Article Per Year (5 Year)
p-Index From 2021 - 2026
5.03
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Sainteks Proceedings of KNASTIK TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Informatika SPEKTRUM INDUSTRI Jurnal Sarjana Teknik Informatika JUITA : Jurnal Informatika International Journal of Advances in Intelligent Informatics Seminar Nasional Informatika (SEMNASIF) Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika JTET (Jurnal Teknik Elektro Terapan) Indonesian Journal of Artificial Intelligence and Data Mining Buffer Informatika Jurnal Sains dan Informatika JRST (Jurnal Riset Sains dan Teknologi) JITK (Jurnal Ilmu Pengetahuan dan Komputer) PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer JURTEKSI Mobile and Forensics Masyarakat Berdaya dan Inovasi Journal of Computer Science, Information Technology and Telecommunication Engineering (JCoSITTE) Innovation in Research of Informatics (INNOVATICS) Jurnal Teknik Informatika (JUTIF) DECODE: Jurnal Pendidikan Teknologi Informasi Jurnal Mandiri IT Ahsana: Jurnal Penelitian dan Pengabdian kepada Masyarakat Sabangka Abdimas Jurnal Pengabdian Masyarakat Sabangka Control Systems and Optimization Letters Prosiding Seminar Nasional CORISINDO
Murinto Murinto
Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta
Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Social Sciences Other

Published : 99 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 99 Documents
Search

 6   7   8   9   10 
Identifikasi Infeksi Penyakit Malaria Berdasarkan Citra Darah Menggunakan Convolutional Neural Network Zakiyyah, Adelia Fitriawati; Kusno, Murinto
Jurnal Sarjana Teknik Informatika Vol. 10 No. 2 (2022): Juni
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v10i2.22598

Abstract

Malaria merupakan penyakit yang disebabkan oleh nyamuk anopheles yang terindetifikasi parasit plasmodium. Penyebaran kasus malaria yang semakin meningkat dapat dihentikan apabila terdapat sistem atau metode diagnosa secara akurat dan cepat. Tujuan penelitian ini adalah untuk mendeteksi sel darah merah yang terinfeksi malaria, untuk membantu tim kesehatan atau tim medis dalam mendiagnosa malaria dengan waktu yang lebih singkat serta menekan biaya peralatan medis serta mengurangi human error. Penelitian ini menggunakan convolutional neural network untuk mengklasifikasi citra sampel sel darah merah pasien positif malaria dan sampel sel darah normal. Tahapan penelitian dimulai dari identifikasi masalah, perumusan masalah, studi literatur, pengumpulan data di peroleh dari Kaggle.com dan NIH menggunakan kurang lebih 2000 data citra, spesifikasi kebutuhan, pengolahan data, perancangan model menggunakan arsitektur alexnet yang telah melalui proses reduksi dengan cara optimalisasi arsitektur CNN dan mencari kombinasi parameter yang menghasilkan nilai akurasi terbaik, implementasi menggunakan python, dan GUI flask serta pengujian performa sistem menggunakan akurasi dari confusion matrix. Hasil penelitian membuktikan pasien positif malaria dan pasien negatif malaria, menggunakan 80% data training serta 20% data testing dengan total dataset sebanyak 2000 data. Hasil akurasi sebesar 98% dan hasil uji validitas model menggukan data baru diluar data training dan testing didapatkan hasil akurasi sebesar 100%.  
Klasifikasi Penyakit Tanaman Padi Berbasis Citra Daun Menggunakan Convolutional Neural Network (CNN) Istiqomah, Nurul; Murinto, Murinto
Jurnal Sarjana Teknik Informatika Vol. 12 No. 1 (2024): Februari
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v12i1.27314

