p-Index From 2020 - 2025
12.361
P-Index
This Author published in this journals
All Journal Jurnal technoscientia Jurnal Informatika dan Teknik Elektro Terapan Information System for Educators and Professionals : Journal of Information System Informatics for Educators and Professional : Journal of Informatics Information Management For Educators And Professionals (IMBI) JITK (Jurnal Ilmu Pengetahuan dan Komputer) KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer JURNAL ILMIAH INFORMATIKA JURIKOM (Jurnal Riset Komputer) Jurnal Informasi dan Komputer JOURNAL INFORMATICS, SCIENCE & TECHNOLOGY Jurnal Tekno Kompak Jurnal ICT : Information Communication & Technology Jurnal Manajemen Komunikasi Jurnal Informatika dan Rekayasa Perangkat Lunak JURSIMA (Jurnal Sistem Informasi dan Manajemen) JATI (Jurnal Mahasiswa Teknik Informatika) E-Link: Jurnal Teknik Elektro dan Informatika Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) MEANS (Media Informasi Analisa dan Sistem) JURNAL TEKNOLOGI TECHNOSCIENTIA Jurnal Informatika Terpadu Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Informatika dan Teknologi Informasi INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi JURSIMA Jurnal Teknologi Ilmu Komputer AMMA : Jurnal Pengabdian Masyarakat Jurnal Informatika Polinema (JIP) Jurnal Sistem Informasi dan Manajemen Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Informasi interaktif : jurnal informatika dan teknologi informasi
Claim Missing Document
Check
Articles

PENERAPAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK ANALISIS SENTIMEN YOUTUBE MENGENAI INTENSIF MOBIL LISTRIK Caswadi, Caswadi; Dienwati, Nisa; Dwilestari, Gifthera; Fathurrohman, Fathurrohman; Tohidi, Edi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8252

Abstract

Dampak pemanasan global terhadap perubahan iklim telah menarik perhatian dari berbagai pihak. 27% dari polusi udara disebabkan oleh transportasi. Di berbagai negara, pemerintah telah menerapkan langkah-langkah untuk mengurangi polusi udara dengan mendorong masyarakat untuk beralih menggunakan kendaraan listrik. Namun keberhasilan pemerintah untuk mengkampanyekan teknologi mobil listrik tergantung pada sentimen dan pemahaman masyarakat. Tujuan penelitian ini untuk menganalisa sentimen publik. Dataset digunakan dalam penelitian ini ialah 1517 data komentar di laman youtube mengenai intensif mobil listrik. Berdasarkan analisis, sebagian besar komentar youtube memiliki sentimen negatif (57,4%), sementara jumlah komentar yang positif (33,3%) dan netral (9,3%). Penelitian ini menerapkan metode Naïve Bayes dan K-Neareast Neighbor. Hasil penelitian menunjukan bahwa metode K-Nearest Neighbor memberikan hasil klasifikasi yang lebih baik dengan Accuracy sebesar 93,23%, precision 93,91% dan recall 91,56%. Sedangkan Naïve Bayes memperoleh hasil Accuracy 86,95%, precision 80,51%, dan recall 91,23%.
IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI PASIEN HIPERTENSI BERSADARKAN KARAKTERISTIK PASIEN Saepu Qirom, Dani; Faqih, Ahmad; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8314

