Article Per Year (5 Year)
p-Index From 2021 - 2026
10.853
P-Index
This Author published in this journals
All Journal Tekno : Jurnal Teknologi Elektro dan Kejuruan Jurnal Ilmiah Informatika Komputer Prosiding SNATIF Jurnal Informatika dan Teknik Elektro Terapan Sistem : Jurnal Ilmu-Ilmu Teknik INTEGER: Journal of Information Technology JIKO (Jurnal Informatika dan Komputer) JEEMECS (Journal of Electrical Engineering, Mechatronic and Computer Science) JURNAL ILMIAH INFORMATIKA Jurnal Infomedia JURNAL PENDIDIKAN TAMBUSAI Jurnal Teknik Elektro dan Komputer TRIAC Jurnal Riset Informatika Jurnal Teknologi Terpadu JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Jurnal Informatika dan Rekayasa Elektronik bit-Tech JE-Unisla Generation Journal JATI (Jurnal Mahasiswa Teknik Informatika) CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Journal of Computer Networks, Architecture and High Performance Computing Jurnal Pengabdian kepada Masyarakat Nusantara Nusantara Science and Technology Proceedings Jurnal Restikom : Riset Teknik Informatika dan Komputer Jurnal Ilmiah Teknologi Informasi dan Robotika Journal of Information System and Technology (JOINT) Jurnal Teknologi dan Manajemen TIERS Information Technology Journal Jurnal Informatika, Komputer dan Bisnis (JIKOBIS) DECODE: Jurnal Pendidikan Teknologi Informasi International Journal Of Computer, Network Security and Information System (IJCONSIST) ALINIER: Journal of Artificial Intelligence & Applications Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan (JUSTIKPEN) Jurnal WIDYA LAKSMI (Jurnal Pengabdian Kepada Masyarakat) SinarFe7 Jurnal Informatika Software dan Network (JISN) Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Journal of Informatics and Electronics Engineering J-Icon : Jurnal Komputer dan Informatika TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika Jurnal Informatika Polinema (JIP) Jurnal Nasional Teknologi Informasi dan Aplikasinya VISA: Journal of Vision and Ideas Journal of Software Engineering and Multimedia (JASMED) Journal of Multidisciplinary Inquiry in Science, Technology and Educational Research Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Himpunan: Jurnal Ilmiah Mahasiswa Pendidikan Matematika Brilliant International Journal of Management and Tourism
Anggraini Puspita Sari
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering 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 Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences Other

Published : 110 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 110 Documents
Search

 7   8   9   10   11 
Klasifikasi Harga Ponsel Menggunakan Algoritma Logistic Regression Ardelia, Danika Najwa; Arifin, Hilda Desfianty; Daniswara, Sena; Sari, Anggraini Puspita
Journal of Informatics and Electronics Engineering Vol 4 No 1 (2024): Juni 2024
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v4i1.854

Abstract

Dalam era digital yang berkembang pesat, penggunaan produk teknologi dan pertumbuhan internet membuka peluang besar dalam penjualan ponsel pintar. Fitur-fitur yang semakin beragam membuat konsumen merasa bingung memilih ponsel dengan harga yang sesuai. Oleh karena itu, penggunaan model logistic regression menjadi pilihan yang tepat untuk mengkategorikan harga ponsel menjadi empat tingkatan: rendah, sedang, tinggi, dan sangat tinggi, yang nantinya diharapkan dapat membantu para konsumen memilih ponsel yang sesuai dengan kebutuhan mereka berdasarkan kategori harga. Penelitian ini juga mengkombinasikan logistic regression dengan penyetelan hyperparameter dimana penyetelan hyperparameter dilakukan untuk meningkatkan akurasi model. Penyetelan hyperparameter dilakukan menggunakan metode grid search. Dalam penelitian ini, dilakukan proses pengumpulan dataset yang kemudian akan dilakukan pengecekan terhadap nilai-nilai yang tidak valid melalui proses preprocessing. Data kemudian dibagi menjadi data uji dan data latih dengan menggunakan dua perbandingan, 80:20 dan 90:10. Setelah data dibagi, dilakukan pemodelan dan penyetelan hyperparameter untuk mengoptimalkan model logistic regression. Hasil tingkat akurasi yang didapatkan dalam proses ini yaitu 98% yang didapatkan dengan menggunakan perbandingan data split 90:10. Dengan demikian, penggunaan logistic regression dapat memprediksi kategori harga ponsel dengan tingkat akurasi yang tinggi. Hal ini dapat diharapkan membantu konsumen dalam memilih ponsel yang sesuai dengan kebutuhan dan anggaran mereka.
Klasifikasi Buah Duku dan Langsat Untuk Ilmu Pertanian dengan Decision Tree Berbasis Website Pramudyo, Leon Ddewandaru; Bimantoro, Ryan Bagus; Yossie Triwinanda, Rizqullah Sandya; Sari, Anggraini Puspita
Journal of Informatics and Electronics Engineering Vol 4 No 1 (2024): Juni 2024
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v4i1.853

