Article Per Year (5 Year)
p-Index From 2021 - 2026
9.723
P-Index
This Author published in this journals
All Journal Dinamik GEMA TEKNOLOGI Techno.Com: Jurnal Teknologi Informasi Jurnal Simetris Syntax Jurnal Informatika Elkom: Jurnal Elektronika dan Komputer Jurnal Ilmiah Mahasiswa FEB Prosiding SNATIF Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Berkala Epidemiologi Seminar Nasional Informatika (SEMNASIF) CESS (Journal of Computer Engineering, System and Science) E-Dimas: Jurnal Pengabdian kepada Masyarakat JOIN (Jurnal Online Informatika) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) SISFOTENIKA Journal of Information Technology and Computer Science (JOINTECS) JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal Ilmiah FIFO Jurnal Pilar Nusa Mandiri InComTech: Jurnal Telekomunikasi dan Komputer Prosiding Seminar Nasional Teknoka JRST (Jurnal Riset Sains dan Teknologi) JOURNAL OF APPLIED INFORMATICS AND COMPUTING SINTECH (Science and Information Technology) Journal JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Sisfokom (Sistem Informasi dan Komputer) Jiko (Jurnal Informatika dan komputer) Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Jurnal Telematika STRING (Satuan Tulisan Riset dan Inovasi Teknologi) CCIT (Creative Communication and Innovative Technology) Journal Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Ilmu Komputer dan Bisnis Syntax Idea Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Sistem informasi dan informatika (SIMIKA) Jurnal Mnemonic Jurnal Asiimetrik: Jurnal Ilmiah Rekayasa Dan Inovasi Journal of Computer Science and Engineering (JCSE) SKANIKA: Sistem Komputer dan Teknik Informatika Media Gizi Kesmas Jurnal Teknik Informatika (JUTIF) Jurnal Pewarta Indonesia JURNAL KOMUNIKASI DAN BISNIS Ascarya: Journal of Islamic Science, Culture and Social Studies Jurnal PkM (Pengabdian kepada Masyarakat) Humantech : Jurnal Ilmiah Multidisiplin Indonesia Media Publikasi Promosi Kesehatan Indonesia (MPPKI) Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Journal Of Human And Education (JAHE) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Algoritma Jurnal Ticom: Technology of Information and Communication Berita Kedokteran Masyarakat Journal of Systems Engineering and Information Technology J-Icon : Jurnal Komputer dan Informatika Jurnal Teknik Indonesia Research Horizon Jurnal Relawan dan Pengabdian Masyarakat REDI Jurnal Pengabdian Masyarakat Nasional Health Dynamics Jurnal Ticom: Technology of Information and Communication The Indonesian Journal of Computer Science Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK) Prosiding SeNTIK STI&K Journal of Medical and Health Science Jurnal Ilmu Kesehatan Immanuel Jurnal Analogi Hukum
Arief Wibowo
Universitas Budi Luhur
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Transportation Veterinary Other

Published : 97 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 97 Documents
Search

 2   3   4   5   6 
Analisis Pengelompokan Gangguan TIK Pada Sistem Pencatatan Layanan Menggunakan Algoritma K-Means dan Metode Elbow - Arientawati; Yuwan Jumaryadi; Arief Wibowo
Techno.Com Vol 22, No 2 (2023): Mei 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i2.7819

