Article Per Year (5 Year)
p-Index From 2021 - 2026
12.252
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan CESS (Journal of Computer Engineering, System and Science) Informatics for Educators and Professional : Journal of Informatics Network Engineering Research Operation [NERO] KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Indonesian Journal of Applied Informatics JSI (Jurnal sistem Informasi) Universitas Suryadarma Jurnal ICT : Information Communication & Technology Jurnal Sistem Informasi Kaputama (JSIK) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Informatika dan Rekayasa Perangkat Lunak JURSIMA (Jurnal Sistem Informasi dan Manajemen) JATI (Jurnal Mahasiswa Teknik Informatika) JIKA (Jurnal Informatika) MEANS (Media Informasi Analisa dan Sistem) Jurnal Teknik Informatika (JUTIF) Jurnal Mahasiswa Sistem Informasi (JMSI) International Journal of Social Science Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Jurnal Janitra Informatika dan Sistem Informasi Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Mahasiswa Ilmu Komputer Wawasan : Jurnal Ilmu Manajemen, Ekonomi dan Kewirausahaan Manajemen Kreatif Jurnal JURSIMA Jurnal Ekonomi Manajemen Akuntansi BULLET : Jurnal Multidisiplin Ilmu AMMA : Jurnal Pengabdian Masyarakat NERO (Networking Engineering Research Operation) Jurnal Informatika: Jurnal Pengembangan IT Jurnal Sistem Informasi dan Manajemen INTERNAL (Information System Journal) Intechno Journal : Information Technology Journal
Yudhistira Arie Wijaya
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 Library & Information Science Materials Science & Nanotechnology Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 103 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 103 Documents
Search

 3   4   5   6   7 
PERANCANGAN MODEL SENTIMEN TWEET TERHADAP PILKADA DKI JAKARTA TAHUN 2017 MENGGUNAKAN ALGORITMA NAÏVE BAYES Tegar Lazuardi, Muhammad; Suprapti, Tati; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6328

Abstract

Pemilihan Gubernur (Pilgub) DKI Jakarta menjadi peran penting dalam menentukan wilayah politik negara. Selain mencalonkan diri kembali, pasangan calon lainnya adalah Agus-Sylvi dan Anies-Sandiaga. Pilkada DKI Jakarta 2017 merupakan momen penting bagi demokrasi Indonesia. Pada tahun 2017, 7 provinsi, dan 18 kota. Penelitian ini mengkaji jaringan mobilisasi politik yang digunakan pasangan wilayah dalam Pilkada DKI Jakarta 2017. Strategi yang menonjolkan capaian wilayah yang dapat membuat birokrasi lebih efisien dan bersih, serta kepercayaan diri dalam pemberantasan korupsi. Analisis sentimen dan oponi mining adalah analisis yang bertujuan untuk melihat perasaan suatu masyarakat atau kelompok terhaap suatu keberadaan tertentu. Realita yang diekspresikan oleh masyarakat dapat bersifat positif maupun negatif. Twitter merupakan salah satu media yang membahas tentang berita seputar Pilkada DKI Jakarta 2017. Tujuan penelitian ini adalah untuk menganalisis tanggapan masyarakat terhadap pencalonan Pilkada DKI Jakarta 2017 di Twitter dan mengklasifikasikan tanggapan positif dan negatif terhadap kalimat dengan menggunakan teknik analisis. Metode yang digunakan dalam penelitian ini menggunakan teknik Naive Bayes untuk mengevaluasi. Dataset tersebut berupa tanggapan masyarakat terhadap pencalonan Pilkada DKI Jakarta di media sosial Twitter sebanyak 1129 dataset, yang kemudian dikelompokkan untuk selanjutnya diklasifikasi berdasarkan opini terkait data tersebut. Hasil penelitian ini menunjukkan akurasi 50.54% menggunakan algoritme Naive Bayes.
ANALISA TERJADINYA OVERFITTING DAN UNDERFITTING PADA ALGORITMA NAIVE BAYES DAN DECISION TREE DENGAN TEKNIK CROSS VALIDATION Firmansyach, Wildan Attariq; Hayati, Umi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6329