Abstract

Dalam beberapa dekade terakhir, fokus terhadap penyakit hipertensi menjadi semakin mendesak seiring dengan perkembangan pesat di bidang Informatika yang telah memberikan dampak signifikan pada berbagai aspek kehidupan. Puskesamas yang terletak di Kecamatan Rajapolah Kabupaten Tasikmalaya mengalami peningkatan dalam jumlah pasien yang datang ke puskesmas, penyakit hipertensi paling sering dialami oleh setiap pasien yang datang ke Puskesmas Rajapolah. Penelitian ini bertujuan untuk mengelompokan data pasien melalui pendekatan data mining untuk mengidentifikasi kelompok pasien hipertensi. Metode yang digunakan yaitu algoritma k-means clustering menggunakan software rapidminer dengan tahapan Knowledge Discovery in Database (KDD). Dalam menentukan jumlah cluster yang paling optimal menggunakan hasil evaluasi Davies Bouldin Index (DBI). Setiap 2 cluster sampai 10 cluster di evaluasi untuk mencari jumlah cluster dengan nilai DBI paling rendah. Data yang digunakan merupakan data rekam medis Puskesmas Rajapolah pada bulan september 2023 dengan jumlah 1000 records. Hasil analisis menunjukan 4 cluster dengan nilai DBI 0.269, jumlah anggota cluster 0 : 213 pasien, cluster 1 : 302 pasien, cluster 2 : 145 pasien, cluster 3 : 68 pasien. Kelompok dengan tingkat hipertensi paling tinggi yaitu cluster 3 berjumlah 68 pasien dengan umur 30 sampai 74 tahun, tingkat hipertensi kelompok ini berada pada stadium 2 sampai krisis hipertensi
ANALISIS SENTIMEN KOMENTAR VIDEO MOBIL LISTRIK DI PLATFORM YOUTUBE DENGAN METODE NAIVE BAYES Karimah, Ayu; Dwilestari, Gifthera; Mulyawan, Mulyawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8373

Abstract

Dalam era perkembangan teknologi yang pesat, mobil listrik menjadi inovasi utama dalam industri otomotif. Namun, analisis sentimen menunjukkan adanya tantangan, terutama kurangnya pemahaman masyarakat tentang mobil listrik yang mempengaruhi persepsi negatif. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap mobil listrik di Indonesia melalui konten YouTube, menggunakan algoritma Naive Bayes. Metode Knowledge Discovery in Databases (KDD) digunakan untuk mengumpulkan dan menganalisis opini masyarakat. Evaluasi model menggunakan RapidMiner menunjukkan peningkatan signifikan dengan penerapan teknik SMOTE Upsampling, meningkatkan akurasi dari 50,70% menjadi 70,69%. Analisis kelas menunjukkan peningkatan true positive, true negative, dan true neutral. Meskipun algoritma Naive Bayes memberikan akurasi 70,69%, presisi 43.64%, dan recall 39.48%, penelitian ini memiliki kekurangan dan disarankan untuk membandingkan algoritma klasifikasi lain, memperluas dataset, dan menguji kombinasi algoritma yang lebih luas. Rekomendasi juga mencakup penerapan hasil penelitian ke mesin klasifikasi dengan pengujian lebih lanjut. Studi ini memberikan wawasan untuk meningkatkan pemahaman dan penerimaan mobil listrik di masyarakat Indonesia.
ALGORITMA DECISION TREE C4.5 DIGUNAKAN UNTUK MENGKLASIFIKASIKAN DATA STROKE Maulana Sidiq, Cecep; Faqih, Ahmad; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8388

Abstract

Tujuan utama dari penelitian ini adalah untuk menggunakan algoritma pohon keputusan atau Decision Tree C4.5 untuk mengkategorikan data stroke. Upaya penelitian khusus ini dimotivasi oleh masalah mendesak dari tingkat kejadian yang mengkhawatirkan terkait dengan stroke, akibat perlu prediksi yang tepat dari faktor risiko stroke. Dataset yang digunakan untuk penelitian ini diperoleh dari situs web data publik dan platform terkenal www.kaggle.com, yang mencakup total 11 variabel. Metodologi penelitian yang digunakan dalam penyelidikan ini mencakup beberapa langkah integral, termasuk pengumpulan data, pra-pemrosesan data, transformasi data, pemodelan penambangan data dengan algoritma Pohon Keputusan C4.5, dan, terakhir, evaluasi model. Temuan fase evaluasi mengungkapkan tingkat akurasi yang mengesankan 93,64%, dengan nilai presisi 12,50% untuk prediksi stroke positif dan 95,26% untuk prediksi stroke negatif. Namun, penting untuk menyoroti bahwa meskipun tingkat akurasi tinggi dicapai, nilai presisi dan penarikan untuk kasus stroke positif masih relatif rendah, sehingga memerlukan peningkatan dan penyempurnaan model. Secara keseluruhan, analisis komprehensif dan hasil penelitian ini sangat menyiratkan bahwa algoritma Pohon Keputusan C4.5 menunjukkan potensi yang signifikan untuk klasifikasi awal penyakit stroke.
PERBANDINGAN METODE KLASIFIKASI DENGAN MENERAPKAN ADABOOST DALAM ANALISIS SENTIMEN PENGGUNA TWITTER X TERHADAP PENERAPAN KURIKULUM MERDEKA Septiana, Angga; Dwilestari, Gifthera; Bahtiar, Agus
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8453

