Article Per Year (5 Year)
p-Index From 2021 - 2026
9.671
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Penelitian Pendidikan Matematika dan Sains Jurnal Teknologi Informasi dan Ilmu Komputer JIEET (Journal of Information Engineering and Educational Technology) JOURNAL OF APPLIED INFORMATICS AND COMPUTING PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat Journal of Electronics, Electromedical Engineering, and Medical Informatics Journal of Robotics and Control (JRC) Jurnal Abdi: Media Pengabdian Kepada Masyarakat Indonesian Journal of Electrical Engineering and Computer Science Abdimas: Papua Journal Of Community Service Insyst : Journal of Intelligent System and Computation Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal of Informatics and Computer Science (JINACS) Ranah Research : Journal of Multidisciplinary Research and Development Journal Serambi Engineering (JSE) Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Journal of Emerging Information Systems and Business Intelligence (JEISBI) SELAYAR: Jurnal Pengabdian Masyarakat Journal of Soft Computing Exploration
YUNI YAMASARI
Teknik Informatika, Universitas Negeri Surabaya
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 81 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 50 Documents
Search
Journal : journal of informatics and computer science jinacs

 1   2   3   4   5 
Pengembangan dan Pengujian Aplikasi Absensi Pegawai Honorer (Studi Kasus Dinas Koperasi Usaha Kecil dan Menengah Kabupaten Magetan) Muhamad Azis Thohari; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 01 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v7n01.p240-252

Abstract

Abstrak— Sistem absensi manual masih menjadi kendala dalam rekapitulasi kehadiran pegawai honorer di Dinas Koperasi UKM Kabupaten Magetan. Penginputan data secara manual memakan waktu, kurang akurat, dan tidak efisien. Penelitian ini bertujuan merancang dan mengimplementasikan sistem absensi digital berbasis Google AppSheet yang terintegrasi dengan Google Spreadsheet. Metodologi yang digunakan adalah deskriptif kualitatif melalui observasi, wawancara, dan studi literatur. Hasil dari penelitian ini adalah aplikasi Absen3 yang memiliki fitur utama: absensi real-time dengan GPS dan foto, riwayat kehadiran, serta pengelolaan data oleh admin. Hasil uji coba menunjukkan aplikasi ini efektif meningkatkan efisiensi dan akurasi data absensi serta mendapat respons positif dari pengguna. Pengujian sistem dilakukan menggunakan metode black-box oleh staf administrasi sekretariat Dinas Koperasi UKM yang bertugas mengelola data kehadiran. Hasil pengujian menunjukkan seluruh fitur berjalan sesuai fungsinya, dengan tingkat keberhasilan mencapai 99% pada tujuh skenario pengujian utama. Berdasarkan hasil survei, aplikasi meningkatkan efisiensi pencatatan absensi hingga 85% lebih cepat dibanding metode manual, serta meningkatkan akurasi data kehadiran sebesar 92%. Pada aplikasi ini memperkuat bukti bahwa aplikasi Absen3 mampu menghasilkan sistem yang efisien, efektif, dan akuntabel dalam pengelolaan absensi pegawai honorer. Kata kunci: Absensi, AppSheet, Google Spreadsheet, Pegawai Honorer, Sistem Informasi.