Abstract

Perkembangan digital dapat meringankan aktivitas manusia dalam menggunakan, serta mengelola informasi. Suatu informasi berdasarkan kumpulan data dengan dilakukannya proses data mining. Banyak masalah yang terjadi pada data mining dikarenakan hasil yang diperoleh dipengaruhi oleh adanya ketidak seimbangan data sehingga terjadinya overfitting dan underfitting biasanya disebabkan oleh data yang berlebihan atau data yang kurang sehingga model yang dihasilkan tidak dapat menangkap pola dari data yang digunakan. Tujuan dari penelitian ini mendapatkan hasil akurasi terbaik melalui perbandingan yang diperoleh supaya tidak terjadinya overfitting dan underfitting dalam hasil akurasi, untuk mengimplementasikan hasil akurasi darimachine learning meningkatkan kepastian dan menunjukan hasil keputusan, menggunakan data sampel Status Kelulusan Siswa SMA Jurusan IPA Jalur SNMPTN Di Indonesia yang dihimpun dari periode tahun 2022, data berjumlah 4.030 data dan 10 atribut. Metode yang digunakan untuk mendapatkan hasil evaluasi terbaik menggunakan algoritma Naïve Bayes dan Decision Tree dengan teknik Cross Validation. Hasil dari penelitian ini yaitu algoritma Naive Bayes mendapatkan skor akurasi sebesar 63%, serta algoritma Decision Tree mendapatkan skor akurasi sebesar 96%, dengan hasil skor akurasi yang diperoleh algoritma terbaik yaitu Decision Tree dengan menggunakan teknikValidasi silang.
ANALISA WEBSITE PORTAL INFORMASI SEKOLAH DENGAN MENGGUNAKAN METODE HEURISTIC EVALUATION Hidayat, Taufik; Nurdiawan, Odi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6559

Abstract

Evaluasi adalah suatu metode untuk mengukur dampak dan efektivitas suatu objek, program, atau proses dengan menggunakan bukti-bukti sesuai spesifikasi dan persyaratan pengguna. Evaluasi sangat penting pada website untuk mengetahui penilaian user, bug pada sistem, dan celah keamanan sebagai acuan untuk pengembangan dan perbaikan website agar lebih sesuai kebutuhan pengguna. Untuk menilai kualitas web sistem portal informasi sekolah di SMK Ilman Nafiah, dilakukan penelitian dengan menggunakan metode Heuristic Evaluation. Metode ini melibatkan evaluator untuk menganalisis 10 prinsip parameter user interface yang dikembangkan oleh Jakob Nielsen dan Rolf Molich pada tahun 1990. Prinsip-prinsip tersebut mencakup Visibility of System Status, Match between system and the real world, User control and freedom, Consistency and standards, Error prevention, Recognition rather than recall, Flexibility and efficiency of use, Aesthetic and minimalist design, help users recognize, diagnose, and recover from errors, dan Help and documentation. Setelah dilakukan pengumpulan data dan analisis menggunakan metode Heuristic Evaluation, diperoleh kesimpulan bahwa web sistem portal informasi sekolah di SMK Ilman Nafiah telah mendapatkan predikat yang baik. Evaluasi website menjadi krusial untuk mengembangkan website agar lebih optimal dan sesuai dengan kebutuhan pengguna. Oleh karena itu, evaluasi website harus dilakukan secara berkala guna meningkatkan kualitas website dan kepuasan pengguna.
ANALISA PENERAPAN METODE CLUSTERING K-MEANS UNTUK PENGELOMPOKAN DATA TRANSAKSI KONSUMEN: Studi Kasus: Cv. Mitra Indexindo Pratama Masjunedi, Masjunedi; Suarna, Nana; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.6841

