Article Per Year (5 Year)
p-Index From 2021 - 2026
3.647
P-Index
This Author published in this journals
All Journal MANAJEMEN IKM: Jurnal Manajemen Pengembangan Industri Kecil Menengah Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Produktif : Jurnal Ilmiah Pendidikan Teknologi Informasi Faktor Exacta CogITo Smart Journal Jurnal Eksplora Informatika JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) DoubleClick : Journal of Computer and Information Technology Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Tematik : Jurnal Teknologi Informasi Komunikasi Jurnal Ilmu Komputer dan Informatika International Journal Of Computer, Network Security and Information System (IJCONSIST) Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika Jurnal Nasional Teknik Elektro dan Teknologi Informasi Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Tedc TANFIDZIY : Hukum Tata Negara dan Siyasah Journal of Law and Social Politics Journal of Golden Generation Multidisciplinary
Nova Agustina
Universitas Teknologi Bandung, Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
KLASIFIKASI TEKS REVIEW PADA E-COMMERCE TOKOPEDIA MENGGUNAKAN ALGORITMA SVM Ipan Saepul Milal; M. Hasanudin M. Hasanudin; Mochammad Aliffiallathifa Nur Azhari; Rifki Aditya Nugraha; Nova Agustina; Sri Erina Damayanti
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 1 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i1.191

Abstract

Perkembangan teknologi saat ini berdampak bagus kepada bidang ekonomi, salah satunya adalah dalam berbelanja. Banyak platform E-commerce yang dibuat untuk memudahkan konsumen dalam berbelanja secara online. Dengan adanya review produk akan mempermudah pemberian informasi kepada pembeli sehingga memberikan kepercayaan terhadap produk atau jasa yang akan digunakan dan memberikan evaluasi bagi para penjual. Ketika penjualan produk meningkat dan review terhadap produk dari konsumen juga makin banyak, penjual mengalami kesulitan dalam segi memilah review mana yang dapat dikatakan positif atau negatif berdasarkan komentar yang diberikan konsumen. Salah satu metode untuk algoritma untuk melakukan analisis berupa teks pada review produk yaitu melalui analisis sentimen. Data yang didapat dari hasil review konsumen diproses dengan text mining, selanjutnya melakukan klasifikasi data review ke dalam enam kelas yaitu positif kuat, positif, cenderung positif, cenderung negatif, negatif dan negatif kuat. Dalam penelitian ini proses klasifikasi menggunakan algoritma Support Vector Machine (SVM) yang mampu menghasilkan model klasifikasi yang baik melalui hasil data training meskipun yang digunakan relatif sedikit. Hasil penelitian menyatakan bahwa model klasifikasi review produk handphone dengan model SVM memiliki nilai akurasi 75%. Pada penelitian ini tools yang digunakan berupa Google Colab dan Visual Studio Code, dengan hasil pengklasifikasian dilakukan deploy pada tahap code akhir setelah testing data dan dibuat tampilan page berupa website agar pengguna lebih mudah untuk melakukan cek input dalam melihat hasil klasifikasinya secara langsung berdasarkan text ulasan pada tokopedia produk handphone.
Implementasi Convolutional Neural Network untuk Klasifikasi Rempah – Rempah Khas Indonesia Sandi Hermawan; Nova Agustina
DoubleClick: Journal of Computer and Information Technology Vol 7, No 1 (2023): Optimalisasi Teknologi Informasi
Publisher : Universitas PGRI Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/doubleclick.v7i1.15466