Pengembangan Model Rekomendasi Anime Dengan Metode Deep Learning: LSTM Neural Network Fatimah Nur Alifiah; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 01 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v7n01.p253-261

Abstract

Abstrak— Dalam era digital yang sarat dengan informasi dan pilihan konten yang melimpah, pengguna sering kali mengalami kesulitan dalam menemukan tontonan yang benar-benar sesuai dengan minat dan preferensi mereka. Permasalahan ini juga terjadi dalam konteks tontonan anime, di mana ratusan hingga ribuan judul tersedia setiap tahunnya. Untuk mengatasi tantangan tersebut, penelitian ini membangun model rekomendasi dengan algoritma deep learning LSTM (Long Short-Term Memory) yang mampu memahami urutan data, sehingga cocok digunakan untuk menganalisis pola interaksi pengguna dari waktu ke waktu yang nantinya cocok untuk model rekomendasi. Model ini dirancang dengan mempertimbangkan berbagai informasi penting, seperti identitas pengguna, genre anime, skor atau rating yang diberikan pengguna, serta tingkat popularitas dari masing-masing anime. Proses pelatihan dilakukan menggunakan teknik k-fold cross validation dimana hasil evaluasi menunjukkan performa model yang sangat baik. Model mampu menghasilkan akurasi prediksi sebesar 91,3%, yang mengindikasikan bahwa sebagian besar rekomendasi yang dihasilkan sesuai dengan nilai aktualnya. Selain itu, model juga menunjukkan nilai Mean Squared Error (MSE) yang sangat kecil, yaitu sebesar 0,0002. Nilai ini mengindikasikan bahwa hasil prediksi model sangat mendekati nilai sebenarnya, sehingga dapat dikatakan bahwa tingkat akurasi model tergolong tinggi. Di sisi lain, nilai Mean Absolute Error (MAE) juga menunjukkan hasil yang baik, yaitu sebesar 0,008, yang berarti rata-rata selisih antara nilai prediksi dan nilai aktual tergolong kecil, sehingga menunjukkan tingkat kesalahan yang rendah dalam prediksi. Dengan hasil ini, dapat disimpulkan bahwa model rekomendasi berbasis LSTM memiliki kemampuan yang baik dalam memahami preferensi pengguna dan memberikan saran anime yang sesuai dengan minat mereka.   Kata Kunci— Model Rekomendasi, LSTM, Deep Learning, Collaborative Filtering, Content-based Filtering, Anime.
Model Rekomendasi Lagu Berbasis Genre Menggunakan Metode Random Forest Dan Decision Tree Putri Alvina; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 02 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Penelitian ini mengembangkan model sistem rekomendasi lagu berbasis genre menggunakan algoritma Random Forest dan Decision Tree. Proses pemodelan dimulai dengan analisis feature importance untuk mengidentifikasi sepuluh fitur audio utama yang paling berpengaruh terhadap klasifikasi genre. Evaluasi performa dilakukan menggunakan teknik cross-validation guna memastikan hasil yang konsisten dan dapat digeneralisasi. Hasil pengujian menunjukkan bahwa algoritma Random Forest memberikan performa yang lebih unggul dibandingkan Decision Tree, ditunjukkan oleh nilai akurasi, presisi, recall, dan F1-score yang lebih tinggi. Secara kuantitatif, model Random Forest mencatat rata-rata akurasi sebesar 83%, sedangkan Decision Tree hanya mencapai 79%. Keunggulan ini menegaskan bahwa Random Forest merupakan metode yang lebih efektif dan andal untuk digunakan dalam membangun model rekomendasi lagu berdasarkan genre. Kata Kunci— Sistem Rekomendasi, Genre Musik, Random Forest, Decision Tree, Feature Importance, Cross-Validation, Machine Learning.
Analisis Sentimen Ulasan Google Maps Menggunakan Long Short-Term Memory (LSTM) (Studi Kasus: Kafe di Surabaya) Khusna, Asmaul; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 02 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak – Pertumbuhan pesat kafe di Surabaya telah menjadikan ulasan Google Maps sebagai sumber informasi krusial bagi konsumen, namun volume ulasan yang besar menyulitkan untuk analisis secara manual. Penelitian ini bertujuan melakukan analisis sentimen pada ulasan kafe tersebut menggunakan metode Long Short-Term Memory (LSTM) yang diperkuat dengan mekanisme Attention. Data ulasan dikumpulkan melalui teknik scraping menggunakan SerpAPI (114.960 ulasan dari 218 kafe) dan dibagi secara sekuensial (Sequential split) untuk pelatihan dan pengujian. Ulasan diklasifikasikan ke dalam tiga kelas sentimen: positif, netral, dan negatif. Model dibangun dengan arsitektur spesifik: embedding layer berdimensi 128, LSTM (64 unit), attention layer, dropout (0,5), dan dense layer dengan tiga output neuron. Evaluasi kinerja model, yang diukur menggunakan akurasi, presisi, recall, dan F1-score, menunjukkan hasil terbaik dengan akurasi 92,45%, presisi 91,84%, recall 92,45%, dan F1-score 92,01%. Model terbukti cukup efektif dalam mendeteksi sentimen ekstrem (positif dan negatif), tetapi kesulitan dalam mengklasifikasikan kelas netral akibat ketidakseimbangan distribusi data. Hal ini menunjukkan bahwa penyeimbangan data atau penyederhanaan kelas sentimen diperlukan untuk meningkatkan performa model secara keseluruhan pada penelitian mendatang. Kata Kunci – Analisis Sentimen, LSTM, Google Maps, Ulasan Kafe, Deep Learning.
