Article Per Year (5 Year)
p-Index From 2021 - 2026
8.53
P-Index
This Author published in this journals
All Journal Jurnal Media Infotama JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Informatika dan Teknik Elektro Terapan Register: Jurnal Ilmiah Teknologi Sistem Informasi JOIV : International Journal on Informatics Visualization AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat Indonesian Journal of Artificial Intelligence and Data Mining JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat To Maega: Jurnal Pengabdian Masyarakat Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi bit-Tech Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA ) JATI (Jurnal Mahasiswa Teknik Informatika) CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Jurnal Abdi Insani TIN: TERAPAN INFORMATIKA NUSANTARA Journal of Advanced in Information and Industrial Technology (JAIIT) Nusantara Science and Technology Proceedings Kalam Cendekia: Jurnal Ilmiah Kependidikan Journal of Information System and Technology (JOINT) TIERS Information Technology Journal International Journal of Data Science, Engineering, and Analytics (IJDASEA) Decode: Jurnal Pendidikan Teknologi Informasi Jurnal Iqtisaduna COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat Jurnal Informatika Dan Tekonologi Komputer (JITEK) Jurnal Hasi Penelitian Dan Pengkajian Ilmiah Eksakta - JPPIE Jurnal Informatika Teknologi dan Sains (Jinteks) Concept: Journal of Social Humanities and Education JIKTI : Jurnal Ilmiah Komputer Terapan dan Informasi Mujtama': Jurnal Pengabdian Masyarakat Journal of Artificial Intelligence and Digital Business TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi ILTEK : Jurnal Teknologi Jurnal Elektronika dan Teknik Informatika Terapan Modem : Jurnal Informatika dan Sains Teknologi Joong-Ki Jurnal Informatika Dan Tekonologi Komputer
Muhammad Muharrom Al Haromainy
Universitas Pembangunan Nasional Veteran Jawa Timur
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering 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 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 Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 69 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 69 Documents
Search

 1   2   3   4   5 
Prediksi Gangguan Kesehatan Mental pada Kalangan Mahasiswa Menggunakan Metode Pseudo-Labeling dan Algoritma Regresi Logistik Sari, Anggraini Puspita; Prasetya, Dwi Arman; Aditiawan, Firza Prima; Al Haromainy, Muhammad Muharrom
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 4 No 2(SEMNASTIK) (2024): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akunt
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/tamika.Vol4No2(SEMNASTIK).pp40-48

Abstract

Mental illness is a health condition that alters a person's thoughts, feelings, or behaviors, leading to distress and difficulty in maintaining a normal life. Mental health issues should not be taken lightly due to the challenges associated with diagnosis. Many students tend to experience mental health problems at various stages of their education, from diploma programs to doctoral studies. This situation becomes more critical as students approach the end of their studies and anticipate future prospects. This article explores the mental health status of students through symptoms, using logistic regression methods for prediction based on the dataset used. In this study, two types of data are employed: labeled dataset and unlabeled dataset, which are combined to create a semi-supervised learning approach. Labeled dataset is classified using a logistic regression algorithm, while unlabeled dataset employs the pseudo-labeling method. The analysis and modeling of the dataset indicate that the comparison between labeled and unlabeled dataset can significantly affect accuracy and processing time. Furthermore, the use of the pseudo-labeling method with the logistic regression algorithm is well-suited for the mental health case study, achieving an accuracy of 98% with a labeled to unlabeled dataset ratio of 1:2.
PENGARUH RFE TERHADAP LOGISTIC REGRESSION DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN HOTEL SHANGRI-LA SURABAYA Maulana Herza, Fakhri; Rahmat, Basuki; Muharrom Al Haromainy, Muhammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11272

