Article Per Year (5 Year)
p-Index From 2021 - 2026
8.371
P-Index
This Author published in this journals
All Journal JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Informatika Global Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI) Indexia
Nanang Yudi Setiawan
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Dentistry Education Electrical & Electronics Engineering Engineering Library & Information Science

Published : 70 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 70 Documents
Search

 3   4   5   6   7 
Sistem Pendukung Keputusan dalam Pemilihan Rune Berdasarkan Role Hero di Game Magic Chess Mobile Legends Menggunakan Metode Weighted Product Sembiring, Wira Tarumta Timothy; Sianturi, Riswan Septriayadi; Setiawan, Nanang Yudi
Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi Vol 6 No 2 (2025): Desember
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/vzfv2990

Abstract

Pemilihan rune yang tepat dalam permainan Magic Chess Mobile Legends memiliki pengaruh signifikan terhadap performa hero, namun banyak pemain masih kesulitan menentukannya. Untuk mengatasi permasalahan ini, dikembangkan sebuah sistem pendukung keputusan yang dirancang untuk membantu pemain dalam menentukan rune yang paling sesuai berdasarkan role hero. Sistem ini dikembangkan menggunakan metode Weighted Product yang dikombinasikan dengan pendekatan rule-based. Metode tersebut digunakan untuk menghitung nilai preferensi setiap alternatif rune berdasarkan bobot atribut kunci seperti Attack Speed, Physical Attack, Magic Power, HP/Shield, dan Mana. Sementara itu, pendekatan rule-based diterapkan untuk menyaring rune yang tidak relevan dengan kebutuhan spesifik masing-masing role hero. Data diperoleh melalui penyebaran kuesioner kepada komunitas pemain Magic Chess di Indonesia, observasi permainan, dan wawancara terhadap pemain. Hasil sistem menunjukkan keberhasilan dalam menghasilkan peringkat rune berdasarkan role hero. Dilakukan juga proses pengujian yang menunjukkan bahwa sistem mampu memberikan rekomendasi yang relevan dan dapat diterima, terbukti mempercepat proses pemilihan rune dan meningkatkan kualitas pengambilan keputusan strategis pemain.   Abstract The appropriate selection of runes in Magic Chess Mobile Legends has a significant impact on hero performance; however, many players still struggle to make accurate choices. To address this issue, a decision support system was developed to assist players in selecting the most suitable rune based on the hero's role. The system was built using the Weighted Product method combined with a rule-based approach. The Weighted Product method is utilized to calculate the preference value of each rune alternative based on the weighted key attributes such as Attack Speed, Physical Attack, Magic Power, HP/Shield, and Mana. Meanwhile, the rule-based approach is applied to filter out runes that are not relevant to the specific needs of each hero role. Data was collected through questionnaires distributed to the Magic Chess player community in Indonesia, as well as through gameplay observation. The system demonstrated effectiveness in generating rune rankings according to hero roles. System testing also showed that the recommendations provided were relevant and acceptable, successfully accelerating the rune selection process and improving the quality of players' strategic decision-making
Prediksi Harga Beras Berbasis Variabilitas Cuaca dan Sentimen Publik Menggunakan LSTM (Studi Kasus: Kota Malang) Fuadi, Muh. Rofif Rahman; Setiawan, Nanang Yudi; Prakoso, Bondan Sapta
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 12 (2025): Desember 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Beras merupakan komoditas pangan strategis yang fluktuasi harganya berdampak signifikan terhadap inflasi dan kesejahteraan masyarakat di Kota Malang. Penelitian ini bertujuan untuk membangun model prediksi harga beras menggunakan algoritme Long Short-Term Memory (LSTM) dengan mengintegrasikan variabel eksternal berupa variabilitas cuaca dan sentimen publik dari platform X. Metodologi penelitian mencakup tiga skenario eksperimen univariate, bivariate, dan multivariate. Data diolah melalui tahap prapemrosesan, termasuk analisis sentimen menggunakan model Indonesian RoBERTa. Hasil analisis korelasi menunjukkan bahwa sentimen negatif memiliki hubungan linear yang lebih kuat dengan korelasi 0,65-0,67 terhadap harga beras dibandingkan variabel cuaca. Namun, hasil pengujian model membuktikan bahwa skenario univariate memberikan kinerja paling stabil dengan nilai Mean Absolute Percentage Error (MAPE) terendah antara 1,13% hingga 2,00%. Penambahan variabel eksternal pada skenario bivariate dan multivariate cenderung meningkatkan kompleksitas dan noise, meskipun memberikan kontribusi positif pada kategori kualitas beras tertentu. Kesimpulannya, data historis harga tetap menjadi prediktor terkuat untuk jangka pendek, sementara sentimen publik di media sosial dapat dimanfaatkan sebagai indikator peringatan dini guna mendukung kebijakan stabilitas pangan daerah.
