p-Index From 2020 - 2025
11.321
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Ilmu Pendidikan Cakrawala Pendidikan INOTEKS : Jurnal Inovasi Ilmu Pengetahuan, Teknologi, dan Seni Jurnal Pendidikan Matematika dan IPA Jurnal Media Infotama KOMUNITAS: INTERNATIONAL JOURNAL OF INDONESIAN SOCIETY AND CULTURE JURNAL ILMIAH PENDIDIKAN FISIKA AL BIRUNI Jurnal Inovasi Pendidikan IPA Edu Sains: Jurnal Pendidikan Sains dan Matematika Jurnal Pendidikan: Teori, Penelitian, dan Pengembangan Accounting Analysis Journal Economic Education Analysis Journal EDUSCOPE: Jurnal Pendidikan, Pembelajaran, dan Teknologi Jurnal Penelitian Pendidikan IPA (JPPIPA) Jurnal Masharif al-Syariah: Jurnal Ekonomi dan Perbankan Syariah Jurnal Pendidikan Fisika dan Keilmuan (JPFK) Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Journal of Honai Math Jurnal Informatika Universitas Pamulang Jurnal Teknik Informatika UNIKA Santo Thomas JURNAL CEMERLANG: Pengabdian pada Masyarakat JSI (Jurnal sistem Informasi) Universitas Suryadarma J-Dinamika: Jurnal Pengabdian Kepada Masyarakat JPGMI (Jurnal Pendidikan Guru Madrasah Ibtidaiyah Al-Multazam) Jurnal Mahasiswa Sistem Informasi (JMSI) TEACHING : Jurnal Inovasi Keguruan dan Ilmu Pendidikan JIKI (Jurnal Ilmu Komputer dan Informatika) Jurnal Ilmiah Raflesia Akuntansi LEARNING : Jurnal Inovasi Penelitian Pendidikan dan Pembelajaran Jurnal Inovasi Pembelajaran di Sekolah Jurnal Penelitian Inovatif Journal Computer Science and Informatic Systems : J-Cosys Journal of Education Research Prosiding Konferensi Nasional PKM-CSR Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) INTECH (Informatika dan Teknologi) Jurnal Pengabdian Masyarakat Bidang Sains dan Teknologi Alinea: Jurnal Bahasa, Sastra, dan Pengajaran Jurnal Ilmiah MEA (Manajemen, Ekonomi, dan Akuntansi) Jurnal Ekonomi dan Bisnis Digital Jurnal Informatika dan Komputer (JIK) Prosiding Seminar Nasional Teknologi Informasi dan Bisnis ELPOSYS: Jurnal Sistem Kelistrikan MAGNETON: Jurnal Inovasi Pembelajaran Fisika Jurnal Pendidikan Fisika INCOME : Jurnal Akuntansi dan Keuangan Jurnal ARSI : Administrasi Rumah Sakit Indonesia Jurnal Ilmiah Sistem Informasi Jurnal Ekonomi, Bisnis dan Sosial Jurnal Ekonomi Kesehatan Indonesia EDUCATIONAL: Jurnal Inovasi Pendidikan dan Pengajaran Jurnal Pendidikan MIPA Jurnal Pendidikan Progresif INTECH (Informatika dan Teknologi) Kesmas: Jurnal Kesehatan Masyarakat Nasional (National Public Health Journal)
Claim Missing Document
Check
Articles

Prediksi Angka Kemiskinan Di Kabupaten Ogan Komering Ulu Menggunakan Metode Data Mining Berbasis SVM, Neural Network & SGD Kurniawan, Daniel; Apriani, Silvia; Pujianto, Pujianto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/44a6x132

