Article Per Year (5 Year)
p-Index From 2021 - 2026
4.608
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Seminar Nasional Informatika (SEMNASIF) Jurnal Inspiration Jurnal Komputer Terapan Insect (Informatics and Security) : Jurnal Teknik Informatika SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan SINTECH (Science and Information Technology) Journal Jurnal Informatika Universitas Pamulang JURIKOM (Jurnal Riset Komputer) Saintifik : Jurnal Matematika, Sains, dan Pembelajarannya Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jambura Journal of Informatics Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Dedikasi Journal of Computer and Information System (J-CIS) Jurnal Pengabdian kepada Masyarakat Indonesia (JPKMI) STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Jurnal Pengabdian Masyarakat UNIPOL J-Icon : Jurnal Komputer dan Informatika Nobel Community Services Journal In Search (Informatic, Science, Entrepreneur, Applied Art, Research, Humanism)
Farid Wajidi
Universitas Sulawesi Barat
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences Transportation Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Optimasi Algoritma K-Nearest Neighbors pada Prediksi Penyakit Diabetes Arfiah, Sitti; Wajidi, Farid; Nur, Nahya
JURIKOM (Jurnal Riset Komputer) Vol 12, No 3 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i3.8615

Abstract

Diabetes mellitus is a chronic disease characterized by high blood sugar levels due to metabolic system disturbances, specifically related to insulin production or effectiveness. If left untreated, it can lead to serious complications. Early and accurate detection is crucial for timely medical intervention. This research aimed to improve the accuracy of a diabetes classification system using the K-Nearest Neighbors (KNN) algorithm. An initial KNN model with imbalanced data (without SMOTE) and no GridSearchCV achieved only 83% accuracy. While seemingly good, its performance for the positive class was low (precision 80%, recall 69%, F1-score 74%), indicating bias towards the negative class due to data imbalance. To address this, several steps were implemented: data preprocessing (handling missing data and feature normalization), hyperparameter optimization using GridSearchCV, and data balancing with SMOTE. After these improvements, the KNN model showed significant performance gains, with accuracy reaching 94%. Performance for the positive class greatly improved (precision 90%, recall 98%, F1-score 94%), and for the negative class (precision 98%, recall 89%, F1-score 93%). These results demonstrate that combining preprocessing, model optimization, and class balancing effectively enhances the KNN algorithm's ability to detect diabetes more accurately and robustly, proving that machine learning with proper data processing can aid in developing medical decision support systems for early diabetes diagnosis.
Pengembangan aplikasi persuratan berbasis Excel VBA untuk mengoptimalisasi layanan administrasi di Desa Batulaya Mulawarman, Ade; Wajidi, Farid; Munaja, Rahmiyatal; Utami, Andi Nur Fiqhi; Candaria, Candaria
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 9, No 4 (2025): Juli
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v9i4.32541

Abstract

Abstrak Program pengabdian masyarakat di Desa Batulaya bertujuan untuk meningkatkan efisiensi administrasi desa melalui pengembangan aplikasi berbasis Excel VBA. Aplikasi ini dirancang untuk mempermudah pembuatan dan pengelolaan surat menyurat, yang sebelumnya dilakukan secara manual. Proses manual ini sering kali memakan waktu lama dan rentan terhadap kesalahan administratif. Melalui pelatihan dan pendampingan implementasi, aparat desa diajarkan cara mengoperasikan aplikasi, memodifikasi template surat, dan mengotomatisasi tugas administratif lainnya. Evaluasi terhadap hasil implementasi menunjukkan adanya peningkatan signifikan dalam efisiensi kerja aparat desa, dengan pengurangan waktu pembuatan surat dari rata-rata 15 menit menjadi hanya 5 menit. Selain itu, aplikasi ini berhasil mengurangi kesalahan administratif yang sering terjadi pada proses manual, meningkatkan akurasi data, dan memperbaiki sistem pengarsipan. Dengan antarmuka sederhana, aplikasi ini mudah digunakan bahkan bagi pengguna dengan pengetahuan teknologi terbatas. Inovasi ini memberikan solusi teknologi yang tepat guna dan berpotensi untuk direplikasi di desa-desa lain dengan tantangan serupa. Program ini juga memberikan dampak jangka panjang berupa peningkatan kapasitas sumber daya manusia desa dalam memanfaatkan teknologi informasi untuk mendukung administrasi yang lebih modern dan efisien. Kata kunci: aplikasi excel VBA; administrasi desa; efisiensi administrasi; pelatihan teknologi informasi; pengarsipan surat  Abstract The community service program in Batulaya Village aims to improve administrative efficiency through the development of an Excel VBA-based application. This application is designed to simplify the creation and management of letters, which were previously done manually. Manual processes often took a long time and were prone to administrative errors. Through training and implementation assistance, village officials were taught how to operate the application, modify letter templates, and automate other administrative tasks. The evaluation of the implementation results showed a significant improvement in the work efficiency of village officials, reducing the time required to create a letter from an average of 15 minutes to just 5 minutes. Additionally, the application successfully reduced administrative errors, enhanced data accuracy, and improved the document archiving system. With its simple interface, the application is easy to use even for users with limited technological knowledge. This innovation provides an appropriate technological solution and has the potential to be replicated in other villages facing similar challenges. The program also delivers long-term impacts by enhancing the human resource capacity of the village in utilizing information technology to support more modern and efficient administration. Keywords: excel VBA application; village administration; administrative efficiency; information technology training; letter archiving
Implementasi Metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) Pada Sistem Pendukung Keputusan Penentuan Siswa Terbaik di MTs Annur Baiturrahim Fitriani, Fitriani; Wajidi, Farid; Nur, Nahya
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.13612