Abstract

Tanaman padi merupakan salah satu tanaman yang berperan penting sebagai makanan pokok yang dikonsumsi dalam kehidupan sehari-hari. Hampir 95% penduduk Indonesia menjadikan beras sebagai makanan pokok, sehingga pada setiap tahunnya permintaan akan kebutuhan beras semakin meningkat seiring dengan bertambahnya jumlah penduduk. Dikarenakan peningkatan kebutuhan dan produksi beras, maka kestabilan produksi beras harus tetap terjaga. Adanya serangan penyakit pada tanaman padi merupakan salah satu faktor yang mempengaruhi kesabilan produksi beras. Kurangnya pengetahuan dan wawasan mengenai penyakit tanaman padi membuat petani kesulitan dalam mengidentifikasi jenis penyakit tanaman padi sehingga memungkinkan pengendalian yang dilakukan kurang sesuai. Hal tersebut dapat menyebabkan tanaman mati dan terjadinya gagal panen. Penelitian ini bertujuan untuk mengetahui hasil akurasi dan mempermudah petani dalam mengklasifikasikan jenis penyakit tanaman padi menggunakan convolutional neural network (CNN) dengan arsitektur VGG16 yang telah dilatih sebelumnya pada dataset ImageNet. Data yang digunakan adalah data empat jenis penyakit tanaman padi yang umum dijumpai yaitu penyakit bacterial leaf blight, penyakit blas, penyakit brown spot dan penyakit tungro. Jumlah data yang digunakan sebanyak 800 data dengan masing-masing 400 data perjenis penyakitnya. Hasil dari penelitian yang dilakukan menunjukkan bahwa CNN menghasilkan akurasi sebesar 88 dan untuk VGG16 memperoleh nilai akurasi sebesar 93. Dapat disimpulkan dari penggunaan dua model tersebut, VGG16 memperoleh akurasi yang lebih tinggi jika dibandingan dengan CNN dalam mengklasifikasikan jenis penyakit tanaman padi berbasis citra daun.
Perilaku Remaja dalam Menggunakan Internet untuk Mengenali dan Mengindari Phishing pada SMA Muhammadiyah Pacitan Sunardi, Sunardi; Murinto, Murinto; Astianingrum, Krisna; Yulisasih, Baiq Nikum; Putri, Salsabilla Azahra
Ahsana: Jurnal Penelitian dan Pengabdian kepada Masyarakat Vol. 2 No. 3 (2024): Oktober 2024 - Ahsana: Jurnal Penelitian dan Pengabdian kepada Masyarakat
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/ahsana.v2i3.367

Abstract

SMA Muhammadiyah Pacitan merupakan salah satu SMA swasta yang ada di Kota Pacitan, bertepatan di Jalan Gajahmada No. 20 Kabupaten Pacitan. Penelitian ini bertujuan untuk mengidentifikasi perilaku remaja dalam menggunakan internet serta cara mengenali dan menghindari phishing di SMA Muhammadiyah Pacitan. Seiring dengan meningkatnya akses dan penggunaan internet di kalangan remaja, muncul berbagai risiko keamanan siber, termasuk phishing yang dapat merugikan pengguna. Melalui metode survei dan wawancara mendalam, penelitian ini menganalisis kebiasaan online siswa, tingkat kesadaran terhadap ancaman phishing, dan strategi yang digunakan untuk melindungi diri. Hasil penelitian menunjukkan bahwa sebagian besar remaja di SMA Muhammadiyah Pacitan aktif menggunakan internet untuk keperluan pendidikan dan hiburan, namun masih kurang memahami bahaya phishing. Edukasi mengenai tanda-tanda phishing, seperti email atau situs web palsu yang meminta informasi pribadi dan praktik aman berinternet menjadi sangat penting. Program pemberdayaan umat ini berhasil, dengan 38,9% siswa merasa sangat mampu dan 38,9% merasa mampu mengenali phishing setelah mengikuti kegiatan tersebut, tanpa ada yang merasa tidak mampu. Selain itu, 61,1% siswa menilai program ini sangat efektif dalam memberikan pengetahuan tentang keamanan internet dan phishing.
Classification Of The Maturity Level Of Glutinous Rice Tape Fermentation Using Convolutional Neural Network Yunianti, Rizqi; Murinto, Murinto
Innovation in Research of Informatics (Innovatics) Vol 7, No 1 (2025): March 2025
Publisher : Department of Informatics, Siliwangi University, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37058/innovatics.v7i1.11442

