Claim Missing Document
Check
Articles

MENGANALISIS PERKEMBANGAN INFLASI DAN MEMPREDIKSI ARAHNYA DENGAN MODEL ARIMA Rizky Wahyudi, Febri; Irawan, Bambang; Bachtiar, Agus; Kaslani, Kaslani
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8192

Abstract

Inflasi merupakan indikator perekonomian yang penting karena dapat mempengaruhi daya beli masyarakat, investasi, dan stabilitas perekonomian secara keseluruhan.Meskipun tingkat inflasi yang stabil dianggap positif bagi pertumbuhan ekonomi, namun inflasi yang tinggi atau tidak terkendali dapat menimbulkan ketidakpastian dan permasalahan perekonomian. Oleh karena itu, sangat penting bagi pengambil kebijakan dan pelaku ekonomi untuk memahami dan memprediksi pergerakan inflasi agar dapat mengambil langkah yang tepat guna menjaga stabilitas perekonomian negara. ARIMA (Autoregressive Integrated Moving Average) adalah teknik analisis deret waktu yang digunakan untuk memprediksi nilai masa depan berdasarkan pola dan tren data historis. Penelitian ini menggunakan metode Arima untuk memprediksi inflasi di Indonesia. Dengan menggunakan R, Google Colab, dan RStudio, peneliti menggunakan data dari tahun 2006 hingga 2023 untuk mengidentifikasi tren dan data dari tahun 2019 hingga 2023 untuk memprediksi inflasi selama enam bulan ke depan. Berdasarkan hasil penelitian, orde ARIMA optimal adalah 3,1,2, nilai MAPE 8,55%, RMSE 0,32%, MAE 0,23%. Inflasi diperkirakan sebesar 2,58-3% selama enam bulan ke depan. Meski demikian, studi ini menyoroti pentingnya pemantauan terus menerus dan penyesuaian model untuk memprediksi perubahan kondisi perekonomian dan faktor eksternal. Oleh karena itu, penelitian ini berkontribusi terhadap analisis time series, khususnya penggunaan model ARIMA dalam memprediksi tren inflasi di Indonesia, yang mempengaruhi pembuat kebijakan dan pelaku ekonomi.
PENERAPAN MODEL REGRESI LINIER UNTUK PREDIKSI HARGA SAHAM BANK BCA PADA BURSA EFEK INDONESIA Zapar, Rizky; Pratama, Denni; Kaslani, Kaslani; Rohmat, Cep Lukman; Faturrohman, Faturrohman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8215

Abstract

Dalam era globalisasi dan kompleksitas pasar modal, analisis prediksi harga saham menjadi elemen krusial bagi keberhasilan investor dan perusahaan. Fluktuasi harga saham yang tidak menentu menciptakan tantangan dalam meramalkan pergerakan pasar. Metodologi KDD (Knowledge Discovery in Databases) digunakan untuk mengekstraksi pengetahuan berharga dari data historis harga saham Bank BCA. Dengan fokus pada metode regresi linier, penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga saham dan memvalidasi model menggunakan K-Fold Cross-Validation. Hasil evaluasi menunjukkan nilai RMSE sebesar 0.032, menandakan tingkat kesalahan yang rendah dan konsistensi kinerja model. Absolute Error sebesar 0.024 dengan rentang 0.007 mengindikasikan kemampuan model memberikan perkiraan yang akurat terhadap pergerakan harga saham. Root Relative Squared Error sebesar 0.138 dengan rentang 0.036 mencerminkan tingkat kesalahan relatif terhadap variasi data yang dapat dipertahankan oleh model. Dengan Squared Error sebesar 0.001 dan rentang 0.001, sebaran kesalahan prediksi model menunjukkan bahwa sebagian besar prediksi model berada dalam kisaran nilai sebenarnya. Model regresi linier dengan pendekatan KDD mampu memberikan prediksi harga saham Bank BCA dengan tingkat akurasi yang tinggi dan konsistensi yang baik, memberikan landasan yang kuat untuk pengambilan keputusan investasi di masa depan.
ANALISIS POLA PENJUALAN BATIK PEKALONGAN MENGGUNAKAN ALGORITMA FP-GROWTH Sukma Maula, Intan; Wahyudin, Edi; Tohidi, Edi; Kaslani, Kaslani; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8280