Abstract

Cv. Mitra indexindo pratama merupakan perusahaan yang bergerak di bidang penjualan dan jasa, Perusahaan juga menyediakan jasa perbaikan dan perawatan komputer untuk usaha/kantor yang membutuhkan dan juga melayani konsumen perorangan. Cv.Mitra Indexindo Pratama termasuk perusahaan perseorangan, karena semua sumber daya yang digunakan dalam operasi perusahaan adalah milik sendiri atau perseorangan, Data transaksi penjualan semakin lama semakin banyak sehingga akan terjadi penumpukan data, penumpukan data tsb kemudian akan di olah menggunakan aplikasi rapid miner. Akumulasi pengetahuan ini dapat digunakan untuk menemukan informasi yang berguna dan tersembunyi yang bisa digunakan untuk menerapkan strategi penjualan. Pengumpulan data tersebut dapat diproses oleh aplikasi rapidminer dengan menggunakan metode clustering K-Means dengan menggunakan 300 data transaksi konsumen, terhitung pengumpulan data dalam kurun waktu 2 bulan di cv mitra indexindo pratama. Tujuan dari penelitian ini adalah untuk mengelompokkan data transaksi konsumen menggunakan metode teknik clustering algoritma K-Means dengan membentuk 4 cluster berdasarkan Measure Types Bregman Divergences dengan parameter SquaredEuclideanDistance sampai menghasilkan nilai DBI terbaik. Hasil dari penelitian ini adalah hasil clustering K-means pada centroid akhir mengasilkan Cluster_2 (175.000.000), Cluster_0 (25.000.000), Cluster_1 (7.500.000) dan nilai terendah (0) pada cluster_3. Hasil pengujian kinerja dengan mengevaluasi Davies-Bouldin-Index (DBI) untuk efisiensi cluster, Berdasarkan hasil Davies-Bouldin Index (DBI) diperoleh selama pengujian data transaksi konsumen dengan program RapidMiner yaitu (K4) Davies-Bouldin-Index. (DBI) nilainya adalah 0,261.
PENERAPAN ALGORITMA K-MEANS PADA PENGELOMPOKAN DATA SET BAHAN PANGAN INDONESIA TAHUN 2022-2023 Adiyanto, Alfian; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.6849

Abstract

Tujuan Penelitian ini adalah melakukan pengelompok/kluster yang optimal menggunakan algoritma k-means pada dataset Bahan Pangan .Oleh karena itu, penelitian ini menggunakan metode analisa data Knowledge Discovery in Database (KDD) Sumber data penelitian ini diperoleh dari website Pusat Infromasi Harga Pangan Strategis Nasional. Data ini kumpulan data dari bulan Desember 2022-Januari 2023. Penelitian ini menggunakan clustering metode K-Means untuk mengelompokan data tersebut dengan metode K-Means yang sederhana. Algoritma K-Means sebuah metode pengelompokan berdasarkan jarak terdekat, dimana jarak terdekat ini digunakan untuk membagi data ke dalam sebuah cluster. Dalam penelitian ini, menghasilkan Davies Bouldin Index dari K = 2 sampai K =20, maka hasil cluster yang paling optimum adalah K = 2 dengan hasil Davies Bouldin Index sebesar 0,694.
OPTIMASI PARAMETER ALGORITMA K-MEANS PADA DATA REKAM MEDIS KLINIK ANANDA MEDIKA RANCAH Alfirda Sofyan, Zahra; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8229

Abstract

Data rekam medis merupakan informasi medis terkait identifikasi pasien, penyakit dan riwayat pengobatan. Peningkatan jumlah data rekam medis dari waktu ke waktu menyulitkan identifikasi pola penting yang tersembunyi dalam dataset. Oleh karena itu, diperlukan teknik analisis data yang tepat untuk mengelola data rekam medis secara optimal. Penelitian ini bertujuan untuk menemukan parameter terbaik yang menghasilkan cluster optimum berdasarkan Davies Bouldin Index (DBI), semakin rendah nilai DBI menunjukan cluster terbaik. Metode yang digunakan dalam penelitian ini adalah clustering dengan Algoritma K-Means. Algoritma K-Means diimplementasikan dengan tools Rapidminer versi 10.3. Parameter yang digunakan dalam melakukan eksperimen terhadap nilai DBI adalah parameter Measure Types Numerical Measure. Dengan tiga kali percobaan Numerical Measure yang berbeda yaitu Euclidean Distance, Manhattan Distance, dan Dynamic Time Warping Distance, serta proses iterasi rmenggunakan parameter Max Optimization dimulai dari 1 hingga 10. Dari hasil eksperimen menunjukan parameter terbaik adalah Measure Types Numerical Measure dengan Manhattan Distance karena menghasilkan nilai DBI terkecil dibandingkan parameter lainnya. Proses iterasi algoritma K-Means berakhir pada iterasi ke-3 karena pada iterasi tersebut diperoleh keanggotaan cluster yang sama dengan iterasi sebelumnya. Hal ini menunjukkan bahwa algoritma telah mencapai nilai konfiden.
OPTIMALISASI PARAMETER FEATURE SELECTION PADA PREDIKSI KASUS KEKERASAN DI JAWA BARAT MENGGUNAKAN ALGORITMA REGRESI LINEAR Yulia, Yuli; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8285

