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

 9   10   11   12   13 
ANALISIS SENTIMEN PENGGUNA APLIKASI MYBLUEBIRD DENGAN ALGORITMA NAÏVE BAYES DI PLAYSTORE Prasetia, Deni; Rahaningsih, Nining; Dana, Raditya Danar; Rohmat, Cep Lukman
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.v13i1.5687

Abstract

Transportasi berbasis aplikasi digital, termasuk MyBlueBird , menjadi kebutuhan penting di era modern. Namun, kualitas layanan aplikasi ini sering menjadi sorotan, terutama dari ulasan pengguna yang mengindikasikan adanya keluhan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi MyBlueBird guna memancarkan kualitas layanannya. Analisis dilakukan menggunakan algoritma Naïve Bayes untuk mengklasifikasikan ulasan menjadi sentimen positif, negatif, dan netral. Penelitian menggunakan data sekunder dari Google Playstore dengan total 1.000 ulasan yang diproses melalui tahapan pengumpulan data, preprocessing teks, dan evaluasi model menggunakan akurasi, presisi, dan recall. Hasil menunjukkan algoritma Naïve Bayes mampu mengklasifikasikan sentimen dengan akurasi 92%. Sebagian besar ulasan bersifat positif, menunjukkan tingkat kepuasan yang tinggi, meskipun terdapat keluhan terkait kelemahan pengemudi dan kualitas kendaraan. Analisis ini menjadi alat strategi untuk meningkatkan layanan berbasis data pengguna dan dapat diterapkan pada sektor lain.
IMPLEMENTASI MODEL ANALISIS SENTIMEN TERHADAP GRUP MUSIK BTS MENGGUNAKAN METODE NAÏVE BAYES Riyandona, Siti Aiwastopa; Rahaningsih, Nining; Dana, Raditya Danar; Mulyawan, -
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.v13i1.5816

Abstract

Abstrak. BTS saat ini sedang menjalani masa hiatus karena beberapa anggota memenuhi kewajiban wajib militer di Korea Selatan. Meski tidak aktif secara grup, pencapaian individu dan kolaborasi para anggota tetap menarik perhatian. Namun, isu negatif yang beredar di media sosial berpotensi memengaruhi pandangan publik terhadap grup ini. Penelitian ini bertujuan menganalisis sentimen pengguna Twitter terhadap BTS selama masa hiatus dengan algoritma Naïve Bayes, yang efektif untuk analisis sentimen teks. Data dikumpulkan menggunakan teknik crawling pada tweet terkait BTS selama Mei–Oktober 2024, lalu diproses melalui pembersihan data, normalisasi, tokenisasi, dan pembobotan menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Model klasifikasi menghasilkan akurasi 78,33%, Presisi 79,25%, Recall 78,33%, dan F1-Score 78,49% dengan sentimen positif dominan, mencerminkan dukungan penggemar yang kuat, meski sentimen negatif dan netral juga muncul. Penelitian ini memberikan wawasan tentang reaksi penggemar dan membuktikan efektivitas analisis sentimen dalam memahami interaksi di media sosial.  Abstract. BTS is currently on hiatus as some members fulfill their mandatory military service in South Korea. Although they are not active as a group, the individual achievements and collaborations of the members continue to attract attention. However, negative issues circulating on social media have the potential to affect the public's perception of this group. This study aims to analyze Twitter users' sentiment towards BTS during their hiatus using the Naïve Bayes algorithm, which is effective for text sentiment analysis. Data was collected using crawling techniques on tweets related to BTS during May–October 2024, then processed through data cleaning, normalization, tokenization, and weighting using Term Frequency-Inverse Document Frequency (TF-IDF). The classification model produced an accuracy of 78.33%, Precision of 79.25%, Recall of 78.33%, and an F1-Score of 78.49% with a dominant positive sentiment, reflecting strong fan support, although negative and neutral sentiments also appeared. This research provides insights into fan reactions and demonstrates the effectiveness of sentiment analysis in understanding interactions on social media. 
PENINGKATAN AKURASI ANALISIS SENTIMEN PADA APLIKASI LOKLOK DENGAN METODE NAÏVE BAYES Azhari, Shazifa; Rahaningsih, Nining; Dana, Raditya Danar; ., Mulyawan
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.v13i1.5848

Abstract

Penelitian ini berfokus pada analisis sentimen pengguna aplikasi Loklok dengan memanfaatkan ulasan yang tersedia di Google Play Store. Metode Naïve Bayes diterapkan untuk mengklasifikasikan sentimen ke dalam kategori positif, negatif, dan netral, dengan memanfaatkan teknik TF-IDF sebagai pembobot fitur guna meningkatkan akurasi model. Dataset yang digunakan terdiri dari 1.000 ulasan yang dikumpulkan melalui teknik web scraping, kemudian diproses menggunakan langkah prapemrosesan seperti tokenisasi, penghapusan kata umum (stopword), dan stemming.
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.
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".
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.
Creating Digital Literature through Transformational Leadership; Challenges and Solutions Sudrajat, Dadang; Dikananda, Arif Rinaldi; Rahaningsih, Nining; Cakranegara, Pandu Adi; Putra, Purniadi
JURNAL AL-TANZIM Vol 6, No 4 (2022)
Publisher : Nurul Jadid University, Probolinggo, East Java, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/al-tanzim.v6i4.3982