Root Cause Analysis (Rca) Perilaku Turis Di Bali Berdasarkan Opini Masyarakat Menggunakan Algoritme Support Vector Machine (Svm)R MACHINE (SVM) Prabandari, Putu Ayu Purnama Dyah; Wijoyo, Satrio Hadi; Setiawan, Nanang Yudi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 12 (2025): Desember 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini memiliki tujuan untuk menganalisis sentimen masyarakat mengenai perilaku turis di Bali dengan menggunakan dataset dari Twitter dan YouTube. Analisis sentimen ini berbasis aspek dengan menggabungkan beberapa metode seperti Support Vector Machine (SVM), Term Frequency-Inverse Document Frequency (TF-IDF), InSet Lexicon, Latent Dirichlet Allocation (LDA), dan Root Cause Analysis (RCA) untuk mengidentifikasi persepsi masyarakat sekaligus mengevaluasi akar permasalahan yang ada. Dari total 6.078 data yang dikumpulkan, setelah proses topik permodelan menyisakan 6.058 data, dan setelah pelabelan sentimen data hanya tersisa 4.074 untuk masuk ke proses pengolahan dengan permodelan SVM. Data tersebut terdiri dari 2.725 data dengan sentimen negatif dan 1.349 data sentimen positif. Dengan pendekatan undersampling, model memperlihatkan kinerja yang sangat baik dengan akurasi 92.64% presisi 92.60%, recall 92.64%, dan F1-score 92.60%. Untuk analisis topik permodelan dengan LDA Terdapat 4 topik optimal, yaitu Kepatuhan Aturan dan Etika Sosial, Penegakan Hukum dan Tindakan Imigrasi, Dampak Sosial–Budaya, Dinamika Ekonomi dan Kepemilikan Aset. Metode RCA memperlihatkan bahwa akar dari permasalahan utama terletak pada minimnya edukasi spiritual wisatawan tentang budaya di Bali, kurang tegasnya penegakan hukum terhadap warga negara asing, dan penguasaan ekonomi oleh pihak asing dalam sektor pariwisata. Hasil ini diharapkan dapat membantu pengelola destinasi dan pemerintah dalam menilai opini publik serta menjadi acuan bagi pembuat kebijakan dalam menyusun strategi meningkatkan daya tarik wisatawan dan keberlanjutan pariwisata.
Pengembangan Dashboard Business Intelligence untuk Monitoring Penjualan dengan Metode KIMBALL (Studi Kasus: UD. Dewi 2F Motor) Abhirama, Fauzan Akbar; Wijoyo, Satrio Hadi; Setiawan, Nanang Yudi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

naskah ini akan diterbitkan di jurnal: https://ejournal.uin-malang.ac.id/
Analisis Sentimen Berbasis Aspek Terhadap Ulasan Coffee Shop dan Kopi Keliling Pada Media Sosial Pramathalia Wulandari, Adila; Setiawan, Nanang Yudi; Perdanakusuma, Andi Reza
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Industri kopi Indonesia mengalami pertumbuhan pesat dengan munculnya dua model bisnis yang bersaing: coffee shop konvensional dan kopi keliling. Penelitian ini menganalisis sentimen konsumen terhadap coffee shop konvensional dan kopi keliling menggunakan Aspect-Based Sentiment Analysis (ABSA) berbasis IndoBERT dengan kerangka DINESERV. Data 1.999 ulasan dari Google Maps, Instagram, dan YouTube diproses menjadi 1.922 data valid. Ekstraksi aspek lexicon-based mengidentifikasi 1.493 review, dengan pelabelan InSet Lexicon menghasilkan 1.293 data untuk fine-tuning IndoBERT. Model terbaik (epoch 4, learning rate 5e-5, batch size 16) mencapai accuracy 74,9%, precision 76,09%, recall 86,96%, dan F1-score 81,16%. Hasil menunjukkan service quality mendominasi (62,8%), diikuti convenience (34,3%) dan price and value (2,9%). Sentimen negatif lebih dominan (57,2%) dengan coffee shop menunjukkan gap pada service quality (56,6% negatif), sedangkan kopi keliling unggul pada convenience (52,5% positif). Dashboard Looker Studio memberikan insight actionable untuk strategi perbaikan layanan berbasis data.