Abstract

Penilaian siswa terbaik di lingkungan sekolah perlu dilakukan secara objektif dan menyeluruh, dengan mempertimbangkan aspek akademik maupun non-akademik. MTs Annur Baiturrahim merupakan salah satu sekolah yang proses penilaiannya masih dilakukan secara manual tanpa bantuan sistem khusus, sehingga dinilai kurang efisien dan berpotensi menimbulkan penilaian yang subjektif. Berdasarkan kondisi tersebut, penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan berbasis web menggunakan metode TOPSIS yang tidak hanya dapat membantu dalam menentukan siswa terbaik secara objektif dan efisien, tetapi juga memperbaiki kelemahan dari penelitian sebelumnya. Sistem ini menggunakan lima kriteria penilaian: pengetahuan, keterampilan, sikap spiritual, sikap sosial, dan kehadiran. Dalam pengembangan sistem digunakan metode prototype, sedangkan pengujian dilakukan melalui Microsoft Excel, black box testing, serta User Acceptance Testing, dengan hasil menunjukkan bahwa sistem berjalan secara optimal dengan tingkat kepuasan pengguna mencapai 90%.   Kata Kunci – Pendidikan, Sistem Pendukung Keputusan, Siswa Terbaik, TOPSIS, Web
IMPLEMENTASI SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN ROBOT POLISI HUMANOID Sari B, Intan; Wajidi, Farid; Rasyid, Muh. Rafli
Simtek : jurnal sistem informasi dan teknik komputer Vol. 10 No. 2 (2025): Oktober 2025
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v10i2.1623

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kehadiran robot polisi humanoid melalui komentar di platform YouTube. Data diperoleh dari tiga video dengan total 1.979 komentar, kemudian diproses melalui tahapan preprocessing teks, pelabelan sentimen menggunakan metode berbasis leksikon, serta ekstraksi fitur menggunakan TF-IDF. Proses klasifikasi dilakukan dengan algoritma Support Vector Machine (SVM), dan evaluasi dilakukan melalui beberapa skenario pembagian data serta validasi silang. Hasil penelitian menunjukkan bahwa model terbaik menggunakan kernel RBF dengan parameter optimal menghasilkan akurasi 82,96%, presisi 82,61%, dan recall 82,96%. Validasi menggunakan 10-fold cross validation menunjukkan performa yang stabil dan konsisten, dengan rata-rata akurasi 82,24%. Temuan ini memperlihatkan bahwa pendekatan berbasis SVM efektif dalam mengidentifikasi sentimen publik terhadap inovasi teknologi robot kepolisian.
Klasifikasi Penyakit Pada Daun Tanaman Kubis Menggunakan Metode Support Vector Machine (SVM) Berdasarkan Warna Dan Tekstur Maulidia, Ulfa; Wajidi, Farid; Arifin, Nurhikma
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.13748

