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

 6   7   8   9   10 
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.
OPTIMALISASI STRATEGI PEMASARAN MENGGUNAKAN ALGOTIMA AGGLOMERATIVE HIERARCHICAL CLUSTERING PADA HASIL PENJUALAN Ramiro Firjatullah, Federicko; 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.v9i3.13662

Abstract

Industri fashion di Indonesia terus berkembang, menghadirkan tantangan persaingan yang semakin ketat. Toko H. Edi Jaya adalah salah satu pelaku usaha di bidang fashion yang menghadapi tantangan ini. Namun, pemanfaatan data hasil penjualan untuk mendukung strategi pemasaran masih minim. Penelitian ini bertujuan untuk mengoptimalkan strategi pemasaran di Toko H. Edi Jaya melalui analisis data penjualan menggunakan algoritma Agglomerative Hierarchical Clustering (AHC). Metode yang digunakan adalah pendekatan Knowledge Discovery in Databases (KDD), meliputi seleksi data, pra-pemrosesan, transformasi data, penerapan algoritma AHC, dan evaluasi hasil. Data penjualan dari Januari hingga Oktober 2024 digunakan sebagai dasar analisis. Hasil penelitian menunjukkan bahwa data hasil penjualan dapat dikelompokkan ke dalam empat kategori utama berdasarkan algoritma AHC, masing-masing dengan karakteristik berbeda. Evaluasi menggunakan metrik Silhouette Score memberikan nilai rata-rata 0,6, menunjukkan kualitas pengelompokan yang cukup baik. Strategi pemasaran berbasis analisis data yang dihasilkan membantu meningkatkan efektivitas promosi dan loyalitas pelanggan. Penelitian ini memberikan wawasan praktis untuk Toko H. Edi Jaya dalam mengembangkan strategi pemasaran berbasis data yang lebih personal dan efisien.
ALGORITMA FP-GROWTH UNTUK MENINGKATKAN MODEL POLA PEMBELIAN PELANGGAN PADA PERCETAKAN Suryani Dewi, Ike; Faqih, Ahmad; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14155

Abstract

Dalam era digital yang kompetitif, pemahaman terhadap perilaku konsumen menjadi kunci keberhasilan bisnis, termasuk dalam industri percetakan. Permasalahan yang sering dihadapi oleh pelaku usaha percetakan adalah kurangnya informasi mengenai pola pembelian pelanggan, sehingga menyulitkan dalam pengambilan keputusan strategis, khususnya terkait pemasaran dan pengelolaan persediaan. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian pelanggan dengan menerapkan algoritma Frequent Pattern Growth (FP-Growth) sebagai salah satu metode data mining. Penelitian menggunakan 1.018 data transaksi penjualan dari sebuah usaha percetakan, dan diolah menggunakan perangkat lunak RapidMiner. Tahapan analisis meliputi praproses data binomial, pembangunan FP-Tree, serta penetapan parameter minimum support sebesar 0,3 dan minimum confidence sebesar 0,8. Hasil penelitian menunjukkan sejumlah pola pembelian yang signifikan, antara lain kombinasi produk Ivory23 dan FoodpakMatte1 dengan nilai confidence sebesar 0,820, serta pola GreaseProof → FoodpakMatte1 dengan confidence sebesar 0,867. Temuan ini diharapkan dapat menjadi dasar dalam perumusan strategi promosi dan manajemen stok yang lebih efektif.
RANCANG BANGUN APLIKASI PENGAJUAN PEMBUATAN KTP ONLINE BERBASIS WEB DI KELURAHAN ARGASUNYA KOTA CIREBON Kencana, Junaedi Surya; Dwilestari, Gifthera; Dana, Raditya Danar; Ajiz, Abdul; Kaslani
MEANS (Media Informasi Analisa dan Sistem) Volume 7 Nomor 1
Publisher : LPPM UNIKA Santo Thomas Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (722.038 KB) | DOI: 10.54367/means.v7i1.1825

Abstract

Argasunya village is an institution responsible for the management of community data in a government environment. The need for public service will involve the state as a public service provider and individual citizens as recipients. But there is no application about the design of the application for the creation of E-KTP online, for that the author tried to make the Final Task regarding the Application for Submission of E-KTP Online which until now has not existed in Argasunya Village. In the process of collecting data with the aim to solve the problem, the author uses methods with data collection techniques, namely by observation and interview. And to design the application, the author used prototype development methods. In order to solve the problem, an application was made to make E-KTP Online. The final result obtained in this study is an application that can make it easier for people to create E-KTP. With some of the advantages that this application has, the application for the creation of E-KTP Online should be able to further alleviate the tasks given to the village. It is expected that this application will always be well controlled in terms of accuracy and data validation can be accounted for so that the information generated will be even better.
Clustering Data Persediaan Barang Dengan Menggunakan Metode K-Means Ramdhan, Dadan; Dwilestari, Gifthera; Dana, Raditya Danar; Ajiz, Abdul; Kaslani
MEANS (Media Informasi Analisa dan Sistem) Volume 7 Nomor 1
Publisher : LPPM UNIKA Santo Thomas Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1056.632 KB) | DOI: 10.54367/means.v7i1.1826

Abstract

UD. Anugerah Sukses Mandiri merupakan perusahaan yang bergerak dibidang distribusi food dan non food. Transaksi barang yang berjalan terus meningkat, sehingga perusahaan mengalami permasalahan dalam menentukan jumlah persediaan barang, dikarenakan jumlah permintaan barang yang dibutuhkan selalu berubah setiap waktu. Persediaan barang merupakan suatu aktivitas lancar yang meliputi barang-barang milik perusahaan dengan maksud dijual kembali pada suatu periode usaha normal. Data mining merupakan proses yang menggunakan teknik statistik, matematika, kecerdasan buatan dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang terkait dari berbagai warehouse. Tujuan penelitian ini dengan memanfaatkan data mining yaitu untuk melakukan pengelompokan barang dan meningkatkan akurasi klasterisasi data persediaan barang dengan menggunakan metode K-Means Clustering. Dengan metode K-Means ini dapat mempartisi data ke dalam kelompok sehingga data berkarakteristik sama akan dimasukan ke dalam satu kelompok yang sama dan data yang berkarakteristik berbeda dikelompokan kedalam kelompok yang lain, karena metode ini menggunakan centroid (rata-rata) sebagai model dari cluster. Hasil penelitian yang didapat berupa pengelompokan data menjadi 2 kluster yaitu data dengan kluster terendah/sedikit dan kluster tertinggi/terbanyak. Sehingga mendapatkan kesimpulan bahwa clustering persediaan barang dengan menggunakan metode K-Means ini cukup baik dari sisi nilai average within distance dan kompleksitas waktu. Keyword : Data Mining, K-Means Clustering, Persediaan barang
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