Article Per Year (5 Year)
p-Index From 2021 - 2026
6.816
P-Index
This Author published in this journals
All Journal Jurnal Informatika Jurnal Ilmu Komputer dan Informasi Jurnal Ilmu Komputer Jurnal Teknik ITS IPTEK The Journal for Technology and Science Semantik Techno.Com: Jurnal Teknologi Informasi Jurnal Buana Informatika TELKOMNIKA (Telecommunication Computing Electronics and Control) JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Ilmiah Kursor Scan : Jurnal Teknologi Informasi dan Komunikasi Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Sistem dan Informatika Scientific Journal of Informatics Journal of Information Systems Engineering and Business Intelligence Jurnal Ilmiah Pangabdhi Register: Jurnal Ilmiah Teknologi Sistem Informasi EMITTER International Journal of Engineering Technology Jurnal Inspiration Briliant: Jurnal Riset dan Konseptual JOIV : International Journal on Informatics Visualization Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) INTEGER: Journal of Information Technology IKRA-ITH Informatika : Jurnal Komputer dan Informatika JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) SISFO Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Journal of Information System,Graphics, Hospitality and Technology ILKOMNIKA: Journal of Computer Science and Applied Informatics Insyst : Journal of Intelligent System and Computation Jurnal Nasional Teknik Elektro dan Teknologi Informasi Sewagati Nusantara Journal of Computers and its Applications
Diana Purwitasari
Alumni Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember
Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mechanical Engineering Public Health Social Sciences Other

Published : 102 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 102 Documents
Search

 1   2   3   4   5 
Cross-Domain Topic Learning Berbasis Frase untuk Pemodelan Topik pada Rekomendasi Kolaborasi Penelitian Zuraida, Vit; Purwitasari, Diana; Fatichah, Chastine
INTEGER: Journal of Information Technology Vol 3, No 2 (2018): September
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (522.874 KB) | DOI: 10.31284/j.integer.2018.v3i2.255

Abstract

Rekomendasi kolaborasi penelitian antardomain dapat diperoleh melalui dokumen publikasi ilmiah seperti judul, abstrak, dan bibliografi. Oleh karena itu, proses ekstraksi topik riset dari seorang peneliti merupakan tahapan penting. Model topik berbasis kata belum dapat merepresentasikan topik dengan baik sebab urutan kata pada dokumen tidak diperhitungkan. Penelitian ini mengusulkan sistem rekomendasi kolaborasi antardomain dengan metode Cross-Domain Topic Learning (CTL) Berbasis Frase. CTL Berbasis Frase terdiri dari tiga fase utama: (1) transformasi dokumen dari format bag-of-words menjadi bag-of-phrases, (2) pemodelan topik terhadap frase yang sudah dibentuk untuk mengetahui distribusi probabilitas keterkaitan peneliti dengan topik, (3) perangkingan rekomendasi kolaborasi dengan random walk with restart. Pengujian sistem terhadap domain Visualization dan Data Mining pada dataset  AMiner menunjukkan bahwa CTL Berbasis Frase lebih baik daripada CTL berbasis kata. Terdapat pengingkatan nilai precision sebesar ±10% pada 10 rekomendasi teratas dan ±5% pada 20 rekomendasi teratas.
Klasifikasi Multi Class Pada Analisis Sentimen Opini Pengguna Aplikasi Mobile Untuk Evaluasi Faktor Usability Wardhana, Septiyawan Rosetya; Purwitasari, Diana
INTEGER: Journal of Information Technology Vol 4, No 1 (2019): May
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (468.764 KB) | DOI: 10.31284/j.integer.2019.v4i1.474

