p-Index From 2021 - 2026
6.816
P-Index
Claim Missing Document
Check
Articles

Identifikasi Fitur untuk Prediksi Penerimaan Program Listrik Prabayar: Kasus di PLN Tahuna Eko Riduwan; Diana Purwitasari; Agus Budi Raharjo
Techno.Com Vol 21, No 3 (2022): Agustus 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i3.6451

Abstract

Listrik Prabayar (LPB) memberikan manfaat bagi perusahaan listrik dalam hal mengurangi piutang pelanggan dan memberikan kemudahan pengendalian pemakaian listrik bagi pelanggan. Perusahaan Listrik Negara (PLN) mempunyai program pemasaran untuk berpindah (migrasi) dari listrik pascabayar menjadi LPB. Pencapaian Key Performance Indicator (KPI) Program Pemasaran LPB PLN Tahuna pada 2021 hanya 1.185 pelanggan dari taget 2.261 pelanggan. Hal ini memberikan peluang perbaikan karena program pemasaran saat ini belum mengoptimalkan penggunaan data sebagai dasar penentuan prospek pelanggan. Penelitian ini mengajukan metode identifikasi fitur dan skenario pemilihan algoritma Pembelajaran Mesin yang tepat untuk memprediksi penerimaan pelanggan listrik pasca bayar terhadap program prabayar. Identifikasi fitur dilakukan dengan pengukuran korelasi Pearson. Kandidat algoritma Pembelajaran Mesin yang terpilih adalah Logistic Regression, Support Vector Machines, Decision Tree, dan Random Forest. Model-model yang dihasilkan dievaluasi menggunakan confusion matrix sehingga didapatkan model terbaik untuk studi kasus yang diajukan. Penelitian menunjukkan bahwa fitur tarif, daya, frekuensi terlambat membayar listrik, pemakaian rata-rata listrik bulanan (kWh) dan Kabupaten mempunyai korelasi signifikan dengan penerimaan LPB. Adapun model dengan algoritma Random Forest adalah model terbaik sesuai tujuan penelitian dengan F1-Measure tertinggi (95,17%).
Pemanfaatan Machine Learning untuk Pengelompokan dan Prediksi Target Tambah Daya Listrik Pelanggan Prabayar (Studi Kasus : PT PLN ULP Watang Sawitto) Rizqa Afthoni; Diana Purwitasari; Agus Budi Raharjo
Techno.Com Vol 21, No 3 (2022): Agustus 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i3.6476

Abstract

Perkembangan teknologi sistem informasi dan ilmu pengetahuan khususnya dalam bidang pemasaran membuat para pelaku usaha berupaya untuk meningkatkan competitive advantage mereka dengan mengerahkan sumber daya yang dimiliki oleh perusahaan. Perusahaan dituntut untuk berinovasi dalam mengelola perusahaannya agar dapat bertahan dalam dunia persaingan. Kemampuan untuk memprediksi pelanggan prabayar yang berpotensi tambah daya listrik merupakan salah satu strategi pendukung untuk keberhasilan program pemasaran tambah daya pelanggan berdasarkan karakteristik konsumsi listriknya. Berdasarkan hal tersebut, penelitian ini mengajukan metode prediksi pelanggan prabayar dengan memanfaatkan algoritma pengelompokan (Clustering) dan klasifikasi. Data yang diolah adalah data pelanggan prabayar tarif rumah tangga yang memiliki fitur variabel daya listrik pelanggan (VA), frekuensi beli token listrik, total pemakaian kWh, total rupiah pembelian token, selisih daya VA pelanggan, jam nyala, periode hari pembelian token listrik, dan riwayat tambah daya listrik pelanggan. Pengelompokan dilakukan dengan menerapkan algoritma K-means. Dari hasil tersebut, model prediksi dibangun sesuai target setiap klaster dengan memanfaatkan dua metode, Gradient Boosting dan Artificial Neural Network. Evaluasi prediksi model terbaik dilakukan dengan menerapkan tiga skenario proporsi data latih dan data uji, yang selanjutnya diukur menggunakan matrik akurasi dan Cohen Kappa. Hasil eksperimen menghasilkan empat klaster berdasarkan karakteristik konsumsi listriknya. Gradient Boosting memberikan hasil yang terbaik untuk semua klaster, untuk klaster 1 menghasilkan nilai AUC 0.784, klaster 2 menghasilkan nilai AUC 0.941, klaster 3 menghasilkan nilai 0.884 dan klaster 4 menghasilkan nilai AUC 0.903.
Penentuan Topik dengan Opinion Mining berbasis Two-Pass Classifier dan Bayesian dalam Peringkasan Teks Twitter Muhammad Mirza Muttaqi; Diana Purwitasari; Rizka Wakhidatus Sholikah
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 3 (2022): Volume 4, Nomor 3, Desember 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v4i3.499

