Article Per Year (5 Year)
p-Index From 2021 - 2026
12.341
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 Jurnal ICT : Information Communication & Technology Jurnal Sistem Informasi Kaputama (JSIK) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Informatika dan Rekayasa Perangkat Lunak JSR : Jaringan Sistem Informasi Robotik 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) INFORMATIKA Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Mahasiswa Ilmu Komputer TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi 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 Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

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

Found 103 Documents
Search

 4   5   6   7   8 
ANALISIS SENTIMEN ULASAN APLIKASI LITA DI PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES Septiani Gumilar, Tia; Astuti, Rini; 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.v8i1.8778

Abstract

Aplikasi media sosial yang memberikan Jasa Teman Mabar yang dapat menemani bermain beragam jenis game online, seperti Mobile Legends, PUBG Mobile, Free Fire, dan lainnya. Lita merupakan platform dengan konsep baru dalam dunia game. Kamu dapat bertemu dengan Pro Player ataupun gamer perempuan yang cantik. Ulasan pengguna pada aplikasi mobile merupakan sumber data penting bagi pengembang aplikasi untuk mengetahui respon dari pengguna dan meningkatkan kualitas aplikasi. Ulasan pengguna biasanya mengandung ungkapan subjektif yang mencerminkan sentimen positif atau negatif. Klasifikasi sentimen pada ulasan mobile diperlukan untuk secara otomatis menganalisis sentimen positif dan negatif dari sejumlah besar data ulasan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan aplikasi Lita di Play Store ke dalam dua kelas yaitu positif dan negatif, dengan menggunakan metode algoritma Naive Bayes. Data yang digunakan dalam penelitian ini adalah 1000 ulasan aplikasi Lita di Play Store dalam bahasa Indonesia, diambil secara acak. Data ulasan mengandung kata tidak penting yang dihapus melalui text preprocessing. Kemudian, pembobotan dilakukan dengan metode TF-IDF untuk mengetahui pentingnya sebuah istilah untuk suatu dokumen. Hasil dari penelitian ini mengenai Klasifikasi Data Sentimen Ulasan Pengguna Lita Google Play Store berjumlah 1000 data, dapat disimpulkan bahwa ulasan pengguna Lita tergolong positif dengan hasil presentase 95% nilai accuracy, 95% nilai precision, dan 95% nilai recall nya.
PENERAPAN DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA X-MEANS PADA DATA PENERIMA BANTUAN PROGRAM KELUARGA HARAPAN DI DESA GEBANG KULON KABUPATEN CIREBON Winayah, Winayah; 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.v8i1.8827

Abstract

Program Keluarga Harapan yang diartikan sebagai bantuan sosial kepada keluarga tidak mampu, menghadapi kerumitan dalam pengolahan data pada penerima PKH di Desa Gebang Kulon. Kesulitan ini melibatkan penentuan prioritas penerima bantuan yang dipengaruhi oleh faktor-faktor seperti pengangguran, penghasilan rata-rata, dan jumlah anggota keluarga. Tujuan penelitian ini untuk menentukan jumlah cluster yang optimal, mengukur besarnya Davies Bouldin index, dan mengidentifikasi parameter x-means yang efektif. Dalam penerapan data mining metode yang digunakan adalah Knowledge Discovery in Databases (KDD) diterapkan dalam tahapan selection, cleaning, transformation, dan evaluation untuk memproses data penelitian. Penerapan algoritma x-means menggunakan RapidMiner versi 10.3 pada data tahun 2023 menghasilkan 3 cluster, cluster 0 terdiri 1217 item, cluster 1 terdiri 3 item dan cluster 2 teridiri 4 item, dimana cluster ini mencerminkan karakteristik kelompok penerima bantuan PKH. Nilai Davies Bouldin Index sebesar -0,005 dan parameter yang digunakan yaitu Numerical Measuremet. Diharapkan bahwa hasil penelitian ini dapat memberikan kontribusi positif dengan membantu Desa Gebang Kulon dalam meningkatkan proses penyaluran bantuan PKH, sehingga pemberian bantuan menjadi lebih optimal dan akurat sesuai masyarakat yang membutuhkan.
PENERAPAN TEKNIK SMOTE DAN CROSS VALIDATION PADA DECISION TREE UNTUK KLASIFIKASI TINGKAT KEMACETAN LALU LINTAS Khoeri, Yajid; 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.v8i2.8879