Abstract

Analisis sentimen merupakan alat penting dalam industri pariwisata untuk memahami respon dan pengalaman tamu terhadap layanan hotel, di mana ulasan tamu sebelumnya berperan krusial dalam membentuk persepsi calon tamu terhadap kualitas fasilitas dan daya tarik hotel. Tantangan utama dalam analisis sentimen adalah memilih fitur yang paling relevan untuk meningkatkan kinerja model prediksi, karena tidak semua kata atau fitur dalam ulasan memiliki kontribusi signifikan dalam membedakan sentimen positif dan negatif. Dalam konteks ini, metode Recursive Feature Elimination (RFE) memiliki potensi untuk mengoptimalkan pemilihan fitur dengan mengeliminasi fitur yang kurang informatif, sehingga dapat meningkatkan akurasi model Logistic Regression dan Support Vector Machine (SVM). Penelitian ini fokus pada pengaruh penerapan RFE terhadap kinerja kedua model tersebut dalam analisis sentimen ulasan tamu di Hotel Shangri-La Surabaya, dengan data sebanyak 3719 ulasan. Hasil pengujian menunjukkan bahwa pada model Logistic Regression yang menggunakan RFE, terdapat peningkatan performa yang signifikan dalam presisi, sensitivitas, F1 Score, dan akurasi, dengan rata-rata peningkatan sebesar 9%. Pada model SVM, peningkatan performa bahkan lebih signifikan dengan rata-rata peningkatan sebesar 14%, yang menunjukkan bahwa penerapan RFE secara efektif meningkatkan kualitas prediksi kedua model dalam konteks analisis sentimen ulasan hotel.
Implementasi Metode Rapid Application Development Pada Aplikasi Sistem Informasi Monitoring Santri Berbasis Website Anggraini Puspita Sari; Haromainy, Muhammad Muharrom Al; Ryan Purnomo
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 1: MARET 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i1.348

Abstract

Penelitian ini bertujuan membuat sistem informasi monitoring santri berbasis website sebagai sentralisasi informasi data santri yang dapat dijadikan pusat informasi bagi wali santri. Penelitian ini menggunakan pendekatan terstruktur dalam pembuatan sistem dan mengadopsi pengembangan perangkat lunak dengan metode Rapid Application Development (RAD). Dalam penelitian ini diterapkan langkah-langkah RAD untuk membangun aplikasi Sistem Informasi Monitoring Santri yang efisien dan responsif. Tahap awal melibatkan pemahaman mendalam terhadap kebutuhan pengguna yang kemudian digunakan untuk merancang prototipe awal. Prototipe ini dievaluasi oleh pengguna akhir untuk mendapatkan umpan balik yang digunakan untuk memperbaiki dan mengembangkan aplikasi lebih lanjut. Selama pengembangan, kolaborasi antara pengembang dan pengguna sangat penting. Metode RAD memungkinkan fleksibilitas dalam perubahan kebutuhan dan prioritas, sehingga memungkinkan aplikasi untuk beradaptasi dengan cepat terhadap perubahan lingkungan. Proses pengembangan berlangsung dengan iterasi berulang yang memungkinkan perbaikan dan peningkatan berkelanjutan. Hasil dari penelitian ini adalah aplikasi Sistem Informasi Monitoring Santri yang siap digunakan dan responsif terhadap kebutuhan pengguna. Metode RAD memungkinkan pengembangan aplikasi dengan waktu yang lebih singkat dibandingkan dengan metode tradisional, sehingga memungkinkan penyedia layanan pendidikan untuk lebih efisien dalam memantau dan mengelola data santri. Penelitian ini menunjukkan bahwa metode RAD efektif dalam mengembangkan aplikasi Sistem Informasi Monitoring Santri berbasis website.
Comparison of Recurrent Neural Network and Naive Bayes Algorithms in Identifying Stunting in Toddlers Sujayanti, Forentina Kerti Pratiwi; Via, Yisti Vita; Haromainy, Muhammad Muharrom Al
Indonesian Journal of Artificial Intelligence and Data Mining Vol 8, No 1 (2025): March 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v8i1.33946

Abstract

Stunting in toddlers is a health issue that affects their quality of life. This study aims to predict stunting status using three classification methods: Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), and Gaussian Naive Bayes. The dataset from Kaggle was split into 70% for training and 30% for testing to ensure optimal model evaluation. The RNN model was built with three hidden layers of 64 units each, while the LSTM model had four hidden layers with the same number of units. Both models utilized hidden states to capture temporal patterns and employed the tanh activation function to detect complex data patterns. The ADAM optimizer with a learning rate of 0.001 was applied to accelerate convergence. In contrast, the Gaussian Naive Bayes model used a simple probabilistic approach without temporal patterns, making it suitable for simpler datasets. Evaluation using accuracy and RMSE showed that LSTM achieved the highest accuracy (91%), followed by RNN (90%), though both exhibited signs of overfitting. Gaussian Naive Bayes attained 72% accuracy with stable performance. While LSTM and RNN effectively capture complex temporal patterns, they are prone to overfitting, whereas Gaussian Naive Bayes is suitable for initial implementation or simpler datasets, supporting early intervention for stunted toddlers.
Perancangan Aplikasi Mobile Pembelajaran Bahasa Berbasis Podcast dan Penerapan Hybrid Recommender System Anugerah, Rico Putra; Nugroho, Budi; Al Haromainy, Muhammad Muharrom
CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Vol 11 No 1 (2025): CICES
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/cices.v11i1.3509

