Article Per Year (5 Year)
p-Index From 2021 - 2026
13.435
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Pertanian Indonesia Jurnal Fitopatologi Indonesia Jurnal Hortikultura Indonesia (JHI) Buletin Perpustakaan JURNAL HAMA DAN PENYAKIT TUMBUHAN TROPIKA Jurnal Penelitian Pendidikan IPA (JPPIPA) Tropical Animal Science Journal PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Pendas : Jurnah Ilmiah Pendidikan Dasar TERRA : Journal of Land Restoration Awang Long Law Review Jurnal Pengabdian Kepada Masyarakat MEMBANGUN NEGERI Academy of Education Journal Piston: Journal of Technical Engineering Bulletin of Applied Animal Research Akta Agrosia Jurnal Penelitian Kebijakan Pendidikan Journal Zetroem Jurnal Alwatzikhoebillah : Kajian Islam, Pendidikan, Ekonomi, Humaniora PROFESSIONAL HEALTH JOURNAL Langit Biru: Jurnal Ilmiah Aviasi International Journal of Social Science, Educational, Economics, Agriculture Research, and Technology (IJSET) Jurnal Penelitian Kebijakan Pendidikan JPUS: Jurnal Pendidikan Untuk Semua Elementary School: Jurnal Pendidikan dan Pembelajaran ke-SD-an Jurnal Ilmiah Kemaritiman Nusantara Edudeena : Journal of Islamic Religious Education Jurnal Genesis Indonesia Transformasi : Jurnal Penelitian dan Pengembangan Pendidikan Non Formal Informal Moneter : Jurnal Keuangan dan Perbankan Ramatekno Gudang Jurnal Multidisiplin Ilmu International Journal of Law and Society Vilvatikta: Jurnal Pengembangan Bahasa dan Sastra Daerah International Journal of Applied Research and Sustainable Sciences (IJARSS) Al-Zayn: Jurnal Ilmu Sosial & Hukum Taqrib : Journal of Islamic Studies and Education Indonesian Journal of Integrated Science and Learning Lex Aeterna Law Journal Jurnal Pengabdian Masyarakat JMTSS International Journal of Education, Vocational and Social Science Jurnal Aplikasi Sistem dan Teknik Informatika Pomosda Indonesian Journal of Jamu JPFT (Jurnal Pendidikan Fisika Tadulako Online) CITAKARYA Jurnal Pengabdian Masyarakat J+Plus: Jurnal Mahasiswa Pendidikan Luar Sekolah Jurnal Pengadaan Indonesia Journal of Biology Science and Education Sutasoma : Jurnal Sastra Jawa INTERACTION: Jurnal Pendidikan Bahasa Jurnal Idaaratul Ulum Jurnal Penelitian Kebijakan Pendidikan Eksplorium : Buletin Pusat Pengembangan Bahan Galian Nuklir Journal of Islamic Science Community Medica Majapahit
Widodo
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 127 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 127 Documents
Search

 6   7   8   9   10 
Bayes Classifier dan Support Vector Machine dalam Klasifikasi Judul Karya Akhir Mahasiswa Program Studi PTIK UNJ Aziz Syahputro, Razi; Widodo; Ajie, Hamidillah
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 3 No. 1 (2019): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.3.1.9

Abstract

Penelitian ini dilatarbelakangi dengan dibutuhkannya sistem pengklasifikasian untuk memudahkan pihak Jurusan Teknik Elektro khususnya Program Studi PTIK untuk mengklasifikasikan judul skripsi berdasarkan peminatan. Sebelum sistem dibuat diperlukan pertimbangan dari beberapa algoritma klasifikasi yang ada, maka dari itu penelitian ini memilih 3 algoritma dari 10 algoritma terbaik menurut ICDM tahun 2006. Klasifikasi terhadap dokumen teks pendek seperti judul skripsi mahasiswa memiliki kesulitan tersendiri daripada dokumen teks panjang karena semakin sedikit kata semakin sulit diklasifikasi. Sehingga tujuan dari penelitian ini adalah untuk mengetahui algoritma yang paling efektif untuk mengklasifikasi judul skripsi. Penelitian ini terdiri dari beberapa tahap yaitu pengumpulan data, pengelompokan data melalui angket oleh dosen ahli, pre-processing text, pembobotan kata menggunakan vector space model dan tf-idf, evaluasi dengan k-fold cross validation, klasifikasi menggunakan k-nearest neighbor, naïve bayes classifier, dan support vector machine, dan analisis dengan confusion matrix. Percobaan dilakukan dengan menggunakan 266 data judul skripsi mahasiswa PTIK UNJ dari angkatan 2010-2013, dengan data terakhir berasal dari sidang skripsi pada semester 105(semester ganjil 2016/2017). Hasil dari klasifikasi menggunakan algoritma tersebut didapatkan algoritma yang paling efisien yaitu support vector machine dengan akurasi 82% dari 10 kali percobaan.
Kinerja Algoritma Support Vector Machine dalam MenentukanKebenaran Informasi Banjir di Twitter Dwi Cahyo, Muhamad Prasetio; Widodo; Prasetya Adhi, Bambang
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 3 No. 2 (2019): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.3.2.5