Abstract

Kemiskinan adalah masalah kompleks yang dipengaruhi oleh berbagai faktor ekonomi, sosial, dan demografi yang saling berkaitan. Sudah menjadi tugas kebijakan ekonomi yang signifikan, oleh karena itu, dalam hal tersebut, untuk mengidentifikasi segala faktor yang relevan dan signifikan serta menguraikan efeknya terhadap tingkat kemiskinan, kita menggunakan data sekund er yang diperoleh dari Badan Pusat Statistik dan sumber-sumber kemiskinan lainnya yang memengaruhi periode penelitian yang spesifik. Penelitian ini bertujuan untuk mengeksplorasi penerapan Algoritma SVM (Support Vector Machine), Neural Network, Stochatic Gradient Descent. dengan menggunakan aplikasi Orange untuk memprediksi angka kemiskinan yang ada di Kabupaten OKU. Metodologi penelitian melibatkan tahapan pengumpulan data, pemrosesan, dan implementasi menggunakan metode SVM(Support Vector Machine), Neural Network, Stochatic Gradient Descent. melalui platform Orange. Hasil penelitian ini dapat memberikan wawasan mendalam mengenai kemampuan SVM(Support Vector Machine), Neural Network, Stochatic Gradient Descent. dalam memprediksi angka kemiskinan untuk hasil dari perhitungan yang sudah di dapatkan adalah Jumlah prediksi tahun 2025 = 72.42 sedangkan Jumlah prediksi tahun 2026 = 70.15 di Kabupaten OKU.
Perbandingan Model Random Forest dan Linear Regresion Untuk Memprediksi Harga Nikel Andika, Deri; Yahya Praja Putra, Raflie; Pujianto, Pujianto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/7gesbr86

Abstract

Prediksi harga nikel menjadi perhatian penting dalam sektor industri dan investasi karena volatilitasnya yang tinggi dan perannya yang strategis dalam produksi baterai dan baja tahan karat. Penelitian ini bertujuan untuk membandingkan performa dua model machine learning, yaitu Random Forest Regressor dan Linear Regression, dalam memprediksi harga nikel menggunakan perangkat lunak Orange. Data historis harga nikel akan dianalisis dan dievaluasi berdasarkan metrik seperti Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R²). Diharapkan penelitian ini dapat mengidentifikasi model prediksi yang paling optimal dan memberikan kontribusi terhadap pengambilan keputusan strategis dalam industry.
Perbandingan Metode Random Forest, Linier Regression, SVM Untuk Memprediksi Harga Beras Premium Saputra, Doni; Raihan Trinadi, Dio; Agustina, Desti; Pujianto, Pujianto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/yqx4ss53

Abstract

Di Indonesia beras merupakan bahan pokok utama yang sangat mempengaruhi per ekonomian dan kesejahteraan masyarakat. Oleh karena itu, prediksi harga beras menjadi sangat penting dalam memembantu pemerintah mengambil keputusan kedepan untuk menjaga stabilitas ekonomi negara dan menjaga kesejahteraan masyarakat. Penelitian ini bertujuan untuk memprediksi harga beras premium menggunakan algoritma Random Forest, Linier Regression dan SVM melakukan perbandingan metode manakah yang lebih akurat dalam memprediksi harga beras di hari yang akan datang. Data yang di gunakan dalam penelitian ini bersumber dari compas.com dari tahun 2024 – 2025 untuk memprediksi harga beras di tahun 2026. Model diuji menggunakan pendekatan supervised learning dengan validasi silang untuk memastikan keandalan hasil. Berdasarkan hasil pengujian yang di lakukan dengan algoritma Random Forest, Linier Regression, dan SVM memberikan hasil evaluasi bahwa metode Random Forest lah yang paling akurat hasilnya, karena berdasarkan evaluasi MAE (mean absolute error) nilai rata-rata terkecilah yang paling akurat untuk prediksi harga beras, maka dalam hal prediksi harga beras metode Random Forestlah yang sangat cocok untuk di gunakan para peneliti.
Prediksi Jumlah Belanja Tidak Langsung Pemerintah Provinsi Sumatera Selatan Menggunakan Aplikasi Orange Julia Citra, Erma; Herta Putri, Meily; Juliansa, Refki; Pujianto, Pujianto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/efb25j36

