Article Per Year (5 Year)
p-Index From 2021 - 2026
13.767
P-Index
This Author published in this journals
All Journal KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) ISSN: 2252-9063 PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal Informatika dan Teknik Elektro Terapan Information Management For Educators And Professionals (IMBI) KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer AL-TANZIM : JURNAL MANAJEMEN PENDIDIKAN ISLAM Indonesian Journal of Applied Informatics JOURNAL INFORMATICS, SCIENCE & TECHNOLOGY Jurnal Sistem Informasi dan Informatika (SIMIKA) Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal) JATI (Jurnal Mahasiswa Teknik Informatika) Media Informatika Journal of Innovation Information Technology and Application (JINITA) Madani : Indonesian Journal of Civil Society MEANS (Media Informasi Analisa dan Sistem) Tematik : Jurnal Teknologi Informasi Komunikasi Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Jurnal Informatika Terpadu International Journal of Social Science Instal : Jurnal Komputer Jurnal Janitra Informatika dan Sistem Informasi Journal of Artificial Intelligence and Engineering Applications (JAIEA) Journal of Software Engineering and Information System (SEIS) AMMA : Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi dan Manajemen Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal) Jurnal Kecerdasan Buatan dan Teknologi Informasi
Nining Rahaningsih
STMIK IKMI Cirebon
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 123 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 123 Documents
Search

 8   9   10   11   12 
Analisis Sentimen Terhadap Pengguna Aplikasi Jamsostek Mobile pada Google Play Store Menggunakan Metode Naïve Bayes Azarine, Divia; Rahaningsih, Nining; Dana, Raditya Danar
Media Informatika Vol 24 No 1 (2025)
Publisher : P3M STMIK LIKMI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37595/mediainfo.v24i1.316

Abstract

Dalam perkembangan teknologi informasi saat ini, aplikasi mobile telah menjadi bagian tak terpisahkan dari kehidupan sehari-hari, termasuk aplikasi Jamsostek Mobile (JMO) yang menyediakan layanan bagi pengguna Jamsostek. Ulasan pengguna di platform seperti Google Play Store sering kali menjadi sumber informasi penting yang mencerminkan kualitas dan kepuasan pengguna terhadap aplikasi. Namun, untuk dapat memahami sentimen yang terkandung dalam ulasan tersebut secara otomatis, diperlukan metode analisis sentimen yang efektif. Salah satu algoritma yang sering digunakan dalam analisis sentimen adalah Naive Bayes. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi JMO di Google Play Store menggunakan algoritma Naive Bayes, dengan fokus untuk mengidentifikasi sentimen yang terkandung dalam ulasan tersebut serta mengevaluasi performa model dalam mengklasifikasikan sentimen. Metode yang digunakan dalam penelitian ini adalah Naive Bayes, yang diterapkan untuk mengklasifikasikan ulasan pengguna ke dalam kategori sentimen positif, negatif, dan netral. Data ulasan yang digunakan dalam penelitian ini diperoleh dari Google Play Store dengan periode pengambilan data antara September hingga Oktober 2024. Hasil penelitian menunjukkan bahwa sebagian besar ulasan aplikasi JMO memiliki sentimen positif (74,1%), diikuti oleh sentimen negatif (25,9%). Namun, model ini menunjukkan kesulitan dalam mengidentifikasi kelas netral yang memiliki data yang sangat terbatas. Evaluasi model menghasilkan akurasi sebesar 86,06%, dengan precision, recall, dan F1-score yang cukup baik pada kelas positif dan negatif, namun kurang optimal pada kelas netral. Penelitian ini bertujuan untuk mengidentifikasi sentimen yang terkandung dalam ulasan pengguna aplikasi JMO, menerapkan metode Naive Bayes dalam analisis sentimen, serta mengukur kinerja algoritma dalam mengklasifikasikan sentimen tersebut. Hasil penelitian memberikan wawasan mengenai potensi dan keterbatasan metode Naive Bayes dalam analisis sentimen ulasan pengguna aplikasi JMO.
Penerapan Algoritma Naive Bayes dalam Analisis Sentimen Ulasan Aplikasi KitaLulus di Google Play Store Nurrochmah, Dina Siti; Rahaningsih, Nining; Dana, Raditya Danar; Rohmat, Cep Lukman
Jurnal Informatika Terpadu Vol 11 No 1 (2025): Maret, 2025
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jit.v11i1.1544

