Article Per Year (5 Year)
p-Index From 2020 - 2025
5.985
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) snimed Jurnal Teknoin Media Informatika Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Gaung Informatika Jurnal Informatika CommIT (Communication & Information Technology) Jurnal Teknologi Prosiding SNATIF Jurnal Teknologi Informasi dan Ilmu Komputer Telematika JUITA : Jurnal Informatika Jurnas Nasional Teknologi dan Sistem Informasi Journal of Information Systems Engineering and Business Intelligence AJIE (Asian Journal of Innovation and Entrepreneurship) INFORMAL: Informatics Journal Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal Informatika Upgris Sinkron : Jurnal dan Penelitian Teknik Informatika IT JOURNAL RESEARCH AND DEVELOPMENT INOVTEK Polbeng - Seri Informatika JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI KACANEGARA Jurnal Pengabdian pada Masyarakat Jiko (Jurnal Informatika dan komputer) ComTech: Computer, Mathematics and Engineering Applications JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat) Jurnal Manajemen Informatika dan Sistem Informasi Jurnal Informatika dan Rekayasa Elektronik Journal of Appropriate Technology for Community Services Refleksi Pembelajaran Inovatif Jurnal Ilmiah Permas: Jurnal Ilmiah STIKES Kendal Indonesian Journal of Electrical Engineering and Computer Science Computer Science and Information Technologies JURNAL PENDIDIKAN, SAINS DAN TEKNOLOGI Infokes : Jurnal Ilmiah Rekam Medis dan Informasi Kesehatan Jurnal Teknik Informatika (JUTIF) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Ekonomi dan Teknik Informatika Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi
Sri Kusumadewi
Jurusan Teknik Informatika Universitas Islam Indonesia Jl. Kaliurang Km 14,5 Yogyakarta
Humanities Chemical Engineering, Chemistry & Bioengineering 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 Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Veterinary Other

Published : 108 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 108 Documents
Search

 3   4   5   6   7 
Sistem Pendukung Keputusan Penentu Kadar Prosentase Lemak Tubuh Menggunakan Regresi Linier Ardhitya Wiedha Irawan; Tedy Rismawan; Sri Kusumadewi
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2008
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kadar prosentase lemak merupakan salah satu hal yang sangat penting untuk diperhatikan olehmasyarakat, karena kadar prosentase lemak memiliki pengaruh yang cukup tinggi terhadap kesehatanseseorang. Apabila seseorang telah mengetahui nilai kadar prosentase lemak tubuhnya, orang tersebut dapatmengontrol prosentase lemaknya sehingga dapat selalu berada dalam keadaan yang normal.Pada penelitian ini, penulis mencoba membangun suatu sistem pendukung keputusan yang dapatdigunakan untuk menentukan kadar prosentase lemak tubuh seseorang dengan memasukkan parameter kondisifisik dari orang tersebut. Penentuan nilai kadar prosentase lemak dilakukan dengan metode regresi linier yaitudengan menentukan nilai ramalan variabel tak bebas berdasarkan ketergantungannya pada satu atau lebihvariabel lain yang menjelaskan.Dari penelitian yang dilakukan terhadap beberapa data uji, sistem yang dibangun menghasilkan nilaimean square error (MSE) sebesar 0,2984. Nilai ini diperoleh berdasarkan selisih dari nilai hasil perhitunganmenggunakan sistem dan perhitungan menggunakan alat pengukur lemak digital.Kata kunci : Sistem Pendukung Keputusan, Lemak, Regresi.
Aplikasi K-Means untuk Pengelompokkan Mahasiswa Berdasarkan Nilai Body Mass Index (BMI) & Ukuran Kerangka Tedy Rismawan; Sri Kusumadewi
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2008
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Masalah kesehatan merupakan permasalahan yang sangat penting untuk diperhatikan, diantaranyaadalah masalah BMI dan ukuran kerangka seseorang. Apabila seseorang telah mengetahui nilai BMInya, orangtersebut dapat mengontrol berat badan sehingga dapat mencapai berat badan normal yang sesuai dengan tinggibadan. Sedangkan apabila orang tersebut mengetahui ukuran kerangka tubuhnya maka orang tersebut dapatmengontrol berat badannya agar dapat selalu berada dalam keadaan ideal.Pada penelitian ini, penulis mencoba membangun suatu sistem untuk mengelompokkan data yang adaberdasarkan status gizi dan ukuran rangkanya dengan memasukkan parameter kondisi fisik dari orang tersebut.Pengelompokkan data dilakukan dengan menggunakan metode clustering K-Means yaitu denganmengelompokkan n buah objek ke dalam k kelas berdasarkan jaraknya dengan pusat kelas.Dari hasil penelitian terhadap 20 data sampel diperoleh 3 kelompok mahasiswa berdasarkan nilai BMIdan ukuran rangka, yaitu : BMI normal dan kerangka besar, BMI obesitas sedang dan kerangka sedang, BMIobesitas berat dan kerangka kecil.Kata kunci : Clustering, BMI, Ukuran Rangka, K-Means.