Abstract

Kurikulum Merdeka merupakan kurikulum terbaru pengganti kurikulum 2013. Kurikulum merdeka dalam peluncurannya memiliki berbagai opini pro dan kontra dari masyarakat, saat ini kurikulum merdeka masih hangat dibicarakan dan menjadi kontroversi diberbagai platform digital salah satunya pada media sosial twitter. Oleh karena itu, perlu adanya evaluasi secara berkala dan analisis mengenai persepsi masyarakat terhadap kurikulum merdeka. Penelitian ini bertujuan untuk menganalisis sentimen yang muncul di twitter dengan menggunakan kata kunci “kurikulum merdeka”. Data yang digunakan dalam penelitian ini diperoleh dari hasil crawling di Twitter yang terdiri dari 4717 data kemudian dimasukkan ke dalam label positif dan negatif. Metode analisis data yang digunakan adalah Knowledge Discovery in Database (KDD) yang meliputi Data Selection, Preprocessing, Transformation, Data Mining, dan Evaluation. Metode klasifikasi yang digunakan adalah Multinominal Naïve Bayes dan Support Vector Machine dengan menerapkan AdaBoost untuk meningkatkan kinerja algoritma. Penelitian ini menghasilkan nilai akurasi dan AUC Support Vector Machine lebih unggul dibandingkan Multinomial Naïve Bayes serta penerapan AdaBoost terbukti dapat meningkatkan kinerja algoritma. Metode Support Vector Machine sebelum menerapkan AdaBoost menghasilkan akurasi sebesar 88,68% dan nilai AUC sebesar 0,957, sementara algoritma Support Vector Machine setelah menerapkan AdaBoost menghasilkan akurasi sebesar 88,85% dan nilai AUC 0,933. Algoritma Multinomial Naïve Bayes sebelum menerapkan AdaBoost menghasilkan nilai akurasi sebesar 79,19% dan nilai AUC sebesar 0,777, sementara algoritma Multinomial Naïve Bayes setelah menerapkan AdaBoost menghasilkan akurasi sebesar 83,57%, dan nilai AUC 0,899.
PENERAPAN ALGORITMA C4.5 TERHADAP KLASIFIKASI KEPUASAN PENUMPANG PADA MASKAPAI PENERBANGAN Alia Cahyani, Cica; Dwilestari, Gifthera; Dienwati Nuris, Nisa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8815

