Article Per Year (5 Year)
p-Index From 2021 - 2026
9.393
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Simetris Jurnal Simantec Prosiding SNATIKA Vol 01 (2011) Jurnal Teknologi Informasi dan Ilmu Komputer International Journal of Advances in Intelligent Informatics Jurnal IPTEK-KOM (Jurnal Ilmu Pengetahuan dan Teknologi Komunikasi) KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Journal of Information Technology and Computer Science (JOINTECS) Network Engineering Research Operation [NERO] Jurnal Math Educator Nusantara: Wahana Publikasi Karya Tulis Ilmiah di Bidang Pendidikan Matematika Generation Journal Jurnal ABDINUS : Jurnal Pengabdian Nusantara JATI (Jurnal Mahasiswa Teknik Informatika) JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer International Journal of Robotics and Control Systems Joutica : Journal of Informatic Unisla Digital Transformation Technology (Digitech) Jurnal: International Journal of Engineering and Computer Science Applications (IJECSA) Jurnal Maklumatika Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) NERO (Networking Engineering Research Operation) Jurnal Pengabdian Masyarakat Nusantara JISCOMP (Journal of Information System and Computer)
Resty Wulanningrum
(SINTA ID : 5986827) Prodi Teknik Informatika, Universitas Nusantara PGRI Kediri
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation

Published : 98 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 98 Documents
Search

 5   6   7   8   9 
Deep Learning Untuk Pengenalan Tanda Tangan Dengan Jaringan Syaraf Tiruan Susanti, Riska Yuni; Wulanningrum, Resty
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i2.149

Abstract

Tanda tangan merupakan identitas tanda bukti seseorang. Hal ini membuat keberadaan tanda tangan menjadi penting, biasanya tanda tangan diambil dari nama orang atau gaya lainnya. Dalam membuat tanda tangan tidak boleh diubah-ubah, sebab akan sangat mempengaruhi adanya ketidakaslian identitas, karena dianggap dapat memalsukan sebuah dokumen yang penting maupun dalam melakukan transaksi. Sering terjadi masalah penyalahgunaan tanda tangan oleh pihak yang tidak bertanggung jawab, mengakibatkan identitas seseorang terkadang tidak valid. Sering terjadinya pemalsuan tanda tangan, disebabkan oleh sistem verifikasi yang kurang baik. Verifikasi tanda tangan kebanyakan dilakukan dengan manual, yaitu dengan membandingkan menggunakan indera penglihatan yang masih memungkinkan adanya kekurangan untuk mencegah masalah pemalsuan tanda tangan. Penelitian merancang sistem untuk identifikasi pengenalan pola citra tanda tangan, sistem mampu membedakan tanda tangan asli dan palsu. Proses pengenalan data akan dilatih dengan metode jaringan syaraf tiruan perceptron dan deteksi tepi sobel. Hasil akhirnya sistem mampu mengenali tanda tangan pelatihan pertama hasil 97% dengan 6 tanda tangan asli dan 5 tanda tangan palsu dan pelatihan kedua hasil 95,45% dengan 16 tanda tangan asli dan 6 tanda tangan palsu.
Penggunaan Machine Learning Untuk Pengenalan Pola Batik Parang Menggunakan PCA (Principal Component Analysis) Wulandari, Safira Putri; Wulanningrum, Resty
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i2.150

Abstract

Batik merupakan suatu warisan nenek moyang bangsandonesia dan merupakan ciri khas bangsa Indonesia. Hampir seluruh daerah di Indonesia memiliki ciri khas motif batik sendiri. Dan setiap motif tersebut memiliki berbagai macam makna dan sejarah dari setiap daerah tersebut. Seperti Batik Parang, motif batik Parang memiliki makna petuah untuk tidak pernah menyerah, ibarat ombak laut yang tak pernah berhenti bergerak. Banyaknya kemiripan pola pada batik parang sehingga membuat banyak orang susah mengenali batik tersebut. Selagi itu batik parang merupakan pantangan bagi warga masyarakat Kecamatan Ngluyu KabupatenNganjuk sehingga masyarakat Ngluyu wajib mengetahui batik tersebut. Dengan memanfaatkan teknologi Machine Learning. Teknologi ini merupakan cabang ilmu dari Artificial Intellegence (Kecerdasan Buatan ) yang focus pada pengembangan sebuah system program oleh manusia, dengan begitu Machine Learning dapat di terapkan pada sebuah sistem yang bisa mengenali pola batik parang agar mempermudah pengenalan batik tersebut. Menggunakan metode PCA (Principal Component Analysis) dan klasifikasi metode Euclidean Distance. Dari hasil penelitian diperoleh nilai akurasi terbaik yaitu 93,3% dengan nilai threshold 0-255 pada skenario 2.
Pencarian Pelanggan Setia Pengguna Jasa Laundry Dengan Menggunakan Metode Multi-Objective Optimization On The Basis Of Ratio Analysis (Moora) Yosianova, Imam Syahputra; Wulanningrum, Resty
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i2.153