Abstract

Penelitian ini berfokus pada pengembangan sistem klasifikasi buah Duku dan Langsat berbasis website dengan menggunakan metode supervised learning. Tujuan utama dari penelitian ini adalah untuk menciptakan alat yang dapat membantu pengguna, termasuk petani dan peneliti, dalam mengidentifikasi jenis buah Duku dan Langsat dengan akurasi yang tinggi secara mudah dan efisien melalui platform online. Dataset yang digunakan dalam penelitian ini terdiri dari berbagai gambar dan data terkait buah Duku dan Langsat. Metode supervised learning diterapkan untuk melatih model klasifikasi sehingga mampu mengenali perbedaan antara kedua jenis buah tersebut. Berbagai teknik dalam supervised learning, seperti pengolahan citra dan algoritma machine learning, digunakan untuk mencapai hasil yang optimal. Hasil penelitian menunjukkan bahwa sistem klasifikasi ini memiliki tingkat akurasi yang tinggi, membuktikan efektivitas dari pendekatan yang digunakan. Dengan adanya sistem ini, proses identifikasi jenis buah dapat dilakukan secara otomatis dan cepat, mengurangi ketergantungan pada pengamatan manual yang memakan waktu dan berpotensi mengandung kesalahan. Keberhasilan pengembangan sistem klasifikasi berbasis website ini diharapkan dapat memberikan manfaat yang signifikan bagi komunitas pertanian dan penelitian. Petani dapat menggunakan sistem ini untuk memastikan jenis buah yang mereka tanam dan panen, sedangkan peneliti dapat memanfaatkannya untuk studi lebih lanjut terkait karakteristik dan pengembangan buah Duku dan Langsat. Sistem ini juga memiliki potensi untuk diperluas dan diterapkan pada jenis buah lainnya di masa depan, memberikan kontribusi yang lebih luas bagi sektor pertanian dan penelitian ilmiah.
Logistic Regression Classification with TF-IDF and FastText for Sentiment Analysis of LinkedIn Reviews Wardana, Nabila Sya’bani; Aditiawan, Firza Prima; Sari, Anggraini Puspita
VISA: Journal of Vision and Ideas Vol. 4 No. 3 (2024): VISA: Journal of Vision and Ideas
Publisher : IAI Nasional Laa Roiba Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47467/visa.v4i3.2835

Abstract

Social media and professional networking platforms like LinkedIn have become crucial platforms for individuals to interact, share information, and build professional networks. Despite the significant benefits LinkedIn has provided to its users, there are still some limitations such as account restriction ambiguity, synchronization issues, and the emergence of spam and irrelevant content. Therefore, it is important to understand users' responses to the application. Previous research has shown that sentiment analysis can be an effective tool in understanding user reviews of applications. This study will continue previous research by analyzing the sentiment of user reviews of the LinkedIn application using the Logistic Regression method, taking into account the use of TF-IDF Feature Extraction and FastText Feature Expansion. Logistic Regression was chosen because it is effective in handling binary sentiment classification problems and has relatively high training speed. This method will be tested to address data imbalance and improve classification performance. This research demonstrates that this approach can provide optimal results in measuring accuracy, recall, precision, and F-Score. The research findings will provide valuable insights for LinkedIn application developers to enhance service quality. Based on the evaluation metrics, it can be observed that the first testing scheme with default parameters achieved an accuracy of 91.86%, a precision of 94.05%, a recall of 91.99%, and an F1-Score of 93.01%. The percentage values obtained already surpass 90%.
Bitcoin Mining Hardware Profitability Prediction Using Categorical Boosting and Extreme Gradient Boosting Algorithms Dimas Satria Prayoga; Puspita Sari, Anggraini; Junaidi, Achmad
Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol. 7 No. 1 (2025): February
Publisher : Jurusan Teknik Elektromedik, Politeknik Kesehatan Kemenkes Surabaya, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/9xb2dz14