Abstract

Saat ini transportasi udara telah menjadi bagian penting dalam kehidupan manusia. Semakin tingginya perkembangan moda transportasi udara, maka semakin meningkatnya minat masyarakat dalam menggunakan transportasi ini sebagai salah satu pilihan untuk bepergian. Manajemen perusahaan harus memiliki sistem dalam melakukan pemantauan untuk menjaga pelayanan yang baik bagi penumpang, indikator pelayanan yang baik dapat dilihat dari tingkat kepuasan penumpang yang akan menjadi acuan dalam melakukan pelayanan yang prima, maka penelitian ini bertujuan untuk menganalisis kepuasan pada penumpang maskapai penebangan dengan menggunakan algoritma C4.5. Metode ini digunakan untuk mengidentifikasi faktor-faktor yang paling berpengaruh terhadap tingkat kepuasan pelanggan. Performa model machine learning klasifikasi dianalisis berdasarkan hasil nilai akurasi. Setelah dilakukan pengujian diperoleh performa yang cukup baik menggunakan algoritma C4.5 dimana diperoleh nilai akurasi sebesar 88.52% dan didapat pengetahuan berupa pohon keputusan bahwa terdapat beberapa faktor yang mempengaruhi kepuasan penumpang diantaranya, online boarding, type of travel, inflight entertainment, inflight wifi service.
PENERAPAN ALGORITMA FP-GROWTH UNTUK MENGETAHUI POLA PEMBELIAN KONSUMEN DI WARUNG MAKAN DEDE Salsabila, Putri; Wahyudin, Edi; Dwilestari, Gifthera; Kaslani, Kaslani; Subhiyanto, Fajar
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8964

Abstract

Dalam era globalisasi dan persaingan bisnis yang ketat, pemahaman mendalam terhadap perilaku pembelian konsumen menjadi krusial bagi pelaku bisnis. Penelitian ini memperkenalkan metode FP-Growth (Frequent Pattern Growth) sebagai alat analisis untuk mengidentifikasi pola pembelian konsumen secara efektif dan efisien. Dalam pengamatan lapangan, teridentifikasi bahwa banyak rumah makan menghadapi kesulitan dalam memahami dan mengantisipasi pola pembelian konsumen. Ketidakmampuan ini dapat menghambat pengembangan strategi pemasaran yang efektif dan mengoptimalkan keuntungan. Dari data observasi dan literatur, terungkap bahwa aturan asosiasi yang kuat dalam pola pembelian seringkali sulit untuk diidentifikasi secara manual, dan inilah masalah utama yang ingin dipecahkan melalui penelitian ini. Masalah mendasar yang mendasari sulitnya mengidentifikasi pola pembelian konsumen adalah kompleksitas dan volume data transaksi.Metode tradisional atau manual seringkali tidak efisien dalam memisahkan informasi berharga dari data yang jenisnya berbeda-beda. Hasil penelitian ini mendapatkan kesimpulan hasil persentase nilai minimum support dan confidence adalah [Mangkuk plastik, Es Milo, Bakso Rebusan, Ayam Kremes, Bakso Balung] --> [Air mineral, Es Teh/Teh Hangat] (confidence: 0.821) Hasil ini diharapkan dapat menjadi dasar bagi perusahaan untuk mengoptimalkan strategi pemasaran mereka dan meningkatkan kepuasan pelanggan.
KLASIFIKASI BARANG PRODUKSI PADA TNT. GUITAR WORKSHOP DENGAN METODE NAIVE BAYES MENGGUNAKAN RAPID MINER Vibrianti, Vera; Wahyudin, Edi; Kaslani, Kaslani; Pratama, Denni; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8966

Abstract

Minat pembelian gitar semakin berkembang terutama dikalangan anak muda. Permintaan penjualan gitar pun semakin meningkat. Adapun dari TNT.Guitar Workshop yang saya temui di daerah perumnas kota Cirebon, disitu konsumen dapat menentukan sendiri model, jenis kayu, hardware, dan yang lainnya sesuai dengan kemauan konsumen itu sendiri. TNT.Guitar Workshop memiliki masalah dalam mengklasifikasi barang untuk mengetahui model gitar apa saja yang banyak diminati oleh konsumen. Dalam penelitian ini metode perancangan yang akan diterapkan adalah metode algoritma Naive bayes. Naive Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Tujuan dari penelitian ini adalah membantu TNT.Guitar Workshop dalam mengklasifikasi barang untuk mengetahui model gitar apa saja yang banyak diminati oleh konsumen dan untuk melihat berapa tingkat akurasi hasil klasifikasi barang menggunakan algoritma Naive Bayes dengan menggunakan aplikasi RapidMiner. Dengan menggunakan aplikasi RapidMiner versi 9.9 menunjukan bahwa nilai akurasi sebesar 86.49% dengan rincian sebagai berikut: prediksi interest dan true interest memiliki nilai sebesar 157, prediksi interest dan true some interest memiliki nilai 18, prediksi some interest dan true interest memiliki nilai 22, prediksi some interest dan true some interest memiliki nilai sebesar 99. Dengan kelas interest sebesar 87.71% dan kelas some interest sebesar 84.62%.
IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI CUACA MENGGUNAKAN RAPIDMINER Nur Kirana, Anita; Nurhakim, Bani; Eka Permana, Sandy; Prihartono, Willy; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8967

