Article Per Year (5 Year)
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
Gifthera Dwilestari
STMIK IKMI Cirebon
Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry 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 Nursing Social Sciences Other

Published : 93 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 93 Documents
Search

 5   6   7   8   9 
CLUSTERING JENIS SUMBER AIR DI PROVINSI JAWA BARAT MENGGUNAKAN ALORITMA K-MEDOIDS Apriliyani, Ela; Nurhakim, Bani; Eka Permana, Sandy; 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.v8i2.8982

Abstract

Air sangat penting bagi seluruh makhluk hidup di Bumi karena merupakan kebutuhan dasar yang harus dipenuhi dan dikonsumsi. Sumber air merupakan fondasi ekosistem dan keanekaragaman hayati. Terbatasnya ketersediaan air menunjukkan pentingnya melindungi dan mengelola penggunaannya secara bijaksana. Perubahan iklim dapat mempengaruhi siklus air di bumi. Dengan data sumber air yang di keluarkan dalam periode 1 tahun sekali oleh Dinas Pemberdayaan Masyarakat Tujuan penelitian ini adalah mengelompokkan jenis sumber air dengan metode K-Medoids dan menganalisis hasilnya dengan implementasinya menggunakan RapidMiner. Penelitian ini menghasilkan sebanyak 3 cluster, pada masing-masing cluster memiliki anggota yang berbeda. Cluster 0 memiliki 200 item, cluster 1 memiliki 96 items, dan cluster 2 memiliki 160 items yang, dengan total dari ketiga cluster tersebut sebanyak 456 items.
RANCANG BANGUN SISTEM PENJUALAN BERBASIS WEB PADA TOKO HAIRUM SOUVENIR Faujia, Agnes; Dwilestari, Gifthera; Hamonangan, Ryan; Herdiana, Rulli; Prihartono, Willy
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.v8i2.9058

Abstract

Setiap usaha, baik yang menjual barang atau jasa, pasti ingin meningkatkan penjualan mereka. Strategi pemasaran yang baik adalah salah satu dari banyak cara untuk meningkatkan penjualan. Suatu media diperlukan untuk mempublikasikan informasi, baik informasi tentang bisnis maupun informasi tentang produk yang akan dijual. Internet adalah salah satu media yang dapat digunakan. Toko souvenir Hairum Soevenir menjual berbagai hadiah atau hadiah untuk perayaan ulang tahun atau wisuda, seperti bucket bunga, bucket uang, kue tart, dan masih banyak lagi.. Salah satu masalah dan kelemahan yang ditemukan di toko Hairum Soevenir adalah sebagai berikut: berdasarkan observasi yang telah dilakukan, strategi pemasaran yang digunakan oleh toko Hairum Soevenir saat ini adalah melalui pemasaran langsung atau penjualan produk secara online melalui platform Instagram, yang dianggap kurang sempurna karena mekanisme pemasaran barang bekas tidak berlaku. Namun, pemasaran yang dijual melalui platform tersebut dapat memiliki efek yang lebih besar daripada yang diharapkan. Pemasaran menggunakan platform juga memiliki masalah dengan rekepitulasi pendapatan dari setiap pembelian yang dilakukan secara manual, yang menyebabkan kesalahan dalam penjumlahan pendapatan. Sistem informasi penjualan dibuat karena banyaknya masalah dengan penjualan toko hairum souvenir. Pengembangan perngkat lunak menggunakan metode air terjun (Waterfall), sedangkan perancangan sistem penjualan dan metode wawancara digunakan untuk pembuatan website ini. Metode ini melibatkan analisis masalah penjualan di toko Hairum Souvenir, analisis kebutuhan pemasaran, perancangan sistem informasi, dan implementasi atau pengembangan pengujian perangkat lunak. untuk pemograman dengan PHP, Javascript, dan CSS dan XAMPP sebagai databasenya. Beberapa tujuan penelitian ini termasuk membuat proses penjualan lebih efisien dan membuat transaksi lebih aman. Salah satu tujuan dari penelitian ini adalah untuk meningkatkan efisiensi proses penjualan dan membuat transaksi lebih aman. Hasilnya menunjukkan bahwa perancangan sistem informasi ini dapat menggantikan pemasaran konvensional dengan yang lebih modern, lebih efisien, dan lebih mudah digunakan untuk sistem pencataan rekapitulasi penjualan.
PREDIKSI ADOPSI HEWAN PELIHARAAN MENGGUNAKAN METODE XGBOOST Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10337