Abstract

Kemacetan merupakan suatu keadaan dimana jumlah kendaraan yang lalu lalang melebihi kapasitas jalan yang dapat ditampung. Kemacetan lalu lintas, disebabkan oleh volume kendaraan melebihi kapasitas jalan, merugikan secara ekonomi dan sosial. Kemacetan juga mempengaruhi mobilitas penduduk, perekonomian, dan lingkungan, sehingga menimbulkan biaya ekonomi yang signifikan melalui peningkatan konsumsi bahan bakar, hilangnya waktu, dan dampak negatif terhadap produktivitas. Tujuan penelitian ini adalah untuk mengurangi kemacetan lalu lintas. Penelitian ini menerapkan metode Decision Tree dan Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Proses Knowledge Discovery in Database (KDD) dan Cross Validation digunakan untuk evaluasi. Hasilnya menunjukkan Decision Tree dengan SMOTE memiliki akurasi 96,54%. Dengan Cross Validation, akurasi mencapai 96,03% +/- 0,85% (rata-rata mikro: 96,03%). Model ini dianggap baik dan efektif dalam mengklasifikasikan tingkat kemacetan lalu lintas, memberikan kontribusi penting pada pemahaman dan manajemen lalu lintas perkotaan. Implementasi ini dapat membantu mengoptimalkan solusi untuk mengurangi dampak negatif kemacetan dan meningkatkan kualitas hidup masyarakat
KLASIFIKASI KONDISI FISIK MOBIL BEKAS MENGGUNAKAN ALGORITMA NEURAL NETWORK (NN) Sulaeman, Muhammad; 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.v8i2.9020

Abstract

Penelitian ini fokus pada penilaian kinerja model Neural Network dalam membedakan kondisi fisik mobil bekas berdasarkan dataset dari Showroom Jual Beli Mobil Bekas CV. Mulya Sejahtera Motor. Metode yang digunakan dalam penelitian ini menggunakan algoritma neural network. Pengukuran dilakukan menggunakan metrik Area Under the Curve (AUC) dengan fokus khusus pada kelas "Baik". Dalam penelitian ini menghasilkan performance akurasi 98.52%. Hasil evaluasi menunjukkan tingkat keberhasilan yang sangat tinggi, dengan nilai AUC mencapai 0.992. Skor ini mendekati nilai sempurna (1), menggambarkan kemampuan model dalam membedakan antara mobil bekas dalam kondisi "Baik" dan kondisi lainnya. Model Neural Network mampu memprediksi dengan akurat kelas "Baik" dengan tingkat keakuratan yang signifikan. Meskipun AUC memberikan gambaran keseluruhan yang sangat positif, penelitian ini merekomendasikan validasi lebih lanjut menggunakan metrik lain seperti akurasi, presisi, recall, dan F1-score untuk mendapatkan gambaran komprehensif tentang kinerja model. Analisis lebih lanjut terhadap kesalahan model, pengoptimalan data untuk memastikan representasi yang seimbang dari setiap kelas, serta pertimbangan pengembangan lanjutan, diusulkan untuk memperbaiki dan meningkatkan model. Temuan ini memberikan kontribusi positif terhadap pengembangan aplikasi model Neural Network dalam mendukung industri jual beli mobil bekas. Keakuratan tinggi dalam membedakan kondisi fisik mobil dapat memberikan manfaat signifikan bagi pelanggan dan penjual, meningkatkan kepercayaan dalam proses pembelian dan penjualan kendaraan bekas.
ANALISIS CLUSTER STOK PRODUK PT. PANJUNAN DENGAN METODE K-MEANS Pebriyanto, Ramdhan; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9039

