Article Per Year (5 Year)
p-Index From 2021 - 2026
15.882
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Rekam : Jurnal, Fotografi, Televisi Animasi SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Teknologi Informasi dan Ilmu Komputer KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal Bioedukasi JOIN (Jurnal Online Informatika) Sistemasi: Jurnal Sistem Informasi Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Jurnal Sains Dan Teknologi (SAINTEKBU) CogITo Smart Journal Insect (Informatics and Security) : Jurnal Teknik Informatika JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Applied Information System and Management ILKOM Jurnal Ilmiah Journal of Economic, Management, Accounting and Technology (JEMATech) KOMPUTIKA - Jurnal Sistem Komputer Jambura Journal of Informatics JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Bitnet: Jurnal Pendidikan Teknologi Informasi EDUMATIC: Jurnal Pendidikan Informatika METIK JURNAL Building of Informatics, Technology and Science Gema Wiralodra Indonesian Journal of Business Intelligence (IJUBI) Jurnal Tecnoscienza Generation Journal Jurnal Mnemonic Pangea : Wahana Informasi Pengembangan Profesi dan Ilmu Geografi Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics PRAJA: Jurnal Ilmiah Pemerintahan JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) JIKA (Jurnal Informatika) Jurnal Sistem Komputer dan Informatika (JSON) Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Perangkat Lunak Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Aiti: Jurnal Teknologi Informasi Jurnal TIKOMSIN (Teknologi Informasi dan Komunikasi Sinar Nusantara) Jurnal Teknologi Informatika dan Komputer Journal of Computer Networks, Architecture and High Performance Computing Jurnal Teknik Informatika (JUTIF) Jurnal Teknimedia: Teknologi Informasi dan Multimedia Journal of Electrical Engineering and Computer (JEECOM) JINAV: Journal of Information and Visualization International Journal of Artificial Intelligence and Robotics (IJAIR) Mitra Mahajana: Jurnal Pengabdian Masyarakat Jurnal Informatika dan Teknologi Komputer ( J-ICOM) DEVICE Djtechno: Jurnal Teknologi Informasi JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer JURNAL STUDIA KOMUNIKA Jurnal Pengabdian Seni KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Journal Computer Science and Informatic Systems : J-Cosys Jurnal Mandiri IT Sulawesi Tenggara Educational Journal JURNAL PAI: Jurnal Kajian Pendidikan Agama Islam Jurnal Sisfotek Global International Journal Artificial Intelligent and Informatics Jurnal Informatika Teknologi dan Sains (Jinteks) Journal of Innovation Research and Knowledge SENTRI: Jurnal Riset Ilmiah Malcom: Indonesian Journal of Machine Learning and Computer Science Nusantara of Engineering (NOE) Jurnal Bangkit Indonesia Jurnal Multidisiplin Sahombu COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi JEC (Jurnal Edukasi Cendekia) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) SmartComp Jurnal Informatika Polinema (JIP) Jurnal Informatika: Jurnal Pengembangan IT Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Scientific Journal of Informatics Pengabdian Seni Jurnal Sistem Informasi Komputer dan Teknologi Informasi Jurnal TAM (Technology Acceptance Model) Jurnal Sistem Informasi dan Teknologi Informasi Jurnal Komtika (Komputasi dan Informatika)
Kusrini, Kusrini
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 144 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 144 Documents
Search

 5   6   7   8   9 
Tinjuan Pustaka Sistematis - Sistem Rekomendasi Menggunakan Collaborative Filtering Puri, Fiyas Mahananing; Kusrini, Kusrini; Luthfi, Emha Taufiq
JURNAL TECNOSCIENZA Vol. 5 No. 1 (2020): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/56m1ch26