Abstract

Pusintek merupakan unit pengelola tugas dan fungsi terkait TIK di instansi pemerintahan di Indonesia. Salah satu tugasnya berkaitan dengan fungsi penanganan gangguan TIK yang dilaporkan oleh Unit Pengguna. Pencatatan gangguan TIK menggunakan sistem pencatatan layanan dan gangguan berbasis Customer Relationship Management (CRM). Tujuan dari penelitian ini adalah untuk mengelompokkan jumlah laporan gangguan pada Unit Pelapor dan membantu divisi teknis dalam menganalisis seberapa sering gangguan yang dilaporkan tiap unit dan kategori gangguannya sehingga divisi teknis dapat merencanakan dan mempersiapkan pengambilan keputusan terkait tindak lanjut penyelesaian gangguan TIK pada instansi Unit Pelapor. Metode Elbow dignakan dalam proses penentuan jumlah cluster gangguan yang optimal. Pengujian dilakukan dengan membagi data gangguan TIK dan menghitung cluster distance performance sampai dengan 7 cluster. Tools yang digunakan untuk pengujian menggunakan Rapidminer. Hasil pengujian memperlihatkan bahwa penggunaan k=3 akan menghasilkan cluster yang optimal untuk metode K-Means Clustering dan Elbow, dengan nilai Average Centroid Distance sebesar 69110.233 dan nilai Davies Bouldin sebesar 0.458.
Clustering Reservoirs in Indonesia Based on Area and Volume Using the K-Means Algorithm Shofinurdin Shofinurdin; Afifah Khaerani; Arief Wibowo
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.44390

Abstract

Embung adalah cekungan yang digunakan untuk mengatur dan menampung aliran hujan dan meningkatkan kualitas air di badan air yang terkait. Embung juga digunakan untuk menjaga kualitas air tanah, mencegah banjir, menjaga estetika, dan mengairi. Terdapat 1.446 embung yang tersebar di seluruh wilayah Indonesia yang mempunyai luas dan volume yang beragam. Penelitian ini bertujuan untuk mengelompokkan embung di Indonesia berdasarkan luas dan volume menggunakan metode data mining klastering dengan algoritma K-Means. Sebelumnya, pengklasteran embung hanya dilakukan berdasarkan: tujuan pembangunan, penggunaan, aliran air, dan bahan pembentuknya. Hasil penelitian menunjukkan bahwa pengelompokkan embung yang terbaik adalah menjadi 4 klaster dengan rincian klaster kecil: 1.414 embung, klaster sedang: 24 embung, klaster tinggi: 7 embung dan klaster sangat tinggi: 1 embung.An embung (Reservoir) is a basin used to control and collect rainfall runoff and improve the water quality in the associated water bodies. Embungs are utilized for preserving groundwater quality, preventing floods, enhancing aesthetics, and facilitating irrigation. There are 1,446 embungs scattered across the entire territory of Indonesia, varying in size and volume. This study aims to cluster the embungs in Indonesia based on their size and volume using the clustering data mining technique with the K-Means algorithm. Previously, embung clustering was only performed based on their purpose of construction, usage, water flow, and constituent materials. The research findings indicate that the optimal clustering of embungs consists of four clusters, with the following details: small cluster (1,414 embungs), medium cluster (24 embungs), high cluster (7 embungs), and very high cluster (1 embung). This research will prove beneficial in the fields of data mining and hydrology. 
Klasterisasi Kepadatan Pegawai dengan Metode K-Means untuk Prediksi Kebutuhan CASN Instansi Pemerintah Wahyu Cesar; Riki Ramdani Saputra; Arief Wibowo
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 10 No 2 (2023): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v10i2.4593