Abstract

Menurut survei yang dilakukan oleh Asosiasi Penyelenggara Jaringan Internet Indonesia (APJII) mengatakan bahwa sepanjang 2016 sebanyak 132,7 juta orang telah terhubung ke internet. Dalam penggunaan internet seseorang dapat berkomunikasi melalui jejaring sosial. Jejaring sosial adalah sarana untuk bersosialisasi satu sama lain secara online didunia maya (internet). Twitter adalah salah satu dari macam-macam jejaring sosial. Menurut catatan Badan Penanggulangan Bencana Daerah (BPBD) Jakarta terdapat 700 kasus banjir selama periode Januari-Agustus 2016. Pada twitter terdapat user yang memberikan informasi tentang banjir dengan mengirimkan sebuah tweet. Namun penggunaan kata “banjir” tidak semua dimaksudkan untuk memberi informasi mengenai banjir. Ada yang menggunakannya hanya sebagai kata kiasan. Penelitian ini menggunakan algoritma Support Vector Machine untuk mengklasifikasi tweet yang benar memberikan informasi mengenai banjir atau tidak. Algoritma Support Vector Machine adalah suatu algoritma yang memiliki tingkat akurasi yang tinggi. Dalam penelitian ini untuk mengevaluasi tingkat akurasi dari algoritma Support Vector Machine menggunakan Confusion Matrix. Hasilnya adalah tingkat akurasi dari Support Vector Machine dalam menentukan tweet mengenai informasi banjir sebesar 0,96.
Kinerja Algoritma Classification And Regression Tree (Cart) dalam Mengklasifikasikan Lama Masa Studi Mahasiswa yang Mengikuti Organisasi di Universitas Negeri Jakarta Indah Prabawati, Nurul; Widodo; Ajie, Hamidillah
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 3 No. 2 (2019): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.3.2.9

Abstract

Organisasi kemahasiswaan adalah fasilitas yang disediakan oleh perguruan tinggi sebagai wadah untuk mengembangkan kemampuan non akademis, minat dan bakat mahasiswa. Namun, dalam kenyataannya banyak mahasiswa yang mengikuti organisasi mengalami penurunan prestasi hingga tidak dapat lulus tepat waktu. Di Universitas Negeri Jakarta belum adanya sistem yang dapat mengklasifikasikan lama masa studi mahasiswa yang mengikuti organisasi. Sebelum membangun sistem pengambilan keputusan, diperlukan penelitian mengenai akurasi suatu algoritma agar sistem keputusan yang dibuat memiliki tingkat akurasi yang tinggi. Penelitian ini menggunakan algoritma data mining yaitu algoritma Classification and Regression Tree (CART). CART merupakan metode pohon keputusan biner. CART dikembangkan untuk melakukan analisis klasifikasi pada peubah respon baik yang nominal, ordinal, maupun kontinu. Metode klasifikasi CART terdiri dari dua metode yaitu metode pohon regresi dan pohon klasifikasi. Data mahasiswa yang mengikuti organisasi yang lulus tepat waktu dan tidak lulus tepat waktu akan diolah menggunakan algoritma CART. Setelah diklasifikasikan data tersebut akan dihitung hasil akurasinya menggunakan K-fold Cross Validation dengan nilai K = 5, k = 10, dan K = 20. Berdasarkan hasil contoh data mahasiswa yang mengikuti organisasi menunjukan bahwa hasil perhitungan akurasi algoritma CART terbaik diperoleh ketika nilai K = 20. Algoritma CART telah mampu mengklasifikasikan lama masa studi mahasiswa yang mengikuti organisasi di Universitas Negeri Jakarta. Algoritma CART menghasilkan rata-rata akurasi 80%.
SISTEM PENDUKUNG KEPUTUSAN UNTUK MEMPREDIKSI KELULUSAN MAHASISWA PADA PROGRAM STUDI PENDIDIKAN TEKNIK INFORMATIKA DAN KOMPUTER DENGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES Reni; Widodo; Bambang Prasetya Adhi
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 4 No. 1 (2020): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.4.1.6

