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

 6   7   8   9   10 
Aspect Based Sentiment Analysis of Product Review Using Memory Network Ismet, Hilya Tsaniya; Mustaqim, Tanzilal; Purwitasari, Diana
Scientific Journal of Informatics Vol 9, No 1 (2022): May 2022
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v9i1.34094

Abstract

Abstract. Purpose: Consumer opinion is one of the essential keys that affect the success of a product. Sentiment analysis of consumer opinion is needed to find out information about customer satisfaction for companies in the decision-making process. The traditional sentiment analysis process extracts a complete sentiment from a single sentence. However, it does not consist of only one sentiment in one sentence. The total number depends on the number of aspects that make up the sentence. Therefore, a sentiment analysis process is needed to pay attention to aspects.Methods: This research focuses on product reviews from Indonesian e-commerce on several aspects of sentiment. Uses fastText word embedding to avoid Out of Vocabulary in datasets and Gated Recurrent Units for aspect spread detection. Sentiment classification on aspects using the Memory Network method.Result: The experiment results showed that aspect-based sentiment classification predictions had an accuracy of 83% compared to 78% overall classification predictions for review texts, indicating that aspect-based sentiment analysis can improve model performance on product review classification predictions.Novelty: Most product reviews analysis use document-level classification to extract and predict sentiment reviews, aspect-based analysis can be applied to product reviews for better sentiment understanding, using Memory Network to store important information explicitly on aspects and polarity.
STRATEGI PEMILIHAN KALIMAT PADA PERINGKASAN MULTI DOKUMEN Satrio Verdianto; Agus Zainal Arifin; Diana Purwitasari
NJCA (Nusantara Journal of Computers and Its Applications) Vol 1, No 2 (2016): Desember 2016
Publisher : Computer Society of Nahdlatul Ulama (CSNU) Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36564/njca.v1i2.14

Abstract

Ringkasan berita diartikan sebagai teks yang dihasilkan dari satu atau lebih kalimat yang menyampaikan informasi penting dari berita. Salah satu fase penting dalam peringkasan adalah pembobotan kalimat (sentence scoring). Dimana pada peringkasan berita, metode pembobotannya sebagian besar menggunakan fitur dari berita sendiri. Berdasarkan hasil dari penelitian [3] bahwa untuk pembobotan kalimat pada dokumen yang memiliki karakter teks pendek dan terstruktur seperti berita maka teknik pembobotan kalimat terbaik adalah dengan menggunakan kombinasi dari keempat fitur yaitu word frequency, TF-IDF, posisi kalimat, dan kemiripan kalimat terhadap judul (Resemblance to the title ). Pada penelitian ini kombinasi keempat fitur tersebut dibandingkan dengan kombinasi tiga fitur dan dua fitur dan dievaluasi menggunakan nilai ROUGE-N dan dievaluasi berdasarkan lama waktu eksekusi. Berdasarkan hasil uji coba didapatkan hasil bahwa yang paling optimal diantara keempat kombinasi fitur tersebut adalah kombinasi antara dua buah fitur yakni fitur posisi kalimat dan word frequency dengan nilai ROUGE-N sebesar 0.679 dan lama waktu eksekusi 28.458 detik.
Pengklasteran Data Pelanggan Dari Aplikasi Mobile Untuk Penentuan Strategi Pemasaran Produk PLN Kurnia Aji Tritamtama; Diana Purwitasari
Journal of Information System,Graphics, Hospitality and Technology Vol. 5 No. 2 (2023): Journal of Information System, Graphics, Hospitality and Technology
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37823/insight.v5i2.323