Abstract

Kubis merupakan salah satu komoditas pangan yang memiliki nilai ekonomi tinggi dan banyak dikonsumsi oleh masyarakat. Namun, hama dan penyakit lainnya adalah risiko terbesar dalam budidaya tanaman kubis. Salah satu faktor penting dalam keberhasilan produksi kubis adalah periode pertumbuhan, tetapi sering gagal karena banyak serangan hama. Penelitian ini bertujuan untuk mengklasifikasikan penyakit pada daun kubis menggunakan metode Support Vector Machine (SVM) berdasarkan fitur tekstur, yaitu Gray Level Coccurrence Matrix (GLCM) dan fitur warna Hue, Saturation, and Value (HSV) untuk memudahkan petani mengetahui jenis penyakitnya, sehingga dapat melakukan tindakan yang tepat untuk mencegah kerusakan lebih lanjut. Kumpulan data yang digunakan adalah 606 gambar daun kubis yang terbagi menjadi dua bagian, yaitu data latih dan data uji dengan rasio 80:20. Kumpulan data tersebut diklasifikasikan ke dalam lima kategori penyakit, yaitu: Bercak Cincin, Bercak Daun, Busuk Hitam, Jamur Berbulu Halus, dan Kutu Daun. Uji fitur GLCM dilakukan dengan membandingkan hasil percobaan sudut yaitu 0°, 45°, 90°, 135° dengan akurasi terbaik pada sudut 0°. Selain itu, parameter diuji pada metode SVM dengan kernel RBF, yaitu nilai C (1,5,10) dan gamma (10-1 – 10-5). Hasil akurasi terbaik menggunakan fitur GLCM dan HSV diperoleh dari nilai C = 10 dan gamma = 10-1 dengan akurasi 94,21%. Hal ini menunjukkan bahwa pengujian sudut fitur GLCM dan kernel RBF mempengaruhi hasil akurasi sehingga dalam penelitian ini penggunaan fitur GLCM dan HSV memberikan hasil yang lebih optimal. Proses klasifikasi juga memiliki waktu perhitungan yang relatif cepat, yaitu 1,90 detik. Kata kunci: Penyakit Daun Kubis, Gray Level Co-occurrence Matrix, Hue Saturation Value, Support Vector Machine, Kernel RBF
DETEKSI PENYAKIT DAUN CABAI MENGGUNAKAN KOMBINASI GLCM DAN HSV DENGAN KLASIFIKASI SVM Nurmadinah, Nurmadinah; Wajidi, Farid; Arifin, Nurhikma
Insect (Informatics and Security): Jurnal Teknik Informatika Vol. 11 No. 2 (2025): Oktober 2025
Publisher : Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/insect.v11i2.4820

Abstract

Chili pepper is one of the high-value horticultural commodities in Indonesia. However, this plant is highly susceptible to various leaf diseases such as yellow virus, leaf spots, leaf curl, nutrient deficiency, and whitefly infestation. Manual disease detection is often inaccurate and time-consuming, necessitating an automated solution that is more efficient and effective. This study aims to detect chili leaf diseases using texture and color features extracted from leaf images. This approach enables farmers to easily identify the type of disease affecting chili plants, allowing for faster and more precise control measures. The research utilizes 1,150 chili leaf images divided into five disease categories—yellow virus, leaf spot, leaf curl, nutrient deficiency, and whitefly—each consisting of 230 images (184 training and 46 testing data). Feature extraction is performed on color features using the Hue, Saturation, Value (HSV) color space and on texture features using the Gray-Level Co-occurrence Matrix (GLCM) method. For classification, the Support Vector Machine (SVM) with Radial Basis Function (RBF) kernel is employed. Parameter testing of C (1, 5, and 10) and Gamma (0.1, 0.01, 0.001, 0.0001, and 0.00001) shows that the best performance is achieved at angles 0° and 135°, with C=10 and γ=0.1, yielding a classification accuracy of 91.30%. These results indicate that the combination of GLCM and HSV features, along with optimal RBF kernel parameter tuning, effectively enhances classification accuracy.
Evaluasi Algoritma KNN dan Naive Bayes untuk Analisis Sentimen Kebijakan Program Makan Bergizi Gratis Sakina, Nur; Wajidi, Farid; Rasyid, Muh. Rafli
Jambura Journal of Informatics VOL 7, N0 2: OKTOBER 2025 (IN PRESS)
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v1i2.34418