Abstract

Online job search applications are proliferating and are crucial for job seekers in Indonesia. As seen in Google Play Store reviews, KitaLulus, a leading platform, faces technical issues, unresponsive services, and limited job postings. This study analyzes user sentiment using the Naive Bayes algorithm. Data was collected from 1,000 reviews through web scraping between September and November 2024. The pre-processing steps included text cleaning, tokenization, stopword removal, and stemming. It classified reviews into positive, neutral, and negative sentiments. A confusion matrix evaluated the model using accuracy, precision, recall, and F1-score. Results showed positive reviews, but some users reported performance issues and limited features. The Naive Bayes model achieved 88% accuracy, 87% precision, 88% recall, and an 85% F1 score. This method efficiently processes extensive text data with lower computational costs than KNN and SVM. This research helps improve application development, enhance service quality, and expand sentiment analysis studies in IT. The findings will guide the creation of innovative strategies to benefit the community.
PEMANFAATAN K-MEANS UNTUK PEMETAAN EPIDEMIOLOGI KASUS KUSTA DI KABUPATEN CIREBON Dimin, Egi Susanto; Rahaningsih, Nining; Dana, Raditya Danar; Rohmat, Cep Lukman
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.v13i2.6276

Abstract

Kusta merupakan masalah kesehatan masyarakat di Kabupaten Cirebon, dengan 240 kasus aktif pada 2022–2023. Penyebaran penyakit ini menunjukkan perlunya strategi pengendalian berbasis data. Penelitian ini menerapkan algoritma K-Means untuk mengelompokkan wilayah berdasarkan tingkat kerawanan kasus kusta karena kemampuannya mengidentifikasi pola distribusi epidemiologi. Metode yang digunakan mencakup pengumpulan data dari portal data terbuka Kabupaten Cirebon, preprocessing untuk memastikan kualitas data, penerapan K-Means, serta evaluasi hasil klasterisasi menggunakan Davies-Bouldin Index. Dataset terdiri dari jumlah kasus, lokasi geografis, jenis kusta, dan faktor demografi. Hasil analisis menunjukkan bahwa wilayah Kabupaten Cirebon terbagi dalam tiga klaster kerawanan: tinggi, sedang, dan rendah. Wilayah dengan tingkat kerawanan tinggi memiliki kepadatan kasus lebih besar serta keterbatasan akses layanan kesehatan. Temuan ini dapat menjadi dasar bagi pemerintah dalam menyusun kebijakan intervensi yang lebih terarah, seperti distribusi tenaga medis dan edukasi masyarakat. Studi ini menekankan pentingnya pemanfaatan teknologi berbasis data untuk meningkatkan efektivitas program pengendalian kusta di masa depan.
PEMANFAATAN ALGORITMA K-MEANS DALAM ANALISIS DATA PENJUALAN TOKO BUYUNG UPIK JS DI LAZADA Angraeni, Devita Fitri; Rahaningsih, Nining; Dana, Raditya Danar; Rohmat, Cep Lukman
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.v13i2.6438