Abstract

Pekalongan merupakan salah satu kota terkemuka dalam industri batik di Indonesia, yang dikenal sebagai “Kota Batik”. Batik bukan sekadar kain warna-warni dengan motif unik, tetapi batik memiliki ciri khas sendiri seperti gambar burung elang, garis lengkung, dan hiasan titik-titik, juga terdapat pada batik Pekalongan. Keunikan batik Pekalongan terletak pada warnanya yang cerah alami dan beragam motifnya mencakup gaya Cina, Belanda, dan asli dengan motif seperti kawung, burung merak, burung enchim, jawa hokokai, dan jlamprang. Perubahan pola konsumen yang semakin kompleks dari desain hingga harga dan perkembangan pesat dalam industri batik menimbulkan permasalahan dalam pola pembelian serta pengelolaan data transaksi yang terus meningkat sehingga menghambat dalam analisis pola pembelian konsumen. Oleh karena itu, penelitian ini bertujuan untuk mendapatkan pola pembelian konsumen terhadap jenis produk batik menggunakan algoritma FP-Growth untuk menentukan himpunan data yang sering muncul (frequent itemset) dalam dataset. Berdasarkan hasil pengujian, diperoleh 12 aturan asosiasi (Association rules) yang terbentuk dengan nilai minimum support = 0.01, minimum confidence = 0.8, dan lift = 1.0. Dengan aturan tersebut, penelitian ini menghasilkan implikasi yang signifikan terhadap pola pembelian konsumen, meningkatkan strategi pemasaran, dan membantu dalam pengelolaan inventaris serta pengambilan keputusan berdasarkan data yang tersedia.
ANALISIS POLA TRANSAKSI PEMBELIAN PADA BISNIS FOOD AND BEVERAGE MENGGUNAKAN ALGORITMA FP-GROWTH Fansuri, Rafly; Tohidi, Edi; Wahyudin, Edi; Kaslani, Kaslani; Iin, Iin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8293

Abstract

Dalam dunia bisnis Food and Beverage yang sangat kompetitif saat ini, perusahaan-perusahaan dihadapkan pada tekanan untuk terus mengembangkan strategi-strategi kreatif dalam menjalankan operasi mereka. Salah satu strategi yang dapat digunakan dalam meningkatkan kinerja penjualan adalah cross-selling, yaitu taktik menjual produk tambahan yang berkaitan dengan produk yang telah dibeli oleh pelanggan, dengan tujuan meningkatkan omset penjualan. Tujuan dari penelitian ini adalah untuk mengidentifikasi hubungan antara produk-produk yang sering dibeli oleh pelanggan dan bagaimana pola pembelian mereka dianalisis. Data penjualan dari French Bakery Sales digunakan dalam penelitian ini. Algoritma Frequent Pattern Growth (FP-Growth) adalah alat yang digunakan dalam metodologi penelitian ini untuk data mining asosiasi. Data transaksi penjualan dikumpulkan, atribut yang relevan dipilih, data dipreprocessing, proses asosiasi dataset, dan evaluasi pola yang terbentuk adalah semua langkah dalam proses penelitian ini. penelitian ini menghasilkan 8 aturan asosiasi menggunakan nilai minimum support 0,08 dan confidence 0,5 dengan 10 produk pembentuk. Aturan-aturan ini memiliki potensi untuk mendukung strategi cross-selling dengan lebih mudah dan efisien. Aturan-aturan ini memberikan informasi yang detail mengenai pola pembelian produk oleh konsumen, serta memperkirakan tingkat peluang keberhasilan strategi cross-selling.
ESTIMASI PENJUALAN PADA TOKO DAMHIL CAKE AND BAKERY MENGGUNAKAN ALGORITMA REGRESI LINIER SEDERHANA DALAM MENENTUKAN STRATEGI PENJUALAN KUE KERING Kaslani, Kaslani; Putri Siti Nur Hajijah, Regi; Eka Permana, Sandy; Fatihanursari, Fatihanursari
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8433