Abstract

This research develops a mobile application based on podcasts to enhance language skills, particularly in listening. Listening is considered a priority because vocabulary comprehension is necessary before mastering speaking, reading, and writing. Podcasts are chosen as the learning medium due to their ability to present audio on specific topics, aiding users in more effectively understanding the language. The application is also equipped with a recommendation system that utilizes the Hybrid Recommender System method, tailoring content based on user behavior and content similarity. The research results show that this application can optimize language learning, with a particular focus on language learning through podcasts, and helps users improve their language skills with a precision value of 85,6%, recall 85,9%, F1-Measure 88% and 80,2 for SUS testing.
Rancang Bangun Sistem Evaluasi Kepuasan Akademis dan Analisis Topik pada Komentar Menggunakan Latent Dirichlet Allocation Volem Alvaro Azira Azira; Afina Lina Nurlaili; Muhammad Muharrom Al Haromainy
COMSERVA : Jurnal Penelitian dan Pengabdian Masyarakat Vol. 4 No. 12 (2025): COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/comserva.v4i12.3113

Abstract

Sistem evaluasi akademik sering bergantung pada alat pihak ketiga seperti Google Forms, yang kurang mampu menganalisis data teks secara mendalam. Gugus Kendali Mutu Fakultas (GKMF) Fakultas Ilmu Komputer UPN Veteran Jawa Timur membutuhkan sistem khusus untuk menganalisis umpan balik mahasiswa secara efisien. Penelitian ini bertujuan untuk (1) merancang sistem evaluasi kepuasan akademik berbasis web menggunakan MERN Stack, (2) menerapkan Latent Dirichlet Allocation (LDA) untuk analisis topik komentar mahasiswa, dan (3) mengintegrasikan Firebase Cloud Messaging (FCM) guna meningkatkan partisipasi melalui notifikasi otomatis. Sistem dikembangkan dengan MERN Stack, LDA untuk pemodelan topik (JavaScript/Node.js), dan FCM untuk notifikasi. Pengujian menggunakan blackbox testing dan USE Questionnaire. Sistem memperoleh skor kepuasan pengguna tinggi (kegunaan: 85,33%, kemudahan penggunaan: 86,67%). LDA menghasilkan 10 topik, dengan koherensi tertinggi (0,495) pada topik "peningkatan kualitas pengajaran." Penelitian ini menyediakan solusi terukur untuk analisis umpan balik akademik dan merekomendasikan pengembangan seperti analisis sentimen dan analitik real-time.
Implementasi Website Monitoring Pembayaran Siswa dengan Metode Prototyping dan Regresi Logistik Biner Siregar, Talitha Aurora Nadenggan; Nurlaili, Afina Lina; M. Muharrom Al Haromainy
Journal of Information System and Technology (JOINT) Vol. 6 No. 1 (2025): Journal of Information System and Technology (JOINT)
Publisher : Program Sarjana Sistem Informasi, Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/joint.v6i1.10358

Abstract

Pengelolaan pembayaran siswa yang tidak terstruktur seringkali menimbulkan masalah seperti kehilangan data dan kesulitan pemantauan. Penelitian ini bertujuan untuk mengembangkan aplikasi monitoring pembayaran siswa berbasis web di SMK Batik Sakti 2 Kebumen dan mengimplementasikan fitur prediksi keterlambatan pembayaran. Aplikasi ini dirancang menggunakan metode Prototyping dan dibangun dengan framework Laravel serta database MySQL. Fitur prediksi keterlambatan dikembangkan menggunakan algoritma Regresi Logistik Biner, yang dilatih dengan delapan variabel independen. Hasil pengujian menunjukkan bahwa model prediksi mencapai akurasi 93.75% pada data pelatihan dan 90% pada data validasi, serta aplikasi ini efektif membantu pengelolaan data pembayaran siswa.
OPTIMASI ALGORITMA K-NEAREST NEIGHBOR DENGAN ALGORITMA GENETIKA PADA DETEKSI PENYAKIT DIABETES MELLITUS Darmawan, Marcellinus Aditya Vitro; Haromainy, M. Muharrom Al; Junaidi, Achmad
JATISI Vol 12 No 2 (2025): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v12i2.11353