Abstract

Banyaknya produk yang dijual oleh Toko Buyung Upik JS di Lazada menimbulkan kesulitan dalam menentukan produk yang laku dan kurang laku, sehingga terjadi ketidakseimbangan stok, seperti kelebihan pada produk yang kurang diminati dan kekurangan pada produk yang populer. Penelitian ini bertujuan mengelompokkan produk berdasarkan pola penjualan menggunakan teknik data mining untuk membantu strategi penjualan dan pengelolaan stok yang lebih efektif. Algoritma K-Means digunakan untuk clustering data penjualan, mencakup jumlah stok, transaksi, dan harga. Proses data mining meliputi tahapan Selection, Preprocessing, Transformation, Data Mining, dan Interpretation/Evaluation. Penentuan jumlah cluster optimal dilakukan dengan Elbow Method, sedangkan kualitas clustering dievaluasi menggunakan Davies Bouldin Index (DBI). Hasil penelitian menunjukkan jumlah cluster optimal adalah empat: Cluster 0 (83 produk, penjualan stabil), Cluster 1 (121 produk, penjualan tinggi), Cluster 2 (14 produk, kurang diminati), dan Cluster 3 (38 produk, penjualan moderat). Nilai rata-rata jarak dalam cluster adalah 54.941.560,812, dengan DBI sebesar 0,386 yang menunjukkan kualitas clustering cukup baik. Hasil ini memberikan wawasan bagi toko untuk memprioritaskan pengelolaan stok dan mengoptimalkan penjualan.
PENINGKATAN KLASIFIKASI KEMISKINAN INDONESIA MENGGUNAKAN METODE DECISION TREE Danil, Supta; Rahaningsih, Nining; Dana, Raditya Danar; ., Mulyawan
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.v13i2.6336

Abstract

Kemiskinan masih menjadi permasalahan signifikan di Indonesia, terutama dalam hal ketidaktepatan sasaran dalam pemerataan ekonomi. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model klasifikasi kemiskinan di tingkat kabupaten/kota di Indonesia menggunakan algoritma Decision Tree. Penelitian ini mengangkat beberapa rumusan masalah, antara lain pengembangan model klasifikasi, pengukuran performa model, dan analisis pengaruh pemilihan fitur terhadap akurasi model. Dataset yang digunakan bersumber dari Kaggle, terdiri dari 514 data dengan variabel seperti pengeluaran per kapita, Indeks Pembangunan Manusia (IPM), dan akses terhadap sanitasi layak.Proses penelitian mencakup tahapan preprocessing data, meliputi seleksi atribut, pembersihan data, dan transformasi atribut kategorikal menjadi numerik. Model klasifikasi yang dihasilkan menunjukkan akurasi hingga 87%, dengan analisis yang menyoroti pengeluaran per kapita dan akses terhadap sanitasi sebagai faktor utama yang memengaruhi tingkat kemiskinan. Evaluasi kinerja model dilakukan menggunakan matriks kebingungan, presisi, recall, dan F1-score, yang menunjukkan performa baik dalam membedakan kategori "miskin" dan "tidak miskin".
Strategi Otomatisasi Pemasaran Digital UMKM Melalui Pelatihan AI Dalam E-Commerce Dikananda, Fatihanursari; Rahaningsih, Nining; Nugroho, Ridho; Pamungkas, Vicky
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 3 : April (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

The utilization of Artificial Intelligence (AI) offers significant potential for Micro, Small, and Medium Enterprises (MSMEs) to optimize their digital marketing strategies on e-commerce platforms. This Community Partnership Program is designed to provide training to MSMEs regarding the application of AI in various aspects of digital marketing. The training covers customer experience personalization, market data analysis, promotion content optimization, and improved online advertising efficiency. Through this activity, it is expected that MSMEs can enhance their understanding and skills in implementing AI-based solutions to expand market reach, improve customer interaction, and achieve more optimal digital marketing results in the e-commerce era.
Analisis Asosiasi Penjualan Sembako di Toko Srikandi dengan Peningkatan Menggunakan Algoritma FP-Growth Octavia Ningrum, Eka Puspita; Rahaningsih, Nining; Dana, Raditya Danar
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 14 No. 1 (2025)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v14i1.89577