Abstract

Damhil cake and Bakery merupakan perusahaan kecil dan menengah yang bergerak di bidang industri roti dan kue di tengah persaingan yang semakin ketat. Penelitian ini bertujuan untuk mengembangkan strategi penjualan kue kering di Toko Damhil cake and Bakery melalui estimasi hasil penjualan produk menggunakan algoritma regresi linier sederhana. Penelitian ini melibatkan pengumpulan data penjualan produk kue kering di Toko Damhil Cake and Bakery selama priode 1 tahun yaitu tahun 2022. Data ini mencakup informasi tentang harga produk, dan dampak musiman terhadap penjualan. Dalam analisis ini, algoritma regresi linier sederhana dengan pendekatan Knowledge Discorvery in Databases (KDD) digunakan untuk memodelkan hubungan antara variabel-variabel tersebut dengan hasil penjualan. Penelitian ini melibatkan analisis data historis penjualan kue kering, penerapan algoritma regresi linier sederhana untuk membangun model prediktif, dan penggunaan metode KDD untuk mengidentifikasi pola atau hubungan yang dapat meningkatkan strategi penjualan. Hasil estimasi penjualan diharapkan dapat membantu Toko Damhil cake and Bakery dalam mengambil keputusan yang lebih tepat terkait produksi, promosi, dan penetapan harga produk. Dengan menerapkan pendekatan ini, diharapkan toko dapat meningkatkan efisiensi operasionalnya dan merumuskan strategi penjualan yang lebih cerdas. adalah Hasil penelitian ini dapat memberikan jawaban terhadap permasalahan yang dirumuskan dalam latar belakang, yaitu kesulitan untuk menentukan strategi penjualan yang efektif, adapun relevensi dari penelitian ini yaitu bertujuan untuk membantu Toko Damhil Cake and Bakery untuk membuat keputusan yang lebih akurat dalam merencanakan strategi penjualan kue keringdan meningkatkan efisiensi bisnis. Hasil yang diperoleh dari prediksi penjualan kue kering untuk periode waktu tahun 2022 sebanyak 10.458pcs.
OPTIMASI POLA PEMBELIAN TOKO SEMBAKO DENGAN ALGORITMA FP-GROWTH Fitriyah, Anis; Kaslani, Kaslani; Tohidi, Edi; Mulyawan, Mulyawan; Fathurrohman, Fathurrohman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8435