Abstract

Indonesia merupakan negara tropis dengan kekayaan alam yang besar, salah satu kekayaan yang dimiliki Indonesia yakni rempah-rempah yang melimpah dan bermacam-macam, akan tetapi tidak semua orang mengetahui berbagai jenis dari rempah-rempah. Sehingga Pada penelitian ini bertujuan untuk meningkatkan pengetahuan mengenai jenis rempah-rempah khas indonesia, dengan menggunakan metode  deep learning dibuat sebuah klasifikasi citra rempah khas Indonesia menggunakan CNN dengan train akurasi sebesar 99% dan validation akurasi sebesar 60% serta data train yang digunakan sebanyak 24 citra untuk setiap jenis rempah-rempah, terdapat 7 (tujuh) jenis rempah-rempah yang dipakai yakni Andaliman, Cabe Jawa, Cengkeh, Kapulaga, Kayu Manis, Lada dan Pala.
Deteksi Berita Palsu Pada Pemilu 2024 Dengan Menggunakan Algoritma Random Forest Arizal Sabila Nurhikam; Rivaldi Syaputra; Saepul Rohman; Satrio Rully Priyambodo; Nova Agustina
DoubleClick: Journal of Computer and Information Technology Vol 7, No 1 (2023): Optimalisasi Teknologi Informasi
Publisher : Universitas PGRI Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/doubleclick.v7i1.15456

Abstract

Pemilu atau pemilihan umum merupakan proses penting dalam negara demokrasi yang digunakan untuk memilih pemimpin dan pemerintah. Namun, maraknya berita palsu yang beredar di media sosial menyebabkan keraguan terhadap informasi yang didapat. Oleh karena itu, dibutuhkan tektnik untuk mendeteksi berita palsu sebelum berita tersebut diterima dan dipercayai oleh masyarakat. Dalam penelitian ini, kami mengevaluasi kemampuan algoritma random forest dalam mendeteksi berita palsu pada pemilu 2024. Dataset yang digunakan berisikan 859 record yang berisi id, status_fakta, dan judul_berita, dimana status_fakta sebagai label. Proses yang dilakukan pada dataset meliputi cleaning, tokenisasi, dan stemming. Kemudian dilakukan proses training dan testing pada model untuk mendapatkan akurasi dari model tersebut. Hasil yang didapatkan dari pengujian ini adalah akurasi sebesar 84.88%. Penerapan cleaning, tokenisasi, dan stemming pada dataset juga meningkatkan kualitas dataset yang digunakan dalam proses klasifikasi. 
Image Classification using Machine Learning Algorithms to Detect Cloud Types Agustina, Nova; Ihsan, Candra Nur; Sussolaikah, Kelik
TEMATIK Vol. 10 No. 2 (2023): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2023
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Study of atmospheric are currently growing rapidly to analyze the negative effects of climate change, weather and air quality. Unstable atmospheric conditions have a negative impact, as extreme weather. The combination of technology and analysis of atmospheric conditions is currently developing rapidly. While atmospheric research using machine learning technology and algorithms is advancing swiftly, challenges persist in identifying the optimal machine learning model for precise cloud type classification. The application of Machine Learning algorithms in atmospheric research has been widely carried out to predict wind direction and cloud imagery to detect weather using satellite data. Detecting cloud type is important for predicting the upcoming weather. However, to detect the type of cloud, it is necessary to choose the algorithm with the best performance. This study applies the Convolutional Neural Network (CNN) with EfficienNetB3 method, Support Vector Classifier (SVC), XGBoost Classifier (XGB), Extra Tree Classifier (ETC), Random Forest (RF), and Decision Tree (DT) algorithms in classifying cloud images to detect clouds type. The method used in this research involves an experimental approach in the hope of gaining a deeper understanding of the factors that influence the performance of machine learning models in classifying cloud types. The dataset used in this research is 1500 cloud data (1200 training data, 300 testing data). Researchers conducted a comparison of algorithms to find out the best algorithm performance in classifying cloud type images. The results showed that doing the CNN algorithm showed better performance with an average accuracy got of 81.03% compared to the SVC algorithm (34.44%), XGB (33.79%), ETC (39.25%), RF (36.18), and DT (29.35%). Our contribution to this research is that we compare machine learning algorithms to detect cloud types along with the impact and characteristics of cloud types from the prediction results.
KLASIFIKASI BERITA PALSU KENAIKAN HARGA BAHAN BAKAR MINYAK (BBM) MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Elisabeth, Grace; Rahma Salsa Bilah; Ardini, Siska Nova; Agustina, Nova; Rismayadi, Danny Aidil
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 2 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i2.188