Abstract

Penelitian ini bertujuan untuk memprediksi belanja tidak langsung di Provinsi Sumatera Selatan dengan menggunakan metode data mining, khususnya algoritma Random Forest, Decision Tree, dan Linear Regression. Belanja tidak langsung merupakan komponen krusial dalam pengelolaan keuangan daerah, yang meliputi pengeluaran untuk gaji pegawai, subsidi, dan bantuan sosial, serta memiliki dampak signifikan terhadap pembangunan ekonomi dan pengurangan kemiskinan. Data yang digunakan dalam penelitian ini diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Selatan untuk periode tahun 2015 hingga 2022. Analisis data dilakukan menggunakan aplikasi Orange. Hasil analisis menunjukkan bahwa pertumbuhan ekonomi, inflasi, dan pengeluaran untuk gaji pegawai adalah faktor- faktor signifikan yang memengaruhi belanja tidak langsung. Pertumbuhan ekonomi yang positif cenderung mendorong peningkatan belanja tidak langsung untuk investasi infrastruktur dan program sosial, sementara inflasi yang tinggi dapat mengakibatkan penyesuaian alokasi anggaran untuk bantuan sosial. Pengeluaran untuk gaji pegawai juga merupakan faktor krusial yang dapat meningkatkan kualitas layanan publik dan merangsang pertumbuhan ekonomi lokal. Prediksi belanja tidak langsung untuk tahun 2024 dan 2025 dengan ketiga algoritma menghasilkan nilai sebagai berikut: Random Forest memprediksi Rp. 6.170.806.018,77 untuk 2024 dan 2025; Linear Regression memprediksi Rp. 6.950.863.031,90 untuk 2024 dan Rp. 7.331.836.271,94 untuk 2025; dan algoritma Tree memprediksi Rp. 6.229.891.267,53 untuk 2024 dan 2025. Temuan ini memberikan wawasan penting bagi pengambil kebijakan dalam merencanakan dan mengalokasikan anggaran secara lebih efektif guna meningkatkan kesejahteraan masyarakat dan mengurangi angka kemiskinan di Provinsi Sumatera Selatan.
Prediksi Harga Telur Ayam Untuk Tahun 2025 Menggunakan Metode Support Vector Machine (SVM) Triwi Bowo, Handes; Prasetio, Dicky; Fahlewi, Fria; Pujianto, Pujianto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/05zz4v75

Abstract

Fluktuasi harga telur sebagai komoditas pangan pokok dapat berdampak signifikan terhadap kondisi ekonomi masyarakat. Penelitian ini bertujuan untuk memprediksi harga telur pada tahun 2025 menggunakan metode SVM. Data historis harga telur bulan janurari 2024 hingga desember2024 dikumpulkan dan dianalisis untuk membangun model prediksi. Setelah dilakukan proses dan analisis SVM, diperoleh model persamaan yang menggambarkan hubungan antara tahun dan harga telur. Hasil evaluasi menunjukkan bahwa model memiliki tingkat akurasi yang cukup baik dalam memprediksi tren harga. Dengan model ini, diprediksi bahwa harga telur pada tahun 2025 akan mengalami peningkatan yang moderat. Penelitian ini diharapkan dapat memberikan manfaat bagi pelaku usaha peternakan, pemerintah, dan konsumen dalam mengambil keputusan berbasis data.
Prediksi Persentase Kenaikan Harga Pangan Menjelang Hari Raya Idul Fitri pada tahun 2026 sampai 2028 Menggunakan Metode Linear Regression; Study Kasus di Indonesia Aprilia Wahyuni, Ratna; Fatimah, Siti; Pujianto, Pujianto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/0jy75944

Abstract

Kenaikan harga pangan menjelang Hari Raya Idul Fitri merupakan fenomena tahunan di Indonesia yang dipengaruhi oleh peningkatan permintaan, hambatan distribusi, dan fluktuasi harga global. Penelitian ini bertujuan untuk memprediksi tren kenaikan harga pangan guna membantu pemerintah dan pelaku usaha dalam merumuskan kebijakan strategis serta mempersiapkan masyarakat. Data historis harga pangan dari tahun 2020 hingga 2025 yang menunjukkan pola fluktuasi musiman dikumpulkan dari Badan Pangan Nasional (Bapanas), Pusat Informasi Harga Pangan Strategis Nasional (PIHPS), dan Badan Pusat Statistik (BPS). Metode data mining dengan algoritma Linear Regression diterapkan menggunakan aplikasi Orange. Pendekatan kuantitatif ini dipilih karena kemampuannya dalam mengolah data besar dan mengidentifikasi hubungan linier antara variabel, seperti inflasi dan nilai tukar mata uang, dengan harga pangan. Setelah data dibersihkan dan diproses, model prediksi dibangun dan dievaluasi. Hasil analisis menunjukkan bahwa inflasi dan nilai tukar mata uang memiliki dampak signifikan terhadap harga pangan. Prediksi persentase kenaikan harga pangan menjelang Idul Fitri untuk tahun-tahun mendatang adalah 132,21% pada 2026, 164,95% pada 2027, dan 197,69% pada 2028. Prediksi ini merupakan akumulasi dari kenaikan harga berbagai komoditas pokok.
Prediksi Jumlah Belanja Pegawai Provinsi Sumatra Selatan Sholeha, Ro’ifatus; Zahrah, Aminatuz; Martapuse, Boyka; Pujianto, Pujianto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/3thr6h28

