Article Per Year (5 Year)
p-Index From 2021 - 2026
7.131
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Jurnal Teknik Informatika UNIKA Santo Thomas Jurnal ICT : Information Communication & Technology Infotekmesin Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer JCOSE Jurnal Bimbingan dan Konseling JATI (Jurnal Mahasiswa Teknik Informatika) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Journal of Computer System and Informatics (JoSYC) MEANS (Media Informasi Analisa dan Sistem) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Journal of Artificial Intelligence and Engineering Applications (JAIEA) BULLET : Jurnal Multidisiplin Ilmu AMMA : Jurnal Pengabdian Masyarakat Scientica: Jurnal Ilmiah Sains dan Teknologi Jurnal Sistem Informasi dan Manajemen INTERNAL (Information System Journal)
Kaslani
STMIK IKMI Cirebon
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Nursing Social Sciences Other

Published : 55 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 55 Documents
Search

 2   3   4   5   6 
PENERAPAN ALGORITMA FP-GROWTH UNTUK MENGETAHUI POLA PEMBELIAN KONSUMEN DI WARUNG MAKAN DEDE Salsabila, Putri; Wahyudin, Edi; Dwilestari, Gifthera; Kaslani, Kaslani; Subhiyanto, Fajar
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.v8i1.8964

Abstract

Dalam era globalisasi dan persaingan bisnis yang ketat, pemahaman mendalam terhadap perilaku pembelian konsumen menjadi krusial bagi pelaku bisnis. Penelitian ini memperkenalkan metode FP-Growth (Frequent Pattern Growth) sebagai alat analisis untuk mengidentifikasi pola pembelian konsumen secara efektif dan efisien. Dalam pengamatan lapangan, teridentifikasi bahwa banyak rumah makan menghadapi kesulitan dalam memahami dan mengantisipasi pola pembelian konsumen. Ketidakmampuan ini dapat menghambat pengembangan strategi pemasaran yang efektif dan mengoptimalkan keuntungan. Dari data observasi dan literatur, terungkap bahwa aturan asosiasi yang kuat dalam pola pembelian seringkali sulit untuk diidentifikasi secara manual, dan inilah masalah utama yang ingin dipecahkan melalui penelitian ini. Masalah mendasar yang mendasari sulitnya mengidentifikasi pola pembelian konsumen adalah kompleksitas dan volume data transaksi.Metode tradisional atau manual seringkali tidak efisien dalam memisahkan informasi berharga dari data yang jenisnya berbeda-beda. Hasil penelitian ini mendapatkan kesimpulan hasil persentase nilai minimum support dan confidence adalah [Mangkuk plastik, Es Milo, Bakso Rebusan, Ayam Kremes, Bakso Balung] --> [Air mineral, Es Teh/Teh Hangat] (confidence: 0.821) Hasil ini diharapkan dapat menjadi dasar bagi perusahaan untuk mengoptimalkan strategi pemasaran mereka dan meningkatkan kepuasan pelanggan.
KLASIFIKASI BARANG PRODUKSI PADA TNT. GUITAR WORKSHOP DENGAN METODE NAIVE BAYES MENGGUNAKAN RAPID MINER Vibrianti, Vera; Wahyudin, Edi; Kaslani, Kaslani; Pratama, Denni; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8966