Abstract

Stiky tape is a popular snack in Indonesia made from fermented ketan rice. One of the main benefits of eating white cheddar rice is to trigger the digestive system. Excessive consumption can result in a decrease in sweetness and inappropriate texture. Therefore, it is necessary to classify the maturity level of the tape, so that there is no excessive maturity that results in adverse effects on the body and the quality of the tapes.The study aims to test the accuracy of the white tape maturity classification program as well as design and implement a classification system using the Convolutional Neural Network (CNN) method with the VGG16 architecture. The white tape image data set was obtained with the iPhone X camera in jpg format, covering three maturity classes: raw, ripe, and rotten, each consisting of 400 images. The data set is divided into 768 training data, 192 validation data, and 240 test data, then processed through preprocessing stages including resize, augmentation, and rescale. The CNN model was implemented with the VGG16 architecture and tested on various Epochs, producing an accuracy of 0.98 on Epoches 20 and 30, and reaching 0.99 on the 40th. The results of the research showed that the CNN method with VGG-16 architecture was effective in classifying the maturity level of the tape, achieving high accuration and significant consistency as the number of Epochs increased. This implementation is expected to preserve the quality of the tapes and extend the application of modern technology in traditional industries.
Effect of Learning Rate on VGG19 Model Architecture for Human Skin Disease Classification Habie, Khairul Fathan; Murinto, Murinto; Sunardi, Sunardi; Khusna, Arfiani Nur
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.576

Abstract

The skin is the largest external organ that serves to protect human internal organs and is very sensitive to various diseases, so early detection is very important to reduce the risk and increase the chance of recovery. This study aims to classify skin disease types using CNN algorithm with VGG19 architecture and learning rate adjustment to get a more optimal model, using a dataset from Kaggle consisting of 3,295 images with six classes, including several types of skin diseases and one healthy skin class. The preprocessing process includes dividing the data into training and testing sets, resizing the images to fit the VGG19 architecture, and normalization to scale the pixel values from 0-255 to a range of 0-1. The results show that using a learning rate of 0.00003 produces the best performance with 97.29% accuracy, 97.36% precision, 97.29% recall, and 97.30% F1-score. These findings confirm that the CNN algorithm with VGG19 architecture can classify skin disease types well.
Modified particle swarm optimization (MPSO) optimized CNN’s hyperparameters for classification Murinto, Murinto; Winiarti, Sri
International Journal of Advances in Intelligent Informatics Vol 11, No 1 (2025): February 2025
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v11i1.1303

Abstract

This paper proposes a convolutional neural network architectural design approach using the modified particle swarm optimization (MPSO) algorithm. Adjusting hyper-parameters and searching for optimal network architecture from convolutional neural networks (CNN) is an interesting challenge. Network performance and increasing the efficiency of learning models on certain problems depend on setting hyperparameter values, resulting in large and complex search spaces in their exploration. The use of heuristic-based searches allows for this type of problem, where the main contribution in this research is to apply the MPSO algorithm to find the optimal parameters of CNN, including the number of convolution layers, the filters used in the convolution process, the number of convolution filters and the batch size. The parameters obtained using MPSO are kept in the same condition in each convolution layer, and the objective function is evaluated by MPSO, which is given by classification rate. The optimized architecture is implemented in the Batik motif database. The research found that the proposed model produced the best results, with a classification rate higher than 94%, showing good results compared to other state-of-the-art approaches. This research demonstrates the performance of the MPSO algorithm in optimizing CNN architectures, highlighting its potential for improving image recognition tasks.
ENHANCING DIGITAL COMPETENCIES OF STUDENTS AT MUHAMMADIYAH AL MUJAHIDEEN ISLAMIC JUNIOR HIGH SCHOOL THROUGH PYTHON-BASED CODING INSTRUCTION Darmanto, Darmanto; Pratama, Ridho Haikal; Hazar, Siti; Rajunaidi, Rajunaidi; Hafin, Aqid Fahri; Ridwan, Muhammad; Bidinnika, Muhammad Kunta; Murinto, Murinto; Yuliansyah, Herman
Jurnal Pengabdian Masyarakat Sabangka Vol 4 No 02 (2025): Jurnal Pengabdian Masyarakat Sabangka
Publisher : Pusat Studi Ekonomi, Publikasi Ilmiah dan Pengembangan SDM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62668/sabangka.v4i02.1425