Abstract

Cryptocurrencies, especially Bitcoin, have gained global recognition, with mining being one of its most interesting aspects. This is especially important in the context where only a few types of bitcoin mining rigs are expected to operate profitably. On the other hand, in the field of machine learning, there are widely used algorithms, namely Extreme Gradient Boosting (XGBoost), which is known for its effectiveness, and Categorical Boosting (CatBoost), which excels in handling categorical data. This study aims to combine the performance of CatBoost and XGBoost using the Ridge Regression technique in predicting a case study that is not often encountered, namely predicting the profitability of Bitcoin mining hardware. The main steps include collecting data from reliable sources, preprocessing the data to ensure compatibility, feature selection to select the most relevant features, building a prediction model using the preprocessed data set, and then training and testing both models to evaluate their predictive accuracy. The evaluation metrics on the test data reveal the performance of CatBoost, XGBoost, and the CatBoost-XGBoost. CatBoost demonstrates a training time of 3.35 seconds with a MAPE of 15.67% and an RMSE of 0.1733. In comparison, XGBoost has a longer training time of 5.27 seconds but achieves a significantly lower MAPE of 6.49% and an RMSE of 0.1737. Meanwhile, the CatBoost-XGBoost, with the longest training time of 6.84 seconds, delivers a competitive MAPE of 6.57% and the lowest RMSE of 0.1696 among the three approaches. These results highlight that while XGBoost and CatBoost meta model outperform CatBoost in terms of accuracy, the Ridge meta model provides slightly better overall predictive performance based on RMSE.
Optimizing Clustering Analysis to Identify High-Potential Markets for Indonesian Tuber Exports Prasetya, Dwi Arman; Sari, Anggraini Puspita; Idhom, Mohammad; Lisanthoni, Angela
Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol. 7 No. 1 (2025): February
Publisher : Jurusan Teknik Elektromedik, Politeknik Kesehatan Kemenkes Surabaya, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/skzqbd57

Abstract

Agriculture is a key contributor to Indonesia's economic growth, with tubers representing the second most important food crop. Despite their significance, the export value of Indonesia’s tuber crops has not yet reached its full potential given the decline in the value of tuber exports since 2021. One of the contributing factors is the restricted range of export market options. This study aims to analyze export trade patterns to identify the most high-potential markets for Indonesian tuber commodities.  Clustering analysis is used as a key method to identify market locations by grouping countries based on similar trade characteristics. Clustering was conducted using the Gaussian Mixture Model (GMM), which enhanced by Particle Swarm Optimization (PSO) and evaluated by silhouette score and DBI. The dataset is collected from Indonesia’s Central Bureau of Statistics from 2019 to 2023, focusing on 5 kinds of tuber exports with total of 455 entries and 8 columns. Using the AIC/BIC method, the optimal number of clusters obtained is 2 which are low market opportunities (cluster 0) and high market oppurtunities (cluster 1). Results showed that the GMM model without optimization has silhouette score of 0.7602 and DBI of 0.8398, while the GMM+PSO model achieved an improved silhouette score of 0.8884 and DBI of 0.5584. Both score are categorized as strong structure but, GMM+PSO has higher silhouette score and lower DBI score, demonstrating the effectiveness of PSO in enhancing the clustering model’s performance. The key potential markets for Indonesian tuber exports are primarily concentrated in Asia, including countries such as China, Malaysia, Thailand, Vietnam, Hong Kong, and United States.
ANALISIS SENTIMEN PUBLIK PADA TAGAR #BTSCOMEBACK DI PLATFORM X MENGGUNAKAN INDOBERTWEET Damayanti, Natasya Meryl; Ariningtyas, Imelda Dwi; Icham, Maulana Izuddin Audadi; Sari, Anggraini Puspita
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.7176