Abstract

Laundry merupakan suatu kebutuhan bagi masyarakat yang tidak mempunyai waktu untuk mencuci pakaiannya sendiri, hal tersebut banyak terjadi dimasyarakat terutama pada orang yang berada dikota, dan para mahasiswa, hal seperti ini tentunya membuat persaingan di dunia laundry semakin ketat terutama menjaga pelanggan agar tetap setia menggunakan jasa laundry. Oleh sebab itu peningkatan jumlah konsumen menjadi suatu hal yang sangat diperhatikan dibidang berbagai macam usaha, terutama bidang usaha laundry, segala macam cara dilakukan pengusaha dibidang jasa terutama dibidang jasa laundry untuk meningkatkan jumlah konsumen mereka mulai dari, penanganan professional, pemilihan bahan-bahan berkualitas, sampai waktu penanganan yang cepat. Berdasarkan uraian dari masalah yang sudah disampaikan bahwa metode Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) dapat lebih efisien dan mampu mengetahui siapa saja pelanggan setia yang menggunakan jasa laundry, dari pengetahuan tersebut maka pemilik laundry mampu mengetahui pelanggan setia mereka dan pemilik laundry mampu menjaga pelanggan mereka, pada kasus ini diperoleh pelanggan setia pengguna jasa laundry dengan nilai tertinggi 0,3781 sebagai pelanggan setia pengguna jasa laundry.
Sistem Pertolongan Pertama dengan Pola Tangan Menggunakan Machine Learning Aristanti, Apriska Ade; Wulanningrum, Resty
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 1 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i1.196

Abstract

Dalam era digital seperti sekarang ini, di butuhkan keamanan yang dapat mengenali pola gestur tangan manusia untuk mencengah terjadinya tindakan kriminalitas manusia untuk mencengah terjadinya tindakan kriminalitas. Dalam kehidupan sehari-hari sering dijumpai kejahatan yang terjadi pada sebuah tempat dengan ruangan yang sempit dan hanya di awasi oleh CCTV. Biasanya ditempat seperti ini sering terjadi tindakan kejahatan. Sehingga korban yang panik sulit untuk berteriak meminta pertolongan, dengan adanya sistem yang dapat terdeteksi oleh CCTV. Sistem ini memanfaatkan teknologi Maching Learning yaitu Teknologi dari cabang ilmu Artificial Intellegence (Kecerdasan Buatan ) yang focus pada pengembangan sebuah sistem yang mampu belajar sendiri tanpa harus berulang kali di program oleh manusia, dengan begitu Machine Learning dapat di terapkan pada sebuah sistem yang bisa mengenali pola tangan pada ruangan yang tidak di jaga oleh satpam tetapi hanya diawasi dengan CCTV. Di dalam sistem tersebut akan tanda pemberitahuan apabila ada orang yang ingin melakukan tindakan kejahatan dengan mengenali pola gestur tangan. Menggunakan Metode Haar Cascade Classifier yaitu pohon keputusan yang terdegenerasi di mana pada setiap tahap pengklasifikasi dilatih untuk mendeteksi hampir semua objek yang dilatih. Dan dengan sistem ini diharapkan dapat membantu mencengah terjadinya tindakan kejahatan dan dapat melakukan pertolongan pertama saat terjadinya tindakan kriminaldari hasil pelatihan pada malam hari diperoleh nilai akurasi sebesar 0,92, nilai presisi sebesar 0,90, nilai sensifitasnya 0,86 dengan tingkat eror 0,01763.dan penelitian pada siang hari diperoleh akurasi sebesar 0,72,nilai presisi 0,67,nilai sensifitasnya 0,078, dengan tingkat eror 0, 032084. Sistem ini dapat mendeteksi dengan tingkat akurasi tinggi pada malam hari karena Sinar cahaya sangat mempengaruhi dalam ujicoba realtime.
Aplikasi Pengenalan Pola Tulisan Tangan Menggunakan Metode Support Vector Machine Safitri, Karinda Ayu; Wulanningrum, Resty
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 1 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i1.197