Abstract

This study discusses the optimization of the K-Nearest Neighbor (KNN) algorithm using Genetic Algorithm (GA) in detecting diabetes mellitus. The research includes stages of collecting datasets on diabetes mellitus symptoms, data preprocessing through normalization and dataset alignment, model implementation, and testing with various scenarios to achieve the highest accuracy. The data used consists of the Pima Indians Diabetes Database as dataset 1 and the Early Stage Diabetes Risk Prediction Dataset as dataset 2. The evaluation is conducted by comparing the accuracy results between KNN without optimization and KNN optimized using Genetic Algorithm. The study's results indicate that optimization is performed by finding the optimal combination of the k-value and the features used in classification. The Genetic Algorithm produces individuals with the best fitness based on the combination of k-values and features that yield the highest accuracy. Testing was conducted on two datasets with two different fold values. The best accuracy was obtained in the 10-fold test, where the accuracy for dataset 1 increased from 74.2% to 79.1% after optimization. Meanwhile, for dataset 2, the accuracy improved from 97.5% to 98.2% after optimization. There was an increase in accuracy for dataset 1, whereas for dataset 2, the improvement was not significant. The conclusion of this study is that optimizing the KNN algorithm using Genetic Algorithm has proven to enhance the accuracy of diabetes mellitus detection, especially in numerical datasets with more complex features.
IMPLEMENTASI METODE EXTREME PROGRAMMING PADA PEMBUATAN SISTEM INFORMASI PKL DAN PENGUJIAN WHITE BOX SERTA COMPUTER SYSTEM USABILITY QUESTIONNAIRE (CSUQ) Al Fatih, Abdullah; Muharrom Al Haromainy, Muhammad; Lina Nurlaili, Afina
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13514

Abstract

Perkembangan teknologi informasi telah mendorong peningkatan efisiensi di berbagai sektor, termasuk dalam pengelolaan Praktik Kerja Lapangan (PKL) di perguruan tinggi. Namun, pengelolaan data PKL yang melibatkan banyak pihak seperti mahasiswa, dosen, dan admin masih menghadapi kendala dalam hal efisiensi dan integrasi sistem. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi PKL yang dapat mengotomatisasi dan menyederhanakan proses administratif PKL. Metode yang digunakan dalam penelitian ini adalah Extreme Programming (XP) untuk pengembangan perangkat lunak dan White Box Testing untuk pengujian sistem. Selain itu, evaluasi kegunaan sistem dilakukan menggunakan Computer System Usability Questionnaire (CSUQ). Hasil penelitian menunjukkan bahwa sistem informasi PKL yang dikembangkan dapat mengatasi permasalahan operasional dan meningkatkan produktivitas kegiatan PKL dengan baik. Berdasarkan hasil survei CSUQ, skor rata-rata kepuasan pengguna adalah 6,19, yang menunjukkan tingkat kepuasan yang tinggi. Namun, terdapat area yang perlu perbaikan, terutama dalam aspek antarmuka pengguna. Sistem ini diharapkan dapat memberikan kontribusi dalam operasional kegiatan PKL di lingkungan prodi informatika Universitas Pembangunan Nasional Veteran Jawa Timur.
Application of IoT-based Intelligent Control Devices Empowered with Fuzzy Inference System in the Garment Industry Rizki, Agung Mustika; Ashari, Faisal; Yuliastuti, Gusti Eka; Haromainy, Muhammad Muharrom Al; Aditiawan, Firza Prima; Amnur, Hidra
JOIV : International Journal on Informatics Visualization Vol 9, No 5 (2025)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.9.5.3344