Abstract

Pemanfaatan bigdata pada era industry 4.0 telah banyak diterapkan diberbagai bidang untuk membuat sebuah sistem rekomendasi, salah satunya pada bidang bisnis. Collaborative Filtering merupakan salah satu metode yang banyak digunakan pada saat ini untuk menghasilkan sebuah rekomendasi produk. Graph Database pada saat ini sudah menjadi pilihan yang banyak dikombinasikan dengan penggunaan metode Collaborative Filtering. Tujuan dari makalah ini adalah sebagai systematic literatur review untuk menentukan sebuah sistem rekomendasi dengan menggabungkan metode rekomendasi dengan database grafik. Hasil penelitian ini menjawab pertanyaan penelitian (Research Question) sebagai berikut. RQ1: Apakah penggunakan sistem rekomendasi dengan algoritma collaborative filtering mengalami peningkatan? RQ2: Apasajakah fokus dan tujuan penelitian dengan menggunakan collaborative filtering? RQ3: Sub-disiplin ilmu apa yang sering menggunakan collaborative filtering? Sebagai hasil dari tinjauan pustaka, 42 jurnal dipilih sebagai bahan Analisa yang diterbitkan antara tahun 2014 sampai dengan 2019. Hasil penelitian menunjukkan adanya keakuratan tingkat rekomendasi dari metode dan algoritma yang digunakan, dan menjawab pertanyaan selanjutnya (RQ2 dan RQ3). Kata kunci: Sistem Rekomendasi, Collaborative Filtering, Graph Database
Corn Leaf Disease Classification Optimization Using Resnet50 Architecture Utilizing Bayesian Optimization Abdillah, Yahya Auliya; Kusrini, Kusrini
Journal of Electrical Engineering and Computer (JEECOM) Vol 7, No 1 (2025)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v7i1.9809

Abstract

This research aims to optimize the classification of diseases on corn leaves using Convolutional Neural Network (CNN) architecture, ResNet50, combined with hyperparameter optimization techniques using Bayesian Optimization. The dataset used comes from Kaggle, consisting of four classes of corn leaf diseases, namely corn leaf spot, leaf rust, corn leaf blight, and healthy corn leaves. Data pre-processing was done to balance the amount of data between classes and reduce the risk of overfitting. This study tested various scenarios, including the use of the original dataset and a pre-processed dataset. The experimental results show that the use of Bayesian Optimization in hyperparameter search gives better results than manual parameter setting. The scenario with hyperparameter optimization using Bayesian Optimization technique on the pre-processed dataset shows an increase in accuracy by 5% (87.79%) compared to the scenario without optimization (82.82%). This research concludes that hyperparameter optimization techniques and proper data pre-processing can improve the performance of CNN models in corn plant disease classification, providing the potential to assist farmers in detecting diseases earlier and reducing the economic losses incurred.
Sentiment Modeling of Instagram Users Towards Traditional and Modern Body Scrubs Using the Naive Bayes Algorithm Mardiana, Mardiana; Kusrini, Kusrini
Journal of Electrical Engineering and Computer (JEECOM) Vol 7, No 1 (2025)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v7i1.10175

Abstract

This study conducts sentiment analysis on Instagram comments related to traditional and modern body scrub products using the Naive Bayes algorithm. The aim of the research is to identify and compare consumer sentiments—positive, negative, or neutral—toward these two categories of skincare products. The results indicate that neutral sentiment dominates, followed by negative and positive sentiments. The Naive Bayes algorithm demonstrated strong performance, particularly in detecting negative and neutral sentiments, but exhibited a lower recall rate for positive sentiments. The findings reveal that consumers value traditional body scrubs for their natural ingredients and cultural significance, while modern body scrubs are appreciated for their innovation. These insights offer actionable recommendations for skincare brands, highlighting the need for tailored marketing strategies and deeper consumer engagement.
Potential Land Selection for Rubber Plantation Using Topsis in Banyumas Fauzy, Marwan Noor; Purwanto, Eko; Kusrini, Kusrini
Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer Vol 5 No 1 (2025): JTECS Januari 2025
Publisher : FAKULTAS TEKNIK UNIVERSITAS ISLAM KADIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32503/jtecs.v5i1.5815