Abstract

Minat pembelian gitar semakin berkembang terutama dikalangan anak muda. Permintaan penjualan gitar pun semakin meningkat. Adapun dari TNT.Guitar Workshop yang saya temui di daerah perumnas kota Cirebon, disitu konsumen dapat menentukan sendiri model, jenis kayu, hardware, dan yang lainnya sesuai dengan kemauan konsumen itu sendiri. TNT.Guitar Workshop memiliki masalah dalam mengklasifikasi barang untuk mengetahui model gitar apa saja yang banyak diminati oleh konsumen. Dalam penelitian ini metode perancangan yang akan diterapkan adalah metode algoritma Naive bayes. Naive Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Tujuan dari penelitian ini adalah membantu TNT.Guitar Workshop dalam mengklasifikasi barang untuk mengetahui model gitar apa saja yang banyak diminati oleh konsumen dan untuk melihat berapa tingkat akurasi hasil klasifikasi barang menggunakan algoritma Naive Bayes dengan menggunakan aplikasi RapidMiner. Dengan menggunakan aplikasi RapidMiner versi 9.9 menunjukan bahwa nilai akurasi sebesar 86.49% dengan rincian sebagai berikut: prediksi interest dan true interest memiliki nilai sebesar 157, prediksi interest dan true some interest memiliki nilai 18, prediksi some interest dan true interest memiliki nilai 22, prediksi some interest dan true some interest memiliki nilai sebesar 99. Dengan kelas interest sebesar 87.71% dan kelas some interest sebesar 84.62%.
KLASTERISASI DATA PENJUALAN ALAT TRANSPORTASI DENGAN RAPIDMINER MENGGUNAKAN METODE K-MEDOID Aprilyani, Wiwin; Kaslani, Kaslani; Wahyudin, Edi; Hamonangan, Ryan; Herdiana, Ruli
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8968

Abstract

Penelitian ini bertujuan untuk menerapkan metode klasterisasi K-medoid menggunakan platform Rapidminner pada data penjualan alat transportasi. Melalui Rapidminner sebuah platform analisis data yang kuat, hal ini bertujuan untuk meningkatkan pemahaman terhadap prefrensi dan perilaku pembelian konsumen dalam kaitannya dengan transportasi. Metode K-medoid dipilih karena kemampuannya dalam menghasilkan kelompok-kelompok data yang berbeda secara optimal tanpa bergantung pada bentuk atau jumlah klaster yang telah ditentukan sebelumnya. Setelah dilakukannya beberapa uji coba klaster pada data penjualan alat transportasi dengan record data terakhir berjumlah 904 record data menghasilkan nilai klaster yang terbaik yaitu dengan 2 klaster yang nilai Davies Bouldin Index berada pada -0,838 yang dimana nilai tersebut nilai terkecil diantara hasil uji coba klaster lainnya, dengan jumlah klaster 2 tersebut penjualan tertinggi pada perusahaan ini berada pada tahun 2005 dengan nilai 11,739 dan berada pada di klaster 0.
PENERAPAN ALGORITMA FP-GROWTH UNTUK MENENTUKAN POLA PEMBELIAN MAKANAN DI WARMINDO Destriyanah, Riska; Kaslani, Kaslani; Wahyudin, Edi; Dwilestari, Gifthera; Mulyawan, Mulyawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8969

Abstract

Di dalam dunia bisnis diperlukan suatu usaha yang maksimal agar mendapatkan keuntungan. Strategi pemasaran yang tepat dapat dilihat pada pola pembelian konsumen yang di peroleh dari transaksi penjualan terhadap Makanan Warung Indomie atau Warmindo. Informasi mengenai pola pembelian customer pada Warmindo yang kurang akurat ini menyebabkan ketidaktahuan perusahaan mengenai kerugian yang didapatinya. Penelitian ini bertujuan untuk menganalisis pola pembelian pelanggan di Warmindo menggunakan algoritma FP-Growth yang diimplementasikan melalui software RapidMiner. Pada penelitian ini ditemukan beberapa hasil aturan asosiasi yang nantinya akan digunakan sebagai bahan pengambilan keputusan untuk kemajuan Perusahaan dan mendatangkan laba atau keuntungan. Hasil dari penelitian ini berupa aturan asosiasi menggunakan algoritma FP-Growth yang bertujuan untuk memberikan rekomendasi dua items atau menu kepada pelanggan dengan menggunakan nilai minimum support 30% dan minimum confidence 80%
MARKET BASKET ANALYSIS PADA DATA PENJUALAN UMKM MENGGUNAKAN ALGORITMA FP-GROWTH Pratama, Denni; Kaslani, Kaslani; Tohidi, Edi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10939