Abstract

The garment industry in Indonesia has experienced significant development in recent years. A critical aspect of this development is the increasing role of Micro, Small, and Medium Enterprises (MSMEs). Swari Garment Industries (SGI) is an example of an MSME that focuses on the garment sector. In practice, various problems and negligence can affect the course of the production process. One potential issue is using the machine inappropriately or excessively, which can lead to a short electrical circuit. Short electrical circuits are one of the problems that must be faced because they can cause various severe impacts, including equipment damage and even fire. Based on this risk analysis, a possible solution to be applied to SGI, one of the MSMEs in the garment sector, is the implementation of an intelligent control device. The implementation of intelligent control tools based on the Internet of Things (IoT) can enhance the efficiency of the production process and mitigate significant risks to workers and the environment. The Fuzzy Inference System, in which the equity, temperature, and humidity are the input values of the Intelligent Control Device. A hardware device for temperature and humidity control, accessible through an Android phone application, was implemented in SGI. Experiments have verified that we can achieve excellent results. The average percentage of temperature measurement error was 0.2% and for humidity, 0.26%. The average percentage of measurement error from the comparison between the system and MATLAB is 0.49%.
Co-Authors Abadi, Luthfiyana Mahrurin Abdillah, Ikhwan Abdul Rezha Efrat Najaf Achmad Andrian Maulana Achmad Junaidi Achmad Rozy Priambodo Afina Lina Nurlaili Afina Lina Nurlaili Afina Lina Nurlaili Agung Mustika Rizki, Agung Mustika Agus Wibowo Agus Zainal Arifin Ahmad Saikhu Akbar, Fawwaz Ali Al Fatih, Abdullah Alghiffary, Rizqi Almanfakulti, Istian Kriya Alya Izzah Zalfa Rihadah Ramadhani Nirwana Putri Ananda Ayu Puspitaningrum Andreas Nugroho Sihananto Angga Lisdiyanto Anggraini Puspita Sari Anita Puspitasari Annisa Dwi Puspitarini Anugerah, Rico Putra Ardiyansyah, Moh. Angga Arrisalah, Muhammad Baihaqi ASHARI, FAISAL Avi Sunani Aviolla Terza Damaliana Azira, Volem Alvaro Azira Basuki Rahmat Masdi Siduppa Bima Arya Kurniawan Boyas, Jeziano Rizkita Budi Nugroho Budi Nugroho Chairil, Augustin Mustika Chastine Fatichah Christianty, Theressa Marry Darmawan, Marcellinus Aditya Vitro Dwi Arman Prasetya Dwi Arman Prasetya Dwi Arman Prasetya Dwi Sutrisno, Rahmat Edi Sugiyanto Eka Prakarsa Mandyartha Eva Yulia Puspaningrum Fania Imelda Safitri Faris Syaifulloh Farkhan Fauzan Akbari, Muhamad Fauzi, Zaky Ahmad Ferry Trilaksana Putra Fetty Tri Anggraeny Firza Prima Aditiawan Fitrani, Laqma Dica Fitriyah, Nur Nafisatul Gusti Eka Yuliastuti Hajjar, Debrina Octrisya Hardiansyah, In Naka Malik Hidra Amnur I Wayan Alston Argodi Kartini Kartini Kevin Iansyah Kurnia, Lusi Kusuma Wardani, Amalia Dwi Lailatul Musyaffaah Lina Nurlaili, Afina Lintang Putri Permatasari Lisdiyanto, Angga Lusian Nandang Arjamulia Maulana Herza, Fakhri Maulana, Hendra Maulana, Vieri Arief Mohammad Setyo Wardono Muhammad Albert Nur Agathon Muhammad Daffa Arifin Muhammad Izdihar Alwin Mulyo, Budi Mukhamad Muzdalifah, Nayani Alya Aquila Nia Dwi Puspitasari Nurlaili, Afina Lina Nurrahman, Sintya Fadillah Oktaviana, Dinda Friska Pakpahan, Fredrik Sahalatua Panjaitan, Tompo Paramitha, Clara Diva Permatasari, Reisa Pratama Wirya Atmaja Prinafsika Purnomo, Ryan Putra, Chrystia Aji Putra, Gredy Christian Hendrawan Raden Kokoh Haryo Putro Rafie Ishaq Maulana Rahmawan, Ganal Arief Retno Mumpuni Reza, Reno Alfa Rifqi, Mohammad Habim Hazidan Riza Satria Putra Rizka Fadhillah, Irnanda Ryan Purnomo Samodera, Bayu Sari, Rizky Buana Satrio, Deva Dwi Setyawan, Dimas Ari Shalehuddin Albawani, Raden Siregar, Talitha Aurora Nadenggan Sujayanti, Forentina Kerti Pratiwi Suprapti Suprapti Taufiqqurrahman, Husain Tri Septianto Trimono, Trimono Triyana, Dimas Volem Alvaro Azira Azira Wahyu Eko Pujianto Wahyu Fahrul Ridho Wahyu Gunawan, Rafif Ilafi Wahyu Syaifullah JS Waluya, Onny Kartika Waskito, Achmad Derajat Wibisono, Al Danny Rian Widowati, Elok Winarti ., Winarti Yisti Vita Via