Article Per Year (5 Year)
p-Index From 2021 - 2026
12.517
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 Pelita : Jurnal Penelitian dan Karya Ilmiah 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 Jurnal Ilmiah Sistem Informasi 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 : 99 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 99 Documents
Search

 6   7   8   9   10 
Implementasi Data Mining Pada Proses Seleksi Beasiswa Menggunakan Naive Bayes Dan Backward Elimination Agustina, Irma; Dwilestari, Gifthera; Rinaldi, Ade Rizki
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 10 No 1 (2025): JII Volume 10, Number 1, Januari 2025
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

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

Abstract

Proses seleksi penerima beasiswa sering kali menghadapi tantangan dalam mengelola data yang kompleks dan memastikan keakuratan seleksi. Penelitian ini bertujuan mengoptimalkan algoritma Naive Bayes melalui teknik Backward Elimination untuk efisiensi proses seleksi. Dataset penelitian terdiri dari 1.042 data penerima beasiswa, mencakup variabel seperti Indeks Prestasi Kumulatif (IPK), penghasilan, jumlah tanggungan, dan status beasiswa. Penelitian dilakukan menggunakan platform RapidMiner versi 10.2 dengan tahapan meliputi preprocessing, transformasi data, pembagian data latih dan uji melalui Split Data. Teknik Backward Elimination diterapkan untuk menyederhanakan model dengan menghapus variabel yang kurang signifikan. Hasil penelitian menunjukkan bahwa penerapan Naive Bayes dengan teknik Backward Elimination menghasilkan tingkat akurasi sebesar 74,62%. Variabel utama yang paling berpengaruh adalah tanggungan orang tua dan penghasilan, yang secara signifikan memengaruhi keputusan seleksi. Selain itu, teknik ini juga berhasil mengurangi kompleksitas model, meningkatkan efisiensi proses analisis, dan meminimalkan waktu serta sumber daya yang dibutuhkan. Penelitian ini mendukung pengembangan sistem seleksi berbasis data yang lebih transparan dan efisien. Implementasi teknik Backward Elimination mempermudah interpretasi model. Dengan demikian, hasil ini diharapkan dapat menjadi landasan bagi pengembangan sistem seleksi beasiswa berbasis machine learning yang lebih efektif, serta membuka peluang untuk penelitian lanjutan yang berfokus pada optimalisasi algoritma dan seleksi fitur di berbagai sektor.
Application of Neural Network to Predict Rupiah Exchange Rate Against Korean Won Saeful, Agung; Dwilestari, Gifthera; Rinaldi, Ade Rizki
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.734

Abstract

This study investigates the application of neural networks for predicting the exchange rate of the Indonesian Rupiah against the Korean Won, addressing the challenges posed by currency fluctuations in international trade and investment. The research employs a data mining approach utilizing historical exchange rate data, which allows the neural network to identify complex patterns that traditional forecasting methods may miss. The model is developed using RapidMiner software, facilitating data preprocessing, transformation, and evaluation. The outcomes show that the predictions were quite accurate, as indicated by a low prediction error rate. The findings suggest that the neural network model not only provides reliable forecasts but also maintains consistent performance over time. This research contributes to the growing field of artificial intelligence in finance, highlighting the potential of advanced predictive models to enhance decision-making processes in the context of global economic interactions. The study underscores the importance of integrating technology with economic analysis to better navigate the complexities of currency exchange and its implications for financial risk management.
Accuracy in Sentiment Analysis of the by.U Application Using Naïve Bayes and SMOTE Techniques Athhar Hafizha Luthfi; Ahmad Faqih; Gifthera Dwilestari
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.737

Abstract

Imbalanced data is a significant challenge in sentiment analysis, as it often impacts the performance of machine learning models. This study applies the Naïve Bayes algorithm, enhanced with the Synthetic Minority Oversampling Technique (SMOTE), to address class imbalance in user reviews of the by.U application. Using the Knowledge Discovery in Databases (KDD) framework, the research involves data selection, preprocessing (text cleaning, normalization, stemming), transformation using TF-IDF, and train-test data splitting. SMOTE is applied to the training data to improve minority class representation, while Naïve Bayes performs sentiment classification. Model evaluation using cross-validation demonstrates that SMOTE increases accuracy from 84.42% to 85.83%. These results underscore the effectiveness of integrating SMOTE with Naïve Bayes in addressing imbalanced data, offering meaningful insights into user sentiment and aiding the development of improved features for the by.U application.
Improving Sentiment Analysis Performance of Tokopedia Reviews Using Principal Component Analysis and Naïve Bayes Algorithm Lestari, Anjar Ayuning; Ahmad Faqih; Gifthera Dwilestari
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.743