Abstract

Pemilihan lahan yang berpotensi merupakan aspek krusial dan bagian dari strategi perencanaan tata guna lahan di banyak negara di dunia, baik untuk sektor agrikultur, pariwisata, industri, pusat perdagangan, jalur transportasi, maupun bidang lainnya. Penelitian ini bertujuan menyusun metode praktis dalam memilih lahan potensial untuk perkebunan karet di Kabupaten Banyumas, Jawa Tengah, menggunakan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Kabupaten Banyumas memiliki potensi untuk tanaman karet, namun hanya sebagian kecil wilayah yang dimanfaatkan. Oleh karena itu, penelitian ini mengidentifikasi lahan terbaik berdasarkan kriteria suhu, curah hujan, drainase, tekstur tanah, kedalaman tanah, kebatuan, dan kelembaban lahan. Hasil penelitian menunjukkan bahwa metode TOPSIS efektif dalam menentukan lahan yang sesuai untuk budidaya karet secara objektif dan ekonomis. Penggunaan metode ini dapat dikombinasikan dengan sistem pakar berbasis multikriteria untuk meningkatkan akurasi pemilihan lahan. Berdasarkan perhitungan nilai preferensi (V), wilayah D3, D7, dan D12 memperoleh skor tertinggi, sehingga disarankan sebagai lokasi paling optimal untuk budidaya karet. Penelitian ini diharapkan berkontribusi pada peningkatan sektor sosial-ekonomi dan sosial-budaya di Kabupaten Banyumas.
Comparison of The Performance of SVR, KNN and Decision Tree Methods in Predicting Rice Production Hamdikatama, Bimantyoso; Kusrini, Kusrini; Setyanto, Arief
JATISI Vol 12 No 1 (2025): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v12i1.10133

Abstract

Rice holds importance in Indonesia as a commodity driving the economy and improving societal well-being, however, its production encounters obstacles attributed to the effects of drastic climate variations. This study sought to evaluate how Support Vector Regression (SVR) k Nearest Neighbors (KNN) and Decision Tree models perform in forecasting rice yields while considering variables related to climate change. The research process included stages such, as gathering and cleaning the information before exploring and analyzing it to apply metrics and implement algorithms like Mean Absolute Error (MAE) Root Mean Squared Error (RMSE) and R² Score, for evaluation purposes. The findings obtained from the study indicate that the Decision Tree technique is efficient, achieving a minimal deviation rate of 0%. This outcome implies that the model effectively grasped the core patterns within the dataset while reducing errors effectively. The KNN model displayed performance levels and suggested room, for enhancement with parameter adjustments; however, SVM Regression was deemed fitting for the datasets needs. The results emphasize the significance of choosing the algorithm for modeling in agriculture and stress the necessity, for additional research to confirm these findings in various datasets.
Perancangan Prototype Pelampung Keselamatan Elektrik dengan Algoritma Proportional Integral Derivative Untuk Kestabilan di Air Kusrini, Kusrini; Pramono, Eko; Muktafin, Elik Hari; Setiaji, Bayu; Putra, Andriyan Dwi
Journal of Information System Research (JOSH) Vol 6 No 1 (2024): Oktober 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v6i1.6021

Abstract

This research addresses the need for a water rescue device capable of autonomously moving towards a survival position while being remotely controlled. The main problem investigated is how to design an electric safety buoy that can move stably in currents and waves while being operated remotely using Internet of Things (IoT) technology. Data were collected through prototype testing under various load and control range conditions. The research method involves designing and implementing a control system based on the Arduino Uno microcontroller, with a Proportional-Integral-Derivative (PID) algorithm to maintain buoy stability, and an RF communication module for remote control up to 500 meters. The test results show that the buoy can achieve an average speed of 1.35 m/s at 100% throttle with an 80 kg load and maintain stability in various water conditions. The standard deviation of speed indicates minimal variation between tests, demonstrating good movement stability. This research contributes to the development of IoT-based safety devices, enhancing the effectiveness of water rescue operations. With the use of a PID algorithm, the buoy can automatically adjust direction and speed, making it more responsive to remote control commands and able to withstand dynamic water conditions.
Comparison of the Performance of Multiple Linear Regression and Multi-Layer Perceptron Neural Network Algorithms in Predicting Drug Sales at Pharmacy XYZ Arifuddin, Danang; Kusrini, Kusrini; Kusnawi, Kusnawi
JURNAL SISFOTEK GLOBAL Vol 15, No 1 (2025): JURNAL SISFOTEK GLOBAL
Publisher : Institut Teknologi dan Bisnis Bina Sarana Global