Abstract

Kolom komentar berkepanjangan pada teks Twitter mempersulit masyarakat yang ingin mengetahui informasi terkini seperti topik tren Covid-19. Peringkasan teks dengan mempertahankan konten melalui pengelompokkan kata untuk deteksi kemiripan hubungan dalam konteks kalimat dapat menghasilkan ringkasan lebih terfokus. Akan tetapi pada klastering teks Twitter sering ditemukan kalimat atau satu tweet yang seharusnya berbeda klaster. Oleh karena itu, perlu dilakukan pemodelan topik dan penentuan topik untuk mempermudah pengguna mencari suatu informasi tertentu. Pada penelitian ini difokuskan pada topik Covid-19. Pemodelan topik digunakan untuk mengatur, mencari, memahami, dan meringkas sebuah teks. Opinion Mining digunakan untuk mengekstrak atau mengklasifikasikan polaritas sentimen. Polaritas sentimen ini berupa “positif” atau “negatif” pada suatu entitas atau aspek. Proses klasifikasi menggunakan metode two pass clasiffier untuk sentimen positif dan negatif, serta Bayesian sebagai metode pelabel entitas – entitas. Setelah itu, label-label tersebut dikelompokkan sehingga terbentuk topik-topik dan beberapa tweet yang mempunyai kemiripan entitas topik dikelompokan ke dalam topik. Dari hasil evaluasi mengunkan TextRank, Okapi BM25 dan PageRank, proses opinion mining menghasilkan nilai yang lebih tinggi dibandingkan dengan Latent Semantic Indexing (LSI), dengan selisih rata-rata 0,53
A Hybrid Method on Emotion Detection for Indonesian Tweets of COVID-19 Diana Purwitasari; Adi Surya Suwardi Ansyah; Arya Putra Kurniawan; Asiyah Nur Kholifah
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 2 (2023): April 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i2.4816

Abstract

As a result of the COVID-19 pandemic, there have been restrictions on activities outside the home which has caused people to interact more and express their emotions through social media platforms, one of which is Twitter. Previous studies on emotion classification used only one feature extraction, namely the lexicon based or word embedding. Feature extraction using the emotion lexicon has the advantage of recognizing emotional words in a sentence while feature extraction using word embedding has the advantage of recognizing the semantic meaning. Therefore, the main contribution to this research is to use two lexicon feature extraction and word embedding to classify emotions. The classification technique used in this research is the Ensemble Voting Classifier by selecting the two best classifiers to try on both types of feature extraction. The experimental results for both types of feature extraction are the same, indicating that the best classifiers are Random Forest and SVM. Models using both types of feature extraction show increased accuracy compared to using only one feature extraction. The results of this emotional analysis can be used to determine the public's reaction to an event, product, or public policy.
Aspect-based Sentiment and Correlation-based Emotion Detection on Tweets for Understanding Public Opinion of Covid-19 Salsabila Salsabila; Salsabila Mazya Permataning Tyas; Yasinta Romadhona; Diana Purwitasari
Journal of Information Systems Engineering and Business Intelligence Vol. 9 No. 1 (2023): April
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20473/jisebi.9.1.84-94

