftertaste. Dengan permintaan yang terus meningkat untuk kopi berkualitas tinggi, kemampuan untuk mengklasifikasikan dan menilai jenis kopi ini menjadi semakin penting, didukung oleh teknologi terbaru yang memastikan konsumen mendapatkan pengalaman menikmati kopi terbaik. Mengklasifikasikan kualitas kopi halus robusta adalah tantangan dalam industri kopi, karena penting untuk menjaga konsistensi kualitas dan pengenalan di pasar. Metode klasifikasi otomatis menggunakan Convolutional Neural Network (CNN) dan arsitektur MobileNet-V2 diusulkan untuk mengidentifikasi kualitas kopi halus robusta. Penggunaan CNN untuk klasifikasi menunjukkan hasil yang luar biasa dalam mengidentifikasi gambar kualitas kopi halus robusta, dengan akurasi validasi sebesar 99,82%, recall score sebesar 0.9982 precision 0.9982, dan F1 Score 0,99. Tingkat akurasi yang sangat tinggi ini menunjukkan kemampuan CNN dalam mengklasifikasikan gambar kualitas kopi halus robusta dengan sangat tepat.
PEMANFAATAN CNN (CONVOLUTION NEURAL NETWORK) DAN MOBILENET V2 DALAM KLASIFIKASI REMPAH-REMPAH LOKAL DI INDONESIA Nesta Suandana, Ilham; Asriyanik, Asriyanik; Apriandari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10873

Abstract

Penelitian ini bertujuan mengembangkan sistem klasifikasi untuk rempah-rempah lokal di Indonesia menggunakan Convolutional Neural Network (CNN) dan MobileNet V2 berbasis PyTorch. Latar belakang penelitian ini didorong oleh dua masalah utama: proses identifikasi rempah-rempah dari gambar atau sumber baca yang memakan waktu lama dan kurang efisien, serta keterbatasan akses ke ahli yang menghambat proses identifikasi dan pengetahuan tentang rempah-rempah. Dataset yang digunakan terdiri dari 16 jenis rempah dengan total 5.111 gambar yang diperoleh dari berbagai sumber foto manual dan publik. Data tersebut menjalani proses pra-pemrosesan, termasuk resizing dan normalisasi, untuk memastikan ukuran gambar yang konsisten dan meningkatkan kualitasnya sebelum diproses oleh model CNN. Metodologi penelitian ini mengadopsi Knowledge Discovery in Databases (KDD), yang menyediakan pendekatan sistematis dalam perencanaan proses, mencakup analisis kebutuhan data, teknik pengumpulan data, dan penjadwalan kegiatan yang terstruktur untuk memastikan kelancaran dan keberhasilan implementasi model klasifikasi. Model CNN yang dikembangkan dilatih untuk mengklasifikasikan jenis rempah berdasarkan fitur visual gambar. Evaluasi performa model menunjukkan akurasi validasi sebesar 99,96%, menunjukkan efektivitas model dalam mengidentifikasi dan mengklasifikasikan rempah-rempah dengan sangat akurat. Penerapan model klasifikasi ini pada situs web sederhana diharapkan dapat mempermudah pengguna dalam kehidupan sehari-hari. Penelitian ini juga menyediakan dasar yang kuat untuk pengembangan dan penyempurnaan model klasifikasi rempah-rempah di masa depan, serta membuka peluang aplikasi serupa dalam pengenalan objek di berbagai bidang lainnya.
KLASIFIKASI PENERIMA BANTUAN PROGRAM KELUARGA HARAPAN MENGGUNAKAN SUPPORT VECTOR MACHINE Isyam, Moch. Nur; Indrayana, Didik; Apriandari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11050