Abstract

Pola pembelian produk di toko sembako menjadi faktor penting dalam pengelolaan stok dan strategi pemasaran. Toko Sembako Srikandi menghadapi tantangan dalam memahami kombinasi produk yang sering dibeli bersamaan, yang berpotensi menyebabkan ketidakefisienan operasional. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian berbasis data menggunakan algoritma FP-Growth pada data transaksi penjualan di Toko Sembako Srikandi. FP-Growth dipilih karena kemampuannya dalam mengolah data transaksi dalam jumlah besar untuk menemukan pola asosiasi yang signifikan. Analisis dilakukan dengan tiga parameter utama: support, confidence, dan lift.Hasil penelitian menunjukkan beberapa aturan asosiasi penting, seperti kombinasi "Minyak goreng, Mie instan, dan Bumbu penyedap" dengan confidence 0.500, serta "Beras, Sabun mandi, dan Sabun deterjen" dengan confidence 0.506. Kombinasi lain, seperti "Beras, Gula, dan Sabun mandi" (confidence 0.696) dan "Bumbu penyedap, Mie instan, dan Minyak goreng" (confidence 0.704), juga ditemukan. Nilai support, confidence, dan lift mencerminkan tingkat hubungan antarproduk yang berbeda.Temuan ini menunjukkan bahwa algoritma FP-Growth efektif dalam mengidentifikasi pola pembelian, memberikan wawasan strategis untuk pengelolaan stok dan pemasaran. Misalnya, produk yang sering dibeli bersama dapat ditempatkan berdekatan atau ditawarkan dalam promosi bundling. Dengan memahami pola pembelian, Toko Sembako Srikandi dapat mengoptimalkan operasional, meningkatkan efisiensi pengelolaan stok, dan meningkatkan kepuasan pelanggan. Penelitian ini memberikan dasar strategis untuk perencanaan pemasaran berbasis data di masa depan.
Clustering Data on Participants’ Reactions to Online Shop Posts on Facebook Using K-Means Algorithm With Elbow Method Technique Arifin, Imam; Rahaningsih, Nining; Suprapti, Tati; Narasati, Riri
Bahasa Indonesia Vol 15 No 02 (2023): Instal : Jurnal Komputer Periode (Juli-Desember)
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jurnalkomputer.v15i02.132

Abstract

One of the social media platforms that not only serves as a place to share stories and statuses but also as a place to sell is Facebook. The data used is a dataset from Kaggle totaling 6666 data with 10 attributes and then sampled with the Slovin technique and obtained 377 sample data which will be processed using RapidMiner software with K-Means Algorithm and then optimized with Elbow Method technique, evaluation using (Cluster Distance Performance) to find the average within centroid distance value and the Davies-Bouldin Index (DBI) value. The results obtained are, the average within centroid distance value of the 3rd clustering is proven in the cluster distance performance operator obtained ???? = 3: 200237.353, ????=5: 118343.557, ????=7: 75339.476, then the ideal of clusters in this study proven by the Elbow Method is when ???? = 5, and Davies-Bouldin Index (DBI) value which is close to zero is when ???? = 3 with a value of k = 3: 0.394. In addition, clustering based on the number of likes and comments can help sellers identify the most active group of participants and potentially become loyal customers.
OPTIMALISASI PRESTASI AKADEMIK SISWA MELALUI PENGELOMPOKAN INDEKS PRESTASI DENGAN K-MEANS CLUSTERING Suarna, Nana; Rahaningsih, Nining; Suarna, Annisa Annastia
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 2 (2025): May 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i2.321