Abstract

Background: During the Covid-19 period, the government made policies dealing with it. Policies issued by the government invited public opinion as a form of public reaction to these policies. The easiest way to find out the public’s response is through Twitter’s social media. However, Twitter data have limitations. There is a mix between facts and personal opinions. It is necessary to distinguish between these. Opinions expressed by the public can be both positive and negative, so correlation is needed to link opinions and their emotions. Objective: This study discusses sentiment and emotion detection to understand public opinion accurately. Sentiment and emotion are analyzed using Pearson correlation to determine the correlation. Methods: The datasets were about public opinion of Covid-19 retrieved from Twitter. The data were annotated into sentiment and emotion using Pearson correlation. After the annotation process, the data were preprocessed. Afterward, single model classification was carried out using machine learning methods (Support Vector Machine, Random Forest, Naïve Bayes) and deep learning method (Bidirectional Encoder Representation from Transformers). The classification process was focused on accuracy and F1-score evaluation. Results: There were three scenarios for determining sentiment and emotion, namely the factor of aspect-based and correlation-based, without those factors, and aspect-based sentiment only. The scenario using the two aforementioned factors obtained an accuracy value of 97%, while an accuracy of 96% was acquired without them. Conclusion: The use of aspect and correlation with Pearson correlation has helped better understand public opinion regarding sentiment and emotion more accurately.   Keywords: Aspect-based sentiment, Deep learning, Emotion detection, Machine learning, Pearson correlation, Public opinion.
Sistem Pendaftaran Online untuk PPDB SMA/SMK Negeri Provinsi Jawa Timur Diana Purwitasari; Alqis Rausanfita; Hadziq Fabroyir
Sewagati Vol 4 No 2 (2020)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (427.514 KB)

Abstract

Penerimaan Peserta Didik Baru (PPDB) merupakan langkah awal dalam bidang pendidikan yang menjadi agenda rutin tiap tahunnya dengan dua mekanisme yaitu luar jaringan (offline) dan dalam jaringan (online). Namun pada tahun 2020, Indonesia bahkan dunia sedang ditimpa pandemi Covid-19, yang menyebabkan pemerintah provinsi Jawa Timur tidak bisa melaksanakan PPDB dengan mekanisme luar jaringan (offline). Oleh karena itu, kegiatan pengabdian masyarakat ini membangun sebuah sistem pendaftaran PPDB berbasis web yang dapat memfasilitasi tiga jenis tahapan pendaftaran PPDB jenjang SMA / SMK Negeri Jawa Timur 2020. Sebelum melakukan pendaftaran pada salah satu jalur calon peserta didik harus melaksanakan tahap pengambilan pin. Pengabdian ini mengadopsi konsep objek oriented programming (oop) dengan menggunakan framework code igniter. Sistem pendaftaran online untuk PPDB jenjang SMA/SMK Negeri Jawa Timur telah diuji dengan menggunakan teknik blackbox sehingga dapat dipastikan sistem telah berjalan dengan baik. Sebelum pendaftaran PPDB berlangsung pada tanggal 8 juni 2020 sampai dengan 27 juni 2020, tim informatika ITS telah melakukan sosialisasi sistem, namun tetap saja ketika kegiatan ini berlangsung terdapat beberapa kendala yang dialami calon peserta didik dalam menggunakan sistem. Untuk itu, tim informatika ITS melakukan pendampingan untuk mengatasi kendala-kendala yang terjadi selama berlangsungnya pendaftaran PPDB.
Pemanfaatan Platform Google Classroom untuk Pembelajaran Daring di Pondok Pesantren Miftahul Ulum Al-Islamy, Bangkalan, Madura Dini Adni Navastara; Nanik Suciati; Chastine Fatichah; Diana Purwitasari; Handayani Tjandrasa; Agus Zainal Arifin; Akwila Feliciano; Yulia Niza; Rangga Kusuma Dinata; Safhira Maharani; Ahmad Syauqi; Sherly Rosa Anggraeni; Fandy Kuncoro Adianto; Zakiya Azizah Cahyaningtyas; Salim Bin Usman; Kevin Christian Hadinata
Sewagati Vol 4 No 3 (2020)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (269.198 KB)