Abstract

In the digital era, programming has become an essential skill for students. This community service activity aimed to introduce Python-based coding instruction to students at Muhammadiyah Al Mujahideen Islamic Junior High School, combining digital literacy with Islamic character development. The activity followed a three-stage model: planning, implementation, and evaluation. During the two-day training, students were taught basic Python concepts such as syntax, variables, and data types using the W3Schools platform. Tasks were designed to evaluate their understanding, including coding exercises to calculate the area of basic geometric shapes. Results showed high enthusiasm and full task completion by all 20 participants, indicating that junior high school students can grasp foundational programming concepts when supported by clear instruction and engaging materials. This program demonstrates the potential of integrating Python into early education to support national education goals and foster future-ready, ethically grounded digital citizens.
PEMANFAATAN SISTEM INFORMASI GEOGRAFIS BERBASIS WEB UNTUK PEMETAAN LOKASI PASAR DAN PUSAT PERBELANJAAN DI KOTA SOLO Murinto Murinto; Arya Yugi B
Spektrum Industri Vol. 10 No. 1: April 2012
Publisher : Universitas Ahmad Dahlan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/si.v10i1.1615

Abstract

Kota Solo merupakan salah satu kota terbesar di Jawa Tengah selain kota Semarang yang dijadikan sebagai ibukota propinsi. Dalam hal perekonomian kota Solo memiliki peranan penting terutama dalam bidang industri dan perdagangan. Sebagai penunjang perekonomian di bidang industri dan perdagangan, di kota Solo terdapat pasar (pasar tradisional) dan pasar modern (pusat perbelanjaan). Pasar – pasar tersebut dikelola oleh Dinas Pasar yang merupakan instansi pemerintahan yang ada di kota Solo. Pasar – pasar tersebut banyak tersebar di beberapa kecamatan di kota Solo. Karena banyaknya pasar yang tersebar di wilayah kecamatan yang ada di kota Solo maka dinas pasar khususnya dan masyarakat umumnya tidak dapat secara pasti mendapatkan informasi tentang keberadaan lokasi dan fasilitas – fasilitas yang ada di pasar seperti barang yang dijual, dan jumlah kios. Tujuan penelitian ini adalah membuat Sistem Informasi Geografis berbasis web untuk mengetahui lokasi pasar tradisional dan pasar modern (pusat perbelanjaan), barang yang dijual, dan jumlah kios. Penelitian ini menggunakan metode pengumpulan data dengan cara observasi, dokumentasi, wawancara dan pencarian di Internet. Metode yang dilakukan dalam merancang sistem informasi geografis pasar tradisional dan pasar modern (pusat perbelanjaan) di kota Solo berbasis web adalah dengan menganalisa kebutuhan sistem, merancang sistem, melakukan digitasi peta dengan perangkat lunak ArcView 3.3, mengimplementasikan program dengan PHP dan MySQL, dan menguji program. Untuk melakukan evaluasi terhadap aplikasi ini dilakukan dengan metode black box test dan alpha test. Hasil dari penelitian ini adalah sebuah aplikasi Sistem Informasi Geografis untuk Pemetaan Lokasi Pasar Tradisional dan Pasar Modern (Pusat Perbelanjaan) di Kota Solo Berbasis Web yang dapat digunakan dinas pasar dan masyarakat untuk mengetahui lokasi pasar, barang yang dijual dipasar, dan jumlah kios. Kata kunci : SIG, Pasar, Pusat Perbelanjaan , Kota Solo, Web.
PREDICTING LOAN ELIGIBILITY WITH SUPPORT VECTOR MACHINE: A MACHINE LEARNING APPROACH Rajunaidi, Rajunaidi; Yuliansyah, Herman; Sunardi, Sunardi; Murinto, Murinto
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 11, No 3 (2025): Juni 2025
Publisher : Universitas Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i3.3876