Abstract

Toko sembako adalah toko kelontong (bahan pokok) yang menjual berbagai macam kebutuhan pokok masyarakat pada umumnya. Tanpa kebutuhan dasar masyarakat bisa terganggu karena bahan pokok ini yang paling utama. Penempatan pada produk toko ini masih dilakukan secara tradisional/manual oleh pemilik toko dan data transaksi penjualan di Toko ini hanya digunakan sebagai simpanan tanpa dimaksimalkan penggunaannya. Semakin banyak toko kelontong modern semakin sedikit pelanggan yang membeli di toko tersebut. Dalam penerapan teknik data mining menggunakan metode asosiasi dengan memanfaatkan Algoritma Fp-Growt, Permasalahannya adalah belum bisa mengetahui produk apa yang sering di minati pelanggan, ketersediaan produk seringkali tidak sesuai dengan keinginan konsumen sehingga bisa berdampak buruk. Algoritma Fp-Growth ini digunakan untuk mengidentifikasi peraturan yang mengatur keterkaitan antara kombinasi itemset. dalam data transaksi penjualan, dengan tujuan memberikan rekomendasi untuk mengoptimalkan strategi penjualan dengan mengidentifikasi produk-produk yang sering dibeli bersamaan, dan menyusun menu berdasarkan preferensi konsumen. Berdasarkan Association Rules menghasilkan 3 barang yang umumnya dibeli oleh pelanggan yaitu Gula, Minyak Goreng dan Tepung. Hasil evaluasi menunjukan nilai support tertinggi pada seluruh itemset sebesar 0.170. Pengujian pembentukan itemset, dengan nilai support 0.1 dan nilai confidence 0.5 mendapatkan rule sebanyak 7 rule dan mendapatkan nilai confidence yang paling tinggi yaitu 0.950 serta mendapatkan nilai lift paling tinggi 4.923 sehingga dinyatakan semua aturan yang dihasilkan memiliki kekuatan dan validitas yang dapat diandalkan untuk digunakan meningkatkan strategi penjualan. Penelitian ini dapat membantu Toko untuk dapat meningkatkan pengalaman pelanggan, mengoptimalkan stok produk, dan meningkatkan kepuasan pelanggan secara keseluruhan. Hasil temuan dari penelitian ini bisa dimanfaatkan untuk memberikan bantuan atau dukungan dalam proses penjualan, fokus pada barang - barang yang banyak diminati oleh pelanggan dan ketersediaan stok barang.
ANALISIS SENTIMEN TERHADAP BERHENTINYA TIKTOKSHOP PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES Sanjaya, Riki; Tohidi, Edi; Wahyudi, Edi; Kaslani, Kaslani
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8443

Abstract

Perkembangan teknologi informasi telah membawa perubahan besar dalam dunia perdagangan, salah satunya adalah munculnya perdagangan dengan sistem elektronik (PSE) yang memungkinkan transaksi jual beli dilakukan secara online. Tiktokshop adalah salah satu platform PSE yang populer di Indonesia [1], yang merupakan bagian dari aplikasi Tiktok yang menyediakan fitur jual beli produk. Namun, pada tanggal 04 Oktober 2023, pemerintah Indonesia mengeluarkan kebijakan untuk menutup Tiktokshop berdasarkan surat Menteri perdagangan no 31 tahun 2023. Alasan pemerintah adalah untuk melindungi usaha mikro, kecil, dan menengah (UMKM) tradisional dari persaingan tidak sehat yang ditimbulkan oleh Tiktokshop. Kebijakan ini menuai banyak reaksi di media sosial, khususnya di Twitter, yang menjadi salah satu media untuk menyuarakan pendapat dan aspirasi masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen terkait penutupan Tiktokshop di Twitter menggunakan algoritma Naive Bayes, yang merupakan salah satu metode klasifikasi teks berdasarkan kemunculan kata-kata tertentu. Hasil analisis menunjukkan bahwa sebagian besar netizen yang berkomentar terkait penutupan Tiktokshop menunjukkan bahwa respon positif mendominasi dengan nilai prediksi positif 965, sedangkan respon negatif hanya 535 nilai akurasi 85.00%, margin error +-2.92% Precision 99,33% recall 77,20 %.
PERAMALAN HASIL PANEN PADI KABUPATEN CIREBON MENGGUNAKAN ALGORITMA REGRESI LINEAR BERGANDA Andia, Rita; Kaslani, Kaslani; Eka Permana, Sandy; Handayani, Tineka
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8446