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi prediksi belanja pegawai di Provinsi Sumatera Selatan, mengingat peran krusialnya sebagai investasi sumber daya manusia yang memengaruhi ekonomi regional dan pelayanan publik. Menggunakan pendekatan kuantitatif yang terintegrasi dengan metode data mining, studi ini menganalisis data belanja pegawai dari Badan Pusat Statistik (BPS) Provinsi Sumatera Selatan. Algoritma canggih seperti Random Forest, Gradient Boosting, dan Support Vector Machine (SVM) diterapkan untuk mengidentifikasi variabel kunci yang memengaruhi belanja pegawai dan memproyeksikan tren di masa mendatang. Random Forest digunakan untuk mengidentifikasi faktor dominan seperti jumlah pegawai dan tingkat pendidikan, sementara Gradient Boosting untuk meningkatkan akurasi prediksi dengan model bertahap. SVM diaplikasikan untuk menyempurnakan model prediksi agar estimasi kebutuhan belanja pegawai lebih realistis dan akurat. Hasil prediksi dari ketiga algoritma ini akan dibandingkan untuk menentukan metode paling optimal. Hasil penelitian ini diharapkan memberikan gambaran menyeluruh tentang pola belanja pegawai dan tren di Provinsi Sumatera Selatan, yang mencerminkan dinamika sosial, ekonomi, dan politik daerah. Temuan analisis ini akan menjadi landasan strategis bagi pemerintah daerah dalam merumuskan kebijakan anggaran yang lebih efektif. Dengan menyediakan wawasan mendalam tentang faktor pemicu belanja pegawai dan rekomendasi berbasis data, studi ini bertujuan untuk mendukung pengambilan keputusan yang lebih baik, efisien, dan berkelanjutan. Harapannya, penelitian ini dapat menjadi referensi berharga bagi pemerintah daerah dan pemangku kepentingan dalam merumuskan kebijakan yang lebih efektif dan efisien, mendukung tata kelola keuangan yang optimal serta peningkatan pelayanan publik di Provinsi Sumatera Selatan.
Prediksi Harga Kopi Robusta Kabupaten Muara Enim Tahun 2025 Menggunakan Metode Random Forest, SVM & Tree Yunita, Yunita; Yulisa, Nerma; Putri Sekar Mayasari, Diajeng; Pujianto, Pujianto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/f9r5fm79

Abstract

Penelitian ini bertujuan untuk memprediksi harga kopi robusta di Kabupaten Muara Enim pada tahun 2025 dengan menggunakan pendekatan data mining berbasis algoritma Random Forest, Support Vector Machine (SVM), dan Decision Tree. Harga kopi sebagai salah satu komoditas unggulan Indonesia mengalami fluktuasi yang signifikan sehingga dibutuhkan metode prediktif yang akurat guna membantu petani, pengusaha, dan pemangku kebijakan dalam menentukan strategi pasar. Penelitian dilakukan dengan mengumpulkan data harga kopi dari bulan Januari hingga April 2025 yang diperoleh langsung dari para pengumpul kopi di Muara Enim. Data tersebut diolah menggunakan perangkat lunak Orange Data Mining dan dibagi menjadi data training dan testing. Hasil analisis menunjukkan bahwa ketiga algoritma memiliki tingkat akurasi yang bervariasi, di mana algoritma Random Forest memberikan hasil prediksi paling stabil. Penelitian ini membuktikan bahwa penggunaan teknologi machine learning dapat membantu dalam meramalkan harga komoditas secara efektif.
Sistem Informasi Perpustakaan SMP Negeri 1 Sindang Danau Menggunakan Embarcadero XE2 Miftahuljana, Yenni; Pujianto, Pujianto; Nang Al Kodri, M
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/nx9vwh59