Validasi Data Kemiskinan Berbasis Web Menggunakan Algoritma Isolation Forest di Mojo Surabaya Pradangga, Aryo; Yamasari, Yuni
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 02 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Validitas data kemiskinan pada permukiman padat penduduk di Surabaya kerap terdistorsi oleh subjektivitas dan keterbatasan proses verifikasi manual. Kondisi ini meningkatkan risiko ketidaktepatan penyaluran bantuan sosial, baik berupa exclusion error maupun inclusion error. Penelitian ini bertujuan mengembangkan sistem validasi data kemiskinan berbasis web yang mengintegrasikan algoritma Isolation Forest guna mendeteksi anomali data secara otomatis. Pengembangan sistem mengadopsi metodologi Design Science Research (DSR) dengan arsitektur terpisah (decoupled) yang menghubungkan framework Laravel dan layanan analitik FastAPI. Variabel penelitian meliputi indikator kapabilitas ekonomi warga, mencakup total pendapatan, jumlah tanggungan, skor penggunaan listrik, kepemilikan kendaraan bermotor, dan akses internet. Strategi pemisahan dataset (data splitting) diterapkan berdasarkan status awal warga (Miskin dan Non-Miskin) untuk menjamin deteksi anomali yang kontekstual. Pengujian empiris dilakukan menggunakan data riil dari 248 warga di RT 04 RW 05, Kelurahan Mojo, Surabaya. Hasil penelitian menunjukkan bahwa sistem berhasil mengidentifikasi 18 data anomali (7,3%) dengan karakteristik yang menyimpang dari populasi mayoritas. Lebih lanjut, sistem terbukti efektif dalam menyingkap kasus exclusion error pada kelompok rentan. Evaluasi utilitas sistem menggunakan Technology Acceptance Model (TAM) menghasilkan skor Perceived Usefulness sebesar 4,52 (kategori "Sangat Bermanfaat"), yang mengindikasikan efektivitas sistem dalam meningkatkan efisiensi dan objektivitas verifikasi data. Kata Kunci: Deteksi Anomali, Isolation Forest, Verifikasi Data Kemiskinan, Bantuan Sosial, Design Science Research, Technology Acceptance Model (TAM).
Pengembangan Sistem Informasi Persediaan Gudang Bahan Campuran Pakan Hewan Ternak pada Peternakan Sumber Alam Sejahtera Menggunakan Metode PIECES Wardana, Prima Lukito; Yamasari, Yuni
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 02 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Peternakan Sumber Alam Sejahtera merupakan salah satu perternakan skala besar yang memproduksi pakan hewan ternak secara mandiri untuk mendukung produktivitas dan kualitas hasil ternak, khususnya telur ayam. Dalam praktiknya, proses pencatatan dan pengelolaan persediaan bahan campuran pakan masih dilakukan secara manual menggunakan buku dan catatan kertas. Hal ini menyebabkan sering terjadi keterlambatan informasi, kesalahan pencatatan, dan rendahnya efisiensi kerja di gudang. Penelitian ini bertujuan untuk mengembangkan sistem informasi persediaan gudang berbasis web guna mempermudah proses pencatatan barang masuk dan keluar, serta pengelolaan stok secara otomatis. Pengembangan sistem dilakukan menggunakan metode PIECES (Performance, Information, Economy, Control, Efficiency, and Service) sebagai dasar analisis kebutuhan sistem. Hasil penelitian menunjukkan bahwa sistem informasi yang dikembangkan mampu meningkatkan akurasi data, mempercepat pencatatan transaksi, serta menyediakan informasi stok secara real-time. Dengan demikian, sistem ini dapat menjadi solusi efektif dalam mendukung manajemen persediaan bahan campuran pakan di Peternakan Sumber Alam Sejahtera. Kata Kunci— Sistem Informasi, Persediaan Gudang, PIECES, Web.