Abstract

Media sosial telah menjadi ruang utama bagi publik dalam mengekspresikan opini terhadap fenomena budaya populer, termasuk comeback grup K-pop BTS yang yang sering kali menimbulkan intensitas percakapan dan partisipasi digital. Tagar #BTSComeback menjadi salah satu kanal ekspresi publik yang ramai digunakan, mencerminkan beragam respons dari pengguna internet di Indonesia, mulai dari dukungan antusias hingga bentuk kritik. Penelitian ini bertujuan untuk menganalisis sentimen publik Indonesia terhadap tagar tersebut dengan memanfaatkan model IndoBERTweet, yaitu model pralatih yang dirancang khusus untuk memahami teks berbahasa Indonesia di media sosial. Sebanyak 6.300 tweet berbahasa Indonesia dikumpulkan dari platform X dalam rentang waktu Januari hingga Juni 2025. Hasil penelitian menunjukkan bahwa IndoBERTweet mampu mengklasifikasikan sentimen dengan akurasi mencapai 95%, serta menghasilkan performa evaluasi yang konsisten tinggi pada ketiga kategori sentimen, terutama dalam mendeteksi sentimen positif. Visualisasi dalam bentuk word cloud memperlihatkan keberagaman ekspresi publik terhadap peristiwa comeback tersebut. Penelitian ini membuktikan efektivitas IndoBERTweet dalam menganalisis sentiment teks media sosial berbahasa Indonesia dan memberikan wawasan empiris tentang dinamika opini publik Indonesia terhadap fenomena budaya popular global.
OPTIMASI LOKASI PEMBANGUNAN RUMAH SAKIT DI KECAMATAN NGRAYUN KABUPATEN PONOROGO DENGAN K-MEANS Anindhyta, Erisa Dwi Xena; Paramita, Maheswari Dian; Sari, Anggraini Puspita
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1646

Abstract

Ketersediaan layanan kesehatan yang memadai berkontribusi secara signifikan dalam mendukung perkembangan daerah dan meningkatkan kualitas hidup masyarakat. Kecamatan Ngrayun memiliki fasilitas kesehatan yang minim, sehingga diperlukan lokasi yang optimal dalam pembangunan rumah sakit baru. Metode tradisional sering kali digunakan dalam menentukan lokasi pembangunan. Namun, kini teknologi seperti algoritma pembelajaran K-Means Clustering berbasis Silhouette Score dapat digunakan untuk menemukan lokasi pembangunan rumah sakit yang optimal. Adapun faktor-faktor yang diperhatikan diantaranya jumlah penduduk, aksesibilitas, jarak ke rumah sakit terdekat, serta jumlah fasilitas kesehatan. Berdasarkan silhouette score, menunjukkan bahwa jumlah cluster yang mendapatkan score paling mendekati 1 yaitu sebanyak 2 cluster dengan score 0.7370. Desa dibagi menjadi cluster 0 dan cluster 1, dimana cluster 1 diidentifikasi sebagai lokasi utama yang sesuai untuk pembangunan rumah sakit, yang mencakup desa Baosan Kidul, Mrayan, Baosan Lor, Ngrayun, Selur, dan Cepoko. Berdasarkan dari penelitian ini, dapat diketahui bahwa metode K-Means dapat digunakan untuk menentukan lokasi pembangunan rumah sakit secara efektif.
Classification Of Cyber Attack And Anomaly In Web Server Using Transformer and Transfer Learning Prasetyo, Edi Dwi; Rahmat, Basuki; Sari, Anggraini Puspita
Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol. 7 No. 4 (2025): November
Publisher : Jurusan Teknik Elektromedik, Politeknik Kesehatan Kemenkes Surabaya, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/ijeeemi.v7i4.119