Abstract

Perkembangan teknologi dan internet memungkinkan pengguna bertransaksi melalui aplikasi seluler, termasuk pembayaran tagihan dan pembelian token listrik. Aplikasi PLN Mobile telah diunduh lebih dari 35 juta pengguna sejak 2016. Pertumbuhan pengguna juga meningkatkan riwayat transaksi listrik. Data tersebut belum dimanfaatkan oleh PLN UID Sulselrabar. Menariknya kinerja penjualan selama empat bulan terakhir menunjukkan adanya masalah di akhir tahun 2023. Penelitian ini menggunakan model Recency-Frequency-Monetary (RFM) dengan mengamati riwayat transaksi listrik selama satu tahun terakhir pada aplikasi PLN Mobile, untuk membantu perusahaan dalam menentukan strategi pemasaran efektif. Data dari Virtual Command Center PLN tanggal 11 Januari 2023 digunakan untuk memodelkan RFM dengan mengkategorikan dan mengevaluasi perilaku pelanggan berdasarkan tiga faktor: recency (jarak transaksi), frequency (jumlah transaksi), dan monetary (total nilai transaksi). Setelah itu, klaster-klaster akan diberi label berdasarkan karakteristik anggotanya dan strategi pemasaran akan ditentukan untuk setiap target pasar yang dipilih. Hasil analisis menunjukkan bahwa model RFM berguna untuk menganalisis perilaku pelanggan dan memberikan segmentasi yang bernilai bagi perusahaan. Terdapat 3 klaster yang dihasilkan, yaitu Dormant Customers, Typical Customers, dan ‘Everyday’ Shoppers. Berdasarkan model RFM, dipilih pendekatan Full Market Coverage dan Multiple Segment Specialization dalam menentukan target pasar. Hal ini memudahkan dalam merumuskan strategi pemasaran dalam upaya untuk meningkatkan kinerja penjualan perusahaan.
Ekstraksi Ciri Produktivitas Dinamis untuk Prediksi Topik Pakar dengan Model Discrete Choice Diana Purwitasari; Chastine Fatichah; Surya Sumpeno; Mauridhi Hery Purnomo
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 7 No 4: November 2018
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1928.298 KB)

Abstract

Recommendation of active or productive experts is indispensable in supporting collaborations. Activities of publication and citation indicate expert productivity. An expert can be inferred to have an interest in a subject through productivity in that particular topic. Since an expert can change interests over time, the contribution of this paper is a Discrete Choice Model (DCM) based on topic productivities to predict the primary interests of the experts. DCM uses features extracted from bibliographic data of citation relation and title-abstract texts. Before extracting productivity features and dynamicity features to represent interest changes, title clustering with KMeans++ is used to identify research topics. There are six productivity features and five dynamicity values for each productivity feature to demonstrate the expert behavior. Therefore, a clustered topic as a research interest is represented as an expert choice with 30 extracted features in the proposed method. The experiments used multinomial logistic regression for DCM and a log-likelihood indicator for the fitted models of the features. The resulted DCM models showed that productive behavior of the experts by doing many publications and receiving many citations effected to the precision of topic prediction by 80%. Some features were better for predicting primary interests of the expert. It was demonstrated with a lower precision value of 60% by using features that represent the expert behavior of only doing publication or only getting citation.
Rekomendasi Produk Berbasis Collaborative Filtering Menggunakan Factorization Machine Graph Convolutional Networks Sherly Rosa Anggraeni; Diana Purwitasari; Chastine Fatichah; Yoga Yustiawan
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 5 No 2 (2023): Volume 5, Nomor 2, Agustus 2023
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v5i2.556

Abstract

Rekomendasi produk memiliki peran yang signifikan dalam berbagai industri, termasuk e-commerce, ritel, perhotelan, dan keuangan. Rekomendasi dapat meningkatkan kepuasan pelanggan dan penjualan dengan membantu pelanggan menemukan produk yang relevan. Pendekatan collaborative filtering digunakan dalam rekomendasi produk ini karena data yang tersedia hanya berfokus pada fitur pengguna. Pendekatan ini memanfaatkan data interaksi pengguna-produk untuk mengungkap pola dan kesamaan di antara para pengguna. Representasi graf digunakan untuk memodelkan hubungan interaksi pengguna-produk, yang memungkinkan pemodelan yang lebih komprehensif dari ketergantungan dan hubungan antara pengguna dan produk. Penelitian ini menggunakan GCN dalam kombinasi dengan Factorization machine (FM) untuk meningkatkan personalisasi rekomendasi. GCN menggunakan konvolusi graf untuk menyebarkan dan memperbarui node embedding berdasarkan hubungan ketetanggaan mereka. GCN memanfaatkan informasi lingkungan sekitar dan struktur graf yang lebih luas, untuk meningkatkan pemahaman tentang preferensi pengguna dan menghasilkan rekomendasi yang dipersonalisasi. GCN juga dapat mengatasi keterbatasan metode lain dengan mempertimbangkan hubungan yang lebih rinci antar produk dan fitur unik dari setiap produk. FM mempertimbangkan interaksi antara fitur pengguna dan fitur produk, sehingga memahami preferensi pengguna secara lebih mendalam. Diharapkan dengan mengintegrasikan kekuatan GCN dan FM, rekomendasi produk dapat memberikan pengalaman pengguna yang lebih menarik dan menyenangkan.
Strategi Pengenalan Pemrograman Web di SMP Al-Hikmah Surabaya: Pendekatan Inovatif untuk Pendidikan Digital Raharjo, Agus Budi; Maheswari, Clarissa Luna; Purwitasari, Diana; Sunaryono, Dwi; Baskoro, Fajar
Sewagati Vol 8 No 4 (2024)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v8i4.1057