Abstract

Abstract Merging several government agencies into one resulted in employee collaboration. The freedom for employees to choose a new work unit that matches their qualifications and domicile results in an unequal distribution of employees. Acceptance of CASN (Prospective State Civil Apparatus) is one of the efforts to cover the shortage of staff so that the number is proportional to the needs of the work unit. The purpose of this research is to cluster employee density in government agencies with the K-Means algorithm using the attributes of the number of employees according to qualifications and employees approaching retirement age, so that work units can be clustered from overcrowded to understaffed. The K-Means algorithm is a data mining method that performs an unsupervised modeling process and is a method for grouping data with a partition system. In this study, employee density clustering was formed into 4 clusters (k = 4), namely C1 (Dense), C2 (Moderate), C3 (Less), and C4 (Very Less). Clusterization testing using the RapidMiner software with the Davies Bouldin Index (DBI) method resulted in an accuracy value of 0.299. The results of the clustering of employee density from 84 work units in a government agency found that 19 work units belonging to cluster C4 were severely understaffed. The results of this clustering can be used to support decision making in predicting CASN needs in government agencies. Keywords — clustering, K-Means, Davies Bouldin Index, Data Mining
DATA MINING IMPLEMENTATION FOR DETECTION OF ANOMALIES IN NETWORK TRAFFIC PACKETS USING OUTLIER DETECTION APPROACH Kurnia Setiawan; Arief Wibowo
JIKO (Jurnal Informatika dan Komputer) Vol 6, No 2 (2023): JIKO (Jurnal Informatika dan Komputer)
Publisher : Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v6i2.6092

Abstract

The large number of data packet records of network traffic can be used to evaluate the quality of a network as well as to analyze the occurrence of anomalies in the network, both related to network security and network performance. Based on the data obtained, the occurrence of anomalies in computer networks can not be detected specifically on which traffic packets. Meanwhile, to monitor network traffic packets manually will require a lot of time and resources, making it difficult to detect potential anomaly events more specifically. This study analyzes network packet traffic data to see records that include anomalies with an outlier detection approach, using the Isolation Forest algorithm to detect outliers on network traffic packet data, with the result that minority data are of the outliers type of 1,643 records (4.86%), while inliers are 32,098 records (95.13%). Then check and filter the expert attributes that contain expert information. The outlier detection results were classified using 5 algorithms as comparison, namely Random Forest Classifier, Support Vector Machine, Decision Tree Classifier, K-Nearest Neighbor, and Bernoulli Naive Bayes. The Random Forest algorithm has the highest score for accuracy, macro average precision, and macro average f1-score, namely 0.9962067330488383; 0.78; and 0.82. The classification model can be used to classify samples with labels "inliers", "outliers", "Error", and "warning outliers". There are labels that have scores for precision, recall, and f1-scrore that are not too high, namely the labels “error” (0.50; 1.00; and 0.67) and “warning outlier” (0.64; 0 .70; 0.67). The resulting classification model is used for prototype development that facilitates the process of investigating potential network traffic packet anomalies more specifically.
Evaluasi Model Klasifikasi Algoritma Terbimbing Kuantitatif terhadap Penyakit Diabetes Selly Rahmawati; Arief Wibowo
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 3 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i3.4970

Abstract

Diabetes adalah suatu kondisi medis yang ditandai dengan gangguan metabolisme persisten yang mengakibatkan peningkatan kadar glukosa dalam aliran darah. Penyakit ini berdampak besar pada berbagai organ tubuh, termasuk jantung, pembuluh darah, mata, ginjal, dan sistem saraf. Salah satu faktor penting yang berkontribusi terhadap peningkatan kasus diabetes adalah keterlambatan diagnosis kondisi tersebut. Tujuan dari penelitian ini adalah untuk menilai algoritma yang berbeda untuk mendeteksi diabetes. Penelitian ini melibatkan kumpulan data yang tidak seimbang, sehingga memerlukan penerapan teknik oversampling seperti Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan ini. Dua metode klasifikasi, yaitu Support Vector Machine (SVM) dan Logistic Regression (LR), digunakan dalam penyelidikan ini. Temuan penelitian mengungkapkan bahwa ketika teknik K-Fold Cross Validation dikombinasikan dengan metode SMOTE, model Support Vector Machine (SVM) menunjukkan tingkat akurasi, presisi, dan recall yang lebih unggul dibandingkan dengan model Logistic Regression (LR), juga menggunakan teknik SMOTE. Meskipun demikian, jika K-Fold Cross Validation dilakukan tanpa menerapkan teknik SMOTE, hasilnya menunjukkan bahwa Regresi Logistik mengungguli model Support Vector Machine (SVM) dalam hal akurasi, presisi, dan recall.
Employee Education and Training Recommendations using the Apriori Algorithm Arief Wibowo; Vasthu Imaniar Ivanoti; Megananda Hervita Permata Sari
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 5 (2023): October 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i5.4973