Abstract

Abstract: Non-performing loans remain one of the main challenges faced by cooperatives, particularly when the loan eligibility assessment process is still conducted manually. This traditional approach tends to be time consuming, subjective, and prone to inaccurate decisions. This study aims to develop a predictive model for borrower eligibility using the Support Vector Machine (SVM) algorithm as a more efficient and objective machine learning-based solution. A total of 1,000 loan history records were processed using RapidMiner software, taking into account variables such as salary, years of employment, loan amount, monthly installment, employment status, monthly expenses, number of dependents, housing status, age, and collateral value. The model’s performance was evaluated using a confusion matrix and classification metrics including accuracy, precision, recall, and kappa. The results indicate that the SVM model achieved an accuracy of 90.05%, precision of 90.13%, recall of 90.05%, and f1 score of 90,08%, reflecting a strong performance in classifying borrower eligibility. The application of this method makes a significant contribution to the development of data driven decision support systems within cooperative environments. This finding expands the scientific understanding in the field of microfinance and supports the implementation of artificial intelligence technologies in making decisions that are more precise, rapid, and accurate.Keywords: cooperative; eligibility prediction; machine learning; non-performing loan; SVMAbstrak: Kredit macet merupakan salah satu permasalahan utama yang dihadapi koperasi, terutama ketika proses penilaian kelayakan peminjam masih dilakukan secara manual. Pendekatan ini cenderung lambat, subjektif, dan berisiko menghasilkan keputusan yang kurang akurat. Penelitian ini bertujuan untuk membangun model prediksi kelayakan peminjam menggunakan algoritma Support Vector Machine (SVM) sebagai solusi berbasis machine learning yang lebih efisien dan objektif. Sebanyak 1.000 data riwayat pinjaman diolah menggunakan tools RapidMiner dengan mempertimbangkan variabel: gaji, lama bekerja, besar pinjaman, angsuran per bulan, status pegawai, pengeluaran bulanan, jumlah tanggungan, status rumah, umur, dan nilai jaminan. Evaluasi model dilakukan menggunakan confusion matrix dan metrik klasifikasi seperti akurasi, presisi, recall, dan kappa. Hasil menunjukkan bahwa model SVM mencapai akurasi  90,05%, presisi 90,13%, recall 90,05%, dan f1 score 90,08%, yang mencerminkan performa model yang sangat baik dalam mengklasifikasikan kelayakan peminjam. Penerapan metode ini memberikan kontribusi penting dalam pengembangan sistem pendukung keputusan berbasis data di lingkungan koperasi. Temuan ini memperluas wawasan keilmuan di bidang keuangan mikro dan mendukung penerapan teknologi kecerdasan buatan dalam pengambilan keputusan yang lebih tepat, cepat, dan akurat.Kata Kunci: koperasi; kredit macet; machine learning; prediksi kelayakan; SVM  
Impact of Optimizer Selection on MobileNetV1 Performance for Skin Disease Detection Using Digital Images Habie, Khairul Fathan; Murinto, Murinto; Sunardi, Sunardi
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 3 (2025): JUTIF Volume 6, Number 3, Juni 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.3.4685