Abstract

UMKM di Indonesia menghadapi tingkat kegagalan yang tinggi, mencapai 78-80%, yang disebabkan oleh berbagai faktor termasuk pengelolaan inventori yang buruk, persaingan usaha, dan rendahnya penjualan. Pandemi COVID-19 juga memberikan dampak signifikan, terutama pada usaha sektor makanan dan minuman. Toko Rafa Cake, UMKM di Kota Cirebon yang memproduksi dan menjual makanan, mengalami dampak pandemi pada penjualannya. Pasca pandemi, Toko Rafa Cake, berusaha memperbaiki pengelolaan dan berinovasi dengan menghadirkan 155 varian produk, namun mengalami kesulitan dalam mengelola inventori dan menentukan strategi penjualan yang tepat. Penelitian ini menggunakan Market Basket Analysis dengan algoritma FP-Growth dan empat matriks evaluasi aturan asosiasi untuk menganalisis data transaksi penjualan. Kerangka penelitian menggunakan CRISP-DM. Dari 10.987 data transaksi, dihasilkan 6 aturan asosiasi umum dengan hasil yang bervariasi setiap bulannya. Produk Roti Regular All Varian memiliki support tertinggi sebesar 32,10%. Analisis menunjukkan bahwa pelanggan yang membeli Donat Ring Regular dan Glass Cake cenderung membeli Roti Regular All Varian dengan support 5,50%, confidence 98,80%, lift 3.075, dan conviction 55.436. Rekomendasi yang dihasilkan meliputi pengaturan tata letak produk yang sering dibeli bersamaan dan penerapan strategi bundling Roti Regular All Varian dengan produk lainnya. Hasil penelitian ini dapat membantu Toko Rafa Cake dalam menentukan strategi penjualan dan mengelola inventori dengan lebih efektif.
MENINGKATKAN MODEL PREDIKSI KELULUSAN SANTRI TAHFIDZ DI PONDOK PESANTREN AL-KAUTSAR MENGGUNAKAN ALGORITMA RANDOM FOREST Sobari, Syahrul; Purnamasari, Ade Irma; Bahtiar, Agus; Kaslani, Kaslani
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5704

Abstract

Abstrak. Penelitian ini bertujuan untuk meningkatkan model prediksi kelulusan santri Tahfidz di Pondok Pesantren Al-Kautsar dengan menerapkan algoritma Random Forest , yang dikenal memiliki kemampuan menangani data kompleks dan menghasilkan prediksi yang lebih akurat dibandingkan metode tradisional. Dengan algoritma Random Forest, penelitian ini berusaha mengeksplorasi keunggulan dalam memberikan prediksi yang lebih baik. Penelitian ini melibatkan beberapa tahapan penting, dimulai dari pengumpulan data santri yang berjumlah 300 dengan mencakup beberapa atribut, seperti jumlah hafalan, tingkat kehadiran, nilai ujian, dan status izin sebagai target prediksi. Hasil penelitian menunjukkan bahwa algoritma Random Forest secara signifikan lebih unggul dibandingkan regresi linier dalam memprediksi kelulusan santri. Random Forest menghasilkan akurasi sebesar 99,64% , presisi 100,00% , dan recall 98,80% , sementara regresi linier hanya mencapai akurasi sebesar 77% . Analisis mendalam menunjukkan bahwa atribut jumlah hafalan dan tingkat kehadiran memiliki pengaruh terbesar terhadap prediksi kelulusan, diikuti oleh nilai ujian. Hal ini menegaskan bahwa faktor nonakademik seperti hafalan dan kehadiran mempunyai peranan penting dalam keberhasilan santri. Keunggulan algoritma Random Forest terletak pada kemampuannya menggabungkan prediksi dari banyak pohon keputusan, sehingga menghasilkan model yang lebih stabil dan tahan terhadap noise dalam data. Selain itu, algoritma ini dapat menangani data dengan kombinasi variabel numerik dan kategorikal tanpa perlu transformasi yang signifikan, menjadikannya cocok untuk dataset dunia nyata yang seringkali tidak sempurna.  Abstrak. Penelitian ini bertujuan untuk memperbaiki model prediksi izin santri tahfidz di Pondok Pesantren Al-Kautsar dengan menerapkan algoritma Random Forest yang diketahui memiliki kemampuan dalam menangani data yang kompleks dan menghasilkan prediksi yang lebih akurat dibandingkan metode tradisional. Dengan algoritma Random Forest, penelitian ini berupaya untuk mengeksplorasi kelebihan dalam memberikan prediksi yang lebih baik. Penelitian ini melibatkan beberapa tahapan penting, dimulai dari pengumpulan data santri sebanyak 300 data yang mencakup beberapa atribut, seperti jumlah hafalan, tingkat kehadiran, nilai ujian, dan status izin sebagai target prediksi. Hasil penelitian menunjukkan bahwa algoritma Random Forest secara signifikan lebih unggul dibandingkan regresi linier dalam memprediksi kelulusan santri. Random Forest menghasilkan akurasi sebesar 99,64%, presisi sebesar 100,00%, dan recall sebesar 98,80%, sedangkan regresi linier hanya mencapai akurasi sebesar 77%. Analisis mendalam menunjukkan bahwa atribut hafalan dan tingkat kehadiran memiliki pengaruh paling besar dalam memprediksi penerimaan, diikuti oleh nilai ujian. Hal ini menegaskan bahwa faktor non akademis seperti hafalan dan kehadiran memiliki peran penting dalam keberhasilan siswa. Keunggulan algoritma Random Forest terletak pada kemampuannya menggabungkan prediksi dari banyak pohon keputusan, sehingga menghasilkan model yang lebih stabil dan tahan terhadap noise dalam data. Selain itu, algoritma ini dapat menangani data dengan kombinasi variabel numerik dan kategoris tanpa memerlukan transformasi yang signifikan, sehingga cocok untuk dataset dunia nyata yang seringkali tidak sempurna.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK KLASIFIKASI DIAGNOSIS PENYAKIT LAMBUNG Hartini, Tuti; Irma Purnamasari, Ade; Bahtiar, Agus; Kaslani, Kaslani
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12183