Sistem Pendukung Keputusan Berbasis SMS untuk Menentukan Status Gizi dengan Metode K-Nearest Neighbor Ninki Hermaduanti; Sri Kusumadewi
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2008
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu teknologi yang berkembang saat ini adalah komunikasi. Telepon seluler (ponsel) merupakansalah satu hasil dari berkembangnya teknologi komunikasi tersebut. Layanan yang disediakan ponsel dansedang menjadi trend di masyarakat saat ini adalah SMS (Short Message Service) atau layanan pesan singkat.Gaya hidup masyarakat saat ini yang cenderung sibuk dengan padatnya jadwal maupun tingkat mobilitas yangtinggi, dapat mempengaruhi kesehatan. Sedangkan masyarakat yang sehat adalah masyarakat yang terpenuhikebutuhan gizinya. Tingkat kesehatan seseorang dapat dilihat melalui status gizinya.Status gizi seseorang dapat ditentukan melalui variabel-variabel yang berpengaruh dengan perhitunganmenggunakan salah satu metode klasifikasi yang digunakan dalam pengambilan keputusan dan dapatdikerjakan oleh komputer, yaitu K-Nearest Neighbor (KNN). KNN merupakan metode klasifikasi denganmencari jarak terdekat antara data yang akan dievaluasi dengan K tetangga (neighbor) terdekatnya dalamdata pelatihan.Dengan memanfaatkan keberadaan teknologi SMS, maka user dapat mencari tahu status gizinya denganalternatif yang cepat, mudah, dan murah. Dari pengujian yang dilakukan, diperoleh nilai keakuratan darisistem sebesar 90,41%.Kata kunci: K-Nearest Neighbor, Status Gizi, SMS.
Aplikasi Fuzzy Total Integral pada Hamilton Anxiety Rating Scale (HARS) Sri Kusumadewi
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2008
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Gangguan kecemasan seringkali menghinggapi kehidupan manusia di dunia ini. Beberapa skalapenilaian psikiatrik unuk gangguan kecemasan telah dikembangkan untuk melihat seberapa besar tingkatkeparahan seseorang mengalami gangguan kecemasan. Salah satu skala penilaian yang paling seringdigunakan adalah Hamilton Anxiety Rating Scale (HARS). HARS menggunakan serangkaian pertanyaan denganjawaban yang harus diisi oleh klinisi terkait dengan kondisi pasien tertentu. Jawaban yang diberikanmerupakan skala (angka) 0, 1, 2, 3 atau 4 yang menunjukkan tingkat gangguan. Penggunaan nilai-nilai inibermakna tegas. Padahal sebenarnya tingkat gejala yang dimiliki oleh pasien sangat bervariasi dengan derajatkeparahan yang berbeda. Hal ini memicu adanya ketidakpastian dalam proses pengambilan keputusan. Padapenelitian ini akan diaplikasikan fuzzy total integral untuk mengakomodasi bilangan fuzzy pada HamiltonAnxiety Rating Scale (FHARS).Dari hasil penelitian, dapat disimpulkan bahwa bilangan fuzzy cocok diaplikasikan untuk menunjukkantingkat keparahan gejala kecemasan pada HARS. Nilai total integral juga cocok diaplikasikan sebagaikomposisi nilai keparahan pada skala HARS. Apabila digunakan derajat keoptimisan 0,5 diperoleh tingkatkeparahan hasil penelitian sama dengan HARS biasaKata kunci: kecemasan, HARS, bilangan fuzzy, nilai total integral
Aplikasi Informatika Medis untuk Penatalaksanaan Diabetes Melitus Secara Terpadu Sri Kusumadewi
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2009