Abstract

Di tengah perkembangan teknologi yang semakin canggih, keterampilan pemrograman web menjadi aset yang berharga, terutama bagi generasi muda yang sedang menyiapkan diri untuk era digital. Pengabdian masyarakat ini berisi kegiatan pelatihan pemrograman web di SMP Al-Hikmah Surabaya, dengan tujuan untuk menanamkan dasar-dasar pemrograman kepada siswa dan mengintegrasikan keahlian ini dalam kurikulum sekolah menengah. Mengadaptasi silabus Departemen Teknik Informatika Institut Teknologi Sepuluh Nopember Surabaya dan beragam sumber literatur, program pelatihan ini dirancang untuk memberikan pengenalan kepada HTML, CSS, JavaScript, dan kerangka kerja Bootstrap. Pelatihan ini melibatkan mahasiswa dan dosen dari Departemen Teknik Informatika yang berkolaborasi dengan ekstrakurikuler pemrograman di SMP Al-Hikmah. Dengan pendekatan interaktif, praktis, dan kolaboratif, kegiatan ini telah meningkatkan pemahaman teknologi informasi di kalangan siswa, mendorong kreativitas, serta memperkuat persiapan para siswa untuk pendidikan lanjutan dan tantangan masa depan. Inisiatif ini juga menargetkan keluaran dalam bentuk publikasi ilmiah dan materi pelatihan yang dapat diakses oleh publik, menandai kontribusi berkelanjutan terhadap pengembangan pendidikan digital di Indonesia.
Deep Learning Approaches for Automatic Drum Transcription Cahyaningtyas, Zakiya Azizah; Purwitasari, Diana; Fatichah, Chastine
EMITTER International Journal of Engineering Technology Vol 11 No 1 (2023)
Publisher : Politeknik Elektronika Negeri Surabaya (PENS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24003/emitter.v11i1.764

Abstract

Drum transcription is the task of transcribing audio or music into drum notation. Drum notation is helpful to help drummers as instruction in playing drums and could also be useful for students to learn about drum music theories. Unfortunately, transcribing music is not an easy task. A good transcription can usually be obtained only by an experienced musician. On the other side, musical notation is beneficial not only for professionals but also for amateurs. This study develops an Automatic Drum Transcription (ADT) application using the segment and classify method with Deep Learning as the classification method. The segment and classify method is divided into two steps. First, the segmentation step achieved a score of 76.14% in macro F1 after doing a grid search to tune the parameters. Second, the spectrogram feature is extracted on the detected onsets as the input for the classification models. The models are evaluated using the multi-objective optimization (MOO) of macro F1 score and time consumption for prediction. The result shows that the LSTM model outperformed the other models with MOO scores of 77.42%, 86.97%, and 82.87% on MDB Drums, IDMT-SMT Drums, and combined datasets, respectively. The model is then used in the ADT application. The application is built using the FastAPI framework, which delivers the transcription result as a drum tab.
A Combination of Lexicon-based and Distributional Representations for Classification of Indonesian Vaccine Acceptance Rates Suwida, Katon; Kardawi, Muhammad Yusuf; Purwitasari, Diana; Mabahist, Fahril
EMITTER International Journal of Engineering Technology Vol 11 No 1 (2023)
Publisher : Politeknik Elektronika Negeri Surabaya (PENS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24003/emitter.v11i1.768