Abstract

Dalam proses pengembangan maupun pengujian perangkat lunak, faktor usability merupakan aspek yang paling penting. Evaluasi faktor usability tersebut dapat dilakukan dengan menganalisa orientasi sentimen pada opini pengguna berdasarkan faktor usability. Namun, setiap opini juga memiliki tingkat sentimen yang mencerminkan tinggi rendahnya orientasi sentimen, sehingga akan lebih efektif apabila tingkat sentimen juga dipertimbangkan dalam proses evaluasi. Selain itu, opini pengguna juga dapat memiliki lebih dari 1 faktor usability. Hal tersebut dikarenakan setiap dokumen opini dapat terdiri lebih dari 1 kalimat dimana setiap kalimat bisa memiliki faktor usability yang berbeda. Berbeda dengan perangkat lunak lainnya, aplikasi mobile memiliki batasan dan konteks tersendiri. Sehingga model usability yang digunakan juga berbeda dengan perangkat lunak lainnya. Model PACMAD merupakan model usability yang disesuaikan dengan batasan dan konteks dari aplikasi mobile. Oleh karena itu dalam penelitian ini diusulkan suatu metode  evaluasi faktor usability dengan menggunakan klasifikasi multi class pada analisis sentimen dengan mempertimbangkan tingkat sentimen opini pengguna aplikasi mobile berdasarkan model usability PACMAD. Data opini pengguna dikaslifikasian dengan model klasifikasi multi class dengan metode naive bayes, kemudian dianalisis orientasi dan tingkat sentimennya dengan menggunakan metode SentiWordNet Interpretation. Berdasarkan hasil ujicoba diperoleh nilai akurasi sebesar 74,7%, precision 43,2%, recall 29,5% dan f-measure 34,5%.
PENGEMBANGAN SISTEM PENGENALAN WAJAH DENGAN METODE PENGKLASIFIKASIAN HIBRID BERBASIS JARINGAN FUNGSI BASIS RADIAL DAN POHON KEPUTUSAN INDUKTIF Soelaiman, Rully; Purwitasari, Diana; Tri Hayati, Ariadi Retno
Jurnal Informatika Vol 6, No 2 (2005): NOVEMBER 2005
Publisher : Institute of Research and Community Outreach - Petra Christian University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (318.797 KB) | DOI: 10.9744/informatika.6.2.pp. 115-124

Abstract

Face recognition is a difficult task mostly because of the inherent variability of the image formation process ranging from the position/cropping of the face and its environment (distance and illumination) is totally controlled, to those involving little or no control over the background and viewpoint. Moreover, those are allowing for major changes in facial appearance due to factors expression, aging, and accessories such as glasses or changes in hairstyle. A solution has been proposed by considering hybrid classification architectures deal with the benefit of robustness via consensus provided by ensembles of Radial Basis Functions (RBF) networks and categorical classification using decision trees. A specific approach considers an ensemble of RBF Networks through its ability to cope with variability in the image formation. The experiments were carried out on images drawn randomly 50 unique subjects totalling to 500 facial images with rotation ± 50 encoded in greyscale. The faces are then normalized to account for geometrical and illumination changes using information about the eye location. Specifically performance true positive by Ensambles RBF1 (ERBF1) increased on ± 13,86% measures up to RBF while ERBF2 by ± 15,93%. On the contrary the false negative rate decreased by amount of ±5,8% for ERBF1 and somewhat less to ±5,6% for ERBF2. When the connectionist ERBF model is coupled with an Inductive Decision Tree - C4.5 - the performance improves over the case while only the connectionist ERBF module is used. Abstract in Bahasa Indonesia : Pengklasifikasian wajah berkaitan dengan variasi data misalnya detil - detil kecil dari wajah atau transformasi saat proses pengambilan citra. Pengklasifikasian wajah dengan metode hibrid menggabungkan pembelajaran berbasis Jaringan Fungsi Basis Radial (JFBR) dan Pohon Keputusan Induktif. JFBR digunakan sebagai metode pembelajaran dalam arsitektur jaringan syaraf tiruan. Untuk meningkatkan kemampuan pengenalan dilakukan pengklasifikasian pada Pohon Keputusan Induktif. Selain menjadi metode penghubung pada pengklasifikasian hibrid, Himpunan JFBR (HJFBR) digunakan untuk penyediaan atribut pada pengklasifikasian Pohon Keputusan Induktif. Uji coba dilakukan pada 50 obyek dengan total ± 500 citra wajah dalam format grayscale. Data dipilih dengan memberi variasi mimik wajah, kemiringan (rotasi) data ± 50 dan juga dipengaruhi oleh pencahayaan di dalam ataupun d iluar ruangan. Rata - rata peningkatan keakurasian positif benar yang diberikan arsitektur HJFBR dibanding JFBR sebesar ±13,86% untuk HJFBR1 dan ±15,93% untuk HJFBR2. Namun menurunkan keakurasian negatif benar sebesar ±5,8% untuk HJFBR1 dan ±5,6% untuk HJFBR2. Penambahan pohon keputusan induktif pada metode hibrid memberikan keuntungan selain tetap dapat meningkatkan keakurasian positif benar juga mampu mengatasi permasalahan sebelumnya tentang penurunan keakurasian negatif benar. Kata kunci: pengenalan wajah, jaringan fungsi basis radial, pengklasifikasian hibrid, pohon keputusan induktif.
Optimasi Pembobotan pada Query Expansion dengan Term Relatedness to Query-Entropy based (TRQE) Ludviani, Resti; Hayati, Khadijah F.; Arifin, Agus Zainal; Purwitasari, Diana
Jurnal Buana Informatika Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (297.228 KB) | DOI: 10.24002/jbi.v6i3.433