Abstract

Perkembangan teknologi informasi yang semakin canggih telah membawa dampak signifikan bagi kehidupan manusia. Salah satu aspek yang terpengaruh adalah akses informasi. Saat ini, manusia dapat dengan mudah mendapatkan segala informasi yang mereka butuhkan berkat berbagai kemudahan yang ditawarkan oleh teknologi informasi. Berita, sebagai salah satu bentuk informasi, kini dapat diakses dengan cepat melalui berbagai media online. Namun, bersamaan dengan kemudahan akses, muncul pula tantangan baru, yaitu penyebaran informasi yang tidak terverifikasi atau yang lebih dikenal dengan istilah berita palsu atau hoax. Kecepatan dalam menyajikan berita oleh media online dapat menjadi celah bagi pihak yang tidak bertanggung jawab untuk menyebarkan informasi yang tidak benar. Fenomena ini menjadi lebih nyata ketika membicarakan isu-isu penting, seperti kenaikan harga Bahan Bakar Minyak (BBM). Kenaikan harga BBM menjadi perbincangan utama di berbagai media berita dan platform sosial media di Indonesia. Namun, disayangkan bahwa sebagian besar informasi yang tersebar sulit untuk diverifikasi kebenarannya. Hal ini menciptakan ketidakpastian di kalangan masyarakat, yang kemudian dapat memicu reaksi negatif atau perasaan tidak nyaman. Dalam menghadapi masalah ini, penting untuk menciptakan mekanisme atau sistem yang dapat membantu mengklasifikasikan berita palsu terkait kenaikan harga BBM. Salah satu solusi yang diusulkan adalah penggunaan algoritma Support Vector Machine (SVM) dalam pembuatan sistem klasifikasi berita palsu. SVM dikenal sebagai salah satu algoritma machine learning yang efektif dalam mengklasifikasikan data, termasuk dalam hal ini, klasifikasi berita menjadi fakta dan tidak fakta. Penelitian ini mencakup beberapa tahapan. Pertama, pengumpulan data dilakukan untuk memastikan dataset yang digunakan representatif terhadap isu kenaikan harga BBM. Kemudian, dilakukan tahap preprocessing untuk membersihkan dan mempersiapkan data sebelum masuk ke dalam model SVM. Setelah itu, dataset dibagi menjadi dua bagian, yaitu data training dan data testing, agar model dapat diuji secara objektif. Langkah berikutnya adalah menjalankan model SVM dengan menggunakan data training untuk melatih model. Pengujian dilakukan menggunakan data testing untuk mengukur sejauh mana model dapat mengklasifikasikan berita dengan akurat. Hasil pengujian tersebut kemudian dapat digunakan untuk menyimpulkan efektivitas algoritma SVM dalam mengidentifikasi berita palsu atau fakta terkait kenaikan harga BBM. Hasil pengujian menunjukkan bahwa algoritma SVM mampu mengklasifikasikan berita dengan tingkat akurasi yang dapat diterima. Oleh karena itu, dapat disimpulkan bahwa penggunaan SVM dalam sistem klasifikasi berita palsu tentang kenaikan harga BBM dapat menjadi solusi yang efektif untuk mengatasi penyebaran informasi yang tidak benar. Proses selanjutnya setelah pengujian adalah deployment model, yaitu mengimplementasikan sistem klasifikasi ini dalam skala yang lebih luas. Dengan demikian, masyarakat dapat dengan lebih percaya diri mengakses informasi terkait kenaikan harga BBM, mengetahui bahwa berita yang mereka baca telah melalui proses verifikasi yang cermat.
TIMBANGAN BERBASIS IOT UNTUK PEMANTAUAN DAN PENGELOLAAN SAMPAH ORGANIK PADA SMART WASTE MANAGEMENT DI DESA MANYINGSAL Gusdevi, Harya; Hadhiwibowo, Ari; Agustina, Nova; Fatah, Abdul; Naseer, Muchammad
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 2 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i2.270