Analisis Karakteristik Effectiveness dan Satisfaction pada Quality in use Berdasarkan Sentimen Ulasan Pengguna (Studi Kasus Aplikasi Game mobile: Magic Chess Go Go) Zatmiko, Celvin Fahryan Dwi; Setiawan, Nanang Yudi; Saputra, Mochamad Chandra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 3 (2026): Maret 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini menganalisis kualitas penggunaan aplikasi Magic Chess: Go Go berdasarkan pada model Quality in use ISO/IEC 25010 dengan fokus pada Effectiveness dan Satisfaction, serta mengidentifikasi akar permasalahan pada ulasan bersentimen negatif. Data ulasan Google Play Store periode 28 Mei–19 Agustus 2025 diproses melalui cleaning dan preprocessing. Pelabelan aspek dilakukan menggunakan ekstraksi kata kunci KeyBERT dan pemetaan ke kamus aspek dengan fuzzy matching, sedangkan pelabelan sentimen menggunakan IndoBERT dan divalidasi melalui sampel oleh expert. Validasi aspek dilakukan menggunakan LLM. Klasifikasi sentimen dibangun dengan Support Vector Machine (SVM) berbasis TF-IDF dan dievaluasi menggunakan k-fold cross-validation serta confusion matrix dengan fokus pada kelas positif–negatif. Hasil menunjukkan keluhan negatif lebih banyak terkait Satisfaction (50,1%) dibanding Effectiveness (20,2%). Model SVM mencapai rata-rata k-fold 90,23% dan akurasi 89%. Root cause analysis mengindikasikan isu utama meliputi gangguan teknis, ketidakseimbangan mekanik permainan, serta isu kepercayaan terhadap sistem. Temuan dipetakan dalam fishbone diagram sebagai dasar penyusunan rekomendasi perbaikan bagi pengembang.
Analisis Prediksi Keterlambatan Pembayaran Pelanggan berdasarkan Wilayah menggunakan Metode Regresi Linier Berganda dan Visualisasi Dashboard (Studi Kasus: Perumda Air Minum Tirta Lestari Kabupaten Tuban) Amira, Nabila Noor; Setiawan, Nanang Yudi; Brata, Dwija Wisnu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 3 (2026): Maret 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Banyaknya pelanggan yang tidak melakukan pembayaran tagihan air secara tepat waktu menyebabkan ketidakstabilan pendapatan pada laporan Data Rekening Ditagih (DRD) yang disusun oleh petugas Perumda Air Minum Tirta Lestari Kabupaten Tuban setiap bulannya. Selain itu, petugas belum memiliki sistem untuk memprediksi keterlambatan pembayaran pelanggan pada periode mendatang. Penelitian ini bertujuan membangun model regresi linier berganda untuk memprediksi keterlambatan pembayaran pelanggan di 16 wilayah Kabupaten Tuban menggunakan 140.656 transaksi pembayaran periode Juni 2024 hingga Mei 2025 dari 28.669 pelanggan. Model menghasilkan nilai R² sebesar 0,8132 yang menunjukkan kemampuan menjelaskan 81,32% variasi keterlambatan pembayaran. Nilai RMSE sebesar 7,00 menunjukkan rata-rata kesalahan prediksi sekitar 7 hari, dengan MSE 49,0398 dan MAE 5,45 hari. Hasil prediksi divisualisasikan dalam dashboard Google Looker Studio. Lima wilayah dengan prediksi keterlambatan tertinggi periode Juni 2025 adalah Rengel (26 hari), Plumpang (24 hari), Grabagan (21 hari), Parengan (21 hari), dan Tambakboyo (20 hari). Berdasarkan kuesioner petugas Hubungan Langganan, dashboard terbukti efektif membantu pemahaman kondisi pelanggan dan mendukung pengambilan keputusan strategis terkait penagihan serta evaluasi kinerja wilayah.