Abstract

Keterbatasan akses layanan Kesehatan spesialis untuk diagnosis penyakit lambung masih menjadi tantangan utama di wilayah pedesaan seperti desa Sukamulya. Hal ini, menyebabkan keterlambatan penanganan dan potensi memburuknya kondisi Kesehatan Masyarakat setempat. Penelitian ini bertujuan untuk mengembangkan model deteksi penyakit lambung menggunakan Algoritma K-means Clustering yang disesuaikan dengan kondisi Kesehatan Masyarakat setempat. Metode yang digunakan adalah Algoritma K-means Clustering dengan menganalisis data dari 300 pasien yang dikumpulkan selama 3 bulan di puskesmas Desa Sukamulya. Attribut yang digunakan mencangkup usia, jenis gejala, dan diagnosis awal untuk pengelompokkan penyakit lambung seperti Gastritis, ulkus peptikum, GERD, dan maag. Hasil penelitian ini menunjukkan nilai Davies Bouldin Index (DBI) terbaik ada pada kluster 6 dengan nilai DBI -0.488, dengan distribusi anggota: kluster 0: 68 items, cluster 2: 9 items, cluster 3: 49 items, cluster 4: 59 items, dan kluster 5: 57 items. Model ini juga berpotensi memberikan wawasan baru tentang penggunaan teknologi pembelajaran mesin dalam konteks Kesehatan pedesaan dan dapat menjadi landasan untuk pengembangan kebijakan Kesehatan yang lebih berbasis teknologi dan inklusif. Hasil penelitian ini diharapkan dapat mendorong adopsi teknologi dalam bidang pelayanan Kesehatan serta meningkatkan literasi digital Masyarakat dan tenaga Kesehatan di wilayah pedesaan
PENGEMBANGAN MEDIA PROMOSI KERAJINAN BATU ALAM DI DESA BALAD BERBASIS MULTIMEDIA INTERAKTIF Bakri, Saeful; Rahaningsih, Nining; Purnamasari, Ade Purnamasari; Tohodi, Edi; Kaslani, Kaslani
JURSIMA Vol 10 No 1 (2022): Jursima Vol. 10 No. 1, April Tahun 2022
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v10i1.394