Abstract

Tulisan tangan merupakan hasil dari pikiran sadar dan bawah sadar manusia yang menggambarkan atau mencerminkan karakter kepribadian manusia. Tulisan tangan menyimpan informasi yang dapat mengidentifikasi sifat, perkembangan jiwa dan tingkat kesehatan seseorang. Dalam cabang ilmu psikologi, ilmu yang mempelajari karakter kepribadian seseorang dengan cara menganalisa tulisan tangan disebut grafologi. Pada penelitian ini akan dibangun sistem identifikasi pengenalan pola tulisan tangan seseorang menggunakan metode Support Vector Machine (SVM). Proses pembelajaran pada SVM bertujuan untuk mendapatkan hipotesis berupa bidang pemisah terbaik yang tidak hanya meminimalkan empirical risk yaitu rata-rata eror pada data pelatihan. Dari penelitian ini diperoleh Nilai output dari klasifikasi Support Vector Machine sehingga menghasilkan output sesuai dengan yang diharapkan. Aplikasi ini menerapkan metode Support Vector Machine yang dilakukan dari data pengujian dengan tingkat akurasi keberhasilan 85% dari 50 data uji dalam pengenalan pola tulisan tangan.
Penggunaan Machine Learning Dengan Glcm dan City Block untuk Identifikasi Tanda Tangan Saraswati, Indra Lady; Wulanningrum, Resty
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 1 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i1.198

Abstract

Sering terjadinya masalah pemalsuan tanda tangan dikarenakan metode yang digunakan untuk mengidentifikasi tanda tangan masih kurang baik dan tidak akurat. Hal ini disebabkan karena identifikasi tanda tangan kebanyakan masih dilakukan secara manual dengan mencocokkan tanda tangan secara langsung. Oleh sebab itu, penulis membuat sebuah sistem aplikasi menggunakan metode Gray Level Co-Occurence Matrix (GLCM) untuk proses ekstraksi ciri dan City Block untuk mengidentifikasi dan mengukur kemiripan tanda tangan seseorang dengan rotasi yang berbeda yaitu 0o, 45o, 90o, dan 135o. Hasil identifikasi tanda tangan dengan menggunakan 100 data citra tanda tangan diperoleh akurasi sebesar 65%. Dengan penggunaan rotasi yang berbeda dapat disimpulkan bahwa pada sudut asli citra tanda tangan yaitu 0o diperoleh 7 citra tanda tangan yang dapat dikenali dari 40 data testing. Pada rotasi 45o dari 40 data testing hanya 6 citra tanda tangan yang dapat dikenali. Pada rotasi 90o dari 40 data testing hanya 5 citra tanda tangan yang dikenali. Dan pada rotasi 135o dari 40 data testing ada 7 citra tanda tangan yang dapat dikenali. Hal ini menunjukan bahwa rotasi 135o adalah hasil terbaik dari semua rotasi karena jumlah citra yang dikenali sama dengan citra 0o.
Machine Learning untuk Identifikasi Tanda Tangan Menggunakan GLCM dan Euclidean Distance Angel, Gresiva Devi; Wulanningrum, Resty
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 1 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i1.213

Abstract

Tanda tangan (signature) merupakan salah satu bukti identitas seseorang dalam melakukan pengesahan sebuah dokumen atau presensi yang sering digunakan. Tanda tangan juga menjadi fitur pembeda untuk identifikasi seseorang. Keberadaan tanda tangan dalam sebuah dokumen menyatakan bahwa pihak yang menandatangani, mengetahui dan menyetujui seluruh isi dokumen. Mengenal bentuk tanda tangan seseorang sangatlah penting dalam melakukan pencocokan tanda tangan terhadap presensi atau dokumen untuk mengetahui apakah benar yang bertanda tangan adalah orang yang bersangkutan atau tidak. Oleh karena itu, dibuat sebuah sistem identifikasi tanda tangan menggunakan Gray Level Co-Occurence Matrix (GLCM) dan Euclidean Distance. Pengujian menunjukkan hasil terbaik pada skenario pada skenario 1 dengan tingkat akurasi 67,5%, skenario 2 dengan akurasi 67%, dan yang paling rendah skenario 3 dengan akurasi 57,5%. Penggunaan dimensi berbeda antara citra trainning dan citra testing menghasilkan akurasi tertinggi pada skenario 1 sebesar 65%, skenario 2 dengan akurasi 14%, dan yang paling rendah pada skenario 3 dengan akurasi hanya 10%.
APLIKASI PENENTUAN RUTE OPTIMAL DELIVERY MENGGUNAKAN ALGORITMA DIJKSTRA Maulian Amroni, Asna Maulian Amroni; Rhohman, Fatkur; Wulanningrum, Resty
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 1 No. 1 (2017): PROSIDING SEMNAS INOTEK Ke-I Tahun 2017
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v1i1.406