Abstract

Cybersecurity is a crucial aspect in maintaining the integrity and availability of information systems, especially on web servers which are vulnerable to various types of attacks and anomalies. This research aims to investigate the application of transfer learning in the classification of cyber attacks and anomalies on web servers. Transfer learning, a powerful deep learning approach, enables pre-trained models to adapt to new tasks with limited data, offering an efficient solution for detecting malicious activities and unusual patterns in web server logs. The goal is to improve detection accuracy while reducing the time and resources required to train models from scratch. This study uses a bi-layer classification approach with pre-trained Transformer models, RoBERTa and BERT, through transfer learning to detect cyber attacks and anomalies in web server log data. The process includes preprocessing the log data, extracting relevant features, and fine-tuning BERT to classify known attacks in the first layer, followed by RoBERTa in the second layer to detect unusual or unknown behaviors. Model performance is evaluated using accuracy, precision, recall, and F1-score, and results are compared with traditional deep learning methods like RoBERTa and BERT to highlight the advantages of this bi-layer transfer learning approach. The result of this proposed bi-layer classification method is improved performance in detecting cyber attacks and anomalies compared to using RoBERTa and BERT individually. By combining both models, the system is anticipated to achieve higher accuracy, better precision in identifying true threats, improved recall for detecting a wider range of attacks, and a more balanced F1-score. This layered approach leverages the strengths of both RoBERTa and BERT, enabling more robust and reliable threat detection, with reduced false positives and false negatives compared to single-model implementations. 
Face Recognition Untuk Rancangan Sistem Pintu Kamar Kos Menggunakan Algoritma Haarcascade OKTAVIAN, JAGUAR DEVA NANGGALASAKTI OKTAVIAN; Maulana, M. Zaky Pria; Sari, Anggraini Puspita
ALINIER: Journal of Artificial Intelligence & Applications Vol. 6 No. 2 (2025): ALINIER Journal of Artificial Intelligence & Applications
Publisher : Program Studi Teknik Elektro S1 ITN Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/alinier.v6i2.10046

Abstract

Teknologi pengenalan wajah telah menjadi solusi yang penting dalam meningkatkan keamanan, terutama dalam lingkungan rumah dan kamar kos. Penelitian ini mengusulkan pengembangan sistem keamanan berbasis Face Recognition menggunakan metode Haar Cascade untuk membuka pintu kamar kos. Tujuan penelitian ini adalah untuk mengimplementasikan teknologi pengenalan wajah dalam konteks membuka pintu kamar dan meningkatkan keamanan dengan menggunakan metode Haar Cascade. Melalui analisis literatur dan pengembangan sistem, penelitian ini menyoroti pentingnya OpenCV sebagai fondasi teknologi untuk pengenalan wajah. Metode penelitian yang digunakan mencakup studi literatur dan analisis pengembangan sistem. Sistem dikembangkan menggunakan Python dan OpenCV, dengan dataset gambar yang diambil langsung dari webcam dan diolah menggunakan algoritma Haar Cascade. Hasil pengujian menunjukkan tingkat akurasi antara 40% hingga 70%, dengan keunggulan algoritma Haar Cascade dalam respons cepat. Namun, tantangan seperti potensi pemalsuan menggunakan foto dan kondisi pencahayaan yang buruk masih perlu diatasi. Saran untuk pengembangan lebih lanjut termasuk meningkatkan akurasi sistem, perbaikan dalam penanganan kondisi pencahayaan, dan kontinuasi pengembangan untuk meningkatkan keamanan dan efisiensi akses dalam konteks kamar kos. Dengan mengatasi tantangan tersebut, penerapan teknologi ini memiliki potensi besar untuk menjadi solusi yang efektif dalam meningkatkan keamanan dan efisiensi akses.
Implementasi Modified K-Nearest Neighbor (MKNN) untuk Deteksi Penyakit Anemia Putra Dwi Wira Gardha Yuniahans; Anggraini Puspita Sari; Yisti Vita Via
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 7 No. 1 (2025): Juni 2025
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v7i1.13425