Abstract

Proses pembelajaran daring menjadi hambatan tersendiri dalam bidang pendidikan, terlebih untuk pendidikan wajib yang harus dilakukan secara bertatap muka langsung antara pengajar dan pelajar. Di luar faktor permasalahan eksternal, permasalahan internal perlu diselesaikan terlebih dahulu, yaitu media pembelajaran. Salah satu platform digital yang tersedia sebagai media pembelajaran untuk menunjang pembelajaran secara daring adalah Google Classroom. Aplikasi Google Classroom berbasis web yang berbentuk pembelajaran asynchronous atau dapat dikatakan pemberian materi ajar dilakukan secara tidak langsung. Walaupun sebuah media daring sudah tersedia, masih ada yang belum mengenal atau memahami penggunaan aplikasi Google Classroom sebagai media ajar mereka. Oleh karena itu, kami mengadakan pengabdian masyarakat berupa pelatihan tentang penggunaan aplikasi Google Classroom bagi guru-guru di Pondok Pesantren Miftahul Ulum Al-Islamy, yang berada di Bangkalan, Madura. Selain itu, tim pengabdi juga melakukan pendampingan bagi guru-guru dalam mempraktikkan penggunaan Google Classroom sesuai dengan mata pelajaran yang diajar. Berdasarkan hasil survei, sebanyak 91% dari total peserta pelatihan menyebutkan bahwa pelatihan ini dapat meningkatkan pengetahuan dan kemampuan secara softskill dan hardskill para guru.
Pendampingan Modul Pengumpulan dan Pelaporan Data pada Aplikasi Penelusuran COVID-19 untuk Dinas Kesehatan Jawa Timur Agus Budi Raharjo; Erlinda Argyanti Nugraha; Fransiscus Xaverius Arunanto; Dwi Sunaryono; Fajar Baskoro; Diana Purwitasari; Misbakhul Munir Irfan Subakti
Sewagati Vol 5 No 1 (2021)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1149.283 KB)

Abstract

Provinsi Jawa Timur (Jatim) adalah wilayah terpadat kedua di Indonesia dengan sekitar 39 juta penduduk tersebar di 38 kota. Selain Jakarta sebagai daerah terbanyak dengan pasien COVID-19, Jatim merupakan salah satu provinsi dengan pasien terkonfirmasi terbanyak. Dengan kondisi tersebut, penelusuran dan prediksi pasien menjadi hal vital yang dapat membantu pemerintah provinsi dalam mempelajari pola penyebaran sehingga mampu memberikan landasan dalam mengambil keputusan. Saat ini ITS khususnya Fakultas Teknologi Elektro dan Informatika Cerdas (FTEIC) sudah berpartisipasi aktif dalam mendampingi pembangunan sistem pengelolaan data lengkap pasien terkonfirmasi. Sistem yang dibangun tersebut diaplikasikan di wilayah Jatim, di mana ITS menjadi mitra Dinas Komunikasi dan Informasi (Diskominfo) dan Dinas Kesehatan (Dinkes) Jatim. Meskipun saat ini sistem pengelolaan data sudah dibangun, namun fitur penelusuran dan prediksi masih belum bisa dioptimalkan karena terkendala tenaga ahli. Oleh karena itu, departemen Informatika ITS khususnya laboratorium Algoritma dan Pemrograman (AP) menawarkan untuk melanjutkan pendampingan dengan Diskominfo dan Dinkes Jatim dalam pengumpulan dan pelaporan data guna menunjang fitur penelusuran dan prediksi tersebut. Dengan adanya pengabdian ini, diharapkan dapat mengoptimalkan sistem yang sudah dibangun sebelumnya dan dapat diadaptasi agar bisa mengelola data pandemi di masa mendatang sebagai bentuk kontribusi mendukung usaha pemerintah dalam menangani COVID-19.
PlasmaHub: Aplikasi Donor Plasma Konvalesen Berbasis Web Pengolah Informasi guna Memudahkan Pemetaan Pendonoran di Jawa Timur Agus Budi Raharjo; Diana Purwitasari; Elshe Erviana Angely; Herdayanto Sulistyo Putro; Edy Sukotjo; Imam Santosa; Ivonne Soejitno; Juli Purwanto
Sewagati Vol 7 No 2 (2023)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1863.508 KB) | DOI: 10.12962/j26139960.v7i2.456