Abstract

Penelitian ini dilatar belakangi berdasarkan hasil pengamatan pada salah satu rumah makan di Kediri yang mempunyai jasa Delivery yang masih menggunakan pengetahuan pengantar untuk menentukan jalur delivery. Sehingga dalam delivery ini kurang efektif dan efesien. Akibatnya delivery membutuhkan waktu yang lama dan boros biaya .Untuk mengatasi masalah yang terjadi diatas, maka dalam hal ini masalah yang dapat dirumuskan adalah bagaimana merancang sistem optimasi jalur delivery di kecamatan Kota, kota Kediri menggunakan metode Algoritma Dijkstra. Tujuan yang hendak dicapai dalam penelitian ini untuk menerapkan Metode Algoritma Dijkstra dalam sistem penentuan rute optimal dalam delivery untuk mebantu memberikan informasi mengenai pemilihan jalur terpendek. Aplikasi pencarian rute ini menggunakan algoritma dijkstra sebagai penghitung jarak terpendek. Algoritma dijkstra merupakan algoritma untuk menentukan jarak terpendek antar vertex dengan graf berbobot. Sehingga algoritma ini cocok untuk diimplementasikan dalam mencari rute optimal untuk delivery. Hasil dari algoritma dijkstra yaitu dapat membantu memberikan rute terpendek dari node - node yang dituju. Sehingga pelaksanaan delivery dapat menjadi lebih efesien karena jarak yang ditempuh menjadi lebih pendek serta dapat menghemat waktu dan bahan bakar.
SISTEM PENCARIAN RUTE TERPENDEK LOKASI PONDOK PESANTREN DI KOTA KEDIRI PADA PLATFORM ANDROID Ludfie, Miftachul; Wulanningrum, Resty; Niswatin, Ratih Kumalasari
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 1 No. 1 (2017): PROSIDING SEMNAS INOTEK Ke-I Tahun 2017
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v1i1.415

Abstract

Pondok pesantren mempunyai peranan penting dalam kemajuan suatu daerah khususnya pada segi ilmu keislaman dan sosial budaya. Keberadaannya juga sangat dibutuhkan, sebab pondok pesantren merupakan lembaga pencetak anak didik yang mengedepankan budi luhur yang berasaskan islami. Terdapat banyak sekali pondok pesantren yang tersebar di seluruh Indonesia. Seiring dengan berkembangnya teknologi informasi dan komunikasi dan berdasarkan hasil pengamatan, khususnya pada pada perangkat mobile yaitu smartphone dan tablet, membuat para pengguna perangkat mobile menjadi lebih mudah dalam mencari informasi. Misalnya dalam mencari informasi mengenai lokasi pelayanan umum, mencari lokasi penting dan sebagainya. Aplikasi pencarian pondok pesantren ini dirancang pada perangkat bergerak yaitu pada smartphone. Aplikasi pencarian pondok pesantren melalui perangkat smartphone masih belum ada, Akibatnya para user merasa bingung mengenai informasi lokasi keberadaan pondok pesantren. Permasalahan penelitian ini adalah “Bagaimanakah merancang aplikasi pencarian pondok pesantren yang dapat diakses pada perangkat mobile Android berbasis Location Based Service (LBS)”. Untuk itu penulis mencoba membuat suatu aplikasi yang bias membantu para user untuk memukan letak juga jenis pondok pesantren yang tepat, Kesimpulan bahwa aplikasi ini sangat berguna dan dapat digunakan oleh para pengguna.
Pengenalan Iris Mata Menggunakan Metode Convolutional Neural Network Kurniawan, Afizza Fikri; Wulanningrum, Resty; Swanjaya, Daniel
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 6 No. 1 (2022): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2022
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v6i1.2540