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Prevalensi Diabetes Melitus (DM) di Indonesia menunjukkan angka yang sangat mencengangkan. Tingginyaangka ini menyebabkan dipandang perlunya tindakan antisipasi dan penatalaksanaan yang tepat bagipenyandang DM. Pada penilitian ini, dibangun sebuah model sistem yang akan memanfaatkan beberapa teknikdalam informatika medis untuk penatalaksanaan DM secara terpadu. Beberapa fitur diberikan dalam sistem ini,seperti: penentu tingkat resiko DM, diagnosis DM, diagnosis komplikasi DM, penentu menu harian, penentulatihan jasmani, dan penentu farmakoterapi. Pemrograman berbasis web, pemrograman desktop, pemrogramanpocket PC, dan pemrograman berbasis SMS digunakan untuk keperluan tersebut. Sistem ini dirancang untukdapat digunakan oleh berbagai pihak dengan perbedaan hak akses, seperti: penyandang DM, dokter, perawat,ahli gizi, administrator, masyarakat umum, dan laboran. Sistem yang dibangun dengan basisdata yang terpusatini memungkinkan para pengguna untuk berbagi data meskipun beberapa aplikasi dibangun dengan platformyang berbeda. Melalui sistem ini, pelayanan kesehatan dapat dilakukan meskipun terhalang oleh jarak danwaktu. Konsep telemedice diterapkan dalam sistem iniKata Kunci: penatalaksanaan, diabetes melitus, terapi, basis pengetahuan
Penggunaan Operator Quantifier Guided Dominance Degree (QGDD) sebagai Certainty Factor pada Clinical Group Decision Support System (CGDSS) Sri Kusumadewi; Sri Hartati; Retantyo Wardoyo; Agus Harjoko
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2006
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu permasalahan dalam Clinical Group Decision Support System (CDSS) adalah masalah dianosis. Apabila pada proses pengambilan keputusan, suatu CDSS membutuhkan dukungan dari beberapa orang pakar, maka perlu dibentuk suatu Clinical Group Decision Support System (CGDSS). Pada penelitian ini, akan dibangun suatu model basis pengetahuan berbasis aturan pada CGDSS dengan format preferensi yang diberikan oleh setiap pengambil keputusan berbentuk ordered vectors. Operator Ordered Weighted Averaging (OWA) digunakan untuk melakukan agregasi preferensi yang diberikan oleh setiap pengambil keputusan, dengan menggunakan quantifier fuzzy, ”most”. Konsistensi informasi pada matriks agregasi dilakukan sesuai dengan batasan-batasan yang diberikan pada relasi preferensi fuzzy. Proses perankingan untuk menentukan nilai kinerja setiap alternatif dilakukan dengan menggunakan operator Quantifier Guided Dominance Degree (QGDD). Hasil perankingan sebagai nilai kinerja alternatif akan digunakan sebagai certainty factor (CF) untuk setiap aturan pada basis pengetahuan.Kata kunci: Clinical Group Decision Support System, Ordered Weighted Averaging, Quantifier Guided Dominance Degree
Fuzzy Backpropagation untuk Klasifikasi Pola (Studi Kasus: Klasifikasi Kualitas Produk) Sri Kusumadewi
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2006
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penggunaan model klasifikasi pola secara klasik akan cukup sulit diterapkan apabila suatu pola dimungkinkan untuk menjadi anggota dari 2 kelas atau lebih. Pada masalah klasifikasi kualitas produk, kondisi semacam ini seringkali muncul terutama dalam menentukan apakah suatu produk termasuk dalam kualitas BAIK, CUKUP, atau BURUK. Pendekatan fuzzy neural network dimungkinkan untuk dapat menfakomodasi permasalah tersebut. Pada penelitian ini akan memperkenalkan fuzzy backpropagation untuk menentukan kualitas produk. Fuzzy backpropagation menggunakan derajat keanggotaan pada neuron output sebagai target pembelajaran. Kualitas suatu produk digolongkan menjadi 3 golongan, yaitu Kualitas-1 (BAIK), Kualitas-2 (CUKUP), dan Kualitas-3 (BURUK). Baik tidaknya kualitas produk dipengaruhi oleh 3 komponen, yaitu penyusutan volume, kenaikan derajat keasaman, dan cacat kemasan. Ada 27 pola data yang akan dilatih. Jaringan syaraf yang digunakan adalah backpropagation levenberg marquardt, dengan 1 lapisan tersembunyi dan 10 neuron pada lapisan tersembunyi, maksimum epoh = 10000, toleransi error = 10-6, laju pembelajaran = 1. Hasil pelatihan memberikan MSE sebesar 9,854 x 10-7 dan koefisien korelasi antara output jaringan dan target output sebesar 1.Kata kunci: fuzzy, backpropagation, klasifikasi.