Abstract

Pertanian telah lama menjadi sektor ekonomi yang signifikan di Indonesia. Pertanian berkontribusi dalam aspek perekonomian, kesejahteraan masyarakat dan pelestarian alam. Kabupaten Cirebon, sebagai bagian dari negara agraris, memiliki mayoritas penduduk yang menggeluti sektor pertanian, terutama dalam kegiatan bertani padi. Hasil produksi panen padi Kabupaten Cirebon mengalami fluktuasi setiap tahunnya, perubahan tersebut menjadi fokus pada penelitian ini. Pada tahun 2020 produksi padi Kabupaten Cirebon mencapai 709.105 Ton/GKP sedangkan pada tahun 2021 produksi padi mengalami penurunan menjadi 703.044 Ton/GKP. Kemudian pada tahun 2022 produksi padi mengalami penurunan kembali menjadi 701.059 Ton/GKP. Penurunan produksi padi selama dua tahun secara berurutan menimbulkan kekhawatiran akan produksi padi pada tahun yang akan datang. Tujuan dalam penelitian ini yaitu melakukan peramalan sebagai upaya untuk memberikan gambaran produksi padi pada tahun 2023 menggunakan algoritma regresi linear berganda dengan menerapkan tahapan Knowledge Discovery in Database (KDD). Regresi linear berganda merupakan teknik statistik yang digunakan untuk meramalkan nilai dari suatu indikator dependen (Y) berdasarkan lebih dari satu indikator independen (X). Hasil peramalan produksi padi tahun 2023 sebesar 685.403 Ton/GKP, dengan hasil evaluasi peramalan menggunakan matriks evaluasi yaitu MSE sebesar 1691845,33, RMSE sebesar 1300,70, MAE sebesar 844,70 dan R2-Score sebesar 0,99. Berdasarkan hasil peramalan, produksi padi tahun 2023 mengalami penurunan.
ANALISA SENTIMEN KOMENTAR VIDEO YOUTUBE DI CHANNEL TVONENEWS TENTANG CALON PRESIDEN PRABOWO SUBIANTO MENGGUNAKAN SUPPORT VECTOR MACHINE Tohidi, Edi; Perdana Herdiansyah, Reza; Wahyudin, Edi; Kaslani, Kaslani
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8560

Abstract

Indonesia merupakan negara demokrasi di mana rakyat memilih presiden melalui Pemilihan Umum Presiden (Pilpres) yang dilakukan 5 tahun sekali. Pada Pilpres 2024, ada 3 kandidat capres yaitu Anies Baswedan, Prabowo Subianto, dan Ganjar Pranowo. Youtube menjadi platform utama masyarakat menyampaikan opini politik. Penelitian ini menganalisis sentimen komentar video Youtube TVOneNews tentang calon presiden Prabowo sebagai capres 2024 dengan SVM. Tujuan penelitian ini adalah mengukur akurasi SVM dalam mengklasifikasi sentimen komentar video Youtube TVOneNews berjudul "Relawan dari Berbagai Daerah Deklarasikan Prabowo sebagai Capres 2024" serta melihat sentimen masyarakat terhadap calon presiden prabowo subianto. Metode penelitian ini menggunakan Knowledge Discovery in Database (KDD) yang terdiri dari lima tahapan yaitu Selection, Preprocessing, Transformation, Data Mining dan Interpretation. Datadalam penelitian ini berjumlah 927 komentar yang didapatkan melalui crawling setelah preprocessing tersisa 877 data dengan label positif 530 dan label negatif 346. Hasil penelitian menunjukkan terdapat sebuah perbedaan jumlah label sentimen awal dengan hasil SVM, dimana sentimen positif bertambah dari 530 menjadi 542 dan sentimen negatif berkurang dari 346 menjadi 334. Dan hasil klasifikasi SVM mendapatkan nilai akurasi 85%, presisi 87% dan recall 89%.
PENERAPAN DATA MINING PENGELOMPOKAN PRODUKTIVITAS PADI MENGGUNAKAN ALGORITMA K-MEANS PADA PROVINSI JAWA BARAT Wahyudin, Edi; Amir Rudin, Rizki; Kaslani, Kaslani; Eka Permana, Sandy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8696