Abstract

When the COVID-19 pandemic hit, the use of vaccines was advertised as the end of the pandemic by the entire world. However, the chances of vaccination depended on the sentiments of society and individuals about the vaccine. People's acceptance of vaccines can change depending on conditions and events. Social media platforms such as Twitter can be used as a source of information to find out the conditions and attitudes of the community toward the program. By implementing a machine learning technique on the COVID-19 vaccine dataset, we hope to impact the classification result with text. This study suggests three distinct machine learning models for classifying texts of the COVID-19 vaccination, namely a model based on the first lexicon using the feature extraction method; second, using the word insertion technique to utilize distribution representation; and third, a combination model of distribution representation and feature extraction based on the lexicon. From the evaluation that has been carried out, we found that a combination of lexicon-based and distributional representation methods succeeded in giving the best results for classifying the level of acceptance of the COVID-19 vaccine in Indonesia with an accuracy score of 71.44% and an F1-score of 71.43%.
Kombinasi Ekstraksi Kata Kunci dan Ekspansi Kueri Untuk Deteksi Isu Etik pada Ringkasan Penelitian Kesehatan Hamidi, Mohammad Zaenuddin; Purwitasari, Diana; Anggraini, Ratih Nur Esti
Techno.Com Vol. 22 No. 1 (2023): Februari 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i1.7268

Abstract

Penelitian kesehatan harus melalui proses telaah etik yang bertujuan untuk mengantisipasi dugaan atas risiko fisik, sosial, ekonomi dan psikologis. Secara etik penelitian kesehatan dapat diterima apabila pada penelitian tersebut mampu dibuktikan dengan metode ilmiah yang valid serta lulus uji etik sebelum penelitian dilakukan. Untuk memastikan pada ringkasan penelitian kesehatan terdapat aspek etik, dibutuhkan kata kunci yang dapat dijadikan representasi dari isi ringkasan tersebut. Salah satu pendekatan yang sering dilakukan adalah dengan menghitung frekuensi kemunculan kata dalam dokumen. Pendekatan lain yaitu pendekatan YAKE dan keyBERT yang tidak hanya menghitung frekuensi kata namun juga menghitung konteks kata. Selain melakukan ekstraksi dilakukan juga proses ekspansi kueri sebagai upaya memperluas istilah yang dapat mewakili masing-masing aspek etik. Salah satu pendekatan yang digunakan untuk ekspansi kueri adalah model word2Vec. Penelitian ini mengusulkan metode pengembangan ekspansi kueri dengan dan metode ekstraksi kata kunci seperti TFIDF,YAKE dan keyBERT dan mengombinasikannya dengan fuzzy. Hasil eksperimen menunjukkan bahwa metode paling unggul secara presisi yaitu YAKE dan gabungan antara TFIDF + YAKE + keyBERT dengan nilai tertinggi 46% kemudian dari untuk recall model YAKE mendapat nilai tertinggi dengan angka 72% dan untuk nilai F1-Score yang paling unggul adalah metode YAKE dengan nilai tertinggi 54%.
Content and Network Feature in Attention-based Neural Network for Stance Detection on COVID-19 Vaccination Tweets Bimantara, I Made Satria; Irdayanti, Marina; Nisa, Chilyatun; Purwitasari, Diana
JOIV : International Journal on Informatics Visualization Vol 9, No 1 (2025)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.9.1.2671

Abstract

Stance detection in COVID-19 vaccination utilizing tweets is crucial for several reasons, such as public health communication, monitoring vaccine sentiment, and identifying misinformation. This research aims to explore the use of attention-based neural networks for stance detection in Indonesian COVID-19 vaccination tweets. The research focuses on enhancing accuracy by integrating content and network features. The content features represent the tweet's text, while network features define the user account's following or unfollowing. The primary contribution of this research is the development of an Attention Long Short-Term Memory (AttLSTM) model for stance detection in Indonesian tweets related to the COVID-19 vaccination. This model combines content and network features to improve accuracy in classifying user attitudes. We also highlight the performance differences between Word2Vec and FastText for numerical text representation in the AttLSTM model. The research used the Indonesian COVID-19 vaccination-related tweet dataset from prior research. The dataset is extracted using user metadata to obtain content and network features necessary to represent users' interest in tweets. Our research method involves data preparation, preprocessing, extraction of content and network features, and the development of an AttLSTM model. By integrating content and network features into the AttLSTM model with Word2Vec text representation, the study demonstrates superior performance compared to the LSTM baseline model and FastText. Adding attention mechanisms to the baseline LSTM model can capture crucial information, such as the minority class inside a tweet's text. Future research will involve exploring advanced data processing methods and ensemble learning techniques to further improve the model's performance.
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