Abstract

Social media has become a primary platform for the public to express opinions on government policies, including Indonesia’s Free Nutritious Meal (MBG) program. This study analyzes public sentiment toward MBG by comparing the K-Nearest Neighbor (KNN) and Naive Bayes algorithms. A total of 9,723 tweets were collected, and after removing the neutral category, 6,322 tweets remained (3,955 positive and 2,367 negative), indicating a dominance of positive opinions. The experimental results show that KNN performed best at k=9 with a 70:30 split, achieving an accuracy of 72.27% and an F1-score of 65.92%, with an average cross-validation accuracy of 73.30%. Naive Bayes with parameter α=0.5 consistently outperformed KNN, achieving an average accuracy of 79.61% and an F1-score of 77.33%, along with better precision–recall balance. The main contribution of this research is providing empirical evidence that Naive Bayes is more effective than KNN for sentiment analysis of Indonesian-language text with a large dataset, as well as offering a methodological framework applicable to the evaluation of other public policies.Media sosial menjadi ruang utama masyarakat untuk mengekspresikan opini terhadap kebijakan publik, termasuk Program Makan Bergizi Gratis (MBG) di Indonesia. Penelitian ini menganalisis sentimen publik terhadap MBG dengan membandingkan algoritma K-Nearest Neighbor (KNN) dan Naive Bayes. Data diperoleh dari 9.723 tweet, kemudian setelah penghapusan kategori netral tersisa 6.322 tweet (3.955 positif dan 2.367 negatif), yang menunjukkan dominasi opini positif. Hasil eksperimen menunjukkan bahwa KNN terbaik pada k=9 dengan rasio 70:30 menghasilkan akurasi 72,27% dan F1-score 65,92%, dengan akurasi rata-rata cross-validation 73,30%. Naive Bayes dengan parameter α=0,5 unggul dengan akurasi rata-rata 79,61% dan F1-score 77,33%, serta keseimbangan presisi dan recall yang lebih baik. Kontribusi penelitian ini adalah memberikan bukti empiris bahwa Naive Bayes lebih efektif dibandingkan KNN dalam analisis sentimen teks berbahasa Indonesia dengan dataset besar, serta menawarkan kerangka metodologis yang dapat diterapkan untuk evaluasi kebijakan publik lainnya.
Penerapan Algoritma Fordward Chaining dan Certainty Factor Pada Sistem Pakar Diagnosa Penyakit Kulit Manusia Hamrul, Heliawaty; Ibrahim, Nurjannah; Wajidi , Farid
Journal of Computer and Information System ( J-CIS ) Vol 6 No 1 (2023): J-CIS Vol 6 No. 1 Tahun 2023
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v6i1.2414

Abstract

Penelitian ini bertujuan untuk untuk mengimplementasikan algoritma forward chaining dan Certainty Factor pada aplikasi sistempakar diagnosa penyakit kulit pada manusia. Fordward Chaining dipilih dalam penelitian ini karena dalam pencariankesimpulan menggunakan fakta berupa gejala penyakit yang akan dimasukkan kemudian gejala tersebut akan diolah menggunakan aturan yang sudah ditentukan sebelumnya. Sedangkan pemilihan Certainty factor digunakan untuk penilaian tingkar kepercayaan terhadap hasil diagnosa. Metode penelitian yang digunakan pada penelitian ini adalah pengumpulan data dilakukan dengan mencari bahan yang dibutuhkan yang berhubungan dengan penyakit. Wawancara juga digunakan dalam penelitian ini. Wawancara melibatkan pakar di bidang penyakit kulit. Kemudian dilakukan analisis data yakni, analisis kontendan perangkat lunak. Kemudian desain dan pembuatan program. Tahap terakhir adalah pengujian. Hasil penelitian menunjukkan bahwa sistem pakar yang dibuat dengan metode certainty factor dan forward chaining bekerja dengan baik. Aturan keputusan atau rule untuk penentuan penyakit kulit telah dibuat dengan mempertimbangkan gejala yang timbul. Rule tersebut dijadikansebagai database untuk penyelesaian metode forward chaining. Sedangkan metode certainty factor dibuat untuk memberikan kepastian nilai terhadap keputusan yang dihasilkan oleh sistem. Hasil pengujian akurasi menunjukkan keberhasilan sebesar 80%yang dimana hasil tersebut dilakukan sebanyak 10 kali pengujian
Pengenalan Huruf Aksara Lontara Menggunakan Metode Convolutional Neural Network mustafa, mukhdar; Nur, Nahya; wajidi, farid; Asnan Cirua, A. Amirul; Ismaun
Journal of Computer and Information System ( J-CIS ) Vol 7 No 1 (2024): J-CIS Vol. 7 No. 1 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i1.3768