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan untuk memprediksi kelulusan mahasiswa apakah dapat lulus kurang dari sama dengan 4 tahun atau lebih dari 4 tahun. Algoritma yang digunakan adalah Naïve Bayes dengan menggunakan atribut yaitu jenis kelamin, IPK semester 1-4, jumlah SKS semester 1-4, jumlah mata kuliah semester 1-4. Metode Naïve Bayes digunakan untuk menganalisis data dalam pengenalan pola dan memprediksi kelulusan mahasiswa. Data yang dibutuhkan adalah data mahasiswa yang sudah lulus sebagai data training sedangkan data mahasiswa yang masih menempuh studi kuliah sebagai data uji. Data training yang digunakan dalam penelitian ini sebanyak 326 lulusan dan data uji yang digunakan sebanyak 41 mahasiswa. Dalam penelitian ini hasil yang dicapai memiliki akurasi untuk tepat waktu sebesar 63% dan akurasi untuk terlambat sebesar 37%.
ANALISIS MODEL L-DIVERSITY DENGAN ALGORITMA SYSTEMATIC CLUSTERING DAN DATAFLY Shafa Sya’airillah; Widodo; Bambang Prasetya Adhi
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 4 No. 1 (2020): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.4.1.10

Abstract

Penelitian ini dilatar belakangi oleh teknik anonimitas data yang terdapat pada Privacy Preserving Data Publishing. Sehingga data yang ingin dipublikasikan bersifat anonim, tanpa mengungkap informasi yang sebenarnya. Metode penelitian yang digunakan pada penelitian ini adalah rekayasa teknik dengan cara menghitung nilai information loss yang dihasilkan pada masing-masing algoritma, kemudian membandingkannya. Model yang digunakan pada penelitian ini adalah l-Diversity. Algoritma yang digunakan adalah algoritma Systematic Clustering dan algoritma Datafly. Data yang digunakan adalah dataset ‘Adult’ yang diunduh dari repositori UCI Machine Learning. Sampel yang digunakan dari dataset ‘Adult’ ini adalah sebanyak 2000 tuple. Nilai information loss tertinggi yang dihasilkan algoritma Systematic Clustering adalah 475673.19, sedangkan nilai information loss tertinggi dari algoritma Datafly adalah 46298.00. Kemudian, untuk nilai information loss terendah yang dihasilkan algoritma Systematic Clustering adalah 22364.79, sedangkan nilai information loss terendah dari algoritma Datafly adalah 36659.00. Algoritma dengan tingkat information loss paling kecil dianggap sebagai algoritma yang paling baik dalam membangun model l-Diversity di antara kedua algoritma yang diuji. Hasil pengujian menyatakan bahwa algoritma Systematic Clustering adalah algoritma yang paling baik dalam membangun model l-Diversity di antara algoritma Systematic Clustering dan Datafly.
PENGEMBANGAN SISTEM INFORMASI AKADEMIK BERBASIS WEB DI SMK BAKTI IDHATA JAKARTA Muhammad Nur Afandy; Widodo; Bambang Prasetya Adhi
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 4 No. 2 (2020): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.4.2.4

Abstract

Penelitian ini bertujuan mengembangkan sistem informasi penilaian dengan basis web, untuk mengembangkan sistem sebelumnya di SMK Bakti Idhata Jakarta yang menerapkan sistem pengolahan penilaian berbasis aplikasi spreadsheet yang masih ada kekurangan dalam pelaksanaannya, yaitu belum dipakai secara sistematis, belum fleksibel, dan belum terbuka dalam hal penilaian. Pengembangan sistem ini menggunakan metode pengembangan Agile yaitu model Scrum. Proses dalam Scrum menggunakan tiga fase, yaitu fase pre-game, merancang segala kebutuhan dalam proses pengembangan. Fase game, melakukan proses pengembangan yang dibagi dalam dua sprint secara iterasi sekaligus incremental. Terakhir fase post-game, saat sistem siap digunakan. Berdasarkan hasil pengujian fungsional oleh pihak sekolah, yaitu terdiri atas empat pengguna (administrator, guru mata pelajaran, wali kelas, dan siswa), sistem ini berjalan dengan baik dalam mengolah penilaian sesuai kurikulum 2013, menghasilkan laporan penilaian, dan mendukung keputusan kenaikan kelas sederhana.
PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENGETAHUI KECENDRUNGAN SEORANG MAHASISWA DALAM MENGAMBIL MATA KULIAH PILIHAN DALAM LINGKUP PENDIDIKAN TEKNIK INFORMATIKA DAN KOMPUTER MENGGUNAKAN ALGORITMA APRIORI Hanifa Dian Permatasari; Widodo; Bambang Prasetya Adhi
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 4 No. 2 (2020): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.4.2.5