Abstract

Permasalahan sampah di Jawa Barat, khususnya Desa Manyingsal di Kabupaten Subang menjadi topik pembicaraan serius Pemerintah Provinsi Jawa Barat karena dampak negative sampah yang semakin meningkat. Penelitian ini membahas pengembangan timbangan berbasis Internet of Things (IoT) sebagai solusi untuk pemantauan dan pengelolaan sampah organik dalam konteks Smart Waste Management (SWM). Sistem yang dikembangkan mengintegrasikan teknologi sensor Load Cell, memungkinkan pemantauan real-time terhadap berat sampah organik yang dihasilkan. Implementasi dilakukan melalui platform IoT yang terhubung, memungkinkan akses dan pengelolaan data timbangan dengan mudah melalui aplikasi berbasis web. Penelitian ini bertujuan meningkatkan efisiensi pengelolaan sampah organik, sejalan dengan upaya mencapai lingkungan yang lebih bersih dan berkelanjutan. Hasil eksperimen menunjukkan bahwa timbangan berbasis IoT ini memberikan pemantauan yang akurat dan responsif terhadap perubahan kondisi sampah. Implikasi dari penelitian ini adalah penerapan solusi pintar dan terkoneksi dalam pengelolaan sampah organik, memberikan dasar untuk peningkatan keberlanjutan dalam kerangka Smart Waste Management secara menyeluruh.
APLIKASI CHATBOT DESA WISATA CIMINDI MENGGUNAKAN NATURAL LANGUAGE PROCESSING Agustina, Nova; Mardaweni, Riri; Komara, Deri; Widiastuti, Raden Meina; Gusdevi, Harya
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 6 No 1 (2024): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v6i1.282

Abstract

Dalam konteks perkembangan teknologi informasi terkini, kemajuan dalam Natural Language Processing (NLP) diharapkan dapat menjadi solusi inovatif untuk memperbaiki dan memperluas layanan yang diberikan oleh Usaha Mikro Kecil Menengah (UMKM), khususnya di Desa Wisata Cimindi. Teknologi ini mesin dapat memahami dan memproses bahasa manusia, sehingga dapat digunakan untuk meningkatkan kualitas interaksi antara pengelola UMKM dan pelanggan. Tantangan utama yang dihadapi oleh Desa Wisata Cimindi adalah kesulitan dalam memberikan informasi yang konsisten dan cepat kepada wisatawan melalui berbagai platform media sosial. Saat ini, pengelola desa wisata harus mengelola berbagai akun media sosial secara manual, yang seringkali memakan waktu dan tidak efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem chatbot yang memanfaatkan teknologi NLP guna meningkatkan efisiensi interaksi di lingkungan Desa Wisata Cimindi. Chatbot ini dirancang untuk dapat merespons berbagai pertanyaan wisatawan secara otomatis dan akurat, sehingga dapat mengurangi beban kerja pengelola dan meningkatkan kepuasan wisatawan. Metode penelitian yang digunakan adalah metode kuantitatif dengan pendekatan pengembangan sistem Extreme Programming (XP). Metode ini dipilih karena fleksibilitas dan kemampuannya untuk menghasilkan perangkat lunak berkualitas tinggi dalam waktu singkat. Hasil penelitian menunjukkan bahwa implementasi chatbot ini dapat mengurangi waktu yang dibutuhkan untuk merespons pertanyaan wisatawan, meningkatkan efisiensi dalam pengelolaan interaksi, dan menyediakan data transaksi serta interaksi yang terstruktur. Melalui uji alpha, sistem chatbot berhasil menunjukkan kemampuannya dalam memahami konteks pertanyaan pengguna dan memberikan jawaban yang sesuai dengan tingkat akurasi yang mencapai 100%. Implementasi teknologi chatbot berbasis NLP terbukti efektif dalam menyediakan informasi di lingkungan desa wisata dan memberikan kontribusi nyata terhadap pengalaman pengguna dan efisiensi proses komunikasi di Desa Wisata Cimindi. Hasil penelitian berhasil meningkatkan kualitas layanan informasi dan membuka peluang untuk pengembangan lebih lanjut dalam sektor pariwisata desa lainnya.
Analysis Sentiment Terhadap Ginjal Akut pada Twitter Menggunakan Algoritma Random Forest Falah, Hadi Mirojul; Jamil, Muhammad Ridwan; Taufik, Ahmad; Botha, Marten; Agustina, Nova
Jurnal Ilmu Komputer dan Informatika Vol 3 No 2 (2023): JIKI - Desember 2023
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jiki.65