Abstract

Penelitian ini membahas analisis stok produk di PT. Panjunan menggunakan metode k-means untuk mengelompokkan barang ke dalam kategori dengan karakteristik serupa. Fokus penelitian adalah pemahaman mendalam terhadap perbedaan dan persamaan antar produk yang dijual oleh perusahaan retail ini. Melalui pengumpulan dan analisis data stok barang, penelitian ini bertujuan untuk mengidentifikasi pola, perilaku, dan karakteristik mendasar yang mempengaruhi persediaan.Metode K-Means digunakan untuk mengelompokkan produk berdasarkan karakteristik serupa. Penelitian ini mengidentifikasi enam klaster, masing-masing menampilkan karakteristik kuantitas item, kemasan, dan tingkat stok yang berbeda. Analisis centroid mengungkapkan atribut spesifik untuk setiap klaster. Klaster 6 menonjol dengan rata-rata 147,33 item, jumlah Karton yang rendah sekitar 9,30, rata-rata Bag/Pax 11,36, Pieces (PCS) minimal, rata-rata Stok Karton sekitar 399,58, dan rata-rata Stok Bag/Pax sekitar 2,06. Pentingnya, Klaster 6 mencapai nilai Davies Bouldin Index (DBI) terendah sebesar 0,412, menandakan tingkat homogenitas yang tinggi dalam klaster tersebut. Trend penurunan nilai DBI dengan peningkatan jumlah klaster menunjukkan pemisahan dan pengelompokan data yang semakin baik. Pemilihan klaster optimal terjadi pada k=6, memberikan wawasan berharga tentang dinamika persediaan perusahaan. Penelitian ini memberikan kontribusi pada PT Panjuna dalam pengambilan keputusan, memungkinkan pengelolaan persediaan yang lebih efisien dan berbasis informasi.
PENGELOMPOKAN DATA VARIAN PEKERJAAN DAN STATUS PERNIKAHAN PT DIKA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Nabila, Aynun; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9044

Abstract

PT Dika saat ini mengalami kesulitan yang signifikan dalam mengelola data transaksi penjualan di setiap cabangnya. Kesulitan ini muncul karena kompleksitas volume data yang terus meningkat seiring dengan perkembangan operasional bisnis. Setiap cabang turut berkontribusi pada pencatatan transaksi penjualan yang melibatkan berbagai elemen, mulai dari identifikasi produk hingga informasi pelanggan. Peningkatan jumlah cabang dan aktivitas transaksi secara keseluruhan membuat tugas pengelolaan data semakin rumit. Puncaknya, keberagaman format dan sumber data dari setiap cabang menambah kompleksitas tugas tersebut. Sebagai hasilnya, perusahaan mengalami kesulitan dalam mengintegrasikan, memproses, dan menganalisis data transaksi dengan efisien dan efektif. Tujuan dari penelitian ini adalah untuk menemukansolusi yang memungkinkan PT Dika untuk menganalisis data,meningkatkan strategi pemasaran, dan meningkatkan retensi pelanggan. Algoritma K-Means, dikenal efektif dalam pengelompokan data, diimplementasikan untuk memahami pola perilaku pelanggan dan meningkatkan manajemen data transaksional. DBI digunakan untuk menilai kualitas klastering dengan fokus pada homogenitas dan separabilitas cluster. Melalui penelitian ini, diharapkan dapat ditemukan solusi yang memungkinkan PT Dika untuk mengoptimalkan analisis data, meningkatkan strategi pemasaran, dan meningkatkan retensi pelanggan. Hasil dari implementasi algoritma K-Means pada data tersebut menunjukkan bahwa data dapat dikelompokkan menjadi tiga kelompok yang homogen berdasarkan karakteristik pekerjaan dan status pernikahan. Kelompok pertama terdiri dari karyawan yang belum menikah dan bekerja sebagai staf administrasi, kelompok kedua terdiri dari karyawan yang sudah menikah dan bekerja sebagai supervisor, dan kelompok ketiga terdiri dari karyawan yang sudah menikah dan bekerja sebagai manajer
PENERAPAN ALGORITMA REGRESI LINEAR PADA DATA HARGA CABAI RAWIT DI PASAR INDIHIANG Ikhwan Fahruddin, Yusuf; 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.v8i2.9053

Abstract

Sayuran, termasuk cabai rawit, memegang peran vital dalam perekonomian nasional. Meningkatnya harga cabai rawit tidak hanya dipengaruhi oleh peningkatan permintaan selama hari-hari besar keagamaan seperti Bulan Ramadhan, Hari Raya Idul Fitri, Hari Raya Idul Adha, khususnya jika terjadi gangguan cuaca atau pasokan. Penelitian ini bertujuan untuk memprediksi harga cabai rawit di Pasar Indihiang dan mencari atribut yang mempengaruhi nilai Root Mean Squared Error (RMSE) terbaik. Algoritma regresi linear terkenal karena kemampuannya menganalisis korelasi data dan memberikan prediksi yang akurat. Data harga cabai rawit dari 2021 hingga 2022 mencakup informasi harga, bulan, cuaca, pasokan, supplier, dan nama pedagang. Melalui analisis Regresi Linear menggunakan Cross-Industry Standard Process for Data mining (CRISP-DM) dan RapidMiner versi 10.1, penelitian ini membangun model matematis untuk memprediksi harga cabai rawit berdasarkan faktor-faktor tersebut. Hasil penelitian ini menunjukan atribut yang mempengaruhi nilai RMSE adalah Bulan dan Stok Cabai/KG terhadap label Harga Cabai dengan nilai RMSE sebesar 14975.095. Model prediksi harga diharapkan dapat membantu pedagang merancang strategi penjualan yang efektif, memungkinkan konsumen merencanakan belanja dengan lebih tepat, dan membantu petani menyesuaikan waktu tanam dan panen cabai rawit.
PENGELOMPOKAN DATA PELAKSANAAN PENDAFTARAN TANAH SISTEMATIS LENGKAP DI KANTOR PERTANAHAN KABUPATEN SUMEDANG MENGGUNAKAN METODE ALGORITMA K-MEANS: Kantor Pertanahan Kabupaten Sumedang Nurrahman, Rizki; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9054