Abstract

Abstract. An appropriate selection term for expanding a query is very important in query expansion. Therefore, term selection optimization is added to improve query expansion performance on document retrieval system. This study proposes a new approach named Term Relatedness to Query-Entropy based (TRQE) to optimize weight in query expansion by considering semantic and statistic aspects from relevance evaluation of pseudo feedback to improve document retrieval performance. The proposed method has 3 main modules, they are relevace feedback, pseudo feedback, and document retrieval. TRQE is implemented in pseudo feedback module to optimize weighting term in query expansion. The evaluation result shows that TRQE can retrieve document with the highest result at precission of 100% and recall of 22,22%. TRQE for weighting optimization of query expansion is proven to improve retrieval document.     Keywords: TRQE, query expansion, term weighting, term relatedness to query, relevance feedback Abstrak..Pemilihan term yang tepat untuk memperluas queri merupakan hal yang penting pada query expansion. Oleh karena itu, perlu dilakukan optimasi penentuan term yang sesuai sehingga mampu meningkatkan performa query expansion pada system temu kembali dokumen. Penelitian ini mengajukan metode Term Relatedness to Query-Entropy based (TRQE), sebuah metode untuk mengoptimasi pembobotan pada query expansion dengan memperhatikan aspek semantic dan statistic dari penilaian relevansi suatu pseudo feedback sehingga mampu meningkatkan performa temukembali dokumen. Metode yang diusulkan memiliki 3 modul utama yaitu relevan feedback, pseudo feedback, dan document retrieval. TRQE diimplementasikan pada modul pseudo feedback untuk optimasi pembobotan term pada ekspansi query. Evaluasi hasil uji coba menunjukkan bahwa metode TRQE dapat melakukan temukembali dokumen dengan hasil terbaik pada precision  100% dan recall sebesar 22,22%.Metode TRQE untuk optimasi pembobotan pada query expansion terbukti memberikan pengaruh untuk meningkatkan relevansi pencarian dokumen.Kata Kunci: TRQE, ekspansi query, pembobotan term, term relatedness to query, relevance feedback
Siamese Long Short-Term Memory for Detecting Conflict of Interest on Scientific Papers Ilmi, Akhmad Bakhrul; Purwitasari, Diana; Fatichah, Chastine
IPTEK The Journal for Technology and Science Vol 30, No 2 (2019)
Publisher : IPTEK, LPPM, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (336.155 KB) | DOI: 10.12962/j20882033.v30i2.5008