Abstract

Analisis sentimen berkaitan dengan identifikasi dan klasifikasi pendapat atau sentimen yang diungkapkan dalam teks sumber. Sosial media menghasilkan sejumlah besar data yang penuh dengan sentimen berupa tweet, update status, postingan blog maupun yang lainnya. Analisis sentimen dari data yang dihasilkan pengguna ini sangat berguna dalam mengetahui pendapat dari kerumunan. Dalam makalah ini, dilakukan analisis postingan twitter tentang Ginjal Akut menggunakan pendekatan Machine Learning, yaitu dengan menggunakan Algoritma Random Forest dan Particle Swarm Optimization. Hasil penelitian menunjukkan akurasi yang di dapat pada saat melakukan klasifikasi menggunakan algoritma Random Forest dengan Cross Validation sebesar 94.47%.
Platform Manajemen Bisnis dengan Memanfaatkan Chatbot sebagai Virtual Business Assistant Berbasis Omnichannel di Desa Wisata Cimindi: Business Management Platform Utilizing Chatbot as an Omnichannel-Based Virtual Business Assistant in Cimindi Tourism Village Mardaweni, Riri; Agustina, Nova; Widiastuti, Raden Meina; Muallimah, Hadah; Fatah, Abdul; Saidiman, Mochamad
MANAJEMEN IKM: Jurnal Manajemen Pengembangan Industri Kecil Menengah Vol. 19 No. 1 (2024): Manajemen IKM
Publisher : Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/mikm.19.1.50-59