Abstract

Cuaca adalah kondisi udara di suatu tempat dalam waktu relatif singkat yang dinyatakan dengan nilai parameter oleh kecepatan angin, suhu, tekanan, curah hujan, dan faktor atmosfer lainnya. Keadaan cuaca dapat mempengaruhi berbagai aspek kegiatan manusia, termasuk transportasi, pertanian, perkebunan, pembangunan, dan bahkan aktivitas olahraga. Sehingga untuk memperoleh informasi cuaca yang dapat dimanfaatkan oleh masyarakat diperlukan pembuatan penentuan cuaca. Salah satu metode prediksi cuaca yang digunakan adalah dengan menggunakan algoritma Naive Bayes. Algoritma ini menghitung probabilitas dari setiap kelas untuk setiap atribut kelompok yang ada dan menentukan kelas yang paling optimal. Dengan kata lain, pengelompokan cuaca dapat dilakukan berdasarkan kategori yang diinputkan oleh pengguna pada aplikasi. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi cuaca dengan menerapkan metode data mining menggunakan algoritma Naive Bayes. Metode penelitian melibatkan pengklasifikasian data cuaca berdasarkan atribut kelompok seperti kecepatan angin, suhu, curah hujan, dan cuaca. Naive Bayes digunakan untuk menghitung probabilitas kelas cuaca berdasarkan input pengguna pada aplikasi. Hasil pengujian menunjukkan tingkat akurasi sebesar 84.26%, menunjukkan bahwa metode ini memiliki potensi untuk memberikan prediksi cuaca yang lebih akurat, yang dapat bermanfaat dalam berbagai aspek kegiatan manusia.
PENERAPAN ALGORITMA FP-GROWTH UNTUK MENENTUKAN POLA PEMBELIAN MAKANAN DI WARMINDO Destriyanah, Riska; Kaslani, Kaslani; Wahyudin, Edi; Dwilestari, Gifthera; Mulyawan, Mulyawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8969