Abstract

The Ministry of Finance (MoF) aims to enhance employee performance through suitable education and training opportunities. Based on the data on the implementation of education and training in 2022 in the MoF Central ICT Department, only 27.35% of the employees participated in education and training according to the proposed needs for both positions and individuals. This is partly due to mandatory training that must be attended by some or all employees, urgent needs in the current year, or substitute participants who are not from the same team or function. To address this issue, the association method of data mining techniques can be utilized to analyze historical data of employees. The study used the a priori algorithm to analyze historical data on employee positions, organizations, and education and training from 2011 to 2021. This research involved comparing various minimum support values, assuming that employees attended at least 2, 3, and 4 training courses, to calculate the corresponding minimum support values. The evaluation results of the model show that the best rules are generated with a minimum support value of 0.013 and a minimum confidence value of 0.6, which is a total of 10 rules. One of the training recommendations is that if an employee has taken the Enterprise Service Bus (ESB)-API Management training, they will take the ESB API Integration Platform training. Furthermore, it can be used by the Human Resources Unit to provide education and training aligned with organizational needs and improve employee competency in line with their duties and functions, leading to better overall organizational performance.
Analisis Penerapan Forecasting dalam Menentukan Kebutuhan Storage pada Pusat Data Kementerian Keuangan Maria Adiningsih; Dwi Yulianti; Arief Wibowo
JRST (Jurnal Riset Sains dan Teknologi) Volume 7 No. 2 September 2023: JRST
Publisher : Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/jrst.v7i2.17579

Abstract

Penerapan transformasi digital pada Pusat Data Kementerian Keuangan pada seluruh proses bisnis dilakukan secara cepat dan fleksibel dengan memanfaatkan sumber daya perangkat server maupun storage yang terpasang. Seiring meningkatnya kebutuhan penyimpanan data maka diperlukan penambahan server storage demi mendukung pengelolaan sistem TIK. Metode forecasting yang digunakan dalam kajian ini adalah metode kuantitatif. Bahan kajian dalam melakukan forecast terhadap kebutuhan storage adalah utilisasi pengguna storage tahun 2021. Berdasarkan dari hasil pengolahan data yang menggunakan metode forecasting kuantitatif dibandingkan dengan kebutuhan sebenarnya pada tahun 2022 sesuai dengan perhitungan forecasting, apabila dibandingkan dengan tahun 2021 dimana perhitungan kebutuhan dihitung dengan menjumlahkan sisa storage dengan kebutuhan organisasi. Dimana perhitungan kebutuhan kapasitas storage dapat dilakukan dengan menjumlahkan forecasting penggunaan storage pada tahun yang telah berjalan, perhitungan peremajaan storage, usulan kebutuhan storage setiap divisi pada tahun yang akan datang dan selanjutnya jumlah tersebut ditambahkan dengan buffer sebanyak 20% dari total penjumlahan, maka dapat disimpulkan bahwa kapasitas storage Pusat Data Kementerian Keuangan saat ini setelah dikurangi kebutuhan peremajaan, dan forecasting utilisasi tahun 2021 masih tersedia dengan jumlah yang cukup memadai. Dimana total storage yang tersedia sebanyak 1.983,98 TB dibandingkan dengan total kebutuhan penggunaan storage sebesar 570,388 TB pertahun. Sesuai dengan hasil forecasting maka tidak dilakukan pembelian perangkat storage pada tahun 2022.
Pemodelan Sistem Prediksi Kelayakan Pengajuan Kredit Kepemilikan Rumah Dengan Metode C4.5 Dan Naive Bayes Lingga Desyanita; Arief Wibowo
Elkom : Jurnal Elektronika dan Komputer Vol 13 No 2 (2020): Desember: Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