Abstract

Salah satu warisan budaya aksara nusantara, aksara lontara saat ini perlu di lestarikan agar tidak mengalami kepunahan. Beberapa hal yang menyebabkan aksara Lontara ini terancam punah diantaranya adalah tren penggunaan bahasa asing yang didukung oleh pesatnya perkembangan teknologi, serta kurangnya pendidikan dan pembelajaran yang mendukung kelestarian aksara Lontara pada generasi mudaPengenalan huruf aksara lontara menggunakan metode Convolutional Neural Network merupakan suatu sistem yang mampu menegenali huruf aksara lontara secara realtime. Pada penelitian ini menggunakan jenis penelitian eksperimen karena penelitian ini bersifat uji coba dimana penelitian ini menghasilkan suatu sistem pengenalan huruf aksara lontara dengan hasil akhir berupa perhitungan persentase pengujian. Implementasi Convolutional Neural Network sebagai metode yang digunakan untuk mendapatkan model. Berdasarkan tingkat akurasi terhadap model yang di dapatkan pada proses training dengan menggunakan 575 data uji sebanyak 48 data uji yang tidak dapat dikenali oleh sistem dan 527 data yang dapat dikenali dengan persentase sebesar 91.6%. Algoritma CNN sudah cukup baik dalam melakukan pengenalan huruf aksara lontara.
Analisis Sentimen Komentar YouTube terhadap Ganjar Pranowo Pasca Pemilu 2024 dengan Pendekatan Long Short-Term Memory Putri, Haerya; Rensa, Erma; Nur, Nahya; Wajidi, Farid
Journal of Computer and Information System ( J-CIS ) Vol 7 No 2 (2024): J-CIS Vol. 7 No. 2 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i2.4529

Abstract

Pemilihan umum 2024 menuai banyak kontroversi, terutama setelah pelaksanaannya pada 14 Februari 2024. Ganjar Pranowo, sebagai salah satu calon presiden, menjadi topik hangat di media sosial, termasuk YouTube. Beragam komentar yang muncul menyulitkan untuk melihat secara keseluruhan apakah komentar tersebut berpihak atau sebaliknya. Kesulitan tersebut menjadi masalah yang perlu diatasi. Penelitian ini bertujuan untuk menganalisis sentimen terhadap Ganjar Pranowo yang ditayangkan pada saluran YouTube Metro TV. Metode yang digunakan adalah Deep Learning dengan model Long Short-Term Memory (LSTM) untuk mengklasifikasikan sentimen positif, netral, atau negatif. Dataset terdiri dari 3.100 komentar yang dikumpulkan melalui YouTube Data API. Proses preprocessing mencakup case folding, text cleaning, stopword removal, normalization, tokenizing, dan stemming. Hasil penelitian menunjukkan bahwa sentimen netral yang lebih banyak pada komentar YouTube dalam menanggapi Ganjar Pranowo pasca pemilu 2024 dengan 1019 komentar, dalam hal ini metode LSTM mampu mengklasifikasi sentimen dengan akurasi sebesar 75%. Evaluasi kinerja model menggunakan metrik accuracy, precision, recall, f1-score serta confusion matrix dan word cloud menunjukkan bahwa model ini efektif dalam memahami dan menganalisis sentimen dari data teks.
Co-Authors A., Widyanti Utami Ade Mulawarman Ahyar, Muh. Amalia Sutriana Andi Nur Fiqhi Utami, Andi Nur Fiqhi Andris Bertohir Panginan Anggit Priadmojo Arfa Arfa Arfiah, Sitti Arifin, Nurhikma Asmawati S Asnan Cirua, A. Amirul Bazar, Ikbal Candaria, Candaria Dian Megah Sari Dian Putri Erdiansyah Rahmi Firgiawan, Wawan Fitriani Fitriani Heliawaty Hamrul Heliawaty Hamrul, Heliawaty Hidayat, Fahril Ibrahim, Nurjannah Iin Aisyah Khofifah Indra Irfan AP Ismaun Ismaun Ismaun J.A, Yunita Hadrianti Lestari, Sri Apriani Puji M. Imam Quraisy M.Rio Hidayat Maskur, Nurftriani Maulidia, Ulfa Muh. Adrian Muhammad Hambal Muhammad Hanafiah Muhammad Nawir Mujahid Mujahid Mukhlis, Jafar Mulawarman, Ade Munaja, Rahmiyatal mustafa, mukhdar Mustari Mustari Musyirifah, Musyirifah Musyrifah Nabila, Putri Nirwana, Hafsah Nur Aqida Tul Izzah Nur, Nahya Nuramsah Zulkarnaim Nurfaidah . Nurmadinah, Nurmadinah Nurul Islamiati Parenreng, Jumadi M. Putri, Haerya Quraisy, Imam Rahmiyatal Munaja Rasyid, Muh. Rafli Rensa, Erma Reski Idrus Ria, Canda Rifky Gunawan Rusman, Ismaun Sakina, Nur Sari B, Intan Siti Aulia Rachmini Sugiarto Cokrowibowo Sulfayanti Sulfayanti, Sulfayanti Uca, Uca Virda Evi Yanti Deril Wildayani Wildayani Wirawan, I Putu Andreana Yusrialdi Yusrialdi Zahir Zainuddin