Abstract

Tokopedia one of Indonesia's largest e-commerce platforms, offers a wide range of products with diverse customer reviews. These reviews reflect consumer opinions and provide valuable insights for service improvement and marketing strategies. Sentiment analysis is crucial for understanding customer perceptions, but processing large-scale, high-dimensional text data remains a challenge, impacting model efficiency and accuracy. This research uses Principal Component Analysis (PCA) to reduce data dimensionality without losing important information for sentiment classification. The study begins by collecting Tokopedia product reviews and preprocessing the text, including data cleaning, tokenization, stopword removal, and stemming. The reviews are then converted into numerical vectors using the Term Frequency-Inverse Document Frequency (TF-IDF) method. A Gaussian Naïve Bayes model is employed to classify sentiment into three categories: positive, neutral, and negative. The results demonstrate that PCA significantly improves model accuracy from 63.13% to 70.47%, with gains in precision (71.85%), recall (70.47%), and F1-score (71.06%). This research contributes to enhancing sentiment analysis techniques using PCA for Tokopedia reviews and offers a valuable approach that can be applied to other e-commerce platforms.
The Impact of Principal Component Analysis Dimensionality Reduction on Sentiment Classification Performance Using Support Vector Machine Fajria, Azzahra Moudy; Faqih, Ahmad; Dwilestari, Gifthera
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.744

Abstract

This study investigates the application of Principal Component Analysis (PCA) to enhance sentiment classification performance using the Support Vector Machine (SVM) algorithm. User reviews of the ChatGPT application from the Play Store were collected, preprocessed, and analyzed to identify the sentiment within the text (positive, negative, or neutral). The research follows the Knowledge Discovery in Databases (KDD) framework, starting with data selection, preprocessing, transformation, and applying PCA for dimensionality reduction. PCA was used to reduce the complexity of the high-dimensional text data, improving SVM's efficiency in sentiment classification. Evaluation results show that applying PCA led to an improvement in model performance, with accuracy increasing from 72.65% to 73.20%, precision from 71.58% to 72.24%, recall from 71.77% to 72.66%, and F1-score from 71.56% to 72.32%. Although the improvements were modest, the findings demonstrate that PCA effectively simplifies complex datasets and enhances SVM performance in sentiment classification, offering benefits in processing high-dimensional text data.
Naïve Bayes Optimization by Implementing Genetic Algorithm in Sentiment Analysis of BCA Mobile Reviews Rizqy, Muhammad Enricco; Faqih, Ahmad; Dwilestari, Gifthera
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.750

Abstract

The development of the digital era has encouraged the adoption of mobile banking applications that facilitate banking transactions, including the BCA Mobile application which is simple but still adheres to a slightly outdated, user-friendly appearance but to provide the best service, it is necessary to evaluate the various problems that arise through review analysis. This study aims to conduct sentiment analysis of BCA Mobile application reviews taken from the Google Play Store, with data totaling 1,200 reviews scraping results using Google Collaboratory python programming language, to categorize negative and positive reviews used manual labeling for more accurate results, the Naïve Bayes approach is used in classifying positive and negative category reviews due to the ability of this algorithm to handle text data. However, the weakness of Naïve Bayes which is sensitive to irrelevant features can cause a decrease in accuracy. This research implements Genetic algorithm to improve the performance of Naïve Bayes. The results showed that the application of Genetic algorithm successfully increased the accuracy, precision of Naïve Bayes classification 95%, precision 92% to accuracy 98%, precision 99%, which proved the effectiveness of Genetic algorithm in optimizing the model and improving the quality of sentiment analysis.
PENERAPAN METODE DECISION TREE DALAM PENENTUAN JURUSAN SISWA Nurul Aini, Yuli; Faqih, Ahmad; Dwilestari, Gifthera
JURNAL ILMIAH INFORMATIKA Vol 13 No 01 (2025): Jurnal Ilmiah Informatika (JIF)
Publisher : LPPM Universitas Putera Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33884/jif.v13i01.9485

Abstract

Choosing a major for vocational students is an important step in determining their future career. Inappropriate decisions in choosing a major can have a negative impact on the learning process and career prospects of students. This research aims to apply the Decision Tree C4.5 algorithm in determining student majors based on historical data from SMK Plus Qurrota A'yun. The main attributes used in this model include gender, practical score, report card score, and rank. The data analysis process is carried out using KDD (Knowledge Discovery in Databases) stages which include preprocessing (normalization and labeling), data transformation with SMOTE to balance the data, and dataset division (80% for training and 20% for testing). The results of the C4.5 Decision Tree model show an accuracy rate of 86.59%, with report card and practical grades as the most significant attributes in determining student majors. Evaluation of the model showed variation in performance between majors, with high precision in TSM (92.22%) and weak recall in TKJ (73.91%). Overall, the algorithm proved to be effective for providing major recommendations based on historical data, although optimization is needed for majors with lower precision and recall values.
ANALISIS FAKOR-FAKTOR YANG MEMPENGARUHI EFISIENSI BAHAN BAKAR KENDARAAN MENGGUNAKAN TEKNIK DATA MINING Musliyadi, Mar'i; Nurdiawan, Odi; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13048