Abstract

Scientific articles cited by other researchers have an impact on increasing author credibility. However, the citation process may be misused to unnaturally raise a bibliometric indicator value such as researcher’s h-index. Researchers may overly cites their own works, referred as self-citation, even though the topic of the references are not related to the current article. Further misconduct is excessive citations on the works of peoples related to the researcher which can be coercive or not, referred as conflict of interest (CoI). The proposed method uses a deep learning approach, Siamese Long ShortTerm Memory (LSTM), to recognize subject similarities between a scientific article and its references. Standard text similarity fails to do so because contextual relatedness of sentences in the articles need some learning process. Siamese-LSTM learns contextual relatedness of sentences in the article using two identical LSTM. Steps of the proposed method are (i) word-embedding to get weight values of terms but still considers their semantic relations, (ii) k-means clustering to generate training data for reducing time complexity in Siamese-LSTM learning of scientific articles, (iii) learns Siamese-LSTM weight from training data to identify contextual relatedness of sentences, (iv) calculate similarity of a scientific article with its references based on Siamese-LSTM. The empirical experiments are used to analyze similarity values and the possibility for conflict of interest in an article.
Deteksi Bot Spammer pada Twitter Berbasis Sentiment Analysis dan Time Interval Entropy Aditya, Christian Sri Kusuma; Hani’ah, Mamluatul; Fitrawan, Alif Akbar; Arifin, Agus Zainal; Purwitasari, Diana
Jurnal Buana Informatika Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (456.068 KB) | DOI: 10.24002/jbi.v7i3.656

Abstract

Abstract. Spam is an abuse of messaging undesired by recipients. Those who send spam are called spammers.  Popularity of Twitter has attracted spammers to use it as a means to disseminate spam messages. The spams are characterized by a neutral emotional sentiment or no particular users’ preference perspective. In addition, the regularity of tweeting behavior periodically shows automation performed by bot. This study proposes a new method to differentiate between bot spammer and legitimate user accounts by integrating the sentiment analysis (SA) based on emotions and time interval entropy (TIE). The combination of knowledge-based and machine learning-based were used to classify tweets with positive, negative and neutral sentiments. Furthermore, the collection of timestamp is used to calculate the time interval entropy of each account. The results show that the precision and recall of the proposed method reach up to 83% and 91%. This proves that the merging SA and TIE can optimize overall system performance in detecting Bot Spammer.Keywords: bot spammer, twitter, sentiment analysis, polarity, entropy Abstrak. Spam merupakan penyalahgunaan pengiriman pesan tanpa dikehendaki oleh penerimanya, orang yang mengirimkan spam disebut spammer. Ketenaran Twitter mengundang spammer untuk menggunakannya sebagai sarana menyebarluaskan pesan spam. Karakteristik dari tweet yang dikategorikan spam memiliki sentimen emosi netral atau tidak ada preferensi tertentu terhadap suatu perspektif dari user yang memposting tweet. Selain itu keteraturan waktu perilaku saat memposting tweet secara periodik menunjukkan otomatisasi yang dilakukan bot. Pada penelitian ini diusulkan metode baru untuk mendeteksi antara bot spammer dan legitimate user dengan mengintegrasikan sentimen analysis berdasarkan emosi dan time interval entropy. Pendekatan gabungan knowledge-based dan machine learning-based digunakan untuk mengklasifikasi tweet yang memiliki sentimen positif, negatif dan tweet netral. Selanjutnya kumpulan timestamp digunakan untuk menghitung time interval entropy dari tiap akun. Hasil percobaan menunjukan bahwa precision dan recall dari metode yang diusulkan mencapai 83% dan 91%. Hal ini membuktikan penggabungan Sentiment Analysis (SA) dan Time Interval Entropy (TIE) dapat mengoptimalkan performa sistem secara keseluruhan dalam mendeteksi Bot Spammer.Kata Kunci:  bot spammer, twitter, sentiment analysis,  polarity, entropy
Peringkasan Dokumen Berbahasa Inggris Menggunakan Sebaran Local Sentence Wahib, Aminul; Arifin, Agus Zainal; Purwitasari, Diana
Jurnal Buana Informatika Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (353.749 KB) | DOI: 10.24002/jbi.v7i1.482