Abstract

Anemia is a condition where the hemoglobin level in the human body drops below the normal threshold. It can cause several negative effects, such as delayed psychomotor development, a higher risk of infectious diseases, and in women, the possibility of premature birth. Therefore, early detection of anemia is essential to speed up treatment and recovery. One method that can support the diagnostic process is machine learning, particularly the Modified K-Nearest Neighbor (MKNN) algorithm. MKNN is an improved of standard KNN, incorporating additional steps such as validity calculation and weighted voting, which are not present in the original version. In this study, MKNN was applied to detect anemia and achieved an accuracy of 84% using a 75:25 train-test data split and k=5. The dataset was collected from Jemursari Hospital in Surabaya, consisting of 100 patient records. These records were used to evaluate the performance of the MKNN algorithm in anemia detection.
Co-Authors Abd Rabi’ Achmad Junaidi Achmad Junaidi, Achmad Achmad Yusuf Yulestiono Adhi Dwi Saputra Adiguna Yudhanto Adila, Mar’atul Aditya, Wigananda Firdaus Putra Adiyatma, Hesel Faza Afandi, Rizki Baehtiar Afina Lina Nurlaili Agung Darmawansyah Agung Mustika Rizki Agung Mustika Rizki, Agung Mustika Agussalim, Agussalim Agustiardani, Salsa Pramudhita Aji Paringga Jati Akbar, Fawwaz Ali Akbar, M.Azriel Yaqi Al-Ayyubi, Iqbal Alam, Fajar Indra Nur Aldito Restu Wintama Alfajr, Achmad Yuneda Alfi Hendri Alif Bayu Ammarizky Alif Ernanda Putra Amrullah, Ahmad Wildan Ana, Vika Rafi Andre Leto Andreas Nugroho Sihananto Andreas Nugroho Sihananto Anindhyta, Erisa Dwi Xena Aninidta, Sophia ANUGRAH PRASETYA, RAJAWALI SHAKTIKA Aqil Salim, Mas Muhammad Ar Rafi, Mohammad Hafiz Ardelia, Danika Najwa Ardiansyah, Muhammad Dafa Arhinza, Rayhan Saneval Ariando, Aldo Pradana Aries Boedi Setiawan Arif Nur Cahyo Arif Rahman Hakim Arif Widiasan Subagio Arifani, Kahpi Baiquni Arifin, Hilda Desfianty Arini, Andhini Putri Ariningtyas, Imelda Dwi Arryanto, Bahiskara Ananda Arthansa, Radendha Muhammad Awang Mohammad Ziadhasya Rizqaarrafi AZMI, ANDRA HUSNUL Azzahra Adelia Sabrina Salsabila Azzahra Asti Khairunnisa Bagus Satrio Wicaksono Basuki Rahmat Masdi Siduppa Bayu Setiawan Belva Cynara Trana Putri, Prudencia Bhaswara, Maulana Muzakki Bimantoro, Ryan Bagus Binti Hasim, Norhaslinda Budiman, Daniel cahyono, wahyu eko Cinta Ramayanti Citra Firdausi, Putri Aulia Damai Arbaus, Damai Damayanti, Natasya Meryl Daniswara, Sena Dea Rajwa Zahra Athaya Dela Puspita Lasminingrum Dewi, Shanty Kurnia Dian Maharani, Dian Dimas Satria Prayoga Dody Pintarko Dwi Arman Prasetya Dwi Arman Prasetya Dwi Arman Prasetya Eka Maurita Ekawati, Anies Eko Kuncoro Eko Kuncoro EKO WAHYUDI Eko Wahyudi Elizabeth, Caritta Endyarni, Regina Caeli Eva Salsabilla Fahlefi, Muhammad Reza Fajrina, Nur Septia Farhans, Muhammad Izzudin Fatchur Rozci Fauzan, Daffa Athallah Firdaus Putra Aditya, Wigananda Firmantara, Wahyu Firza Prima Aditiawan Firzannabeel Aqila Rafid Gatot Yulisianto Gatut Yulisusianto Hendri, Alfi Hilya ‘Zada Mardhatilla Al Haadiy Hiroshi Suzuki Icham, Maulana Izuddin Audadi idhom, Mohammad Intan