Abstract

Abstrak Kegiatan promosi saat ini sangat penting untuk memperkenalkan suatu produk atau jasa guna meningkatkan daya tarik masyarakat luas. Kerajinan Batu Alam di Desa Balad sebelumnya hanya menggunakan media lisan dan tulisan yang masih sederhana, serta menggunakan beberapa media seperti contoh plang atau papan nama. Sehingga media promosinya dirasa belum tepat, informasinya masih kurang lengkap dalam menginformasikan kerajinan Batu Alam di Desa Balad. Permasalahan saat ini membutuhkan perancangan media video promosi dengan informasi yang lebih lengkap, update dan menarik. Maka diperlukan adanya promosi melalui pembuatan video promosi tentang kerjinan Batu Alam di Desa Balad, sehingga dapat meningkatkan daya tarik pembeli dan dapat dikenal masyarakat luas. Metode penelitiannya yaitu dengan menggunakan pengumpulan data seperti jenis Batu, tipe, ukuran, motif atau corak dan lain sebagainya. Hasil dari penelitian ini berupa media video promosi Kerajinan Batu Alam di Desa Balad yang diharapkan dapat meningkatkan jumlah pembeli atau konsumen perluasan promosi. Kata kunci: media, video, video promosi, kerajinan batu alam
Improving Regional Clustering Based on Tuberculosis Cases using the K-Means Algorithm of the Cirebon City Health Office Wilda Rusmiati Rahayu; Purnamasari, Ade Irma; Bahtiar, Agus; Kaslani
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.727

Abstract

Tuberculosis (TB) is a highly infectious disease prevalent in Indonesia, including Cirebon City. This study utilizes the K-Means algorithm to optimize the clustering of areas based on TB case data from the Cirebon Health Office. By analyzing the number of cases, population density, and other factors, the study aims to identify regional clusters with similar TB case characteristics. The research employed Rapid Miner software and the Knowledge Discovery Database (KDD) methodology. The K-Means analysis categorized the study area into two clusters. Cluster_0, representing 20 areas, had lower TB risk, characterized by higher population density, smaller geographic size, and fewer TB cases. Cluster_1, representing two areas, exhibited higher TB risk, marked by lower population density, larger area, and more TB cases. The clustering quality was evaluated using the Davies-Bouldin Index (DBI), which yielded an optimal value of 0.189 at K=2K = 2. Additionally, the Avg within Centroid Performance Vector Analysis supported the clustering validity the clusters with value of 19851032.925.The results demonstrate that this clustering approach effectively identifies TB risk areas, aiding targeted interventions. The findings provide the Cirebon Health Office with a framework for better resource allocation, focusing intensive programs in high-risk regions and preventive measures in low-risk areas.
Optimization of the K-Nearest Neighbors (KNN) Algorithm in Imbalanced Dataset Classification Using the SMOTE Technique Abi Fajar Ahmad Fauzi; Ahmad Faqih; Kaslani
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.756

Abstract

The naturalization of players for Indonesia's national football team has sparked diverse reactions on Twitter, ranging from support to opposition. This situation poses challenges for sentiment analysis, particularly in interpreting public opinion on the policy. A significant challenge arises from the imbalance in sentiment classes, with neutral sentiments outweighing positive and negative ones. This research investigates the effect of class imbalance on sentiment analysis accuracy by employing the KNN algorithm enhanced with the SMOTE technique. A quantitative approach is used, adopting an experimental method aligned with the KDD process stages. The findings reveal that the KNN algorithm without SMOTE achieved an accuracy of 54.77%, with a Precision of 0.65, Recall of 0.57, and F1-Score of 0.44. However, integrating SMOTE with the KNN algorithm significantly improved the outcomes, boosting accuracy to 81.49%, with a Precision of 0.87, Recall of 0.80, and F1-Score of 0.80. These results demonstrate that oversampling techniques like SMOTE are highly effective in mitigating class imbalance and enhancing classification performance, especially for underrepresented classes. This study underscores the efficacy of SMOTE as a solution for addressing class imbalance in sentiment analysis tasks.
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