Evaluasi Layanan Kedai Makmur Melalui Analisis Sentimen Berbasis Aspek Menggunakan Pendekatan Rule-Based dan Model IndoBERT Rizquna, Rania Aulia; Setiawan, Nanang Yudi; Saputra, Mochamad Chandra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 3 (2026): Maret 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Peningkatan pengguna media sosial di Indonesia telah menjadikan ulasan online sebagai faktor krusial dalam keputusan pembelian konsumen. Kedai Makmur, sebuah kedai kuliner peranakan di Yogyakarta yang aktif di Google Maps, Instagram, dan TikTok, menghadapi tantangan dalam mengevaluasi ratusan ulasan pelanggan yang terakumulasi di platform digital. Evaluasi saat ini dilakukan secara manual dan reaktif, menyebabkan insight penting tentang kekuatan dan kelemahan layanan tidak teridentifikasi secara sistematis. Penelitian ini menerapkan Aspect-Based Sentiment Analysis (ABSA) untuk mengevaluasi layanan Kedai Makmur berdasarkan persepsi pelanggan. Data penelitian menggunakan 1.529 ulasan periode 2023-2025 yang diproses menjadi 832 ulasan final. Ekstraksi aspek menggunakan metode rule-based dengan lima aspek DINESERV (Food Quality, Service Quality, Atmosphere, Convenience, dan Price and Value) mencapai akurasi 95,71%. Klasifikasi sentimen menggunakan IndoBERT menghasilkan akurasi 83,77% dengan precision 83,24%, recall 83,77%, dan F1-score 83,36%. Hasil divisualisasikan melalui dashboard Looker Studio. Hasil analisis menunjukkan tingkat kepuasan pelanggan yang baik dengan 77,9% sentimen positif berbanding 22,1% sentimen negatif, di mana aspek Atmosphere menunjukkan performa terbaik dengan 88,06% sentimen positif, sementara Price and Value (30,56% negatif), Convenience (28,77% negatif), dan Service Quality (23,36% negatif) memerlukan perbaikan prioritas. Dashboard terbukti efektif membantu stakeholder mengidentifikasi pola keluhan dan merumuskan rencana tindak lanjut, mengubah pendekatan evaluasi dari reaktif menjadi sistematis dan terstruktur untuk pengambilan keputusan manajerial yang lebih objektif.
Evaluasi Kualitas Aplikasi M-Paspor Dengan Quality in Use Effectiveness dan Satisfaction Berdasarkan Ulasan Pengguna Putra, Muhammad Ishadireza; Setiawan, Nanang Yudi; Saputra, Mochamad Chandra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 3 (2026): Maret 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Digitalisasi layanan publik mendorong pengembangan aplikasi M-Paspor sebagai sarana permohonan paspor secara daring di Indonesia. Namun, rendahnya rating dan banyaknya ulasan negatif pengguna di Google Play Store mengindikasikan adanya permasalahan pada kualitas penggunaan aplikasi tersebut. Penelitian ini bertujuan untuk mengevaluasi kualitas penggunaan aplikasi M-Paspor berdasarkan karakteristik Quality in Use, khususnya aspek Effectiveness dan Satisfaction, dengan memanfaatkan ulasan pengguna sebagai sumber data. Data yang digunakan berupa 3.193 ulasan berbahasa Indonesia yang dikumpulkan dari Google Play Store pada periode Maret 2024 hingga Maret 2025. Ulasan diproses melalui tahapan pembersihan data dan text preprocessing, kemudian dilakukan pelabelan aspek menggunakan pendekatan text similarity berbasis TF-IDF dan cosine similarity dengan acuan kamus Quality in Use. Pelabelan sentimen dilakukan menggunakan metode lexicon-based dengan InSet Lexicon, dan keandalan hasil pelabelan dievaluasi melalui validasi manual menggunakan confusion matrix. Hasil analisis menunjukkan bahwa mayoritas ulasan pengguna didominasi oleh sentimen negatif pada aspek Effectiveness dan Satisfaction. Pada aspek Effectiveness, sentimen negatif berkaitan dengan ketidakstabilan sistem dan kegagalan fungsi aplikasi, sedangkan pada aspek Satisfaction mencerminkan ketidakpuasan pengguna terhadap pengalaman penggunaan aplikasi secara keseluruhan. Temuan ini menunjukkan bahwa aplikasi M-Paspor belum sepenuhnya mendukung keberhasilan penyelesaian tugas dan kenyamanan penggunaan, serta dapat menjadi dasar evaluasi dan rekomendasi perbaikan konseptual layanan publik berbasis ulasan pengguna.