Abstract

Kekerasan kini telah menjadi persoalan sosial utama di Indonesia. Data statistik menunjukkan peningkatan kasus kekerasan yang sangat signifikan di Jawa Barat dalam beberapa tahun terakhir berdasarkan tempat kejadian yang tercatat oleh Dinas Pemberdayaan Perempuan, Perlindungan Anak, dan Keluarga Berencana. Tujuan penelitian ini adalah memprediksi pola kasus kekerasan di Jawa Barat di masa depan dengan menerapkan teknik Data Mining. Peningkatan kasus ini mengindikasi bahwa masalah kekerasan di Jawa Barat belum tertangani dan dicegah secara maksimal. Metode yang digunakan adalah Algoritma Regresi Linear dengan perangkat lunak RapidMiner. Parameter Feature Selection jenis M5 Prime, greedy, T-Test, dan Iterative T-Test dimanfaatkan untuk menghasilkan nilai Root Mean Squared Error (RMSE) yang optimal. Dari hasil penelitian menunjukkan keempat jenis feature selection menghasilkan nilai RMSE sebesar 28,548 +/- 0,000. Hasil dari penelitian ini dijadikan sebagai salah satu strategi bagi pemerintah dalam upaya pencegahan dan penanganan terhadap permasalahan kasus kekerasan di Jawa Barat, serta meminimalisir dan mengantisipasi terjadinya kasus kekerasan masa yang akan datang.
ANALISIS DATA PROGRAM KELUARGA HARAPAN PADA TINGKAT KEMISKINAN DENGAN MENGGUNAKAN FUZZY C-MEANS DI KECAMATAN PABEDILAN Septian Nugraha, Titan; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8371

Abstract

Kemiskinan, sebagai isu mendasar di Indonesia, tetap menjadi tantangan yang belum teratasi sepenuhnya oleh pemerintah pusat maupun daerah. Oleh karena itu penelitian ini bertujuan untuk menganalisis data guna mengurangi kemiskinan dan meningkatkan kesejahteraan masyarakat dengan kondisi ekonomi rendah di Kecamatan Pabedilan. Fokusnya adalah Program Keluarga Harapan (PKH), sebuah inisiatif pemerintah Indonesia untuk memberikan bantuan sosial bersyarat kepada Keluarga Miskin (KM) yang diidentifikasi sebagai penerima manfaat PKH. Penelitian ini menggunakan Metode Algoritma Fuzzy C-Means sebagai teknik pengelompokan data. Metode ini terpilih karena sederhana namun efektif dalam mengatasi atribut dengan variasi nilai yang beragam. Dengan memfokuskan analisis pada Kecamatan Pabedilan, penelitian ini diharapkan dapat memastikan bahwa Program Keluarga Harapan memberikan manfaat optimal bagi masyarakat sasaran, serta memberikan kontribusi positif dalam upaya pengurangan kemiskinan di wilayah tersebut. Teknik klaster dipilih sebagai solusi untuk menghadapi variasi nilai atribut, menunjukkan keunggulan dalam konsistensi, akurasi, dan efisiensi waktu komputasi. Hasil penelitian ini Algoritma Fuzzy C-Means pada data penerima PKH Kecamatan Pabedilan, ditemukan tiga cluster, Cluster 0: 473 items Karakteristik nominal: 633,333-1,600,000 (masuk dalam nominal besar). Cluster 1: 656 items Karakteristik nominal: 18,666-250,000 (masuk dalam nominal kecil). Cluster 2: 1,572 items Karakteristik nominal: 300,000-583,333 (masuk dalam nominal sedang).
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-GROWTH PADA DATA PENJUALAN SEMBAKO Syach Putra, Yanuar; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8391