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan untuk mengetahui kecendrungan seorang mahasiswa dalam mengambil mata kuliah pilihan dalam lingkup Program Studi Pendidikan Teknik Informatika dan Komputer menggunakan algoritma apriori. Metode penelitian yang digunakan adalah pengembangan RnD (Research and Development) dengan model perangkat lunak Waterfall. Tahapan penelitian yang dilakukan terdiri dari: (1) Requirement Definition; (2) System and Software Design; (3) Implementation and Unit Testing; (4) Integration and System Testinge. Hasil yang didapatkan akan selalu berbeda dan bergantung kepada input user pada saat pembuatan aturan. Sistem pendukung keputusan ini memproses data transaksi mata kuliah mahasiswa Program Studi Pendidikan Teknik Informatika dan Komputer semester 106, dan menghasilkan aturan asosiasi tertinggi untuk {praktek industri, data mining, metode penelitian}→{pengolahan citra} dengan confidence sebesar 96,3%. Sistem memerlukan data dalam jumlah besar dan spesifikasi perangkat seperti prosesor, RAM, dan server xampp agar prediksi aturan asosiasi yang dihasilkan semakin baik. Berdasarkan uji kelayakan menggunakan black box didapatkan hasil bahwa sistem telah berjalan dengan baik sesuai kebutuhan fungsional.
PEMETAAN RISET TENTANG DETEKSI TOPIK PADA TWITTER DENGAN TEKNIK SYSTEMATIC LITERATURE REVIEW Dwi Suchisty; Widodo; Bambang Prasetya Adhi
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 5 No. 1 (2021): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.5.1.7

Abstract

Sebuah dokumen atau tulisan pastinya mengandung suatu informasi penting di dalamnya. Peringkasan dokumen membuat penemuan informasi-informasi tersebut menjadi lebih mudah karena mempersingkat kalimat dengan cara menghilangkan kata atau kalimat yang tidak penting. Peringkasan dokumen saat ini sudah banyak dilakukan dengan cara yang otomatis menggunakan metode-metode yang dikembangkan dari model neural netowork. Penelitian ini bertujuan untuk mengetahui sejauh mana perkembangan metode neural network dalam meringkas dokumen dilakukan dengan cara menganalisis literatur atau penelitian menggunakan teknik systematic literature review. Pengumpulan literatur dilakukan dengan cara melakukan pencarian pada beberapa digital library dengan memasukkan search string yang telah dibuat berdasarkan research question dengan batas publikasi antara tahun 2014-2018. Hasil dari penelitian ini menunjukkan bahwa dari 1266 literatur yang diperoleh 39 diantaranya layak untuk dianalisa. Berdasarkan dari 39 literatur tersebut diketahui bahwa metode neural network yang digunakan untuk meringkas dokumen adalah sebanyak 28 metode. Metode yang paling sering digunakan adalah metode Recurrent Neural Network (RNN) dan metode terbaik yang ditemukan untuk melakukan peringkasan adalah Deep Neural Network (DNN) dengan persentase ketepatan mencapai 62%.
PENGEMBANGAN WEB SERVICE MODUL MAHASISWA PADA SISTEM INFORMASI AKADEMIK UNIVERSITAS NEGERI JAKARTA Febrianto Widyoutomo; Hamidillah Ajie; Widodo
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 5 No. 1 (2021): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.5.1.9