Abstract

Adopsi hewan sangat penting untuk meningkatkan kesejahteraan hewan dan mengurangi populasi hewan terlantar. Karena banyaknya hewan yang masuk dan jumlah sumber daya yang diperlukan untuk merawat mereka, tempat penampungan hewan di seluruh dunia menghadapi masalah yang signifikan. Setiap tahun, jutaan hewan ditempatkan di tempat penampungan untuk mencari rumah baru. Namun, tingkat adopsi sering kali tidak cukup untuk mengimbangi masuknya hewan baru, menyebabkan kepadatan di tempat penampungan dan risiko euthanasia hewan yang tidak diadopsi. Dalam beberapa tahun terakhir, pembelajaran mesin (ML) telah berkembang menjadi alat yang kuat untuk menganalisis data dan membuat prediksi. Salah satu algoritma berbasis pohon keputusan yang telah terbukti berhasil adalah XGBoost. Algoritma ini terkenal karena kinerjanya yang luar biasa dalam berbagai kompetisi data. XGBoost dapat membantu tempat penampungan hewan menemukan faktor-faktor penting yang mempengaruhi adopsi hewan peliharaan, dengan akurasi prediksi sebesar 95%. Menurut analisis fitur penting, faktor-faktor yang paling penting dalam menentukan adopsi hewan peliharaan adalah ukuran, kondisi kesehatan, usia, ras Labrador, dan jenis hewan anjing. Organisasi penyelamatan hewan dapat membantu meningkatkan rencana adopsi mereka dan memberi calon adopter informasi yang lebih akurat dengan memahami elemen penting ini.
ANALYSIS STUDENT EMOTIONS AND MENTAL HEALTH ON CUMULATIVE GPA USING MACHINE LEARNING AND SMOTE Fadhil Muhammad Basysyar; Gifthera Dwilestari; Ade Irma Purnamasari
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol. 10 No. 2 (2024): JITK Issue November 2024
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/jitk.v10i2.5967

Abstract

This research investigates the impact of emotions and mental health on students' cumulative grade point average (CGPA) using machine learning classification algorithms while addressing data imbalances with the Synthetic Minority Oversampling Technique (SMOTE). Emotional well-being and mental health are acknowledged as vital determinants of academic achievement. Data imbalance, particularly in mental health metrics such as anxiety and depression, frequently compromises forecast accuracy. This study improves the accuracy of CGPA prediction based on emotional and mental health factors by utilizing SMOTE in machine learning models such as logistic regression and random forest. A dataset including 226 university students, including academic records and self-reported mental health evaluations, was evaluated. The random forest model attained an accuracy of 87.63%, exceeding the logistic regression model's accuracy of 86.56%. These findings emphasize the significant role of emotions and mental health in academic outcomes and validate SMOTE’s efficacy in addressing class imbalance. This work offers a fresh technique in educational data mining by revealing the possibility for improved academic achievement forecasts based on psychological characteristics, helping to the development of targeted therapies for students experiencing emotional issues. Implications for educational policy emphasize the significance of mental health support systems in promoting academic achievement. Subsequent research should investigate supplementary psychological variables and comprehensible models to improve predictive accuracy and facilitate evidence-based policymaking.
IMPLEMENTASI AKURASI MODEL NAIVE BAYES MENGGUNAKAN SMOTE DALAM ANALISIS SENTIMEN PENGGUNA APLIKASI BRIMO Hermawan, Muhammad Andi; Faqih, Ahmad; Dwilestari, Gifthera
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5748

Abstract

Aplikasi Brimo dari Bank Rakyat Indonesia (BRI) menjadi salah satu platform utama interaksi nasabah dengan layanan perbankan. Analisis sentimen ulasan pengguna aplikasi ini pentring untuk memahami pendapat dan menaikkan kualitas pelayanan. Penelitian ini menggunakan algoritma Naïve bayes dengan menerapkan model Smote (Synthetic Minority Over-sampling Technique) untuk menangani ketidakseimbangan kelas antara kelas positif dan negatif dalam data ulasan pengguna. Dataset yang di peroleh mencapai 1.000 ulasan Play store yang di proses melalui tahap pengumpulan, pra-pemrosesan teks, dan evaluasi menggunakan Confusion Matrix. penelitian menunjukkan bahwa metode SMOTE secara signifikan meningkatkan kinerja model, dengan recall untuk sentimen negatif meningkat dari 0,55 menjadi 0,87 dan F1-score dari 0,71 menjadi 0,84. Akurasi model juga naik dari 93% menjadi 95%, dengan pengurangan False Negatives. Temuan ini membuktikan efektivitas SMOTE dalam meningkatkan akurasi dan representasi model untuk memahami opini pengguna BRImo secara lebih baik.
IMPLEMENTASI APLIKASI PEMBELAJARAN PETUALANGAN BERBASIS AUGMENTED REALITY UNTUK MENINGKATKAN INTERAKTIVITAS DI SMAN 1 DUKUPUNTANG Hermawan, Bagus; Faqih, Ahmad; Dwilestari, Gifthera
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5688