Abstract

Perkembangan teknologi informasi dan perkembangan bisnis ritel telah menghasilkan data transaksi dalam jumlah besar yang jika dianalisis dengan benar dapat memberikan wawasan berharga bagi toko untuk meningkatkan efisiensi operasional dan meningkatkan kepuasan pelanggan. Perlu diketahui pula, bahwa toko ini belum memiliki acuan ataupun pedoman khusus dalam meningkatkan omzet toko dan penyetokan barang melalui strategi bisnis yang diterapkannya, dengan kata lain perusahaan ini masih mengandalkan perkiraan saja. Oleh sebab itu, penelitian ini dibuat dengan tujuan agar perusahaan toko sembako AA dapat mengetahui tren penjualan. Metode yang digunakan dalam penelitian ini adalah analisis data transaksi penjualan menggunakan Algoritma FP-Growth, menggunakan Tools RapidMiner Versi 10.3. Algoritma FP-Growth adalah teknik pencarian tautan yang kuat dalam penambangan data, yang mampu mengidentifikasikan pola pembelian yang berarti dalam data transaksional. Oleh karena itu, Algoritma FP-Growth sangat dibutuhkan untuk menentukan persediaan barang berdasarkan banyaknya pembelian oleh pelanggan. Hasil yang dicapai dalam penelitian ini menggunakan minimum Frequency = 100 dan minimum Confidence = 60% mendapatkan 6 aturan asosiasi, dan 1 Asosiasi terbaik yaitu jika membeli Daging, Migor maka akan membeli juga Tepung. Oleh karena itu, hasil dari penelitian ini dapat mengoptimalkan operasionalnya, meningkatkan kepuasan pelanggan dan meningkatkan keuntungan perusahaan secara keseluruhan melalui analisis data transaksi penjualan menggunakan algorima FP-Growth.
PENERAPAN DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA FUZZY C-MEANS PADA DATA PENCARI KERJA DI KABUPATEN KUNINGAN An-naziz Safaat, Wafik; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8411