Abstract

Pandemi COVID-19 telah memicu krisis kesehatan global. Sampai dengan saat ini, belum ada pilihan yang terbukti untuk pemulihan bagi masyarakat yang terkonfirmasi positif. Salah satu strategi jangka pendek untuk membantu pemulihan pasien terkonfirmasi adalah melalui terapi plasma konvalesen. Plasma konvalesen yang didapat dari individu penyintas COVID-19 mampu digunakan untuk pemeliharaan kesehatan pasca terpapar atau mempercepat penyembuhan penyakit menular. Saat ini, jumlah penyintas yang banyak di Indonesia tidak sebanding dengan masyarakat yang telah melakukan donor plasma konvalesen. Hal tersebut mengakibatkan kebutuhan plasma yang tinggi dengan ketersediaan pendonor yang rendah. Pasien harus menyebarkan data pribadi mereka melalui media sosial untuk mendapatkan golongan darah yang cocok. Tim Satuan Tugas COVID-19 ITS bekerja sama dengan ikatan alumni penyintas COVID-19 RS Indrapura berpartisipasi aktif dalam membangun aplikasi berbasis web PlasmaHub, untuk membantu menjembatani antara pemohon dan pendonor plasma konvalesen secara anonim, sehingga meminimalisir tersebarnya data pribadi. Sosialisasi penggunaan aplikasi untuk meningkatkan peminat donor plasma konvalesen dilakukan dengan peresmian oleh rektor ITS, konferensi pers, dan webinar. Saat ini, aktivitas sosialisasi sudah dipublikasi ke lebih dari dua puluh media massa nasional. Aplikasi yang diusulkan diharapkan dapat membantu PMI dalam meningkatkan stok plasma konvalesen, mempermudah masyarakat untuk mendapat donor plasma, dan turut serta melindungi keamanan data pribadi pasien.
A Clustering Approach for Mapping Dengue Contingency Plan Husna, Farida Amila; Purwitasari, Diana; Sidharta, Bayu Adjie; Sihombing, Drigo Alexander; Fahmi, Amiq; Purnomo, Mauridhi Hery
Scientific Journal of Informatics Vol 9, No 2 (2022): November 2022
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v9i2.36885

Abstract

Purpose: The dengue epidemic has an increasing number of sufferers and spreading areas along with increased mobility and population density. Therefore, it is necessary to control and prevent Dengue Hemorrhagic Fever (DHF) by mapping a DHF contingency plan. However, mapping a dengue contingency plan is not easy because clinical and managerial issues, vector control, preventive measures, and surveillance must be considered. This work introduces a cluster-based dengue contingency planning method by grouping patient cases according to their environment and demographics, then mapping out a plan and selecting the appropriate plan for each area.Methods: We used clustering with silhouette scoring to select features, the best cluster formation, the best clustering method, and cluster severity. Cluster severity is carried out by levelling the attributes of the average value to low, medium, high, and extreme, which are related to the plans each region sets for village type and season type.Result: In five years of data (2016-2020) ±15K cases from Semarang City, Indonesia, feature selection results show that environmental and demography group features have the biggest silhouette score. With these features, it is found that K-Means has a high silhouette score compared to DBSCAN and agglomerative with three optimum numbers of clusters. K-Means also successfully mapped the cluster severity and assigned the cluster to a suitable contingency policy.Novelty: Most of the research on DHF cases is about predicting DHF cases and measuring the risk of DHF occurrence. There are not many studies that discuss the policy recommendations for dengue control.
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