Putri Mansyur Pratama Iqbal Bagus Satriawan Irsyadi, Muhamad Haidir Irsyadi, Muhammad Haidir Irsyadi, Muhammad Rohman Irwansyah, Ferry Ismail, Jefri Abdurrozak Jaka Subagja Jamaludin . Jeki Saputra Jibran, Kemal Fahreza Joko Lasmono Julastri, Bregsi Atingsari Kartini Kartini Kartini Kartini KEZIA, KEZIA Khairul Anwar Khairunnisa Khairunnisa Khofifah, Nada Firda krisna krisnawati wati Krisnawati Kuncoro, Eko Ledjap, Adventus Michael Bala Letkol Arh Desyderius Minggu Lina Nurlaili, Afina Lisanthoni, Angela Listanto, Evan Adwitiya Dwi M Julius St M. Rafi Ardiansyah Made Hanindia Prami Swari Maharani, Ardiana Deka MAHARDIKA, NAUFAL INDRA Mahendra, Zenryo Yudi Arnava Darva Makarim, Irsyad Fadhil Maliq Reynanda , Revano Marsanda, Dea Ayu Eka Maulana, Hendra Maulana, M. Zaky Pria Maurisa Arimbi Putri Mawadah, Divia Astrina Mayya, Kalfin Syah Kilau Millati, Fina Amru Millati Minggu, Desi Derius Minggu, Desi Derius Moh Avin Dharma Wijaya MOH MARIO SUBAGIO Moh. Misbahul Musthofah Mohammad Idhom Mohammad Quthbul Widad Mohammad, Bawazir Fadhil Muhammad Hilmy Aziz Muhammad Lizamul Arsi Muhammad Muharrom Al Haromainy Mulyani Satya Bhakti Mulyo, Budi Mukhamad Nachrowie, Nachrowie Nadia, Prasinta Hari Nadirco, Daniel Gloryo Nafis Pratama Putra Nandana Wahyu Rizqullah Nicholas, Sandy Ninis Herawati Noor Imansyah Basoeki, Dandy Nugraini Dewi Puspitasari Nur Rachman Nur Rachman Supadmana Muda Nur Rachman Supadmana Muda Nur'afifah, Anya Ningrum Nurdiansyah, Titis Fajar Nurdianto, Muhammad Akbar Oktavia Nur Khasanah OKTAVIAN, JAGUAR DEVA NANGGALASAKTI OKTAVIAN Panggih Santri Paramita, Maheswari Dian Pintarko, Dody Prakoso, Akbar Tri Pramudyo, Leon Ddewandaru Prapatoni, Velian Prasetyo, Edi Dwi Pratama Putra, Moch Aditya Pratama, Moch Nasikh Andhyka Prismahardi Aji Riyantoko Putra Dwi Wira Gardha Yuniahans Putra, Chrystia Aji Putri Salsabila, Belia Putricia Hendra, Ria Amelia Shinta Rahman, Fatan Izzatur Rahman, Muhammad Fadhillah Rahmawati, Deisya Dzakiyyah Rahmawati. S, Abel Dwi Ramadhani, Aimee Natya Ramadhani, Neo Rendra Ardika Resti Indah Paramita Sari Revano Maliq Reynanda Riandi Zahra, Muhammad Alvin Ridho Fajar Fahturohman Riky Hermawan Ririn Wanandi Rochmawati, Febriyan Putri Rofiah, Muflichatur Romadhoni, Firman Rozi, Atiqur Ryan Purnomo Sagita, Dhea Intan SALMAN ALFARIZI Samdono, Arif Sampurno Utomo, Moch Wahyu Sanjaya, I Wayan Indra Sakti Sanjaya Santoso, Aries Satriya Yudha Saskia Rafika, Chesa Satrio Dharma Putra Satwika, I Kadek Susila Septyana, Dwitamara Setiawan, Aries Buedi Siharta, Niken Febrinikmah Silitonga, Paulenta Silvania Siti Sri Wahyuni Subairi Subairi SUGENG HARIANTO Sugeng Harianto Suherman Suherman Suryangga, Nova Syahbana, Ahmad Nadhif Fikri Syahrul Amin, Akhmad Syamjovanka, Revelin Putri Takahiro Kitajima Takashi Yasuno Tanjung, Mutiq Anisa Tatipang, Angeline Riendra Torrilynn Farrell Zuriely Tresna Maulana Fahrudin Ulummuddin, Ikhya Wardana, Nabila Sya’bani Wicaksono, Faris Hakim Widoretno, Astrini Aning Widya Indah Sujatmoko, Amanda Wisnu Murti, Hapsoro Yisti Vita Via Yossie Triwinanda, Rizqullah Sandya Yunizar, Sri Fatmawati Zahran, Muhammad Sulthan Zidan, Ahmad Ziddan, Muhtasar Zulkarnaen, Fahri Izzuddin