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

Abstract

A house for every human being is the main and most important need compared to others needs in general. A financial institution is an institution engaged in the financial sector where its customers are people from various walks of life with various behaviors. Lending is a business activity that carries a high risk and affects the business continuity of a banking company. The problem that is often faced in providing home loans is determining the decision to extend credit to prospective customers, while another problem is that not all home loan payments by customers can run well or commonly known as bad credit. One of the causes of bad credit is an assessment error in making credit decisions. Data mining is a process used to analyze cases in order to find the best performance of an algorithm being tested. One way to get information or patterns from a large data set is to use techniques in data mining. There are many classification methods that can be used to produce precise accuracy values. In this study, two classification algotihm methods are used in classifying the home crediting dataset, namely the C4.5 decision tree algorithm and the Naïve Bayes algorithm. The comparison of the two algorithms produces an accuracy value fo the Naïve Bayes algorithm of 36.36% and the Decision Tree C4.5 algorithm has an accuracy rate of 59.54%.
Implementasi SSL VPN (Secure Socket Layer Virtual Private Network) Pada Badan Bank Tanah Farid Setiawan; Fajar Siddik Chaniago; Arief Wibowo
Syntax Idea 2505-2516
Publisher : Ridwan Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46799/syntax-idea.v6i6.3438

Abstract

Badan Bank Tanah adalah badan khusus yang dibentuk oleh Pemerintah Pusat pada Desember 2021, merupakan Badan Hukum Indonesia yang memiliki kewenangan khusus untuk mengelola tanah Negara. Pada Desember 2022, Divisi Informasi Teknologi Operasional Badan Bank Tanah membangun lingkungan IT infrastruktur baru meliputi pusat pengelola jaringan pusat (Core Network) dan Hyperconverged Infrastructure atau HCI sebagai pendukung dari Sistem Informasi yang digunakan untuk operasional kegiatan usaha pada Badan Bank Tanah ataupun sebagai sistem pengambil/pendukung keputusan yang digunakan oleh manejemen Badan Bank Tanah. Untuk mengamankan akses jarak jauh ke dalam lingkungan IT infrastrukur yang ada di Badan Bank Tanah dari jaringan luar (internet), digunakan fitur VPN (Virtual Private Network) yang terdapat pada perangkat Firewall yang telah diimplementasikan di IT infrastruktur Badan Bank Tanah. Maksud dan tujuan dari penelitian ini yaitu guna melihat rancangan skema yang berkaitan dengan perancangan jaringan VPN untuk dikembangkan menuju skema jaringan yang lebih efisien, efektif dan aman. Implementasi jaringan VPN menggunakan metode SSL-VPN dengan menggunakan perangkat Firewall Remote Gateway dan aplikasi VPN Client
Algoritme K-Means dalam Pengelompokan Kantor Cabang untuk Optimalisasi Manajemen Perbankan Ardhianto, Angga; Relawanto, Bowo; Wibowo, Arief
Jurnal Telematika Vol. 15 No. 2 (2020)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v15i2.351