Abstract

Program Keluarga Harapan adalah sebuah program bantuan sosial dari pemerintah Indonesia yang bertujuan untuk mengurangi kemiskinan melalui bantuan keuangan untuk keluarga kurang mampu. Fokus penlitian ini adalah mengatasi masalah subjektivitas dalam pemilihan penerima bantuan di Desa Cisarua, Kecamatan Nagrak, Kabupaten Sukabumi, proses pemilihan yang masih bergantung pada musyawarah desa dan pendataan secara manual seringkali kurang objektif dan rentan terhadap kesalahan karena banyaknya data yang harus dikelola secara manual. Untuk mengatasi masalah tersebut peniliti menerapkan metode Support Vector Machine untuk klasifikasi penerima bantuan. Penggunaan SVM untuk klasifikasi penerima bantuan menghasilkan akurasi sebesar 89,89%, precision 90%, recall 92% dan F1-Score 91%. Ini menunjukkan efektivitasnya dalam klasifikasi penerima bantuan PKH.
PENERAPAN ALGORITMA NAIVE BAYES DAN METODE CRISP-DM DALAM PREDIKSI HASIL TES KEMAMPUAN BAHASA INGGRIS MAHASISWA Santiastry, Sany; Asriyanik, Asriyanik; Apriandari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11069

Abstract

Bahasa Inggris memiliki peran penting dalam sistem pendidikan di Indonesia, terutama karena fungsinya sebagai bahasa internasional. Pentingnya hal ini terlihat dari banyaknya informasi ilmiah dan teknologi di berbagai bidang yang ditulis dalam bahasa Inggris. Meskipun demikian, belum ada penelitian di Universitas Muhammadiyah Sukabumi yang berfokus pada memprediksi tingkat keberhasilan mahasiswa dalam tes kecakapan bahasa Inggris. Penelitian ini bertujuan untuk membangun model prediksi menggunakan algoritma Naive Bayes di platform Google Collaboratory untuk memperkirakan hasil tes kecakapan bahasa Inggris mahasiswa di Universitas Muhammadiyah Sukabumi. Naïve Bayes adalah salah satu algoritma machine learning yang banyak digunakan dalam klasifikasi dan prediksi. Penelitian ini menghasilkan model prediktif serta situs web sederhana yang dapat mencatat nilai mata kuliah bahasa Inggris mahasiswa dan memprediksi keberhasilan mereka dalam tes kemahiran bahasa Inggris. Evaluasi model ini menggunakan metrik akurasi, presisi, recall, dan nilai F1. Model yang dibuat menunjukkan akurasi sebesar 87,94%, dengan rata-rata presisi makro 0,82, recall 0,91, dan nilai F1 0,84, serta rata-rata presisi berbobot 0,89, recall 0,88, dan nilai F1 0,88. Model ini dapat secara akurat memprediksi hasil kelulusan mahasiswa berdasarkan nilai mereka.
PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI IKAN HIAS CHANNA Putra Rizki, Fariz; Adi Sunarto, Asril; Apriandari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11174

Abstract

Ikan Channa, atau yang dikenal sebagai ikan gabus, merupakan ikan air tawar yang mendiami berbagai habitat seperti sungai, danau, serta rawa. Ikan ini memiliki nilai ekonomi yang tinggi dan sangat digemari oleh para pecinta ikan hias karena warna tubuhnya yang menarik, yang terdiri dari perpaduan warna oranye kekuningan dan hitam dengan pola bunga. Budidaya ikan Channa telah menjadi sumber pendapatan yang signifikan bagi banyak petani ikan, terutama karena prospeknya yang menguntungkan bahkan pada lahan terbatas dengan sumber daya air yang minimal. Salah satu tantangan utama dalam budidaya ini adalah melakukan klasifikasi ikan secara akurat berdasarkan karakteristik fisiknya. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi ikan Channa dengan memanfaatkan algoritma Support Vector Machine (SVM), yang telah terbukti efektif dalam berbagai aplikasi lain, termasuk diagnosis medis. Sistem yang dikembangkan memanfaatkan data non-linier dengan enam variabel fisik: panjang, berat, warna, bentuk sirip, panjang sirip, dan bentuk kepala. Hasil penelitian ini menunjukkan bahwa penerapan algoritma Support Vector Machine (SVM) untuk klasifikasi ikan hias Channa memberikan hasil dengan akurasi sebesar 69%, presisi 66%, recall 69%, dan F1-score 67%. Algoritma SVM terbukti mampu mengklasifikasikan ikan Channa berdasarkan karakteristik fisik seperti panjang, berat, warna, bentuk sirip, panjang sirip, dan bentuk kepala secara akurat dan efisien.
Implementasi Metode Klasifikasi Naïve Bayes Untuk Rekomendasi Siswa Dalam Pemilihan Bursa Kerja Khusus (BKK) di SMKN 1 Sukalarang Steviana, Vivie Salma; Kusdinar, Asep Budiman; Apriandari, Winda
Petik: Jurnal Pendidikan Teknologi Informasi Dan Komunikasi Vol. 11 No. 1 (2025): Volume 11 No 1 Maret 2025
Publisher : Pendidikan Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31980/petik.v11i1.1645