Abstract

Abstract. The number of digital documents grows very rapidly causing time waste in searching and reading the information. To overcome these problems, many document summary methods are developed to find important or key sentences from the source document. This study proposes a new strategy in summarizing English document by using local sentence distribution method to find and dig up hidden important sentence from the source document in an effort to improve quality of the summaries. Experiments are conducted on dataset DUC 2004 task 2. Measurement ROUGE-1 and ROUGE-2 are employed as a performance evaluation of the proposed method with sentence information density and sentence cluster keyword (SIDeKiCK). The experiment shows that the proposed method has better performance with an average achievement ROUGE-1 0.398, an increase of 1.5% compared to SIDeKiCK method and ROUGE-2 0.12, an increase 13% compared to SIDeKiCK method.Keywords: Summarize Document, Important Sentences, Distribution of Local Sentence, ROUGE. Abstrak. Jumlah dokumen digital yang berkembang sangat pesat menyebabkan banyaknya waktu terbuang dalam mencari dan membaca informasi. Untuk mengatasi permasalahan tersebut banyak dikembangkan metode peringkasan dokumen yang diharapkan mampu menemukan kalimat-kalimat penting dari dokumen sumber. Penelitian ini mengajukan strategi baru peringkasan dokumen berbahasa inggris menggunakan metode sebaran local sentence untuk mencari dan menggali kalimat penting yang tersembunyi dalam dokumen sumber sebagai upaya untuk meningkatkan kualitas hasil ringkasan. Uji coba dilakukan terhadap dataset task 2 DUC 2004. Pengukuran ROUGE-1 dan ROUGE-2 digunakan sebagai evaluasi performa metode yang diusulkan dengan metode lain yaitu metode sentence information density dan kata kunci cluster kalimat (SIDeKiCK). Hasil ujicoba didapatkan bahwa metode yang diusulkan memiliki performa lebih baik dengan capaian rata-rata ROUGE-1 0,398, meningkat 1,5% dibanding metode SIDeKiCK dan ROUGE-2 0,12 meningkat 13% dibanding metode SIDeKiCK.Kata Kunci: Peringkasan Dokumen, Kalimat Penting, Sebaran Local Sentence, ROUGE.
HIERARCHICAL MULTI-VIEWPOINT SELF ORGANIZING MAP PADA PENGELOMPOKAN PENGGUNA UNTUK MENGETAHUI PROFIL UNDUH DI LINGKUNGAN KAMPUS Putri, Tesa Eranti; Fatichah, Chastine; Purwitasari, Diana
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 9, No 3 (2014)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v9i3.860

Abstract

Abstrak. Fasilitas internet kampus terkadang disalahgunakan untuk mengunduh data yang tidakterkait akademis, sehingga mengganggu pengguna yang memerlukan internet untuk kepentinganakademis. Guna memonitor pengunduhan di kampus, diperlukan profil unduh. Profil dapat dibentukdari pengelompokan pengguna. Penelitian ini mengajukan pemodelan untuk pengelompokanpengguna berupa Self Organizing Map hierarchical multi-viewpoint. Pengelompokan dilakukanberdasarkan jumlah transaksinya, dilihat dari banyak viewpoint. Setiap viewpoint membentuk petatersendiri, disusun berjenjang (hierarchical), kemudian dilatih menggunakan gabungan fiturviewpoint sekarang dengan viewpoint di bawahnya. Pengujian dilakukan dengan analisis manualhasil pengelompokan. Dari pengujian, diperoleh fitur viewpoint yang memberikan gambaran profilunduh yang paling jelas dan lengkap adalah domain email.Kata kunci. profil unduh, pengelompokan pengguna, web usage mining, Self Organizing MapHierarchical Multi-viewpoint
Identifying Degree-of-Concern on COVID-19 topics with text classification of Twitters Hasanah, Novrindah Alvi; Suciati, Nanik; Purwitasari, Diana
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 7, No 1 (2021): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v7i1.2234