Membangun Toolbox Algoritma Evolusi Fuzzy untuk Matlab Syafiul Muzid; Sri Kusumadewi
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2007
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Algoritma evolusi fuzzy adalah sebuah teknik komputasi hasil perpaduan antara algoritma genetikadengan sistem fuzzy. Dalam algoritma evolusi fuzzy, tahapan proses sebuah masalah dapat diselesaikan sepertitahapan yang ada dalam algoritma genetika. Namun untuk penentuan parameter-parameter genetika sepertihalnya nilai probabilitas rekombinasi (crossover) dan nilai probabilitas mutasi dihasilkan melalui sistem fuzzy.Algoritma evolusi fuzzy diharapkan menghasilkan hasil yang lebih optimal.MATLAB adalah sebuah perangkat lunak yang mempunyai beberapa toolbox yang menerapkan konsepalgoritma genetika dan logika fuzzy. Sedangkan toolbox yang menerapkan konsep algoritma evolusi fuzzysampai saat ini belum tersedia.Diharapkan dengan adanya toolbox yang menerapkan konsep algortima evolusi fuzzy dapat membantupengguna untuk mempelajari dan memanfaatkan dari algoritma evolusi fuzzy..Kata kunci: Algoritma genetika, fuzzy, toolbox, Matlab, Evolusi, Algoritma evolusi fuzzy.
Klasifikasi Kandungan Nutrisi Bahan Pangan Menggunakan Fuzzy C-Means Sri Kusumadewi
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2007
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Secara umum, bahan pangan digolongkan dalam 4 kelompok besar, yaitu kelompok hijau, kelompokkuning, kelompok jingga dan kelompok merah. Pada setiap golongan masih mencakup cukup banyak bahanpangan dengan kandungan nutrisi yang relatif beragam, sehingga cukup membingungkan apabila seseorangmenginginkan kelompok bahan pangan dengan kandungan nutrien tertentu. Pada penelitian ini, telah dibangunsistem yang mampu mengklasifikasikan bahan pangan berdasarkan kandungan nutriennya denganmenggunakan Fuzzy C-Means (FCM).Proses clustering telah dilakukan dengan parameter, jumlah cluster = 3, pembobot = 2, dan maksimumiterasi = 100. Proses clustering dilakukan terhadap setiap kelompok dengan 73 bahan pangan pada kelompokhijau, 23 bahan pangan pada kelompok kuning, 43 bahan pangan pada kelompok jingga, dan 16 bahan panganpada kelompok merah.Hasil clustering pada kelompok hijau menghasilkan cluster ke-1: adalah kelompok bahan pangan dengankalori tinggi, vit-A rendah, vit-B1 cukup, vit B2 tinggi, vit B3 tinggi, vit-C sedang, kalsium rendah, zat besisedang, dan serat sedang; cluster ke-1: adalah kelompok bahan pangan dengan kalori sedang, vit-A tinggi, vit-B1 rendah, vit B2 rendah, vit B3 rendah, vit-C rendah, kalsium sedang, zat besi rendah, dan serat rendah; dancluster ke-3: adalah kelompok bahan pangan dengan kalori rendah, vit-A sedang, vit-B1 tinggi, vit B2 tinggi, vitB3 sedang, vit-C tinggi, kalsium tinggi, zat besi tinggi, dan serat tinggi. Hasil clustering pada kelompok kuningmenghasilkan cluster ke-1: adalah kelompok bahan pangan dengan kalori sedang, hidratarang sedang, danprotein sedang; cluster ke-2: adalah kelompok bahan pangan dengan kalori rendah, hidratarang rendah, danprotein rendah; cluster ke-3: adalah kelompok bahan pangan dengan kalori tinggi, hidratarang tinggi, danprotein tinggi. Hasil clustering pada kelompok jingga menghasilkan cluster ke-1: adalah kelompok bahanpangan dengan kalori tinggi, hidratarang tinggi, protein tinggi, dan lemak tinggi; cluster ke-2: adalah kelompokbahan pangan dengan kalori sedang, hidratarang sedang, protein sedang, dan lemak sedang; cluster ke-3:adalah kelompok bahan pangan dengan kalori rendah, hidratarang rendah, protein rendah, dan lemak rendah;Hasil clustering pada kelompok merah menghasilkan cluster ke-1: adalah kelompok bahan pangan dengankalori sedang, hidratarang sedang, protein sedang, dan lemak sedang; cluster ke-2: adalah kelompok bahanpangan dengan kalori rendah, hidratarang tinggi, protein tinggi, dan lemak rendah; cluster ke-3: adalahkelompok bahan pangan dengan kalori tinggi, hidratarang rendah, protein rendah, dan lemak tinggi.Kata kunci: fuzzy, nutrisi, cluster.