Analisis Sentimen Pada Aplikasi AstraPay Menggunakan Karakteristik Quality in Use (Freedom from Risk & Efficiency) Berdasarkan Ulasan Pengguna Al-Hafidz, Jundullah; Setiawan, Nanang Yudi; Pramono, Djoko
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Ulasan pengguna krusial untuk evaluasi aplikasi finansial seperti AstraPay, sehingga memerlukan analisis granular. Penelitian ini menerapkan Aspect-Based Sentiment Analysis (ABSA) untuk menganalisis sentimen pada karakteristik ISO/IEC 25010 Quality in Use: Efisiensi dan Keamanan. Penelitian ini mengukur dampak kinerja dari proses fine-tuning pada model IndoBERT dibandingkan dengan pendekatan baseline zero-shot. Validitas evaluasi dijamin oleh dataset ground truth yang dibangun melalui metode ensemble majority voting hibrid, yang mengintegrasikan sistem aturan, LLM, dan anotator manusia. Hasil penelitian menunjukkan bahwa pendekatan zero-shot memiliki kinerja yang tidak dapat diandalkan. Sebaliknya, setelah fine-tuning, model mengalami peningkatan kinerja transformatif, dengan metrik F1-Score (macro average) meningkat sebesar 121.88% untuk klasifikasi aspek (dari 0.32 menjadi 0.71) dan 136.84% untuk klasifikasi sentimen (dari 0.38 menjadi 0.90). Temuan ini membuktikan bahwa fine-tuning merupakan langkah esensial untuk mengadaptasi model bahasa guna membangun sistem ABSA yang akurat dan fungsional pada domain spesifik.
Co-Authors Abhirama, Fauzan Akbar Adristi, Tikta Ahmad Afif Supianto Al-Hafidz, Jundullah Alfi Nur Rusydi Alfian Hakim Almas, Muhammad Fikri Almira Syawli Alyaa Nadira Amal, Muhammad Ikhlasul Amira, Nabila Noor Anandia, Nazwa Andi Reza Perdanakusuma, Andi Reza Anwar, Novriani Dewi Asiyah, Noor Leona Asyrofi, Moh. Yuslam Azpiranda, Novira Bayu Rahayudi Berliani, Afridha Bonaventura Julio Putra Nandika Damahindra, Rangga Andhito Diamanta, Ananda Dian Eka Ratnawati diniyah, zubaidah Djoko Pramono Dwija Wisnu Brata Edmund Pierre Purba, Geoffrey Fadhil, Adam Ghirvan Fadhilah, Irsya Salim Fajr, Saifulloh Achmad Faranisa, Puspa Ayu Febriandirza, Arafat Firdaus, Muhammad Fariz Fitra Abdurrachman Bachtiar Fuadi, Muh. Rofif Rahman Hamas, radityo Haq, Muhammad Arienal Hilal, Khaliffman Rahmat Husalie, Levin Vinnu Intan Sartika Eris Maghfiroh Jannah, Nisa Usrifatul Khairani, Nadia Raisa Kusuma, Salsabila Azzahra' Zulfa Listyawan, Bagas Raditya Nur Mahardika, Fawwaz Roja Marzuq, Rafly Dwi Maulana, M. Ighfar Maulidiyah Rizqiyani, Erlis Mochamad Chandra Saputra, Mochamad Chandra Mushowwiru, Mochammad Faza Pramudya Niken Hendrakusma Wardani Niken Hendrakusma Wardani Niken Hendrakusuma Wardani, Niken Hendrakusuma Nur, Iqbal Taufiq Ahmad Prabandari, Putu Ayu Purnama Dyah Prakoso, Bondan Sapta Pramathalia Wulandari, Adila Pramudita, Julina Larasati Purnomo, Welly Putra, Muhammad Ishadireza Putri, Rizka Saudah Yunida Rahmadina, Alishza Putri Rahmandita, Prasetya Naufal Ramadhani, T. Zalfa Reza Andria S Riswan Septriayadi Sianturi Rizquna, Rania Aulia Ryandra, Muhammad Salsabillah, Dinar Fairus Salwa, Shafa Nathaniela Saputra, Dion Ricky Saragih, Imanuel Nathaliando Sartika Eris Maghfiroh, Intan Sartika, Intan Sarwosri Sarwosri Satrio Agung Wicaksono Satrio Hadi Wijoyo Sembiring, Wira Tarumta Timothy Sitepu, Mikha Aziel Christian Sormin, Hartati Penta Angelina Suryawati, Endang Tambing, Nathania Maerella Arungla'bi' Taqiyuddin, Ammar Yazid Vania Malinda Wibowo Viriya, Aurelius Alexaner Welly Purnomo Wibisono, Nusa Seldi Wibowo, Shinta Dewi Putri Widya Azzahra, Shellen Widyadhana, Fawwaz Kumudani Yanuardhana, Anugrah Daffa Yuditama, Alvan Alif Yusi Tyroni Mursityo Yuwana, R. Sandra Yuwana, Raden Sandra Zatmiko, Celvin Fahryan Dwi