Abstract

Padi, sebagai makanan pokok di Indonesia, terus menghadapi peningkatan kebutuhan yang tidak sejalan dengan ketersediaan lahan pertanian di Jawa Barat. Belum adanya pemetaan produktivitas panen padi di setiap kabupaten atau kota menjadi tantangan bagi pemerintah provinsi. Penelitian ini menggunakan algoritma K-Means clustering dan aplikasi RapidMiner 10.2 yang mengacu metode penelitian Knowledge Discovery in Database (KDD) untuk mengelompokkan produktivitas padi di Jawa Barat, menghasilkan 18 cluster. Cluster 0 hingga 6 menunjukkan tingkat produktivitas tinggi, sementara cluster 9 adalah sedang. Informasi ini menjadi kontribusi berharga bagi pemerintah provinsi dalam merancang kebijakan pertanian dan pangan yang optimal untuk meningkatkan produktivitas padi di setiap daerah. Dengan demikian, hasil dari penelitian ini adalah diharapkan memberikan wawasan mendalam tentang potensi pertanian di kabupaten atau kota, membantu dalam perencanaan strategi tanam, dan mendorong optimalisasi luas area pertanian di Jawa Barat agar semakin maju lagi.
Co-Authors Abdul Ajiz Abdul Ajiz, Abdul Abdul Koda Abdul mukhsyi, Sopian Abi Fajar Ahmad Fauzi Ade Irma Purnamasari Ade Irma Purnamasari agus bahtiar Ahmad Faqih Alibasyah, Aziz Amalia, Dita Rizki Amir Rudin, Rizki Anana Rafly Andi Setiawan Andi Setiawan Andia, Rita Anwar Pauji Anwari, Saeful Aprilyani, Wiwin Aria Pratama Ayuningsih, Sri Bachtiar, Agus Bakri, Saeful Basysyar, Fadhil Muhammad Basysyar, Fadil M Burhanudin, Haris Cep Lukman Rohmat Deffan Febrian Dirmanthara Delisah Destriyanah, Riska Dian Ade Kurnia Dilla Eka Lusiana Dodi Solihin Edi Tohidi Edi Tohidi Edi Wahyudin Edi Wahyudin Ega Salsa Nugraha Eka Permana, Sandy Fansuri, Rafly Fathurrohman Fathurrohman Fathurrohman, Fathurrohman Fatihanursari, Fatihanursari Faturachman, Rifcki Aziz Faturrohman, Faturrohman Fauziah, Irfa Mulhimah Fitriyah, Anis Garsandi, Akmal Maulana Gifthera Dwilestari Haidar Fakhri Hamonangan, Ryan Handayani, Tineka Hartini, Tuti Hayati, Umi Herdiana, Ruli Hermawan, Eman Hery Widijanto Hilman Rifa'i Hira Wahyuni Azizah Iin, Iin Iqbal Agis Junizar Irfan Ali Irfan Ali, Irfan Irma Purnamaari, Ade Irma Purnamasari, Ade Jayawarsa, A.A. Ketut Kencana, Junaedi Surya Muhalim, Alvy Muhammad Aji Pratama Mulyawan Mulyawan Mulyawan, Mulyawan Nining Rahaningsih Nur Atikah Odi Nurdiawan Oktaviani Putri , Farra Oktaviani Putri, Farra Pardiana, Firda Perdana Herdiansyah, Reza Pratama, Denni Puji Rahayu Purnama Sari, Ade Irma Purnamasari, Ade Irma Purnamasari, Ade Purnamasari Putri Siti Nur Hajijah, Regi Raditya Danar Dana Ramdhan, Dadan Rano Rifqi Aqila, Mochammad Rizki Fahrezi Maulana Rizki Lesmana, Ghali Rizky Wahyudi, Febri Rohmat, Cep Lukman Rudi Kurniawan Ryan Hamonangan Salsabila, Putri SANJAYA, RIKI siti azhar Sobari, Syahrul Subhiyanto, Fajar Sukma Maula, Intan Tati Suprapti Tengku Riza Zarzani N Tio Prasetya Tohidi, Edi Tohodi, Edi Tuti Hartati Umi Hayati Vibrianti, Vera Wafiq Azizah Wahyudi, Edi Wahyudin, Edi Wilda Rusmiati Rahayu Zapar, Rizky