Abstract

 Kemajuan teknologi telah membawa perubahan signifikan dalam pendidikan, termasuk di SMAN 1 Dukupuntang, Kabupaten Cirebon, yang menghadapi masalah kejenuhan belajar. Penelitian ini bertujuan merancang aplikasi pembelajaran berbasis Augmented Reality (AR) untuk meningkatkan motivasi dan pemahaman siswa dalam Biologi, Fisika, Kimia, dan Matematika. Dengan menggunakan pendekatan Research and Development (R&D) dan model ADDIE (Analyze, Design, Development, Implementation, Evaluation), aplikasi AR ini berhasil mengurangi kejenuhan dan meningkatkan keterlibatan siswa. Pada tahap analisis, observasi dan wawancara menunjukkan kebutuhan siswa akan metode belajar yang lebih menarik. Desain aplikasi mencakup skenario petualangan dengan visualisasi 3D, mempermudah pemahaman konsep abstrak seperti struktur atom. Implementasi di kelas menggunakan marker-based tracking untuk meningkatkan partisipasi siswa. Evaluasi menunjukkan peningkatan minat belajar dari 61% menjadi 90% setelah menggunakan aplikasi. Umpan balik siswa dan guru menyatakan aplikasi ini memenuhi kebutuhan media belajar inovatif, meskipun ada tantangan perangkat dan koneksi internet. Hasil penelitian ini menekankan bahwa AR efektif meningkatkan interaktivitas pembelajaran, menciptakan pengalaman belajar menyenangkan dan relevan, serta memiliki potensi besar untuk diterapkan lebih luas guna mendukung proses belajar yang inovatif di sekolah.
Bibliometric Analysis Impact of Machine Learning on Mental Health in Student Learning Fadhil Muhammad Basysyar; Dadang Sudrajat; Gifthera Dwilestari
Prosiding SISFOTEK Vol 8 No 1 (2024): SISFOTEK VIII 2024
Publisher : Ikatan Ahli Informatika Indonesia

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

Abstract

The integration of machine learning in educational settings offers promising avenues for addressing mental health challenges among students [1]. This study conducts a bibliometric analysis to explore the impact of machine learning on mental health within student learning environments. By systematically reviewing peer-reviewed articles, conference papers, and relevant literature from the past decade, this research identifies key trends, challenges, and opportunities in this emerging field. The study focuses on the effectiveness of different machine learning methodologies in detecting, diagnosing, and intervening in mental health issues, highlighting the potential for early identification and personalized support. Furthermore, it addresses critical concerns related to data privacy, ethical considerations, and algorithmic biases, which are paramount for the responsible deployment of these technologies. The findings reveal significant advancements in the application of natural language processing and wearable technology data for mental health monitoring. However, gaps remain in longitudinal studies and the consideration of cultural and contextual factors. This research contributes to the existing body of knowledge by providing a comprehensive overview and identifying directions for future research, ultimately aiming to enhance the well-being and academic performance of students through innovative machine learning solutions.
Systematic Bibliometric Research Trend of Text Mining on Product Comments in Business Ecosystem Gifthera Dwilestari; Fadhil Muhammad Basysyar
Prosiding SISFOTEK Vol 8 No 1 (2024): SISFOTEK VIII 2024
Publisher : Ikatan Ahli Informatika Indonesia

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

Abstract

The business ecosystem represents a new paradigm that has gained considerable attention among researchers and practitioners. Despite its popularity, systematic literature reviews utilizing bibliometric analysis within this context remain sparse. This study aims to conduct a comprehensive bibliometric and visualization analysis of business ecosystem research, focusing on the impact of text mining on product comments. Employing VOSviewer for visualization, the study evaluates 95 scientific articles indexed in Scopus quartiles Q1 to Q4 from the Scopus database over the last decade (2001-2024). The bibliometric analysis identifies the most productive publishers, the evolution of scientific articles, and citation patterns. Visualization with VOSviewer reveals prevalent terms in titles and abstracts, author collaboration networks, and assists in identifying novel and underexplored topics within the business ecosystem. The findings provide valuable insights for researchers and practitioners, highlighting key trends and potential research gaps, thus contributing to the advancement of knowledge in the field.
PENGELOMPOKAN INDEKS PRESTASI KUMULATIF MAHASISWA BERDASARKAN EMOSI MENTAL MENGGUNAKAN K-MEANS CLUSTERING Muhammad Basysyar, Fadhil; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11597