Klasifikasi Level Retinopati Diabetik Menggunakan Metode Hybrid Vision Transformer dan EfficientNet Meakhel Gunawan; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak—Retinopati diabetik merupakan komplikasi diabetes melitus yang menjadi salah satu penyebab utama kebutaan di dunia, termasuk di Indonesia. Oleh sebab itu, deteksi dan klasifikasi tingkat keparahan secara dini berbasis citra fundus retina menjadi krusial untuk mendukung penanganan klinis yang tepat. Vision Transformer yang memiliki keunggulan dalam menangkap konteks global citra, dan EfficientNet yang unggul dalam mengekstraksi fitur lokal, memiliki peluang untuk dikombinasikan secara optimal dalam klasifikasi level retinopati diabetik. Menggunakan Dataset APTOS 2019 Blindness Detection dengan tahapan preprocessing berupa cropping, resize, CLAHE, dan normalisasi, serta augmentasi data untuk mengatasi ketidakseimbangan kelas, model MobileViT-XS yang dikombinasikandengan EfficientNet-B0 hingga EfficientNet-B4 diuji dan dievaluasi menggunakan metrik efektivitas serta metrik efisiensi komputasi. Hasil penelitian menunjukkan bahwa hybrid MobileViT-XS dan EfficientNet-B1 dengan resize 512×512 piksel memberikan kinerja paling optimal, dengan akurasi validasi sebesar 91,80% dan akurasi pengujian sebesar 93,24%, serta efisiensi komputasi yang seimbang dengan waktu pelatihan 101 menit 59.44 detik, FLOPs sekitar 6,80G, dan ukuran model 37,95 MB. Penelitian ini menyimpulkan bahwa pendekatan metode hybrid mampu menghasilkan model yang efektif dan efisien untuk mendukung sistem deteksi dini retinopati diabetik berbasis kecerdasan buatan. Kata Kunci—retinopati diabetik, vision transformer, EfficientNet, hybrid model, klasifikasi citra, deep learning
Analisis Kinerja Retrieval Augmented Generation (RAG) Klasik Dalam Chatbot Akademik berbasis Multimodal Wulandari, Kartika; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Akses informasi akademik di Universitas Negeri Surabaya (UNESA) melalui website panduan saat ini dinilai belum optimal karena kurangnya interaktivitas, sehingga mahasiswa seringkali harus menghubungi pihak administrasi secara langsung. Penelitian ini bertujuan untuk melakukan evaluasi kinerja Retrieval-Augmented Generation (RAG), yaitu RAG Klasik guna menguji kinerja sistem dalam menghasilkan respon yang relevan, akurat, dan kontekstual pada chatbot akademik. Lingkup penelitian ini difokuskan pada pengujian evaluasi kinerja dan efisiensi metode tersebut dalam mengolah data multimodal yang bersumber dari portal SSO UNESA, mencakup format teks, gambar, dan dokumen PDF. Metodologi yang digunakan meliputi tahap pengumpulan data, ekstraksi teks menggunakan Optical Character Recognition (OCR), preprocessing, serta penerapan dua strategi pelabelan, yakni manual dan otomatis. Penelitian ini menganalisis kinerja RAG Klasik yang menggunakan algoritma BM25 dalam mengolah data multimodal. RAG Klasik diimplementasikan menggunakan algoritma BM25 berbasis kata kunci. Evaluasi dilakukan secara sistematis menggunakan metrik efektivitas (Precision, Recall, F1-Score, Exact Match, dan Cosine Similarity) serta metrik efisiensi (waktu respons). Hasil penelitian menunjukkan bahwa RAG Klasik memiliki efisiensi luar biasa dengan waktu respon rata-rata dibawah 0,01 detik. Namun, dari sisi kinerja, metode ini sangat bergantung pada kualitas pelabelan, di mana skenario label otomatis mencapai F1-Score 0.52 dan Csoine Similarity 0.51, mengungguli scenario label manual. Penelitian menyimpulkan bahwa RAG Klasik sangat ideal untuk informasi procedural yang membutuhkan respon instan meskipun memiliki keterbatsan dalam pemahaman semantic yang mendalam.   Kata Kunci— Retrieval Augmented Generation (RAG), RAG Klasik, BM25, Multimodal, UNESA.