Abstract

The COVID-19 pandemic has various impacts on changing people’s behavior socially and individually. This study identifies the Degree-of-Concern topic of COVID-19 through citizen conversations on Twitter. It aims to help related parties make policies for developing appropriate emergency response strategies in dealing with changes in people’s behavior due to the pandemic. The object of research is 12,000 data from verified Twitter accounts in Surabaya. The varied nature of Twitter needs to be classified to address specific COVID-19 topics. The first stage of classification is to separate Twitter data into COVID-19 and non-COVID-19. The second stage is to classify the COVID-19 data into seven classes: warnings and suggestions, notification of information, donations, emotional support, seeking help, criticism, and hoaxes. Classification is carried out using a combination of word embedding (Word2Vec and fastText) and deep learning methods (CNN, RNN, and LSTM). The trial was carried out with three scenarios with different numbers of train data for each scenario. The classification results show the highest accuracy is 97.3% and 99.4% for the first and second stage classification obtained from the combination of fastText and LSTM. The results show that the classification of the COVID-19 topic can be used to identify Degree-of-Concern properly. The results of the Degree-of-Concern identification based on the classification can be used as a basis for related parties in making policies to formulate appropriate emergency response strategies in dealing with changes in public behavior due to a pandemic.
Deteksi User Berpengaruh Berdasarkan Kombinasi Fitur Popularitas User Dan Topik Monomorphism Pada Data Twitter untuk Promosi Produk Wijoyo, Satrio Hadi; Fatichah, Chastine; Purwitasari, Diana
Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 6, No 1 (2016): Jurnal Inspiration Volume 6 Issue 1
Publisher : STMIK AKBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35585/inspir.v6i1.87