Abstract

Kinerja akademik mahasiswa, yang diukur melalui Indeks Prestasi Kumulatif (IPK), dipengaruhi oleh berbagai faktor, termasuk kondisi emosi mental seperti stres, kecemasan, dan depresi. Penelitian ini bertujuan untuk mengelompokkan mahasiswa berdasarkan IPK dan kondisi emosi mental mereka menggunakan algoritma K-Means Clustering. Dengan menggunakan dataset yang terdiri dari 226 mahasiswa, yang mencakup variabel IPK dan status emosi mental (depresi, kecemasan, serangan panik), dilakukan analisis pengelompokan untuk mengidentifikasi hubungan antara kondisi emosional dan performa akademik. Hasil penelitian menunjukkan bahwa mahasiswa terbagi menjadi dua klaster utama, di mana klaster pertama terdiri dari mahasiswa dengan kondisi emosional stabil dan IPK yang tinggi, sementara klaster kedua mencakup mahasiswa dengan kondisi emosi yang lebih rentan, meskipun masih memiliki IPK yang tinggi. Hasil analisis menunjukkan pembentukan dua klaster utama, yaitu klaster 0 dan klaster 1, yang merepresentasikan variabilitas signifikan dalam IPK, tingkat depresi, kecemasan, serangan panik, dan kebutuhan akan perawatan spesialis. Evaluasi dilakukan menggunakan Davies Bouldin Index untuk mengukur kualitas kluster yang terbentuk yaitu 2 klaster dengan nilai Dbi sebesar 1.12.
ANALISIS DATA TRANSAKSI PENJUALAN BARANG MENGGUNAKAN TEKNIK K-MEANS CLUSTERING Fajar Maulana Adji, Moh; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12433

Abstract

PT. Swiss Padma Jaya Cirebon menghadapi tantangan dalam memahami pola pembelian pelanggan yang semakin kompleks, terutama dengan pertumbuhan volume data transaksi yang besar dan beragam. Hal ini menyulitkan perusahaan untuk menyusun strategi pemasaran yang efektif serta mengoptimalkan manajemen stok dan alokasi sumber daya. Dalam konteks ini, analisis data menjadi sangat penting untuk memberikan wawasan yang mendalam mengenai perilaku pelanggan dan tren penjualan produk. Penelitian ini bertujuan untuk meningkatkan model clustering pada data transaksi penjualan di PT. Swiss Padma Jaya Cirebon menggunakan algoritma K-Means. Dataset yang digunakan terdiri dari berbagai atribut penting, termasuk Cust. Code, Customer Name, Shipment, Salesman, Product Code, Product Name, Sales Order No, Sales Order Date, Qty SO, Brutto SO, DPP SO, Invoice No, BRAND, dan CATEGORY2. Melalui clustering ini, diharapkan dapat diidentifikasi pola pembelian pelanggan serta produk yang sering terjual, sehingga perusahaan dapat menyusun strategi pemasaran yang lebih efektif dan efisien. Metode yang digunakan dalam penelitian ini meliputi beberapa tahapan, yaitu pengumpulan data transaksi penjualan, pembersihan data (data cleaning) untuk memastikan kualitas data, dan penerapan algoritma K-Means untuk mengelompokkan data berdasarkan pola pembelian dan kategori produk. Evaluasi model dilakukan dengan menggunakan indeks evaluasi seperti Davies-Bouldin Index untuk memastikan kualitas cluster yang terbentuk. Proses pengujian melibatkan berbagai inisialisasi dan variasi jumlah cluster untuk mendapatkan hasil optimal. Hasil penelitian menunjukkan algoritma K-Means berhasil membentuk sepuluh klaster dengan distribusi item yang beragam. Klaster terbesar mencakup 4.884 item, sementara beberapa klaster lainnya berisi lebih sedikit data. Evaluasi model menghasilkan nilai DBI sebesar 0,011, menunjukkan klaster yang sangat baik, dengan pemisahan antar-klaster yang optimal dan kesamaan dalam klaster. Penambahan atribut seperti frekuensi transaksi dan lokasi penjualan diidentifikasi dapat meningkatkan akurasi model. Hasil clustering ini mengungkap pola transaksi, seperti produk musiman dan pelanggan yang rutin membeli merek tertentu, yang dapat mendukung strategi pemasaran yang lebih terfokus dan efisien. Penelitian ini membuktikan bahwa algoritma K-Means adalah alat yang efektif untuk analisis data transaksi penjualan di perusahaan
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