Abstract

Abstrak Pendidikan menjadi fondasi penting dalam mempersiapkan generasi menghadapi dunia kerja yang semakin kompleks. Di SMKN 1 Sukalarang, terdapat program Bursa Kerja Khusus (BKK) yang dikelola oleh UBIN Hubungan Industri, bertujuan membantu siswa akhir tahun mendapatkan informasi pekerjaan. Namun, penyebaran informasi ini seringkali hanya melalui media sosial, sehingga beberapa siswa kurang mendapat informasi yang diperlukan. Penelitian ini bertujuan membantu sekolah dalam menyebarkan informasi dan perekrutan pekerjaan melalui sistem rekomendasi siswa menggunakan metode klasifikasi Naïve Bayes. Metode Naïve Bayes adalah pendekatan umum dalam statistika dan pembelajaran mesin untuk klasifikasi, berdasarkan Teorema Bayes dengan asumsi independensi antar fitur. Asumsi ini menyederhanakan perhitungan dan meningkatkan efisiensi model. Penelitian ini menghasilkan sistem klasifikasi yang merekomendasikan siswa untuk pemilihan Bursa Kerja Khusus (BKK) di SMKN 1 Sukalarang, menentukan apakah siswa tersebut direkomendasikan untuk pekerjaan tertentu atau tidak. Kata Kunci: Naïve Bayes, Klasifikasi, Bursa Kerja Khusus (BKK), Rekomendasi Siswa, SEMMA Abstract Schools provide a crucial foundation for equipping the younger generation to navigate the increasingly intricate challenges of the workforce. At SMKN 1 Sukalarang, a program known as BKK (Bursa Kerja Khusus) is managed by UBIN Industrial Relations, aiding final-year students in acquiring employment-related information. However, the dissemination of job information and recruitment is often limited to conventional social media, causing some students to miss out. This study aims to enhance the school’s ability to distribute information and facilitate recruitment by recommending students through Naïve Bayes classification. The Naïve Bayes method, widely used in statistics and machine learning, is based on Bayes' Theorem and operates on the premise that data features are independent. This premise simplifies calculations and enhances model efficiency. The study's outcome is a classification system that evaluates and recommends students for BKK at SMKN 1 Sukalarang, indicating whether a student is suitable for a specific job. Keyword: Naïve Baye, Classification, Special Job Market (BKK), Student Recommendation, SEMMA
Otomatisasi Sistem Penggerak Meja Menggunakan Node MCU Modul Esp8266 Berbasis Web Winda Apriandari; Abdillah, Muhammad Fadhil; Mega Putri, Delinda; Syahrizky, Cindy Aulia; Anasya, Zalfa Alfiah
JURNAL FASILKOM Vol. 15 No. 1 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i1.8587