Abstract

Desa Wisata Cimindi adalah salah satu destinasi pariwisata yang terus berkembang saat ini. Namun, pengelolaan usaha di desa tersebut masih menghadapi berbagai tantangan terutama dalam layanan yang efisien kepada wisatawan. Dalam rangka meningkatkan pengalaman wisatawan dan efisiensi operasional, penelitian ini mengusulkan penerapan Virtual Business Assistant (VBA) melalui aplikasi chatbot berbasis omnichannel. Studi ini mengeksplorasi potensi aplikasi chatbot untuk meningkatkan interaksi dan pelayanan kepada wisatawan yang mengunjungi Desa Wisata Cimindi. Aplikasi chatbot ini didesain untuk operasi di berbagai kanal komunikasi (Whatsapp, Telegram, dan Instagram), mencakup pesan teks secara otomatis dan obrolan langsung. VBA ini akan dapat memberikan informasi seputar tempat wisata, rekomendasi makanan, jadwal acara, dan bantuan lainnya kepada pengunjung. Metode penelitian yang digunakan pada penelitian ini adalah metode kualitatif dan metode pengembangan system yang digunakan adalah Extreme Programming serta sebagai narasumber yaitu ketua BUMDesa Alkaustar Cimindi. Pengujian yang dilakukan pada penelitian ini adalah pengujian Blackbox. Hasil penelitian ini menunjukkan aplikasi dapat berfungsi dengan baik dan diharapkan dapat memberikan wawasan yang berharga bagi pengelola pariwisata, pelaku usaha dan peneliti di bidang teknologi informasi yang tertarik untuk mengintegrasikan teknologi chatbot daalam konteks pariwisata pedesaan.
Analisis Profil Peserta Webinar Implementasi Kurikulum Merdeka dengan Microsoft Power BI untuk Meningkatkan Akses dan Kualitas Pembelajaran Kuswayati, Sri; Rusdan, Muchamad; Agustina, Nova
Prosiding SISFOTEK Vol 8 No 1 (2024): SISFOTEK VIII 2024
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Implementation of Kurikulum Merdeka faces a number of challenges. One of the main challenges is the readiness and competence of educators in understanding and implementing this new curriculum. Implementing webinars has become a popular solution for delivering information and training regarding the Kurikulum Merdeka, but its effectiveness still needs to be further evaluated to ensure that all educators can access and utilize this information well. Analysis of an in-depth understanding of the profile of webinar participants is important to design professional development programs that are more targeted and effective. This research uses Microsoft Power BI and a quantitative descriptive approach which aims to provide an overview of the characteristics of webinar participants based on numerical data collected through participation data. This research population includes all participants from webinar series 1, 2, 3, and 4 regarding the Implementation of the Independent Curriculum. Sampling used a purposive sampling technique, with samples taken from 182 participants who actively took part in the webinar series. The results show that the elementary school level is the type of institution that has the most registrations for the entire webinar series. However, it should be noted that the total number of participants at other levels in each series is relatively small, especially for levels other than elementary school. This may affect the validity of the generalization. This indicates the possibility of other factors influencing the number of registrants at each level. For further research, it is recommended to collect more complete data on participant characteristics, such as geographic location, field of study, and reasons for enrollment.
Co-Authors Abdul Fatah Aditiya Suryana Adrian, Adrian Ahmad Taufik Andrian Cahyanto Antika, Azizah Qolbu Ardini, Siska Nova Arizal Sabila Nurhikam Azril Tazidan Octa Nuryawan Botha, Marten Candra Nur Ihsan Danny Aidil Rismayadi Deni Rinaldi Dini Rohmayani Diyah Wijayati Elisabeth, Grace Erlin Fahmi Abdullah, Fahmi Fahrullah, Fahrullah Falah, Hadi Mirojul Guterres, Antonio Hadah Muallimah Hadhiwibowo, Ari Harya Gusdevi Ihsan, Candra Nur Ipan Saepul Milal Irfan Ahmad Baid Irfan Ahmad Baid Jack Febrian Rusdi Jamil, Muhammad Ridwan Joko Herwanto Junadhi Junadhi Kelik Sussolaikah Komara, Deri Laili Suryati M. Hasanudin M. Hasanudin Mamun Hasbullah Marlim, Yulvia Nora Mercy Hermawati Miftahul Rizal Mochamad Saidiman Mochammad Aliffiallathifa Nur Azhari Muchammad Naseer Muhamad Fauzan Rajab Muhammad Fadhil Muttaqin Nur Sakti Nur Sakti Prihandoko . Puji Rahmah Puji Rahmah Raden Meina Widiastuti Rahayudin Rahayudin Rahma Salsa Bilah Ratih Ratnasari Rifki Aditya Nugraha Riri Mardaweni Rivaldi Syaputra Riyanti, Niken Rusdan, Muchamad Saepul Rohman Sandi Hermawan Satrio Rully Priyambodo Sayuti Sintia Dewi Slamet Risnanto Sri Erina Damayanti Sri Kuswayati Suherman Suherman Sumita Wardani Supriadi, Irwin Sussolaikah, Kelik Syifa Nur Fauziah Tatang Bukhori Yandy, Eza Tri Yanto Yanto