Abstract

Perpustakaan adalah sebuah ruangan berisi buku-buku yang tertata rapi dimana biasanya dapat dijumpai di sekolah maupun di kota-kota tertentu. Buku dapat dibaca ditempat atau dipinjam dengan gratis oleh anggota dari perpustakaan tersebut. Namun, pada perpustakaan di SMP Negeri 1 Sindang Danau masih menggunakan cara manual dalam pencatatan atau pendataan baik data buku, data anggota, dan transaksi pinjam-kembali buku. Tujuan dari penelitian ini adalah menghasilkan sebuah sistem informasi perpustakaan SMP Negeri 1 Sindang Danau yang mana sistem informasi ini akan memberikan kemudahan dalam pelayanan perpustakaan. Pada perancangan Sistem Informasi ini bahasa yang digunakan adalah bahasa pemrograman Delphi. Database yang digunakan dalam perancangan Sistem Informasi adalah MySQL. Sistem operasi yang digunakan adalah Sistem Operasi Windows 11 dengan program aplikasi Embarcadero XE2. Pengumpulan data yang digunakan yaitu menggunakan metode observasi, metode interview, dan metode kepustakaan. Komputer yang digunakan dalam penelitian ini adalah Laptop ACER Ram 4GB, dari penelitian yang telah dilakukan maka dihasilkan sebuah Sistem Informasi Perpustakaan di SMP Negeri 1 Sindang Danau Menggunakan Embarcadero XE2. Dalam hal ini penulis menarik kesimpulan bahwa perlu dibuat pembaharuan suatu sistem yang lebih efisien dan efektif dalam penyampaian suatu informasi berupa Sistem Informasi Perpustakaan Di SMP Negeri 1 Sindang Danau Menggunakan Embarcadero XE2.
Membangun Website Desa Balayan Kecamatan Kisam Tinggi Sebagai Media Komunikasi Digital Menggunakan Php dan MySQL Valovi, Sinti; Pujianto, Pujianto; Nang Al Kodri, M
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/qv0kbq09