Abstract

This study aims to analyze and understand the principal's transformational leadership in realizing digital literacy. This study uses a qualitative approach to the type of phenomenology. Data collection techniques were carried out through interviews, observation, and documentation. Data analysis was carried out through several stages: data reduction, data presentation, and conclusion drawing or verification. The results showed that; transformational leadership strategy in increasing digital literacy by holding mini workshops and digital literacy examples. The challenges and solutions in transformational leadership are that teachers are still technology literate and not wholeheartedly in studying digitalization and inadequate internet access. This research has implications for the importance of designing educational institutions oriented toward developing digital literacy in responding to the challenges and demands of the times.
Optimasi Analisis Sentimen Ulasan Sunscreen di E-Commerce Menggunakan Algoritma SVM dan SMOTE Ayi Andini; Nining Rahaningsih; Raditya Danar Dana; Cep Lukman Rohmat
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.96221

Abstract

Abstrak : Analisis sentimen terhadap ulasan pengguna di e-commerce membantu produsen memahami kepuasan pelanggan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan produk sunscreen di Facetology Official Shop menggunakan algoritma Support Vector Machine (SVM). Data ulasan dikumpulkan melalui scraping, diberi label secara manual, dan diproses menggunakan metode preprocessing seperti data cleaning, Case Folding, tokenizing, stopword removal, serta SMOTE untuk menyeimbangkan data. Ekstraksi fitur dilakukan dengan TF-IDF, dan SVM digunakan untuk mengklasifikasikan sentimen menjadi positif, negatif, dan netral. Hasil penelitian menunjukkan model SVM dengan kernel linear mencapai akurasi 93%, presisi keseluruhan 95%, recall 91%, dan F1-Score 93%. Pendekatan ini menunjukkan peningkatan performa model dengan akurasi 93% setelah penerapan SMOTE untuk penyeimbangan data. Sentimen mayoritas positif, mengindikasikan tingkat kepuasan tinggi, meskipun ada ulasan negatif terkait efek samping produk. Teknik preprocessing dan penyeimbangan data terbukti efektif dalam meningkatkan performa model. Pendekatan dapat diaplikasikan untuk analisis sentimen produk serupa guna mendukung pemahaman perusahaan terhadap konsumen==================================================Abstract :Sentiment analysis of user reviews on e-commerce platforms helps producers understand customer satisfaction. This study aims to analyze the sentiment of sunscreen product reviews in the Facetology Official Shop using the Support Vector Machine (SVM) algorithm. Review data were collected through scraping, manually labeled, and processed using preprocessing methods such as data cleaning, case folding, tokenizing, stopword removal, and SMOTE to balance the data. Feature extraction was performed using TF-IDF, and SVM was used to classify sentiments into positive, negative, and neutral categories. The results show that the SVM model with a linear kernel achieved an accuracy of 93%, an overall precision of 95%, a recall of 91%, and an F1-Score of 93%. This approach demonstrated improved model performance, with 93% accuracy achieved after applying SMOTE for data balancing. The majority of sentiments were positive, indicating a high level of customer satisfaction, although some negative reviews mentioned side effects of the product. The preprocessing techniques and data balancing proved effective in enhancing the model's performance. This approach can be applied to sentiment analysis of similar products to support companies in better understanding their consumers.
OPTIMASI MODEL XGBOOST UNTUK PREDIKSI PENYAKIT JANTUNG MENGGUNAKAN OPTUNA Optarina, Yasni; Suarna, Nana; Bahtiar, Agus; Rahaningsih, Nining; Prihartono, Willy
Jurnal Rekayasa Perangkat Lunak dan Sistem Informasi Vol. 6 No. 1 (2026)
Publisher : Department of Information System Muhammadiyah University of Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/seis.v6i1.10527

Abstract

Heart disease is one of the leading causes of mortality worldwide, emphasizing the need for accurate early detection systems. Machine learning models such as XGBoost have demonstrated strong performance in medical classification tasks; however, their effectiveness is highly dependent on optimal hyperparameter configurations. This study aims to improve the performance of XGBoost for heart disease classification by applying hyperparameter optimization using the Optuna framework with the Tree-structured Parzen Estimator (TPE) algorithm. The UCI Heart Disease dataset, consisting of 918 records, is used in this study. To address class imbalance, the Synthetic Minority Oversampling Technique (SMOTE) is applied to the training data. Model performance is evaluated using accuracy, precision, recall, F1-score, and ROC-AUC metrics. The experimental results show that the optimized XGBoost model achieves an accuracy of 89.13%, outperforming the baseline model with 87.50%, and improves recall from 87.50% to 89.10%. In addition, the optimized model attains a higher ROC-AUC value of 0.9319, indicating improved classification stability. These findings demonstrate that Optuna-based hyperparameter optimization effectively enhances the performance and reliability of XGBoost, making it suitable for supporting early heart disease diagnosis in medical decision support systems.
Analysis and Visualization of Sales Transaction Patterns using Decision Tree and Tableau Public Akbar, Miftahul; Rahaningsih, Nining; Ali, Irfan; Dikananda, Fatihanursari; Hayati, Umi
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 2 (2026): February 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i2.1849

Abstract

This study aims to analyze sales transaction patterns of rubber waste at PT Mandiri Enviro Technosio by integrating the Decision Tree algorithm with interactive visualization using Tableau Public. The dataset consists of 405 sales transactions recorded during the 2024–2025 period, comprising attributes such as transaction date, product type, quantity, unit price, total value, delivery region, and buyer category. The research methodology includes data acquisition, preprocessing to ensure data quality and consistency, construction of a classification model using the CART algorithm, evaluation of model performance through a confusion matrix, and development of interactive dashboards for enhanced interpretability. The Decision Tree model achieved an accuracy of 88.24% in classifying transaction values into low, medium, and high categories. Unit price and transaction period were identified as the most influential attributes in determining transaction value. Visualization using Tableau Public effectively presented the distribution of transaction values, sales trends, and geographical patterns, thereby strengthening analytical insights and supporting data-driven decision making. The integration of classification techniques and interactive visualization contributes to improving business intelligence capabilities and enables the formulation of more adaptive, evidence-based sales strategies.
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