Abstract

Efisiensi bahan bakar kendaraan menjadi isu penting dalam upaya global untuk mengurangi konsumsi energi dan emisi karbon, yang berkontribusi terhadap perubahan iklim dan polusi udara. Meningkatnya jumlah kendaraan bermotor dan meningkatnya permintaan terhadap bahan bakar fosil menambah urgensi untuk meningkatkan efisiensi bahan bakar guna mengurangi dampak lingkungan. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi efisiensi bahan bakar kendaraan dengan menggunakan teknik data mining. Dataset yang digunakan mencakup variabel seperti jenis kendaraan, ukuran mesin, berat kendaraan, kecepatan rata-rata, serta kondisi jalan dan cuaca. Penelitian ini mengadopsi algoritma Naïve Bayes untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap efisiensi bahan bakar, dengan teknik cross-validation yang memastikan akurasi hasil model. Hasil penelitian menunjukkan bahwa faktor utama yang memengaruhi efisiensi bahan bakar adalah jenis kendaraan, ukuran mesin, dan kecepatan rata-rata, dengan kecepatan optimal pada rentang 50-70 km/jam untuk efisiensi bahan bakar maksimal. Selain itu, kondisi jalan dan suhu lingkungan juga memiliki pengaruh signifikan, meskipun efeknya bervariasi tergantung pada jenis kendaraan. Model prediktif yang dihasilkan memiliki tingkat akurasi sebesar 99,64%, menunjukkan kemampuan yang sangat baik dalam memprediksi konsumsi bahan bakar berdasarkan variabel input yang diberikan. Penelitian ini mengindikasikan bahwa efisiensi bahan bakar dapat ditingkatkan melalui desain kendaraan yang lebih optimal, seperti pengurangan berat kendaraan dan peningkatan efisiensi mesin. Tantangan yang dihadapi dalam penelitian ini mencakup variabilitas faktor eksternal, seperti data cuaca yang tidak konsisten, dan solusi yang diusulkan melibatkan metode pengumpulan data yang lebih komprehensif untuk memperoleh hasil yang lebih akurat. Hasil penelitian ini dapat digunakan sebagai dasar untuk pengembangan strategi penghematan energi, desain kendaraan yang lebih efisien, serta sebagai referensi bagi penelitian lanjutan untuk mengurangi konsumsi bahan bakar dan emisi karbon.
MENINGKATKAN EFISIENSI PEMETAAN DAN PERENCANAAN DI KABUPATEN CIREBON MENGGUNAKAN SISTEM INFORMASI GEOSPASIAL Khoirul Huda, Muhammad; Faqih, Ahmad; Dwilestari, Gifthera
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6184

Abstract

Pengembangan geoportal berbasis website untuk Kabupaten Cirebon bertujuan untuk meningkatkan layanan pemerintah dan memperbaiki akses terhadap data geospasial untuk perencanaan pembangunan. Penelitian ini menjelaskan efisiensi Sistem Informasi Geografis (SIG) dalam mengelola data geografis dan membandingkannya dengan sistem sebelumnya.  Metodologi yang digunakan meliputi, analisis pengembangan, desain, implementasi, serta pengujian dan evaluasi dengan menggunakan model ADDIE . Aplikasi ini dikembangkan menggunakan UML dan flowchart untuk memastikan proses yang terstruktur. Data dikumpulkan melalui observasi berani dan survei untuk menilai reaksi pengguna terhadap antarmuka dan fitur sistem. Hasil penelitian menunjukkan bahwa SIG baru lebih efisien, sederhana, dan cepat dibandingkan sistem sebelumnya, dengan rata-rata penilaian pengguna sebesar 4,8625.  Kesimpulannya, SIG ini meningkatkan efisiensi pengelolaan data spasial di Kabupaten Cirebon dan mendukung pengambilan keputusan yang lebih akurat dalam perencanaan pembangunan berkelanjutan. Abstrak. Pengembangan geoportal berbasis website untuk Kabupaten Cirebon bertujuan untuk meningkatkan layanan pemerintah dan memperbaiki akses terhadap data geospasial untuk perencanaan pembangunan. Penelitian ini menjelaskan efisiensi Sistem Informasi Geografis (SIG) dalam mengelola data geografis dan membandingkannya dengan sistem sebelumnya. Metodologi yang digunakan meliputi, analisis pengembangan, desain, implementasi, serta pengujian dan evaluasi dengan menggunakan model ADDIE . Aplikasi ini dikembangkan menggunakan UML dan flowchart untuk memastikan proses yang terstruktur. Data dikumpulkan melalui observasi berani dan survei untuk menilai reaksi pengguna terhadap antarmuka dan fitur sistem. Hasil penelitian menunjukkan bahwa SIG baru lebih efisien, sederhana, dan cepat dibandingkan sistem sebelumnya, dengan rata-rata penilaian pengguna sebesar 4,8625. Kesimpulannya, SIG ini meningkatkan efisiensi pengelolaan data spasial di Kabupaten Cirebon dan mendukung pengambilan keputusan yang lebih akurat dalam perencanaan pembangunan berkelanjutan.
ANALISIS DATA MINING PADA APLIKASI IREAP LITE POS MENGGUNKAN METODE ASOSIASI APRIORI UNTUK MENGIDENTIFIKASI POLA PENJUALAN Rosmeri Manurung, Agnes; Faqih, Ahmad; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13378