Abstract

Prestasi akademik merupakan indikator penting dalam menilai kemampuan dan perkembangan siswa selama proses pembelajaran. Namun, banyak lembaga pendidikan yang masih menghadapi tantangan dalam mengidentifikasi kelompok siswa berdasarkan performa akademik secara efisien, sehingga intervensi pembelajaran yang tepat sulit dilakukan. Penelitian ini bertujuan untuk mengoptimalkan prestasi akademik siswa melalui pengelompokan indeks prestasi dengan metode K-Means Clustering. Metode K-Means digunakan karena kemampuannya dalam mengelompokkan data ke dalam beberapa klaster homogen berdasarkan kesamaan nilai. Data yang digunakan berupa indeks prestasi siswa dari beberapa semester. Proses pengelompokan dilakukan dengan menetapkan sejumlah klaster awal, kemudian dilakukan iterasi untuk mengoptimalkan posisi centroid hingga mencapai konvergensi. Hasil penelitian menunjukkan bahwa siswa dapat dikelompokkan ke dalam tiga kategori utama, yaitu siswa dengan prestasi tinggi, sedang, dan rendah. Pengelompokan ini memberikan gambaran yang lebih jelas kepada pihak sekolah dalam menyusun strategi pembinaan dan pemberian program khusus yang sesuai dengan kebutuhan masing-masing kelompok siswa. Dengan penerapan K-Means Clustering, institusi pendidikan dapat melakukan pemantauan dan evaluasi akademik secara lebih terstruktur serta memberikan intervensi yang lebih tepat sasaran. Penelitian ini menyimpulkan bahwa teknik pengelompokan data dapat menjadi solusi inovatif dalam mendukung peningkatan mutu pendidikan melalui pendekatan berbasis data.
SEGMENTASI PENJUALAN ALAT KESEHATAN MENGGUNAKAN ALGORITMA K-MEANS DI PT. ARNETHA Dewanty Rafu, Maria; Rahaningsih, Nining; Ali, Irfan
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.v9i3.13574