Aplikasi Algoritma Genetika untuk Penentuan Komposisi Bahan Pangan Harian Tedy Rismawan; Sri Kusumadewi
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2007
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Masalah penentuan komposisi bahan pangan yang baik untuk dikonsumsi sehari-hari merupakan suatumasalah yang terlihat kecil namun sebenarnya sangat penting untuk kesehatan tubuh. Algoritma genetika yangmemiliki kehandalan dalam menghasilkan output yang optimal, dapat dimanfaatkan untuk masalah tersebut.Pada penelitian ini digunakan 138 data bahan pangan beserta kandungannya yang akan digunakan untukpengujian. Data-data tersebut akan diproses dengan metode algoritma genetika yang di dalamnya terdapatproses inisialisasi, evaluasi, rekombinasi, pindah silang dan mutasi. Dari data tersebut akan dibentuk sebuahpopulasi yang memiliki ukuran populasi sebesar 20 dan setiap kromosom memilki 10 gen dimana nilai masingmasingdari setiap gen merupakan indeks nomor bahan pangan pada basis data. Nilai probabilitas pindahsilang dan mutasi yang digunakan adalah 0.7 dan 0.05. Kombinasi bahan pangan terbaik merupakan bahanpangan yang apabila dijumlahkan masing-masing kandungan nutrisinya akan menghasilkan nilai yang palingdekat dengan jumlah kebutuhan dari setiap jenis kandungan nutrisi makanan yang diperlukan dalam sehari.Nilai jumlah kebutuhan secara keseluruhan untuk masing-masing bahan pangan diperoleh dengan perhitunganmenggunakan rumus yang ada.Kata kunci: Algoritma Genetika, Komposisi, Bahan Pangan.
Co-Authors Abd. Halim Achmad Khodzim Agus Harjoko AGUS RIYANTO Al Amin, Muhammad Zainudin Alatas, Alwi Achmad Alfian Nurlifa Alysia Nurkhalisha Andika, Zikri Dwi Andri Panca Purnama Ardhitya Wiedha Irawan Aridhanyati Arifin Arifianto, July Arkham Zahri Rakhman Arrie Kurniawardhani Bayu Hartono Bediatra, Muhamad Riko Chaela Rosi Budiarti Chandra Putra Pradana Chanifah I. Ratnasari Chanifah Indah Ratnasari Dhina Puspasari Wijaya, Dhina Puspasari Dono Catur Prasetyo Dzikra Rafik Putra Edi Fitriyanto Edi Fitriyanto Elyza Gustri Wahyuni Erlina Marfianti, Erlina Fajar Setiawan Fitriyanto, Raden Edi Frestiany Regina Putri Geralvin Maheswara Gita Putry Nabilah Gita Putry Nabilah, Gita Putry Hardiyanti, Cicin Hari Purnomo Heksaputra, Dadang Helmanatun Nisa Wulandari Heni Pujiastuti Hepi Wahyuningsih Herman Yuliansyah Idham Guswaludin Intan Ruspita Ipin Prasojo, Ipin Isnatin Miladiyah Iswara, Ruhil Izzati Muhimmah Jannah, Helmi Roichatul Kariyam - khanan khanan KHARISMA ERIZON Kholisoh Nur Sinta Kiki Kiki Kukuh Eka Nugraha Kusumaningrum, Trias Pungkur Lia Rosmalia Lia Rosmalia Linda Rosita Lizda Iswari Lusiana Indriasari Sagita Lusiana Indriasari Sagita Magus Sediono Mahesti Rancaksari Mufidah, Nadia Citra Nabila Sholihah, Nabila Nadya Satya Handayani Neny Sulistianingsih Ninki Hermaduanti Numan Numan Nur W. Rahayu Nur Wachid Adi Prasetya Nurhayati Nurhayati Nurlaili Muzayyanah Nurul Bahiyah Nurul Mega Saraswati Pahri, Andi Nur Ilma PandiAstuti, Dien NoorFawziah Parjono, Parjono Rahadian Kurniawan Rakhmat Wahyu Widiantoro Rani Putriana Rani Putriana, Rani Retantyo Wardoyo Rian Anggraeni Ridho Muktiadi Rika Ismayanti Roma Firmansyah Ruslam, Andri Wahyu Ahmad Sabella, Billy Sagala, Muhammad Zikri Khatami Sagita, Lusiana Indriasari Shofwan Hanif Sri Hartati sri mulyati Sri Mulyati Sri Winiarti Subayu, Abdi Sujarwo, Ari Sukma Puspitorini Supardianto Supadianto Syafiul Muzid Syaiful Hendra Tanti, Wa Ode Tedy Rismawan WAHYU PRABOWO Wawan Indarto Wijaya, Guruh Yuantari, Rahma Yuliansyah, Herman Yunita Wisda Tumarta Arif