Analisis Persepsi Pengguna Berdasarkan Nielsen's Attributes of Usability dan Karakteristik Perhatian Visual Menggunakan Eye Tracking pada Website SSO UNESA Awinata, Ikko Cahya; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Website Single Sign-On (SSO) Universitas Negeri Surabaya (UNESA) merupakan gerbang utama akses berbagai layanan akademik sehingga kualitas usability dan efisiensi navigasi visual menjadi faktor penting dalam mendukung pengalaman pengguna. Penelitian ini bertujuan untuk menganalisis persepsi pengguna berdasarkan Nielsen's Attributes of Usability (NAU) serta mendeskripsikan karakteristik perhatian visual pengguna melalui visualisasi heatmap dan gazeplot. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan metode task-based testing yang melibatkan 23 mahasiswa aktif Jurusan Teknik Informatika UNESA. Pengumpulan data dilakukan melalui kuesioner NAU yang mencakup aspek learnability, efficiency, memorability, errors, dan satisfaction, serta pengujian eye tracking berbasis platform RealEye.io. Hasil penelitian menunjukkan bahwa aspek memorability memperoleh skor tertinggi dengan grand mean 4,10 dalam kategori Setuju, mengindikasikan struktur navigasi dan letak menu relatif mudah diingat. Aspek learnability dan errors masing-masing memperoleh skor 3,83 dalam kategori Setuju, sedangkan aspek satisfaction memperoleh skor 3,54 dalam kategori Setuju. Aspek efficiency memperoleh skor terendah sebesar 3,41 dalam kategori Netral, menunjukkan bahwa pengguna belum sepenuhnya merasakan efisiensi navigasi secara konsisten. Analisis heatmap mengungkap dua kecenderungan utama, yaitu fokus pada area konten utama (blok menu) dan fokus pada area navigasi atas (header). Analisis gazeplot menunjukkan variasi alur pandangan dari pola terstruktur hingga tidak teratur yang mengindikasikan kebingungan dalam pencarian informasi. Penelitian ini menyimpulkan bahwa website SSO UNESA memiliki tingkat kemudahan diingat yang baik, namun masih memerlukan perbaikan pada efisiensi navigasi visual dan konsistensi desain antarmuka.   Kata Kunci— Usability, Nielsen's Attributes of Usability, Eye Tracking, Heatmap, Gazeplot, SSO UNESA
Implementasi Model EfficientNetB0 Berbasis Deep learning untuk Klasifikasi Penyakit Mata pada Citra Fundus Esa Maidatussohiba; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Gangguan penglihatan merupakan permasalahan kesehatan global yang terus meningkat dan sering kali disebabkan oleh penyakit mata seperti katarak, glaukoma, dan retinopati diabetik. Keterbatasan tenaga medis serta fasilitas diagnostik menyebabkan banyak kasus penyakit mata terdeteksi pada tahap lanjut. Oleh karena itu, pemanfaatan kecerdasan buatan berbasis citra fundus retina menjadi salah satu pendekatan yang potensial untuk mendukung deteksi dini penyakit mata secara otomatis. Penelitian ini mengimplementasikan model deep learning berbasis Convolutional Neural Network (CNN) menggunakan arsitektur EfficientNetB0 untuk melakukan klasifikasi penyakit mata pada citra fundus retina. Dataset yang digunakan adalah Eye Disease Dataset dari Kaggle yang terdiri dari empat kelas, yaitu katarak, retinopati diabetik, glaukoma, dan normal. Penelitian ini mengevaluasi pengaruh rasio pembagian dataset terhadap performa model dengan tiga skenario pembagian data pelatihan dan validasi, yaitu 95%:5%, 90%:10%, dan 85%:15%. Tahapan penelitian meliputi preprocessing citra, penerapan data augmentation, serta optimasi pipeline data menggunakan caching, prefetching, dan shuffle. Evaluasi model dilakukan menggunakan metrik accuracy, F1-Score, precision, recall, dan waktu komputasi. Hasil eksperimen menunjukkan bahwa rasio pembagian dataset 95%:5% memberikan performa terbaik dengan akurasi 96,19% dan waktu pelatihan 8 menit 27 detik. Hasil penelitian menunjukkan bahwa arsitektur EfficientNetB0 mampu mengekstraksi fitur citra fundus secara efektif dan efisien serta memberikan performa klasifikasi yang baik terutama pada pembagian data dengan jumlah data training lebih besar. Kata Kunci— klasifikasi penyakit mata, citra fundus retina, deep learning, EfficientNetB0, convolutional neural network.