Abstract

Penelitian ini mengaplikasikan algoritma K-Means untuk mengelompokkan data pendaftaran tanah di Kabupaten Sumedang guna meningkatkan akurasi pendaftaran tanah sistematis. Dua cluster utama, Cluster 0 dan Cluster 1, dianalisis dengan atribut No. SPPT PBB, Luas (m2), NJOP Tanah (m2), dan NJOP Bangunan. Hasil centroid Cluster 0 menunjukkan rata-rata No. SPPT PBB sekitar 469.18, Luas (m2) 877.402, NJOP Tanah (m2) 9777.618, dan NJOP Bangunan 889.527. Sementara Cluster 1 memiliki nilai centroid No. SPPT PBB sekitar 375.905, Luas (m2) 233.628, NJOP Tanah (m2) 149140.20, dan NJOP Bangunan 711253.38. Evaluasi menggunakan metrik Davies Bouldin menunjukkan nilai -0.282, mengindikasikan kualitas clustering yang sesuai. Dampak sosial dan ekonomi dari algoritma K-Means, termasuk identifikasi pola keberagaman dan segmentasi wilayah, dibahas untuk mendukung kebijakan penilaian pajak dan pembangunan. Penelitian ini memberikan dasar untuk keputusan yang lebih baik dalam manajemen tanah dan peningkatan efisiensi pendaftaran tanah sistematis di Kabupaten Sumedang.
ANALISIS SENTIMEN PENGGUNA TERHADAP APLIKASI BLU BCA DI PLAYSTORE MENGUNAKAN ALGORITMA NAÏVE BAYES: STUDI KASUS SENTIMEN PENGGUNA TERHADAP PENGALAMAN APLIKASI BLU BCA Wahyudi, Wahyudi; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9216

Abstract

Dalam era digital saat ini, aplikasi perbankan dan dompet digital telah menjadi bagian integral dari kehidupan sehari-hari, memfasilitasi berbagai transaksi keuangan. Ulasan pengguna Blu BCA di platform Play Store dan Apps Store mengindikasikan kepuasan umum, walaupun terdapat beberapa permasalahan yang perlu diperhatikan. Meskipun mayoritas ulasan bersifat positif, sejumlah keluhan muncul terkait kinerja aplikasi dan keamanan data. Oleh karena itu, penelitian ini menggunakan metode analisis sentimen dengan algoritma Naive Bayes untuk mengklasifikasikan ulasan pengguna sebagai positif atau negatif. Data diambil dari Google Play Store melalui web scraping. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan sentimen pengguna dengan akurasi tinggi yaitu sebesar 85,31%. Meskipun mayoritas ulasan positif, beberapa pengguna mengungkapkan harapan peningkatan performa dan keamanan data. Penelitian ini memberikan wawasan berharga bagi pengembang aplikasi perbankan mobile, memungkinkan mereka memahami perspektif pengguna dan meningkatkan kualitas aplikasi. Fokus pengembangan dapat ditempatkan pada peningkatan performa dan penguatan aspek keamanan guna meningkatkan kepuasan pengguna Blu BCA
IMPLEMENTASI ALGORITMA KLASIFIKASI NAÏVE BAYES PADA DATA PENGGUNA ALAT KELUARGA BERENCANA DI DESA CIHERANG : Desa Ciherang Nur Amalia, Yustika; Arie Wijaya, Yudhistira; Kurniawan, Rudi
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.v8i2.9345