Abstract

Perkembangan teknologi otomatisasi berbasis IoT (Internet Of Things) sudah banyak diterapkan diberbagai bidang dan berdampak signifikan pada kehidupan sehari-hari. IoT saling terhubung pada jaringan perangkat dan saling bertukar data melalui internet dan otomatisasi. Berdasarkan pengamatan terhadap lingkungan sekitar saat ini, mayoritas orang tidak terlepas dari gadget. Pengguna gadget dari berbagai usia sudah tersebar luas, terutama untuk kebutuhan edukasi, pekerjaan dan hiburan. Permasalahan yang ada pada saat penggunaan gadget yang terlalu lama dengan durasi pemakaian sekitar 4-8 jam dalam sehari, sehingga menimbulkan rasa tidak nyaman karena kondisi meja yang tidak sesuai. Tujuan penelitian ini adalah merancang sistem penggerak meja agar pengguna gadget bisa menyesuaikan kondisi meja cara otomatisasi. Rancang bangun sistem penggerak meja yang dibuat menggunakan Node MCU Modul Esp8266 sebuah mikrokontroler berbasis WIFI yang mampu menghubungkan perangkat dengan jaringan internet. Kemampuan WIFI dari Esp8266 sebagai antarmuka web yang dikembangkan agar pengguna dapat mengendalikan posisi meja secara real-time dari perangkat apapun yang terhubung ke internet. Hasil evaluasi menunjukkan bahwa sistem yang dikembangkan dapat mengendalikan meja dengan akurasi dan respons yang baik, serta menfasilitasi kemudahan akses kontrol yang signifikan melalui web.
Klasifikasi Sifat Huruf Hijaiyah Dengan Metode Convolutional Neural Network (CNN) Salamah, Siti Ruhu; Asriyanik; Apriandari, Winda
Jurnal Ilmiah Informatika Global Vol. 16 No. 2: August 2025
Publisher : UNIVERSITAS INDO GLOBAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jiig.v16i2.5468

Abstract

Understanding the science of Tajweed, particularly the articulatory properties of hijaiyah letters, plays a crucial role in enchancing the quality of Quranic recitation. Despite its importance, research focused on classifying these properties within Quranic texts remains limited. Existing Tajweed learning tools often introduce letters at a basic level without utilizing deep learning technologies. This study proposes a CNN-based model to classify the phonetic characteristics of hijaiyah letters in Quranic texts. The dataset consists of image samples taken from quran.com, each labeled according to the phonetic categories outlined in the Tartil Al-Quran guidebook. The methodology includes image preprocessing, CNN training, and performance evaluation using accuracy, precision, recall, and F1-score. This research does not address audio or pronunciation aspects. Results show that the model achieved up to 99% classification accuracy. The findings highlight the potential of AI-powered tools to support Tajweed learning and contribute to the development of intelligent, technology-based Quranic education systems. This research serves as a foundation for future applications that blend classical Islamic knowledge with modern digital solutions.
Co-Authors Abdillah, Muhammad Fadhil Abhista Hibatullah, Akbar Adi Sunarto, Asril Agung Pambudi Agung Pambudi Ahmad, Nouval Aulia Anadella, Shakira Anasya, Zalfa Alfiah Andriyana, Rifki Argia Pranselga Arief Setiawan Arliansyah, Tanaya Salsabila Asep Budiman Asep Budiman Kusdinar Ashwin Sasongko Asriyanik Asriyanik . Asriyanik, A. Asriyanik, Asriyanik Didik Indrayana Dinda Joana Laksana Eka Fitriah, Tika Fadhil, Farikh Fajar Hikmal Gunawan Fajr, M. Iqbal Fadhiil Fathia Frazna Az-Zahra Febriani, Rani Fitri, Raina Rahmawati Gusti Aldy Reynaldy Hamdi, Us Baetul Hary Purnomo Haryono, Wasis Hilmiah, Mia Hoqi Agustian IMAS, IMAS Ismuhamdan, M. Elki Isyam, Moch. Nur Iwan Rizal Setiawan kania, euis Lela Mukmilah Yuningsih Luay, Dasep M Madyan, Ihbar Maulana, Ikram Mega Putri, Delinda Mohamad Nurizki Mulyadi , Dikdik Nasrul, Elvan Nesta Suandana, Ilham Nisrina, Khansa Nur Asiah Ramdani Nurfiana, Neng Lina Pambudi, Agung Prajoko . Prajoko Prajoko Pratama Putra, Muhammad Rizki Prayoga, Rio Agung Putra Rizki, Fariz Rahayu, Eneng Ramadhan, Dzaka Farish Ramadhan, Dzaky Rijal Reni Mulyani Ridwan Adi Pratama Robial, Siti Muawanah Rohim, Enggal Miftahul Rustiandi, Ryan Salamah, Siti Ruhu Santi Saksenai Santiastry, Sany Shilva Imanibillah Steviana, Vivie Salma Syafira Zahara Syahrizky, Cindy Aulia Ulya, Ramadhan Makarim Wicaksana, Septiar Agung Zakia Nurul Aini