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38101/sisfotek.v15i1.15822

Abstract

The needs of better drugs management tool especially that can predict specific drugs consumption volume are needed by any healthcare facility including retail pharmacies. Thus, finding better prediction algorithm with suitable variable internally and externally becoming this research objectives. The research compares correlation score and histogram of each predictor variable with target variable and further input the selected variable into MLR and MLPNN algorithm to find recommended algorithm with better MSE and MAPE. The findings indicate that MLPNN with backpropagation method slightly outperforms MLR with ‘h-7’ as single input variable but with unstable predictions with lower MSE of 19588 and MAPE of 22,3%. While MLR's MSE of 22346,129 and MAPE of 25.4% with ‘h-7’ and ‘bm’ as input variable perform stable prediction. Finally, the research find ‘h-7’ is the most significant variable among other variables and both MLR and MLPNN are both need better improvement to perform drugs prediction analysis.
PERBANDINGAN KINERJA NAIVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK PREDIKSI HERREGISTRASI Megira, Selvy; Kusrini, Kusrini; Luthfi, Emha Taufiq
SISKOMTI: Jurnal Sistem Informasi Komputer dan Teknologi Informasi Vol. 2 No. 2 (2020): Agustus 2020
Publisher : Universitas Lembah Dempo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54342/qjc4j706

Abstract

Penelitian dengan judul “ Perbandingan Kinerja Naive Bayes dan Support Vector Machine untuk Prediksi Herregistrasi “ bertujuan untuk mengetahui perbandingan kinerja naive bayes dan support vector machine dalam melakukan prediksi herregistrasi dengan parameter akurasi dan AUC menggunakan skenario pengujian dengan split validation yang nantinya akan dapat dijadikan acuan bagi pihak universitas untuk melakukan kebijakan bagi para mahasiswa khususnya yang berpotensi mengalami tidak melakukan herregistrasi. Pada penelitian ini hanya melakukan prediksi herregistrasi calon mahasiswa baru pada fakultas ilmu komputer untuk angkatan tahun 2015 sampai dengan tahun 2017 dengan menggunakan metode algoritma naive bayes dan support vector machine. Akurasi yang dihasilkan pada metode naive bayes yaitu 93,54% dan AUC 0,946 sedangkan pada metode support vector machine yaitu 92,67% dan AUC 0,877 menggunakan kernel RBF dengan parameter cost (C) 1,0 dan Epsilon 0,0. Selain itu performa akurasi dan AUC sangat berpengaruh apabila dilakukan penghapusan terhadap salah satu variabel yang digunakan.
Perbandingan Kinerja Support Vector Machine dalam Klasifikasi Obesitas dengan Pendekatan Kernel Linear dan Radial Basis Function S, Muhamad Rois; Kusrini, Kusrini
Device Vol 15 No 1 (2025): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v15i1.8903