Co-Authors Aditya Prapanca Agnes, Rifa Zaini Agus Prihanto Agus Prihanto Agustin Tjahyaningtijas, Hapsari Peni Alhakiim, Thomi Aditya Alpiana, Intan Ammar, Muhammad Zhafran Amrina Rosyada Andi Iwan Nurhidayat Anggraini, Lusiana Anita Qoiriah ANITA QOIRIAH Anita Qoiriah Anjani, Ayu Annisa Nur Hidayati ARI KURNIAWAN Arya Tandy Hermawan Asma Johan Asmunin Asmunin Atik Wintarti Atik Wintarti Aviana, Anisah Nurul Awinata, Ikko Cahya Azalia, Virna Hari Nur Chindy Ayudia Sri Fastaf Eka Putra, Ricky Ervin Yohannes Esa Maidatussohiba Esther Irawati Setiawan Esti, Esti Yogiyanti Fani Fadillah Hermawan Farid Baskoro Fatimah Nur Alifiah Firdaus Bagus Wicaksono Firdaus, Mohamad Adi Putra Hani Nafisah Amaliya Hanik Badriyah Hidayati,* Mohammad Hasan Machfoed,* Kuntoro,** Soetojo,*** Budi Santoso,**** Suroto,***** Budi Utomo****** Hapsari Peni Agustin Tjahyaningtijas Harahap, Satria Baladewa I Made Suartana Ika Putri Arisanti Iqbaal Januar Eka Firmansyah Ismail Johanes, Sugiharto Kartika Wulandari Khahar, Abdul Khusna, Asmaul M Dzikri Hisyam Ilyasa M. Aziz Rizaldi Mas Arya Bhisma Rangga Douval Saputra Mauridhi H. Purnomo Meakhel Gunawan Mediana, Prissely Pravasstifany Muhamad Azis Thohari Muhamad Khafidhun Alim Muslim Muhammad Rifki Agustian Muhammad Zakia Avlach Muttaqin, Aziz Fiqri Nafisah, Nurun Naim Rahmawati Naim Rochmawati Naim Rochmawati Nanda Ade Handaya Nugroho, Supeno M. S. Nurcahyo, Krisna Bayu Aditya Pradangga, Aryo Praptama, Ervan Putri Alvina Putri, Rezky Arisanti Raden Mohamad Herdian Bhakti Rafli Aditya Pramana Raharko, Natasha Isnaeni Rahayu, Siskawati Rahmawati, Naim Rahulil, Muhammad Ramadhan, Dani Ricky Eka Putra Rina Harimurti Rochmawati, Naim S., Rahma Aziz Sadewa, Bagas Ahmad Salahuddin, Muhammad Rico Saputra, Ivan Rangga Shahputri, Vira Arum Solihin, Aziz Suartana, I Made Sukrisna Surya, Arum Ayu Suyatno, Dwi F. Syarif Hidayatulloh Tazki Yatun Niyah Tohari Ahmad Wardana, Prima Lukito Widi Aribowo Wiyli Yustanti Wiyli Yustanti Wiyli Yustanti Yogiyanti, Esti Yoyok Prastyo, Yoyok