Abstract

Automatic detection of skin diseases using digital images is a growing field in the application of deep learning in the medical world, especially to help the early diagnosis process. One of the most widely used models is MobileNetV1 because it is lightweight and efficient in image processing. However, the performance of the model is greatly affected by the training configuration, including the type of optimizer used. This study aims to compare the effectiveness of six types of optimizers, namely SGD, RMSprop, Adam, Adadelta, Adagrad, Adamax, and Nadam in training MobileNetV1 models for human skin disease image classification. The model was trained on annotated skin image dataset with predetermined training parameters: batch size 32, learning rate of 0.0001, and 10 epochs. Performance evaluation was performed using accuracy metrics. The results obtained demonstrate that RMSprop performs best, with 99.10% accuracy, 99.14% precision, 99.10% recall, and a 99.10% F1-score. Adadelta showed the lowest performance consistently, with only 22.22% accuracy, 20.34% precision, 22.22% recall, and 18.42% F1-score. This finding confirms that the type of optimizer affects the effectiveness of model training, especially in medical image classification tasks. This research provides empirical insights that are useful in selecting the optimal optimizer for MobileNetV1 model implementation in the healthcare domain.
Co-Authors Abdul Fadlil Abdul Jawad Achmad Sahri Ramdhani Adam, Irfan adelia fitriawati zakiyyah Adhi Prahara Adhi Prahara Adhi Prahara, Adhi Aditya Kurniawan Agus Harjoko Agus Harjoko Amin Padmo A.M Angga Prasetio Romadhon Anton Yudhana Arfiani Nur Khusna Arief Yudiyanto Arya Yugi B Auzan, Muhammad Azhari, Ahmad B, Arya Yugi Bachrudin Muchtar Bachrudin Muchtar Benny Adrian Bidinnika, Muhammad Kunta Binar Aji Hermawan Caswito Caswito Darmanto Darmanto Daru Thobrani Furqon Deris Alfiansyah Kurnia Dewi Pramudi Ismi Dyah Apriliani Dyah Apriliani Dyah Apriliani Eko Aribowo Eko Aribowo Elena Yustina Elena Yustina Erik Iman Heri Ujianto Faisal, Ilyas Farajullah Farajullah Ferangga Puguh Furizal, Furizal Gading Surya Lesmana Galang Romadhon Gustava Ardiantoro Habibillah, Ahmad Yasin Habie, Khairul Fathan Hafin, Aqid Fahri Hazar, Siti Herman Yuliansyah, Herman Ikhwan Hawariyanta Indarto Indarto Indra Dwi Ananto Irfan Adam Irfan Adam Jamhari Widadi Kartika Firdausy Krisna Astianingrum Labib Azhar Janotama Lesmana, Gading Surya Martania Melany Mawarni, Syifa’ah Setya Miftahurahma Rosyda Miftahurrahma Rosyda Muchtar, Bachrudin Muhammad Arif Nuur Hafidz Muhammad Ridwan Murein Miksa Mardhia Nur Rochmah Dyah Pujiastuti Nurkhasanah Nurkhasanah Nurul Istiqomah Nuur Hafidz, Muhammad Arif Padmo A.M, Amin Pawestri, Sheraton Permadi, Yuda Pratama, Ridho Haikal Puji Triono Pujiyono, Wahyu Putri, Salsabilla Azahra Rajunaidi, Rajunaidi Risnadi Syazali Rizki Muriliasari Royyan Yuni Miladi Sefiyanti, Reza Shireen Panchoo Siti Hajar Son Ali Akbar Sri Handayaningsih Sri Hartati Sri Winiarti Suhendra Edi Saputra Sunardi Sunardi Sunardi, Sunardi Suyahman Suyahman Syifa'ah Setya Mawarni Taufik Cahya Prayitna Teguh Sudrajat Thoat Khoirudin Tri Kasihno Triono, Puji Wahju Tjahjo Saputro Wahyu Pujiyono Wahyu Pujiyono Wawan Ragil Wibowo Wijayanti, Dedi Willy Permana Putra Wisnu Ahmad Maulana Yan Adhi Permadi Yesiansyah Yesiansyah Yuda Permadi Yulisasih, Baiq Nikum Yunianti, Rizqi Yustina, Elena Zakiyyah, Adelia Fitriawati Zulkarnain Effendi