Abstract

Obesitas adalah kondisi medis yang ditandai dengan penumpukan lemak tubuh yang berlebihan hingga dapat menimbulkan risiko berbagai penyakit kronis, seperti diabetes, penyakit jantung, dan kanker. Di Indonesia, dalam kurun waktu 10 tahun terjadi peningkatan obesitas yang signifikan, dari 10,5% pada tahun 2007 menjadi 21,8% pada tahun 2018. Secara global, pada tahun 2030 diperkirakan 1 dari 5 wanita dan 1 dari 7 pria akan hidup dengan obesitas, yang setara dengan lebih dari 1 miliar orang di seluruh dunia. Untuk mengatasi permasalahan ini, teknologi kecerdasan buatan digunakan dalam prediksi obesitas guna mengidentifikasi faktor risiko secara lebih akurat. Penelitian ini membandingkan performa klasifikasi obesitas menggunakan algoritma Support Vector Machine (SVM) dengan dua pendekatan berbeda: SVM dengan kernel Linear tanpa hyperparameter tuning dan SVM dengan kernel Radial Basis Function (RBF) dengan hyperparameter tuning. Dataset yang digunakan bersumber dari Universitas Sinop yang tersedia di Kaggle, dengan total 1610 data. Hasil eksperimen menunjukkan bahwa model SVM Linear tanpa hyperparameter tuning memiliki akurasi 72% pada data uji, sedangkan model SVM-RBF dengan hyperparameter tuning C dan gamma mencapai akurasi 83%. Perbedaan performa ini menunjukkan bahwa pemilihan kernel dan penerapan hyperparameter tuning dapat meningkatkan akurasi serta keandalan prediksi obesitas.
Klasifikasi Penyakit Diabetes Melitus Menggunakan Metode Stacking Ensemble Herlinawati, Noor; Kusrini, Kusrini
Device Vol 15 No 1 (2025): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v15i1.9331