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan jenis Alat Kontrasepsi dalam Rahim (IUD), Implant, Metode Operasi Wanita (MOW), dan Metode Operasi Pria (MOP) yang paling banyak digunakan oleh masyarakat di Desa Ciherang berdasarkan data pengguna alat Keluarga Berencana (KB). Metode Knowledge Discovering Data (KDD) digunakan dengan Algoritma Naïve Bayes untuk mengklasifikasikan jenis KB berdasarkan variabel seperti Usia, Jenis KB, Pendidikan, dan penyakit penyerta. Data diambil dari posyandu Desa Ciherang dan diolah menggunakan perangkat lunak RapidMiner versi 10.3. Hasil implementasi algoritma Naïve Bayes menunjukkan tingkat akurasi sebesar 70%. Analisis lebih lanjut menunjukkan tingkat presisi dan recall untuk masing-masing jenis KB, dimana jenis Suntik memiliki presisi 75% dan recall 98,51%, jenis Operasi memiliki presisi 33,33% dan recall 14,29%, jenis IUD memiliki presisi 33,33% dan recall 21,43%, sedangkan jenis Implan dan Pil memiliki presisi dan recall 0%. Hasil penelitian ini diharapkan dapat memberikan panduan bagi pemerintah dan organisasi terkait dalam merancang program KB yang lebih terarah dan efektif.
Co-Authors Abubakar Sidik Ade Irma Purnama Sari Ade Irma Purnamasari Ade Irma Purnamasari Adi Hermawan Aditiya Arif Firmansyah Adiyanto, Alfian Adjie Setyadj, Mochammad Agni, Vega Putra Dwi Ahmad Faqih Ahmad Jamalul Noor Ahmad Rifai Ikhsanudin AKBAR, MUHAMAD DENI Akhmad Taukhid Alfirda Sofyan, Zahra Aliya Anisa Rahma Alwan Azhar Alya Fadia An-naziz Safaat, Wafik Andi Ardiansyah Andriyani, Wini Anggara, Doni Anjar Permadi Aprianto, Wili Arya Hadi Wicaksana ASEP SAEFUDDIN Asmana, Asmana Astri Amelia Athaullah Abrar Bayan Beby Maryam Cintia Putri Prasetia Dadang Sudrajat Darma Irawan, Bobi Darussalam, Luthvi Nurfauzi Denni Pratama Denni Pratama Dermawan, Hibrizi Dzaky Dian Ade Kurnia Dian Ade Kurnia Dodi Solihudin Edi Tohidi Edi Wahyudin Falih, Alfi Rizqi Falih FANDI ACHMAD Fauzan, Muhamad Nur Fianita Rusadi Fianita Rusadi Firmansyach, Wildan Attariq Hajijin Amri Hamonangan, Ryan Hayati, Umi Hegarmanah Muhabatin Heliyanti Susana Herman Hermawan, Adi Hidayat, Zaids Syarif Ibnu Ubaedila Ikhwan Fahruddin, Yusuf Inawati, Windi Intan Wangi Nur Qibti Irfan Ali Irfan Ali Irma Agustina 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 Masjunedi, Masjunedi Maulana, Tedy Mifta Almaripat Mita Amelia Moh Nurdayat Dayat MUHAMAD DENI AKBAR Muhamad Nur Fauzan Muhammad Aditya Rabbani Adit Mulyawan Nabila, Aynun Nana Suarna Nana Suarna Narasati, Riri Narasati Nashir, Mukhtar Nining Rahaningsih Nisa Dieanwati Nuris Nisa Dienwati Nuris Nur Amalia, Yustika Nurazijah, Wulan Nurdiawa, Odi Nurholipah, Titin Nurrahman, Rizki Odi Nurdiawa Odi Nurdiawan Pebriyanto, Ramdhan Pratama, Denni Puji Pramudya Marta Purnamasari, Ade Irma Restu Normalasari Rini Astuti Rini Astuti Rini Astuti Rio Febriyan 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 Sugianto, Nanda Putri Sulaeman, Muhammad Suteja Syach Putra, Yanuar Tati Suprapti Taufik Hidayat Tegar Lazuardi, Muhammad Thomas Agam Tiana Dewi Tri Anelia Trian Nurmansyah Triswanto, Triswanto Tuti Hartati Tuti Hartati Tuti Hartati Wahyudi Wahyudi Wartumi Wartumi Willy Prihartono Winayah, Winayah Windy Astuti Witriyani Witriyani Yudis Firmansyah Yufita, Ayura yulani, Yulani - Yulia, Yuli