Abstract

Dalam melamar pekerjaan yang sesuai dengan keinginan perusahaan, pencari kerja wajib mengikuti kebijakan perekrutan pencari kerja yang ditetapkan oleh perusahaan. Permasalahan umum saat ini adalah masih banyak pencari kerja yang belum mendapatkan pekerjaan, misalnya karena kurangnya pendidikan dan kesempatan kerja. Tidak semua pencari kerja yang melamar pada suatu perusahaan tertentu mempunyai kualifikasi berdasarkan tingkat pendidikan pencari kerja yang berbeda-beda. Oleh karena itu, Dewan Ketenagakerjaan dan Migrasi dapat membantu atau membimbing pihak-pihak yang ingin mencari pekerjaan baru dengan menerbitkan kartu kuning. Kartu kuning merupakan kartu pencari kerja yang dikeluarkan oleh Badan Ketenagakerjaan dan Migrasi, dimana fungsi kartu tersebut adalah sebagai tanda bahwa pemegang kartu sedang mencari pekerjaan. Tujuan dari penelitian ini adalah melakukan clustering data pencari kerja dengan menggunakan teknik clustering menggunakan metode Algoritma Fuzzy C-Means dan mengelompokkan objek menjadi beberapa kelompok, dimana k (cluster) adalah jumlah kelompok yang diinginkan, dan menggunakan RapidMiner Tools versi 10.3. Hasil penelitian berupa informasi perbandingan pencari kerja pada variabel usia, pendidikan terakhir, profesi dan jenis kelamin, yang hasilnya dihitung menggunakan algoritma Fuzzy C-Means. Dengan menggunakan algoritma fuzzy c-means diperoleh yang terbaik yaitu klaster 2 sebanyak 31 item. Pengelompokan data pencari kerja ini membantu pemerintah untuk menawarkan lapangan pekerjaan kepada pencari kerja secara merata sehingga data pencari kerja tidak menumpuk setiap tahunnya.
Co-Authors Abrar Bayan, Athaullah Abubakar Sidik Ade Irma Purnama Sari Ade Irma Purnamasari Adi Hermawan Adiyanto, Alfian Adjie Setyadj, Mochammad Agni, Vega Putra Dwi Ahmad Faqih Ahmad Jamalul Noor AKBAR, MUHAMAD DENI Akhmad Taukhid Alfirda Sofyan, Zahra Aliya Anisa Rahma Alya Fadia Amelia, Astri An-naziz Safaat, Wafik Andi Ardiansyah Andriyani, Wini Andriyanti, Rina Anggara, Doni Anjar Permadi Aprianto, Wili Arif Firmansyah, Aditiya ASEP SAEFUDDIN Asmana, Asmana Ayura Yufita Azhar, Alwan Cintia Putri Prasetia Dadang Sudrajat Danar Dana, Raditya Darma Irawan, Bobi Darussalam, Luthvi Nurfauzi Denni Pratama Dermawan, Hibrizi Dzaky Dian Ade Kurnia Dian Ade Kurnia Edi Tohidi Edi Wahyudin Falih, Alfi Rizqi Falih FANDI ACHMAD Fauzan, Muhamad Nur Fianita Rusadi Fianita Rusadi Firmansyach, Wildan Attariq Hadi Wicaksana, Arya Hajijin Amri Hamonangan, Ryan Hayati, Umi Hegarmanah Muhabatin Heliyanti Susana Herman Hermawan, Adi Hidayat, Hilpad Hidayat, Zaids Syarif Ibnu Ubaedila Ikhwan Fahruddin, Yusuf Inawati, Windi Irfan Ali Irfan Ali, Irfan Irma Agustina Irma Purnamasari, Ade Jaelani Sidik Jayawarsa, A.A. Ketut Jurnal Konsera Khoeri, Yajid Komala, Wulan Kurnia, Dian Ade Kurniawan , Rudi Kusmiyaty, Agesty Laela Laela Leli Oktaviani Lukmanul Hakim Manzis, Zian Marta, Puji Pramudya Martanto Martanto . Martanto Martanto Maryam, Beby Masjunedi, Masjunedi maulana faz'rin, rama Maulana, Tedy Mifta Almaripat Mita Amelia Moh Nurdayat Dayat Muhamad Basysyar , Fadhil MUHAMAD DENI AKBAR Muhamad Nur Fauzan Muhammad Aditya Rabbani Adit Nabila, Aynun Nana Suarna Nana Suarna Nashir, Mukhtar Nining Rahaningsih Nisa Dieanwati Nuris Nisa Dienwati Nuris Novita Safitri Nur Amalia, Yustika Nurazijah, Wulan Nurdiawa, Odi Nurholipah, Titin Nurrahman, Rizki Odi Nurdiawa Odi Nurdiawan Pebriyanto, Ramdhan Pratama, Denni Prihartono, Willy Purnamasari, Ade Irma Restu Normalasari Rinaldi Dikananda, Arif Rini Astuti Rini Astuti Rini Astuti Riri Narasati Rizal Rizal Roni Saputra, Roni Rubangiya Rubangiya Rudi Kurniawan Rudi Kurniawan Rudi Kurniawan Saeful Anwar Saeful Anwar, Saeful Satria Turangga Septian Nugraha, Titan Septiani Gumilar, Tia Shifa Dwi Oktaviani Siti Sopiyah Suarna, Nana Sulaeman, Muhammad Suteja Syach Putra, Yanuar Tati Suprapti Taufik Hidayat Tegar Lazuardi, Muhammad Thomas Agam Tiana Dewi Tohidi, Edi Tri Anelia Trian Nurmansyah Triswanto, Triswanto Tuti Hartati Tuti Hartati Tuti Hartati Wahyudi Wahyudi Wangi Nur Qibti, Intan Wartumi Wartumi Willy Prihartono Winayah, Winayah Windy Astuti Yudis Firmansyah yulani, Yulani - Yulia, Yuli