Abstract

Kemajuan teknologi berdampak terhadap semua lini termasuk dalam lini sistem keamanan. Disamping itu berkembangnya sistem teknologi menimbulkan kasus tindak kejahatan seperti pemalsuan identitas seseorang, mengambil informasi penting yang dimiliki seseorang dan sebagainya yang berkaitan dengan identitas diri seseorang. Suatu sistem yang dapat mengatasi tindak kejahatan tersebut yaitu sistem biometrik. Iris mata merupakan bagian dari objek biometrik yang memiliki fitur unik untuk dijadikan proses identifikasi untuk mengatasi pemalsuan data dan pembobolan akun. Salah satu metode yang dapat digunakan dalam sistem identifikasi iris mata yaitu CNN. Pengujian dilakukan dengan menggunakan 8 kelas yang telah dilatih. Dan menghasilkan tingkat akurasi sebesar 87% untuk dataset iris CasiaV4.
Co-Authors Abu Tholib Achmad Iqbal Maulana Aeri Rachmad Ahmad Bagus Setiawan Ahmad Fakhruddin Luthfi Aji Prasetya Wibawa Amanda, Novia Aminuyati Anardha, Danuar Aditya Andrean Ferdyana Vabian Eka Sakti Angel, Gresiva Devi Anggi Nur Fadzila Anik Nur Handayani Aprianto, Kresna Ardi Sanjaya Aristanti, Apriska Ade Arsyad, Nandito Pramudya Asmoro, Shandy Sadewa Asri, Puput Puji Bagus Fadzerie Robby Cholid Ilham Isniawan Chrisnatae, Mayo Alvarosy Dadi Setyawan Danar Putra Pamungkas, Danar Putra Daniel Swanjaya Daniel Swanjaya2 Dewangga, Rio Agung Doni Abdul Fatah Donny Firdani Dusea Widya Dara, Made Ayu Ema Utami Erna Daniati Fadli Hidayat, M Noer Fadli Hidayat, M. Noer Fadli, Abi Ihsan Fadzerie Robby, Bagus Fatkur Rhohman, Fatkur Firmansyah, Muhammad Kukuh FITRIANA, VYRRA Gemini, Shalaisha Amelia Putri Heffi Awang Cahya Heru Suhartono, Wawan Heru Wahyu Herwanto Hidayah, Alvi Nurul Intan Nur Farida Iqbal Jauhari, Nur Mohamad Iqbal Jauhari Iswoyo, Yodhi Pratama Jauhari, Nur Mohamad Iqbal Juli Sulaksono Julian Sahertian Kamilah, Annisa' Nur Karim, Achmad Zainul Kohei Arai Krisnawan, Apreado Gilang Kristantio, Triyo Kurniawan, Afizza Fikri Kurniawan, Dimas Eri Kurniawati, Desi Dwi Ludfie, Miftachul Lusi Dwi Anggraini, Lusi Dwi Made Ayu Dunia Widyadara Mahardhika, Bima Mahdiyah, Umi Maliana, Diah Gusmia Maulian Amroni, Asna Maulian Amroni Mawarni, Reza Millenialdo Yanuar Ilham Moh Imam Yusuf Mustofa Muhaimin, Mohammad Aqil Muhamad Yusup Efendi Muhammad Abdul Aziz Mustofa, Arin Ayu Silvyani Muttaqien, Hidayatul N.S.A, M Mukhlish Nandha Vera Wihra Lelitavistara Nandha Vera Wihra Lelitavistara, Nandha Vera Wihra nata, Pramudya Cipta Panatagama Natasha, Sonya Naufal Muji Dwicahyo Nugraha, Reza Setya Nurul Mahpiroh Patmi Kasih Pratama, Regi Cendika Ramadhani, Gilang Ratih Kumalasari Niswatin Risa Helilintar Risky Aswi R, Risky Rochana, Siti Rohmat Syamsul Huda Roni Heri Irawan Rony Heri Irawan Ruruh Andayani Bekti, Ruruh Andayani Safitri, Karinda Ayu salma - alawiyah Santoso, Christa Witta Putra Saraswati, Indra Lady Sari, Frisca Ayu Fatika Sari, Lya Rosita Sari, Putri Desi Kusuma Setiyawan, Gadang Putro Bagus Sinta Sanora Siregar, Muhammad Fariz Hardiansyah Siti Rochana SRI RAHAYU Supri yono Supri Yono, Supri Susanti, Riska Yuni Syaputri, Rika Wahyu Teguh, Aji Triprasetyo, Anggi Wahyu Ulfatus Syaidah Viana, Ella Okta Wahyu Cahyo Utomo Wijayanto, Muhammad Farid Winandari, Dhela Melani Wulandari, Safira Putri Yosianova, Imam Syahputra Zakaria, Reza Naim