Abstract

User berpengaruh merupakan sebuah user yang biasanya populer di twitter dengan ditandai memiliki banyak follower, isi tweet atau pendapatnya sering dikutip atau diikuti oleh akun lainnya dengan ditandai tweet yang sering di retweet, dan namanya sering disebut atau di-mention. Akan tetapi, ketertarikan tweet user berpengaruh tidak dapat dilihat hanya dari fitur retweet dan mention saja, melainkan dapat dilihat dari fitur topik monomorphism.Berdasarkan permasalahan tersebut, suatu metode diusulkan kombinasi fitur popularitas user dan topik monomorphism untuk mendeteksi user berpengaruh pada data twitter untuk promosi produk. Berdasarkan hasil ujicoba, nilai rata-rata akurasi algoritma fuzzy inference system dari produk Iphone sebesar 75,75%, produk Samsung sebesar 79,25%, dan produk Apple sebesar 74,5%. Hasil ini menunjukkan bahwa deteksi user berpengaruh berdasarkan kombinasi fitur popularitas user dan topik monomorphism menghasilkan keluaran cukup baik.
Co-Authors Abdillah, Abid Famasya Abdillah, Surya Abid Famasya Abdillah Achmad Affandi Adhi Nurilham Adi Surya Suwardi Ansyah Adillion, Ilham Gurat Adni Navastara, Dini Agus Budi Raharjo Agus Budi Raharjo Agus Zainal Arifin Agus Zainal Arifin Ahmad Syauqi Ahmad Syauqi Aida Muflichah Akwila Feliciano Akwila Feliciano Alif Akbar Fitrawan, Alif Akbar Alqis Rausanfita Aminul Wahib Aminul Wahib Aminul Wahib Andrea Bemantoro J Apriantoni Apriantoni Apriantoni, Apriantoni Ardianto Ardianto Ariadi Retno Tri Hayati Arief Rahman Arif Fadllullah Arijal Ibnu Jati Arini Rosyadi Ario Bagus Nugroho Arrie Kurniawardhani Arya Putra Kurniawan Asiyah Nur Kholifah Atikah, Luthfi Bambang Setiawan Baskoro Adi Pratomo Baskoro, Fajar Benito, Davian Budi Pangestu Budi Rahardjo Budi Raharjo, Agus Budiyono, Yanuardhi Arief Buliali, Joko Lianto Cahyaningtyas, Zakiya Azizah Chastine Fatichah Chilyatun Nisa, Chilyatun Christian Sri kusuma Aditya, Christian Sri kusuma Cornelius Bagus Purnama Putra Damayanti, Putri Daniel Swanjaya Dasrit Debora Kamudi Dhian Kartika Dini Adni Navastara, Dini Adni Dwi Sunaryono Dwi Sunaryono Edy Sukotjo Eko Riduwan Elshe Erviana Angely Erlinda Argyanti Nugraha Erlinda Argyanti Nugraha F.X. Arunanto Fahmi Amiq Fajar Baskoro Fajar Baskoro Falach Asy'ari, Misbachul Fandy Kuncoro Adianto Fandy Kuncoro Adianto Faried Effendy Febri Fernanda Fransiscus Xaverius Arunanto Galih Hendra Wibowo Ginardi, Raden Venantius Hari Glory Intani Pusposari Gurat Adillion, Ilham Gus Nanang Syaifuddiin Hadziq Fabroyir Hafidz, Abdan Hamidi, Mohammad Zaenuddin Handayani Tjandrasa Haniefardy, Addien Hanif Affandi Hartanto Haykal, Muhammad Farhan Herdayanto Sulistyo Putro Hilya Tsaniya Hilya Tsaniya Hudan Studiawan Husna, Farida Amila I Ketut Eddy Purnama I Made Satria Bimantara Ilmi, Akhmad Bakhrul Imam Santosa Indra Lukmana Irdayanti, Marina Ivonne Soejitno Juanita, Safitri Juanita, Safitri Juli Purwanto Kardawi, Muhammad Yusuf Kautsar, Faiz Kevin Christian Hadinata Kevin Christian Hadinata Khadijah F. Hayati Kurnia Aji Tritamtama Lailatul Hidayah M. Abdillah M. Abdul Wakhid Mabahist, Fahril Maheswari, Clarissa Luna Mamluatul Hani’ah Mauridhi Hery Purnomo Mirza Hamdhani Misbakhul Munir Irfan Subakti Mohamad Anwar Syaefudin Muhamad Nasir Muhammad Abdul Wakhid Muhammad Jerino Gorter Muhammad Machmud Muhammad Mirza Muttaqi Nabila Puspita Firdi Nada Fitrieyatul Hikmah Nanik Suciati Narandha Arya Ranggianto Nova Rijati Novemi Uki A Novrindah Alvi Hasanah Nur Azizah, Anisa Nur Hayatin Nurilham, Adhi Oktaviandra Pradita Putri Oktaviandra Pradita Putri, Oktaviandra Pradita Paramastri Ardiningrum Putu Praba Santika Putu Yuwono Kusmawan Raihan, Muhammad Rangga Kusuma Dinata Rangga Kusuma Dinata Ratih Nur Esti Anggraini, Ratih Nur Esti Rendra Dwi Lingga P. Resti Ludviani Rio Indralaksono Rizal Setya Perdana Rizka Sholikah Rizka Wakhidatus Sholikah Rizka Wakhidatus Sholikah, Rizka Wakhidatus Rizqa Afthoni Rozi, Fahrur RR. Ella Evrita Hestiandari Rully Soelaiman Rully Sulaiman Ryfial Azhar, Ryfial Safhira Maharani Safhira Maharani Safitri, Julia Salim Bin Usman Salim Bin Usman Salsabila Mazya Permataning Tyas Salsabila Salsabila Satrio Hadi Wijoyo Satrio Verdianto Satrio Verdianto Sembiring, Fred Erick Septiyan Andika Isanta Septiyan Andika Isanta Septiyawan Rosetya Wardhana Septiyawan Rosetya Wardhana Sherly Rosa Anggraeni Sherly Rosa Anggraeni Sidharta, Bayu Adjie Sihombing, Drigo Alexander Siti Rochimah Stefani Tasya Hallatu Surya Sumpeno Suwida, Katon Syadza Anggraini Tanzilal Mustaqim Tegar Rachman Muzzammil Tesa Eranti Putri Tri Arief Sardjono Tsabbit Aqdami Mukhtar, Tsabbit Aqdami Umy Rizqi Verdianto, Satrio Victor Hariadi Vit Zuraida Wardhana, Septiyawan R. Wardhana, Septiyawan Rosetya Wicaksono, Farhan Wijayanti Nurul Khotimah Wijoyo, Satrio Hadi Windy Deftia Mertiana Wisma Dwi Prastya, Ifnu Wulansari Wulansari Yasinta Romadhona Yatestha, Anak Agung Yoga Yustiawan Yonathan, Vincent Yufis Azhar Yuhana, Umi Laili Yulia Niza Yulia Niza Yulian Findawati Yunianto, Dika R. Zahrul Zizki Dinanto Zakiya Azizah Cahyaningtyas Zakiya Azizah Cahyaningtyas