Abstract

Pendeteksian dini terhadap risiko diabetes merupakan tantangan penting dalam dunia medis modern. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi pasien diabetes menggunakan metode stacking ensemble, yang menggabungkan tiga model pembelajaran mesin: K-Nearest Neighbors (KNN), Random Forest, dan XGBoost. Dataset yang digunakan adalah Pima Indians Diabetes, yang terdiri dari 768 data pasien. Setelah dilakukan preprocessing, balancing, dan feature selection, model stacking dibangun dengan Logistic Regression sebagai meta-learner. Hasil evaluasi menunjukkan bahwa stacking ensemble mencapai akurasi 77.27% dan ROC AUC 82.91%. Metode ini menunjukkan potensi besar dalam pengembangan sistem diagnosis otomatis yang lebih andal untuk penyakit diabetes..
Co-Authors AA Sudharmawan, AA Abdillah, Yahya Auliya Abdullah Sukri, M Iqbal Abdullah, Mochamad Fadillah Achmad Oddy Widyantoro Ade Pujianto, Ade Adhani, Muhammad Azmi Agastya, I Made Artha agung budi AGUS PURWANTO Ahmad Yusuf Aji Santoso, Bayu Aji Susanto Anom Purnomo Alfatta, Hanif Alva Hendi Muhammad anas, hasni Andi Muhammad Irfan Andi Sunyoto Andika, Roy Andriyanto, Rifki Angga Kurniawan Anggit Dwi Hartanto, Anggit Dwi Anggraeni, Meita Dwi Ardana, Wildan Muhammad Ardana, Wildan Muhammmad Ardiansyah, Fachri Ari Yuana, Kumara Arief Setyanto Arief, M Rudyanto Arief, Muhammad Rudyanto Arifuddin, Danang Arik Sofan Tohir Aris Subadi Arli Aditya Parikesit Asnawi, Muhamad Fuat Asri, Saffinah Indah Atin Hasanah Azi, Amanda Aziz Muzani, Ma'ruf Aziz, Moh Abdul Azkar, Azkar Bayu Setiaji Béjar, Rodrigo Martínez Bentar Candra P Bernadhed, Bernadhed Bisono, Hadi Hikmadyo Braeken, An Buana, Yopy Tri Candra, Kurnia Khoirul da Silva, Bruno Darmawan, Eko Rahmad David Agustriawan DHANI ARIATMANTO Dzulhijjah, Dwi Ahmad Eko Pramono Eko Purwanto Ema Utami Emha Taufiq Luthfi Fatkhurrochman, Fatkhurrochman Fauzi, Moch Farid Fauzy, Marwan Noor Febrianti, Winda Febriyanti, Nada Rizki Ferry Wahyu Wibowo fitriyanto, nur Gifari, Okta Ihza Halimi, Ahmad Hamdikatama, Bimantyoso Hanafi Hanafi Hanif Al Fatta Hari Muktafin, Elik Haris, Ruby hartanto, david budi Hartono, Anggit Dwi Haryo, Wasis Hasan, Nur Fitrianingsih Hasan, Nurul Rahmawati Hasirun, Hasirun Helmawati, Nita Herawati, Maimi Heri Abijono, Heri Herlinawati, Noor Hulvi, Alfajri I Made Adi Purwantara Ikhwanudin, Aolia Ilmawati, Fahma Inti Indarto, Aan Jeki Kuswanto Jumaris Jumaris, Jumaris Juwariyah, Siti Kasman, Haris Saktiawan Kharisma, Rizqi Sukma Kurniasari, Iin Kusnawi , Kusnawi Kusnawi Kusnawi Lewu, Retzi Y. Linda, Kumara Dewi Listyanto, Ahmad Wildan López, Alba Puelles Lukman Bachtiar M. RUDYANTO ARIEF M. Suyanto, M. Madhika, Yudha Randa Mahendra, Awanda Putra Majid Rahardi Mangun, Syamsul Syahab Maradona, Maradona Mardiana Mardiana Martínez-Béjar, Rodrigo Masruri, Nizar Haris Masud, Ibnu maulana, fahrizal Megantara, Muhamad Arldi MEI PARWANTO KURNIAWAN Metha, Halifa Sekar Miftachuddin, Achmad Agus Athok Mohamad Firdaus, Mohamad Mohammad Rezza Pahlevi Moningka, Nirwan Muflich, Alwie Mufti Ari Bianto Muhamad Iksan, Muhamad Muhammad Resa Arif Yudianto Muktafin, Elik Hari Mulia Sulistiyono Mulyaningtyas, Widya Muzakir, Muhammad MZ, Reza Rafiq Nasiri, Asro Ngaeni, Nurus Sarifatul Ni Nyoman Utami Januhari, Ni Nyoman Nugroho, Agung Nugroho, Hanantyo Sri Nuk Ghurroh Setyoningrum Nurmalasari, Maulidya Dwi Oktafiqurahman, Andi Olajuwon, Sayyid Muh. Raziq Onde, Mitrakasih La ode Oscar Samaratungga Pamoengkas, Muhamad Agoeng Pamungkas, Sapto Pradipta, Dody Prameswari, Sonia Anjani Prasetio, Agung Budi Prastyo, Rahmat Pratama, Muhammad Egy Puri, Fiyas Mahananing Purnamasari, Resti Putra, Andriyan Dwi Rachmawati Oktaria Mardiyanto RAMADHAN, SYAIFUL Rasyid, Magfirah Raynald Alfian Yudisetyanto Riduan, Nor Rizkayati, Anisa S, Muhamad Rois S, Muhammad Sabri Saleh, Robby Febrianur Samponu, Yohakim Benedictus Santosa, Hendriansyah SANTRI SANTRI Saputro, Moh. Rizal Bayu Saputro, Uyock Anggoro Sarawan, Tommy Sari, Yayak Kartika Selvy Megira, Selvy Semma, Andi Bahtiar Sentoso, Thedjo Setiawan, Moh. Arif Ma'ruf Setyanto, Arif Siswo Utomo, Mardi Slamet . Solikin, Arif Fajar Sudarmawan, Sudarmawan Sudarto Sudarto Swastikawati, Claudia Syafutra, Arif Dwi Syaiful Huda Tala, WD. Syarni Tampubolon, Jandri Tamuntuan, Virginia Toifur, Tubagus TONNY HIDAYAT Tri Nugroho, Arief Tukan, Ewaldus Ambrosius Ula, M. Izul Wahyu Pujiharto, Eka Wahyudi, Alfian Cahyo Wangsa, Sabda Sastra Wicaksono, Nikko Listio Wijaya, Jodi Wiwi Widayani, Wiwi Yanuargi, Bayu Yossy Ariyanto Yuana, Kumara Ari Yuza, Adela Zakaria Zakaria Zuhri, Muhammad Rafli Zulkarnain, Imam Alfath Zumarni, Zumarni