Abstract

Perkembangan teknologi sebagai bagian dari inovasi yang dapat memberikan banyak kemudahan dalam berbagai bidang. Penerapan teknologi dalam bidang pendidikan mendorong terciptanya sistem informasi yang dapat mengelola berbagai data, baik data akademik maupun non-akademik. Universitas Negeri Jakarta(UNJ) menjadi salah satu perguruan tinggi yang memanfaatkan sistem informasi sebagai sarana pengelola data akademik yang dinamakan SIAKAD UNJ. SIAKAD UNJ saat ini tidak memiliki arsitektur sistem yang maksimal, sehingga belum bersifat adaptif terhadap pengembangan dan pembaruan fitur di dalam sistem. Tujuan dari penelitian ini adalah untuk menghasilkan web service yang dapat digunakan dalam SIAKAD UNJ dan memiliki sifat adaptif terhadap perubahan-perubahan di masa mendatang. Pengembangan web service SIAKAD UNJ dengan metode spiral menggunakan framework Express.js dan menghasilkan 25 endpoint. Pengujian dengan metode unit testing terhadap 25 endpoint menggunakan aplikasi bernama Postman. Hasil pengujian menunjukkan bahwa 25 endpoint yang diuji berfungsi dengan baik, dan layak digunakan sebagai sisi backend yang akan digabungkan dengan sisi frontend untuk menjadi aplikasi SIAKAD UNJ yang utuh.
SISTEM DETEKSI TOPIK POLITIK PADA TWITTER MENGGUNAKAN ALGORITMA LATENT DIRICHLET ALLOCATION Khairul Hudha Nasution; Widodo; Bambang Prasetya Adhi
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 5 No. 1 (2021): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.5.1.10