Abstract

Kemajuan teknologi informasi mendorong pemerintah desa untuk beradaptasi dalam menyampaikan informasi secara lebih efektif kepada masyarakat. Penelitian ini bertujuan untuk membangun Website Desa Balayan Kecamatan Kisam Tinggi sebagai media komunikasi digital berbasis PHP dan MySQL. Website ini dirancang untuk menyediakan informasi desa, berita terkini, serta layanan digital bagi masyarakat. Dengan adanya website ini, diharapkan transparansi dan keterlibatan warga dalam pembangunan desa dapat meningkat. Metode yang digunakan dalam pengembangan website ini adalah metode waterfall, yang mencakup analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Hasil penelitian menunjukkan bahwa website ini dapat membantu pemerintah desa dalam mengelola dan menyebarkan informasi dengan lebih efisien. Selain itu, fitur interaktif seperti forum diskusi dan pengumuman online memungkinkan warga desa untuk berpartisipasi aktif dalam komunikasi dengan pemerintah desa. Implementasi sistem berbasis web ini juga mempermudah akses informasi secara real-time tanpa batasan geografis. Dengan demikian, website ini diharapkan dapat menjadi solusi inovatif dalam meningkatkan kualitas layanan informasi dan komunikasi di Desa Balayan.
Co-Authors Abdul Rahman Achmad Basuki Adi, Wasis Waskita Agnesa N, Gita Agung Wijaya Subiantoro Agustina, Desti Akbar, Muhammad Imam Alfain, Bahruddiin Alifah, Khisna alvikri, Wahyu Anak Agung Gede Sugianthara Andi Arif Setiawan, Andi Arif Andika, Deri Andriyani, Widyastuti Apriani, Silvia Apriansah , Rangga Aprilia Wahyuni, Ratna Apriliyani, Tania Apriwijaya, Rangga Ardiyansah, Ilham Ari Kusmiatun Arianingsih, Arianingsih Arif, Mochamad Syaiful Asepta Surya Wardana, Asepta Surya Wardana Asepta Surya Wardhana Asmanto, Budi Asmawita, Pipin Asrori Asrori Astrie Kusuma Dewi Astrie Kusuma Dewi, Astrie Kusuma Dewi Ayende, Ayende Ayuningsih, Bella Aziz, Khafidh Nur Azzahra, Talitha Rahma Bachtiar Rahman Halik Barik, Zidny Alfyan Batubara, Vevi Alwi Novianty Br Bayu Setiaji Bayu Setiaji Bella, Alya Nurfita Budi Hidayat Budi Utomo Bunma, Chancira Chalidia Nurin Hamdani Dani Anggoro Daniel Kurniawan Das Salirawati Destiarini, Destiarini Dewanto, Riski Dewi, Astrie Doni saputra Dwi Lesno Panglipusari Dyah Purwaningsih, Sugi Rahayu Pujianto Edi Istiyono Edt Istiyono Edt Istiyono, Edt Istiyono Erich, Erich Ermawati, Yuli Fahlewi, Fria Farhan Hanafi, Asep Fatmah, Ela Nur Faza Firdaus, Ridho Febiyan, Vio Anwar Febriani Febriansyah, Bagus Febriasari, Neli Fikri, Achmad Ali Fikri, Achmad Ali Fikri, Muhammad Tsaljul Fitriah Fitriah Gede Wirabuana Putra Guna Yanti, Guna Yanti Gustama, Malik Wira Hamdani, Chalidia Hasbullah Thabrany Herta Putri, Meily Husna, Salsabila Ida Zahara Adibah, Ida Zahara Ika Arthalia Wulandari, Ika Arthalia Imam Anas Hadi, Imam Anas Indah Pratiwi, Lily Islakh, Ahmad Nur Isnaini, Amanda Nur Jannah, Rizkia Zahratul Jauhari, Latif Joko Susanto, Lilik Julia Citra, Erma Juliansa, Refki Jumadi Jumadi Juneau, Janelle L. Junita, Mana Khoirunisa, Alifia Zahra Kusuma, Pramandyah Fitah Kusumawati, Ayu Nadya Laily, Rana M.Zaky Zaim Muhtadi, M.Zaky Zaim Muhtadi Maharani, Devinda Putri Mahfudhoh, Al-Aina Martapuse, Boyka Mas'ulah, Nia Fitrotul Masdiana, Nur Mawarni, Amalia Anisa Michael Ong Miftahuljana, Yenni Mislan Sasono, Mislan Monika, Rahma Mudrikah, Mudrikah Muhammad Zaky Zaim Muhtadi Mujito Mujito, Mujito Muniroh, Sri Muris, Anggraini Agustin Mustika Mustika Nang Al Kodri, M Naufal, Muhammad Mirza Nauli, Hanifah Nor, Ucik Lutfiyah Nugroho, Kuncoro Asih Pitono, Anindita Putri Canina Prabowo, Danang Prasetio, Dicky Prasetyo, Basuki Hari Pratama, Duta Fajar Pratiwi, Lily Indah Prayogo, Dimas Pandu Puri, Putri Rose Amanda Purwaningsih, Endah Supeni Purwoko Purwoko Puspita Sari, Novi Putri Sekar Mayasari, Diajeng Putri, Sukma Pertiwi Rachmanita, Risse Rahmasari, Alifia Azis Rahmatullah Rahmatullah Raihan Trinadi, Dio Rezy, M Riki Perdana Rizki Arumning Tyas Roni Heru Triyanto Rony Siswo Setiaji Rustianik, Rustianik Sakinata, Asya Maulida Salman Al Farisi, Salman Al Sandy Arief Santosa, Junjung Rahmat Sari, Ovilia Karticha Sasauw, Dinda Permata Sholeha, Ro’ifatus Sindang Iwari, Adam Siti Fatimah Sitorus, Patar Ariyanto Sodikin, Mohammad Solehati, Cahyaningrum Sri Rahmawati SUDARMAJI SUDARMAJI Sugi Rahayu Supahar, Supahar Supeni, Endah Surya Jatmika Suwarsi, Tri Unggul Suwarsi, Tri Unggul Suyanta Suyanta Swasono Rahardjo Syafitri, Syonia Syahputra, Aditiya Tampubolon, Lediana Triwi Bowo, Handes triyantini, Triyantini Tsania Nur Diyana Utary, Shelvia Valovi, Sinti Vidaroini, Saadah Wardhana, Asepta Wibowo, Muhammad Wahyu Widodo, Irwan Unggul Widyaningtyas, Febrina Siska Wipsar Sunu Brams Dwandaru Wiyatmo , Yusman WULANDARI, WIDYA Yahya Praja Putra, Raflie Yani, Adam Daffa Ghifari Yasir Arafat, Yasir Yuliati - Yulisa, Nerma Yunita Yunita Yusman Wiyatmo Zaenal Abidin Zahrah, Aminatuz Zahro, Fani Fatimatuz Zulaikha, Dewi Fairuz