Abstract

Di dalam dunia bisnis diperlukan suatu usaha yang maksimal agar mendapatkan keuntungan. Strategi pemasaran yang tepat dapat dilihat pada pola pembelian konsumen yang di peroleh dari transaksi penjualan terhadap Makanan Warung Indomie atau Warmindo. Informasi mengenai pola pembelian customer pada Warmindo yang kurang akurat ini menyebabkan ketidaktahuan perusahaan mengenai kerugian yang didapatinya. Penelitian ini bertujuan untuk menganalisis pola pembelian pelanggan di Warmindo menggunakan algoritma FP-Growth yang diimplementasikan melalui software RapidMiner. Pada penelitian ini ditemukan beberapa hasil aturan asosiasi yang nantinya akan digunakan sebagai bahan pengambilan keputusan untuk kemajuan Perusahaan dan mendatangkan laba atau keuntungan. Hasil dari penelitian ini berupa aturan asosiasi menggunakan algoritma FP-Growth yang bertujuan untuk memberikan rekomendasi dua items atau menu kepada pelanggan dengan menggunakan nilai minimum support 30% dan minimum confidence 80%
Co-Authors Abdul Ajiz Abdul Ajiz, Abdul Abdul Rauf Chaerudin Abdullah Syafii Abdullah Syafii Aby Febrian Ade Irma Purnamasari Ade Irma Purnamasari Ade Kurnia, Dian Ade Rizki Rinaldi Agis Maulana Robani Agung Nugraha agus bahtiar Ahmad Faqih Ahmad Faqih Ahmad Rifa'i Ahmad Zam Zami Aldiani, Dea Alia Cahyani, Cica Alibasyah, Aziz Amal Rois, Moh. Ichlasul Ananda Rafly Andi Suandi Anita Nur Kirana Anwar Musaddad Apriliyani, Ela Arif Rinaldi Dikananda Arifin, Bagas Adam Athhar Hafizha Luthfi Auliya Azmi Afifah, Turfa Bagas Al Haddad Bambang Siswoyo Basysyar, Fadhil Muhammad Caswadi, Caswadi Chaerudin, Chaerudin Cindyk Irawanto Dadang Sudrajat Dea Miftahul Huda Dessy Angelina Destriyanah, Riska Dian Ade Kurnia Dias Bayu Saputra Dienwati Nuris, Nisa Dienwati, Nisa Dikananda, Arif Rinaldi Dikananda, Fatihanursari Dzaffa 'Ulhaq Edi Tohidi Edi Tohidi Eka Permana, Sandy Fadhil Muhammad Basysyar Fadhil Muhammad Basysyar Fajar Fauzan, Muhammad Fajar Maulana Adji, Moh Fajria, Azzahra Moudy Fasa, Saefullah Fathurrohman Fathurrohman Fatihanursari Dikananda Faujia, Agnes Fithrah Ali, Dini Salmiyah Fuadi Ahmad, Cecep Hamonangan, Ryan Haris Abdul Hadi Herdiana, Rulli Hermawan, Bagus Hermawan, Muhammad Andi Hilya Ashfia Nabila Himawan, Irvan Hira Wahyuni Azizah Hoeriah, Dede Hoerunnisa, Anis Iin Iin Solihin Irfan Ali Irfan Ali Irfan Ali, Irfan Irma Agustina Irma Purnamasari, Ade Irvan Himawan Jayawarsa, A.A. Ketut Karimah, Ayu Kaslani Kencana, Junaedi Surya Khoirul Huda, Muhammad Kokom Komariyah Lestari, Anjar Ayuning Martanto . Mar’atun Sholihah, Oliffia Maulana Sidiq, Cecep Mochamad Aditya Sunaryo Muhammad Abdurohman Muhammad Basysyar, Fadhil Mulyawan Mulyawan, Mulyawan Musliyadi, Mar'i Muzaki, Fazri Nana Suarna Nana Suarna Nana Suarna Narasati, Riri Narasati Nining R Nining Rahaningsih Nisa Dieanwati Nuris Nur Amalia Nur Kirana, Anita Nuraini, Asyifa Nurhakim, Bani Nurul Aini, Yuli NURUL HIDAYAH Nurwahidah, Dalilah Odi Nurdiawan Odi Nurdiawan Permana, Sandy Eka Pratama, Denni Prihartono, Willy Puspita Maulana Arumsari R, Nining Raditya Danar Dana Raena Agustin Laeliyah Rahaditya Dasuki Ramdhan, Dadan Ramiro Firjatullah, Federicko Ranu Husna Riyana, Iis Rizki Fauzi, Ahmad Rizqy, Muhammad Enricco Rosmeri Manurung, Agnes Rudi Kurniawan Saeful Anwar Saeful, Agung Saefullah Fasa Saepu Qirom, Dani Saepudin, Asep Saepul Hadi Sagita, Ayu Salsabila, Putri Septiana, Angga Sri Suwartini Suandi, Andi Suarna, Nana Subhiyanto, Fajar Sunana, Heliyanti Suryani Dewi, Ike Susana, Heliyanti Syafi'i Syafi'i Syafi'i, Syafi'i Tati Suprapti Tohidi, Edi Tuti Hartati Umi Hayati Vibrianti, Vera Wahyudin, Edi Wulan Suci, Salwa Yubi Aqsho Ramadhan