Abstract

Tahun 2019 Indonesia melaksanakan tahun politik, banyak terjadi peristiwa politik yang membuat masyarakat Indonesia menyikapi dengan berbagai macam tanggapan dari berbagai banyak tanggapan tersebut beberapa dituliskan dalam media sosial Twitter dan data tersebut dapat diolah untuk menggambarkan bagaimana pendapat masyarakat akan suatu kejadian politik. Penelitian ini bertujuan untuk mendapatkan analisis dari implementasi algoritma LDA untuk menentukan topik politik pada Twitter. Metode yang digunakan adalah dengan algoritma LDA yang digunakan untuk menghitung kemungkinan topik yang ada untuk setiap tweet-nya, LDA merupakan model probabilistik yang dapat menggambarkan topik tanpa perlu melakukan proses klasifikasi sebelumnya, sistem akan otomatis mendeteksi topik-topik yang ada. Hasil penelitian dengan pengujian 3 kali dengan jumlah data masing-masing 100, 1000 dan 6000 dengan menggunakan setingan LDA bawaan dari library Genism dan jumlah topik 10 menghasilkan rata-rata nilai kebenaran 90%. Sehingga dapat disimpulkan bahwa LDA dapat digunakan dan memiliki nilai kebenaran yang tinggi dalam mendeteksi topik politik pada Twitter.
Co-Authors ABDUL MUNIF Achmad Irchamni Adam Punca Putra Pinaria Ade Irvan Tauvana Adhi, Bambang Prasetya Adhika Junara Karunianto Adi Gunawan Muhammad Adimedha, Tyto Baskara Affris Freza Frananda, Muhamad Agung Riansa, Dimas Agus Muji Santoso Agus PURWANTARA Agustin Sukarsono, Agustin Agustina Putri Reistanti Ajie, Hamidillah Alamsyah, Wan Ali nur Fatoni ALI NURMANSYAH Ali Yusuf Alisha Prameswari Ganandi Alnopri Alzami, Farrikh Amara, Khansa Anang Efendi Andika Rifki Aprilian Andoy, Aldis S Andriansyah, Rian Ardath Prahara Setyan ARDIANSYAH, ACHMAD Ari Surya Sukarno Arief Raharjo, Hafiez Aris, Tomi Asmoro, Purwandito Tulus Atmaja Johny Artha, I Ketut Auriga Putri Faradilla Aziz Syahputro, Razi Azizah Khoiro Nisah balqis Bambang Gonggo Murcitro Bambang Priadi Bayu Dwi Welasasih Betty Lukiati Bhayu Aji Seno Budi Santosa, Achadi Budi, Ferri Stya Bulandari, Desty Cakrabuana, Wira Cherish Okcavia, Salsabila Deki Riana Devi Ratnasari Dwi Cahyo, Muhamad Prasetio Dwi Suchisty Dwi Wibowo Edi Susanto Efendi, Edi Eki Nugraha Eko Suprijono Elvi Amir Endang Wahyuni Erny Roesminingsih Fahira kiyyun Nur Misbah Fahrurrozi Fakhriyani Fathiah Fatika La Viola Ifanka Fauzi, Rachman Febrianto Widyoutomo Fiky Ariestia Filsa, Nisfal Frederikus Dian Indrastomo, Frederikus Dian Giyanto Guntur Gusmara, Herry Hamidillah Ajie Hana Agita Mardiana Hanifa Dian Permatasari Hariyoto, Hariyoto Hartanto, Ageng Hasanah, Enung Hendro Prasetyono Henry Sudianto Heryanto Susilo HESTI PUJIwATI Hidayah, Dian Hiermy, Ulpen I Gde Sukadana I Made Sudiana Indah Prabawati, Nurul Is Subekti, Mokhamad Jarwo Jeni Joni Hidayat, Joni Ketut Atmaja Johny Artha Khairul Khairul Hudha Nasution Kikin H Mutaqin Krisnawati, Dyah Ika Kurnia Setiawan Widana Kurnia, Deva Arya Leni Lina Rosmayanti Lisdawati, Ariani Listyaningrum, Trisna Avi Lukman Nulhakim M. Ficky Duskarnaen M. Safrodin M. Syafiq Roikhan Maulana Mar'atus Solihah, Rizka Ayu Masdar Masyhar MEITY SURADJI SINAGA Melkisedek Melvien Zainul Asyiqien Mohamad Fajar Farid Amrulloh Mohammad Amin Mohammad Saeful Amin Mokhamad Is Subekti Monica Monita Nur Shabrina Muh. Tajab muhammad alfi syahrin Muhammad Ilham Aziz MUHAMMAD IQBAL TAWAQAL Muhammad Jamal Muhammad Nur Afandy Muhammad Oktoda Noorrohman Muhammad Zulkifli Mulyani, Yayu Mundir, Ahmad Murien Nugraheni Muslich Muslich, Muslich Mustakim Mu’awanah, Frida Rosidatul Napiudin Negara, Akbar Kusuma Neng Ayu Herawati Ngadenin Ningtias, Dieta Wahyu Asry Novida, Irma Nugraha, Andronicus Christian Nulhakim, Lukman Nunik Madyaningarum, Nunik Nur Fadlilah, Reina Iranti Nuraini Nurhidayatuloh, Farhan Nurhikmah Mutmainna Sari Nurliyani Nurliyani NURUL AZIZAH Nurul Mawaddah Nurul Nisa Habibah Nurul Setiani Prasetya Adhi, Bambang Pratama, Aziz Yulianto Pratiwi, Ambar Pratiwi, Fadiah Purnama Sari, Citra Purwandito, Meilandy Putri, Elsa Lolita Rachael, Yoshi Rachmanu, Fatkur Ratna Wirawati Rosyida Ratna Wirawati Rosyida Reni Resa Yolanda Resa Yolanda Retnaningsih, Endang Rianto Ridho, Akhmad Rizky Novridoni Rohayani, Mei Roza Yuniza Putri rudiyanto Saepurohman, Ferdi Saifullah Azhar Saifulloh Azhar Samidi Sanyoto Saputri, K. W. Satria Pradana Rizki Yulianto Satria Pradana Rizky Yulianto Satyaguna Rakhmatulloh Septiana Anggraini, Septiana Shafa Sya’airillah Shinta Fadhilahsari Sigit Sudjatmiko, Sigit Sili Sabon, Simon Sirateman, Selamat Sistiani, Catur Rahma Siti Rohmah Siti Rosyidatul Ulwiyah SJAFIATUL MARDLIYAH Soeleman, Arief SRI HENDRASTUTI HIDAYAT Suhadi Suharjo, Usman Kris Joko Sukarjo, Entang Inoriah Sulton Ibrahim Sumaryoto Supanjani Supatman Supriadi Supriadi, Iyus Suryo Wiyono Susanto, Hendi Suseno, Doni Suwarno, Panji Swardiantara Silalahi syafrizal Syafrizal Fuady Tauvana, Ade Tayane, Rosalin T Thoriq Nurchaidir Tunjung Pamekas, Tunjung Turmudi, Agung Untari Untari Utami, Kartika Warsito Wibowo Yunanto, Prasetyo Wibowo, Nanang Roni Widi Amaria Wijaya, Aji Wira Manggala, Dimas Wira, Dimas Wiwin Yulianingsih wiyanto, Agung Wuri Prameswari Yudhistira, Arga YULIATI Zahra, Atiqah Luthfi Anawati Zakariyah, M Fahmi Zikri, Ahmad Zoehry, Mochammad Zulkurnia, Ari zumaroh, siti