Abstract

Branch segmentation is needed by companies to facilitate management in planning and managing these branches. Mistakes in determining the segmentation or grouping of branches will have an impact on planning or management, such as the efficiency of operational costs, calculation of branch performance, operational supervision, and optimization of company resources. As a first step in optimizing branch management, optimal branch grouping, or according to branch similarities, can be adjusted to the size or size of a branch. In the supervisory and monitoring functions, this grouping is also a consideration and prioritization of supervision, where large branches will of course use different plans with smaller branches. In setting the budget to avoid potential fraud, it is best if the operating budget is adjusted according to the size of the branch. This study uses the K-Means algorithm to classify branch offices based on transactions per month and the number of types of transactions according to the required segmentation. Branches can be grouped into large, medium, and small groups. The results show that the K-Means algorithm can produce bank branch groupings based on the number of types of transactions and the average transaction per month, which is divided into three clusters. The three clusters are the large branch cluster or cluster 1, the intermediate branch cluster or cluster 2, and the small branch cluster or cluster 3. The test uses the Davies Bouldin Index of 0.5.Segmentasi cabang diperlukan perusahaan untuk mempermudah manajemen dalam membuat perencanaan dan pengelolaan cabang-cabang tersebut. Kesalahan penentuan segmentasi atau pengelompokan cabang akan berdampak pada perencanaan atau pengelolaan, seperti pada efisiensi biaya operasional, penghitungan kinerja cabang, pengawasan operasional, dan optimalisasi sumber daya perusahaan. Sebagai langkah awal dalam optimalisasi pengelolaan cabang, pengelompokan cabang yang optimal, atau sesuai dengan kemiripan cabang, bisa disesuaikan dengan besar atau kecilnya sebuah cabang. Dalam fungsi pengawasan dan pemanatauan, pengelompokan ini juga menjadi pertimbangan dan prioritisasi pengawasan, di mana cabang besar tentunya akan menggunakan perencanaan yang berbeda dengan cabang yang lebih kecil. Dalam pengaturan anggaran untuk menghindari potensi fraud, sebaiknya anggaran operasional disesuaikan dengan besarnya cabang tersebut. Penelitian ini menggunakan algoritme K-Means untuk mengelompokkan kantor cabang berdasarkan transaksi per bulan dan jumlah jenis transaksi sesuai dengan segmentasi yang dibutuhkan. Cabang dapat dikelompokkan menjadi kelompok besar, sedang, dan kecil. Hasil penelitian menunjukan bahwa algoritme K-Means ini dapat menghasilkan pengelompokan cabang-cabang bank berdasarkan jumlah jenis transaksi dan rata-rata transaksi per bulan yang dibagi menjadi tiga cluster. Ketiga cluster itu adalah clustercabang besar atau cluster 1, clustercabang menengah atau cluster 2, dan clustercabang kecil atau cluster 3. Pengujian menggunakan Davies Bouldin Index sebesar 0,5.