Abstract

Dalam dunia bisnis, pengelolaan stok dan promosi yang efisien merupakan tantangan utama, terutama bagi usaha kecil dan menengah (UKM). Salah satu pendekatan untuk mengatasi tantangan ini adalah dengan mengidentifikasi pola pembelian produk yang sering terjadi secara bersamaan. Penelitian ini bertujuan menganalisis pola penjualan menggunakan metode Asosiasi Apriori pada aplikasi iReap Lite POS, sebuah aplikasi yang digunakan oleh UKM untuk memantau transaksi penjualan secara real-time. Metode yang digunakan adalah Knowledge Discovery in Databases (KDD), dengan implementasi algoritma Apriori pada data transaksi yang mencakup informasi produk, jumlah pembelian, dan waktu transaksi. Algoritma Apriori diterapkan untuk menemukan aturan asosiasi antar produk yang sering dibeli bersamaan. Evaluasi hasil dilakukan menggunakan dua metrik utama, yaitu support dan confidence, untuk menilai relevansi dan kekuatan hubungan antar produk. Penelitian ini menemukan beberapa aturan asosiasi signifikan, misalnya, produk A sering dibeli bersamaan dengan produk B dalam transaksi yang sama dengan tingkat kepercayaan tinggi. Temuan ini memberikan wawasan penting bagi pengelola bisnis dalam mengoptimalkan pengelolaan stok dan merancang strategi promosi yang lebih tepat sasaran. Berdasarkan hasil pengujian, algoritma Apriori berhasil mengidentifikasi Es teh manis, Es teh tawar, Nasi goreng, Babi cabai garam dan Babi goreng dengan tingkat keterkaitan mencapai 75%, yang dapat digunakan untuk merancang strategi pemasaran yang lebih efektif. Secara keseluruhan, penelitian ini menunjukkan bahwa penerapan algoritma Apriori pada data transaksi dapat membantu memahami perilaku konsumen dan mendukung pengambilan keputusan berbasis data, yang relevan untuk meningkatkan kinerja operasional dan strategi pemasaran, khususnya pada usaha seperti Pork Corner.
Co-Authors Abdul Ajiz Abdul Ajiz, Abdul Abdul Rauf Chaerudin Abdullah Syafii Abdullah Syafii Aby Febrian Ade Irma Purnamasari Ade Irma Purnamasari 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 Ananda Rafly Andi Suandi Anita Nur Kirana Anwar Musaddad Apriliyani, Ela Arif Rinaldi Dikananda Arifin, Bagas Adam Athhar Hafizha Luthfi Auliya 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 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 Iis Riyana Irfan Ali Irfan Ali Irfan Ali, Irfan Irma Agustina Irma Purnamasari, Ade Irvan Himawan Jayawarsa, A.A. Ketut Karimah, Ayu Kaslani Kencana, Junaedi Surya Khaerul Anam 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 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 Nurwahidah, Dalilah Odi Nurdiawan Odi Nurdiawan Permana, Sandy Eka Pratama, Denni Prihartono, Willy Puji Pramudya Marta Purnamasari, Ade Irma Purnamasari, Adinda Puspita Maulana Arumsari R, Nining Raditya Danar Dana Raena Agustin Laeliyah Rahaditya Dasuki Ramdhan, Dadan Ramiro Firjatullah, Federicko Ranu Husna Rini Astuti Rizaldy, Farhan Rizqy, Muhammad Enricco Rohmat, Cep Lukman Rosmeri Manurung, Agnes Rudi Kurniawan Saeful Anwar Saeful, Agung Saefullah Fasa Saepu Qirom, Dani Saepudin, Asep Saepul Hadi Sagita, Ayu Salsabila, Putri Sandy Eka Permana Septiana, Angga Setiawan, Riyan 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 Yubi Aqsho Ramadhan Zacky Muhammad Dinata