Abstract

Transformasi digital menjadi kunci dalam meningkatkan efisiensi PT. Arnetha sebagai distributor peralatan medis, terutama dalam mengelola data penjualan yang kompleks. Tantangan utama perusahaan adalah memahami kontribusi setiap kategori produk terhadap pendapatan, karena volume penjualan tinggi tidak selalu berbanding lurus dengan margin keuntungan. Untuk mengatasi hal ini, penelitian ini menerapkan algoritma K-Means dalam segmentasi produk berdasarkan kuantitas, harga satuan, dan total penjualan. Metode yang digunakan mencakup tahapan KDD, mulai dari pemilihan hingga normalisasi data, dengan evaluasi klaster menggunakan Davies-Bouldin Index (DBI). Hasil analisis menunjukkan bahwa klaster optimal adalah K=6 dengan nilai DBI 0,443, yang membantu PT. Arnetha dalam memahami pola penjualan, mengoptimalkan inventaris, serta merancang strategi pemasaran yang lebih efektif. Dengan demikian, implementasi K-Means terbukti mampu meningkatkan efisiensi operasional dan daya saing perusahaan.
Co-Authors ., Mulyawan ., Nurhadiansyah Abdillah Fudholi, Luthfi Abdul Ajiz Abdul Rasyid Achmad Hidayat Ade Irma Purnamasari Ade Kurnia, Dian Ade Rizki Rinaldi Ahmad Faqih Akbar, Miftahul Al-Maulid, Hisyam Alvianatinova, Via Andriyanti, Rina Anggita Pratiwi, Eksadevi Angraeni, Devita Fitri Arif Rinaldi Dikananda Arif Sofyan, Mohamad Awaliyah, Lia Ayi Andini Az Zahroh, Luthfia Fahmi Azarine, Divia Azhari, Shazifa Azizah, Maulidina Bakri, Saeful Basysyar, Fadhil Muhammad Basysyar, Fadil M Bustomi, Ziaudin Cakranegara, Pandu Adi Cep Lukman Rohmat Dadang Sudrajat Danar Dana, Raditya Danar, Raditiya Danil, Supta Danya Rizki Chaerunisa Delisah Destiawati, Deby Dewanty Rafu, Maria Dienwati Nuris, Nisa Dikananda, Arif Rinaldi Dikananda, Fatihanursari Dimin, Egi Susanto Dwi Efranie, Priska Edi Wahyudin Elisa Sriyulia Fadhil M. Basysyar Fadhil Muhammad Basysyar Fadhil, Fadhil Yudistianto Fadilah, Mochammad Fauzan Fajar, Miftahul Faturachman, Rifcki Aziz Faujatun Hasanah Fidya Arie Pratama Frihandiansah, Riyandi Gifthera Dwilestari Gita Budiarti, Mariani Gusmiarni, Mia Gusnanto, Ferdi Gustipartsani, Kamaludin Hadi, Melawati Haidar Fakhri Hari Sutrisno Haryanto, Cep Hayati, Umi Herman Iin Ilham Kurniawan Ilham, Mokhamad Illahi, Asep Wahyu Imam Arifin imam maulana, imam Irfan Ali Irfan Ali, Irfan Jafar Jafar Jayawarsa, A.A. Ketut Kamelia Faridah Kaslani Khalda Rifdan, Ghina Kharomiyah, Kharomiyah Kholil, Kholil AldiYatna Kurmasih, Masih Laduni, Pasya Lili Purani Lisyana, Zita Lukman Rohmat, Cep M. Basysyar, Fadhil Mamluatul Hikmah, Lulu Martanto . Marthanu, Indra Wiguna Marwah, Sopa Medina Aprilia Putri Mira Miranda Moch Rifki Firdaus Muhamad Basysyar, Fadhil Muhammad Abdurohman Muhammad Basysyar, Fadhil Muhammad Taufik Hidayat, Muhammad Mulyana, Krisna Mulyawan Mulyawan Mulyawan, - Mulyawan, Mulyawan Muzaki, Fazri Nafilah, Mala Nana Mulyanasari Nana Suarna Narasati, Riri Narasati Nugroho, Ridho Nur Afrilia, Mela Nurhadiansyah Nurhadiansyah Nurhakim, Bani Nurrochmah, Dina Siti Nursaniah, Rini Octavia Ningrum, Eka Puspita Odi Nurdiawan Optarina, Yasni Pamungkas, Vicky Pii, Iwan Prasetia, Deni Pratama, Deni Pratama, Fidya Arie Pratama, Handreyan Rizki Prihartono, Willy Purnamasari, Ade Irma Purnamasari, Ade Purnamasari Putra, Purniadi Putri Nabilla Qodri M.A, M. Alifia Raditya Danar Dana Rahmasari, Fanny Rahmi Safitri, Rahmi Ranu Husna Rifki Maulana, Muhamad Rini Astuti Riyandona, Siti Aiwastopa Rizki Fauzi, Ahmad Rizki Ramadhan Rizki Rinaldi, Ade Rizky Wulandhari, Putri Roghib, Moh. Rohmat, Cep Lukman Rudi Kurniawan Rully Pramudita Ryanto, Bayu Saeful Anwar Saroji, Saroji Sekar Puspita Arum Siti Sa'diah Sofialaela, Annisa Sok Piseth Soni, Moh Sri Muflikah Kurniarti Sri Suwartini Suarna, Annisa Annastia Suarna, Nana Sutra Safira, Meita Syafi’i Bachtiar, Mochammad Syarif Maulana Yaasin Tati Suprapti Tengku Riza Zarzani N Tohidi, Edi Tohodi, Edi Tri Mukti, Aryanto Tuti Hartati Usup Supendi Vina, Vina Widiya, Putri Windy Mardiyyah, Nita Wulandari, Maryam Yahya, Jakaria Yayah Sarwiyah Yudhistira Arie Wijaya Yulia Mustafa, Iva Yuslia Devitri Zhahiran Herlambang, Prilanisa Zidan Soleh, Kautsar