Co-Authors - Arientawati - Sumardianto Adita, Ita Afifah Khaerani Afifatussalamah, Rizka Ahmad Sururi Ahmad Sururi Akbar, Ahmad Aldizar Al Fatach, M Khabib Anggraini, Julaiha Probo Anita Diana Anugrah Sandy Yudhasti Apriati Suryani Ardhianto, Angga Ardianah, Eva Ari Wibowo Arief Umarjati Asep Permana Atik Ariesta Bayu Sadewo Bayu Satria Pratama Binarto, Antonius Jonet Boerhan Hidayat, Boerhan Danar Wido Seno Darki, Ni Wayan Yustika Agustin Diah Indriani Didik Hariyadi Raharjo Didin Muhidin Dwi Kristanto Dwi Yulianti Dyah Retno Utari Dyah Retno Utari, Dyah Retno Endah Sarah Wanty Fajar Siddik Chaniago Farah Chikita Venna Farid Setiawan Farid Setiawan, Farid Febrilliani, Jihan Sastri Fenny Irawati Fernando, Donny Firman Noor Hasan Firmanty Mustofa, Vina Fitri Nur Masruriyah, Anis Fitri Rachmilah Fadmi Fitriadi, Rifqi Fitriani, Netty Fransiska Vina Sari Frenda Farahdinna Fried Sinlae Ghapur, Abdul Gurdani Yogisutanti Hadidtyo Wisnu Wardani Hananto, Agustia Handoko, Andy Rio Hanindita, Meta Herdiana Hari Basuki Notobroto Haris Achadi, Abdul HARIYANTO HARIYANTO Harun Nasrullah Hayatul Khairul Rahmat Henry Henry Hidayat, Manarul Hidayat, Sarifudlin Huda, Ratu Najmil I MADE MINGGU WIDYANTARA, I MADE MINGGU Indah Rizky Mahartika Inge Virdyna Irfan Hadi Irfan Nurdiansyah Istiqoomatun Nisaa Iwan Irawan Jasmine, Meuthia Joko Sutrisno Jovansgha Avegad Jumaryadi, Yuwan Kanasfi, Kanasfi Karma, Ni Made Sukaryati Karyaningsih, Dentik Kresno Yulianto KRESNO YULIANTO KUNTORO Kuntoro Kuntoro Kurnia Setiawan Kutanto, Haronas Larasati, Pamela Linda Lingga Desyanita Luthfi Akbar Ramadhan Mahmudah Mahmudah Mailana, Agus Maria Adiningsih Marlina, Hesti Maskur A, Moch Riyadi Megananda Hervita Permata Sari Megawati, Rina Miftahul Arifin Miftahul Arifin Mochammad Rizky Royani Moh Makruf Muhamad Fadel Muhammad Febrian Rachmadhan Amri Muhammad Risky Mulyati Mulyati Nendi, Nendi Ningrum, Yogi Ajeng Nugroho, Angelika Pratiwi Widya Nur Aisiyah Widjaja, Nur Aisiyah Nur Rohman Nurcahya, Gelar Nurfidaus, Yasmine Nursyi, Muhamad Pattipeilohy, William Frado Pattipeilohy, William Frado Pebriaini, Prisma Andita Poppy Ruliana Pradiptha, Anindya Putri Probo Anggraini, Julaiha Purwadi Purwadi Putra, Andi Agung Putra, Rinaldi Febryatna Duriat Rachmah Indawati Rahman, Reza Rahmawati, Nur Anisah Rakhman, Abdulah Rakhmat Rakhmat Rakhmat Rakhmat RAMAYU, I Made Satrya Rangkuti, Muhammad Yusuf Rizqon Ratna Ayu Sekarwati Ratna Ayu Sekarwati Relawanto, Bowo Ria Puspitasari Rika Nurhayati Riki Ramdani Saputra Rina Megawati Ririh Yudhastuti Risaychi, Diva Ajeng Brillian Ristiana, Ina Riza, Yeni Rizkiyanto, Muhamad Ardiansyah Roedi Irawan Rojakul, Rojakul Rosita Dewi, Erni Ruliana, Poppy Rusdah Ryo Tanaka Sabirin, Sahril Sadewo, Bayu Santoso, Febrina Mustika Saptari Wijaya Mulia Sari Anggar Kusuma Melati Sari, Fransiska Vina Sasongko, Raden Satiri Satiri, Satiri Selly Rahmawati Selly Rahmawati Septian Firman S Sodiq Septiani, Riska Setya Haksama Setyowati, Erlin Shofinurdin Shofinurdin Siddik Chaniago, Fajar Sigit Ari Saputro Sigit Budi Nugroho Siregar, Sutan Syahdinullah SITI NURUL HIDAYATI Sitti Aliyah Azzahra Soenarnatalina Melaniani Sudewo, Andika Hasbigumdi Sugiyarta, Ahmad Sujiharno Sujiharno Sumarna, Presma Dana Scendi Suntoro, Dimas Fahmi Tiaharyadini, Rizka TRISNAWATI, WULAN Tulus Yuniasih Umam, Mohamad Hafidhul Vasthu Imaniar Ivanoti Wahyu Cesar Wahyu Desena Wahyudi, Widi Wahyuni, Chatarina Unggul Wangsajaya, Yosia Heartha Dhalasta Wasis Budiarto Wibiyanto, Alif Dewan Daru Widiyaningrum, Diyah Kiki Widyanto, Tetrian Windhu Purnomo Yahya Darmawan Yudanto, Satyo Zakaria Anshori Zaqi Kurniawan