Article Per Year (5 Year)
p-Index From 2021 - 2026
11.441
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics Nuansa Informatika Jurnal Informatika dan Teknik Elektro Terapan Sistemasi: Jurnal Sistem Informasi JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Ilmiah Universitas Batanghari Jambi JURNAL MEDIA INFORMATIKA BUDIDARMA CogITo Smart Journal Jurnal Informatika Universitas Pamulang JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Jurnal Sisfokom (Sistem Informasi dan Komputer) ILKOM Jurnal Ilmiah JurTI (JURNAL TEKNOLOGI INFORMASI) Jurnal Teknologi Terpadu EDUMATIC: Jurnal Pendidikan Informatika Building of Informatics, Technology and Science Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Technologia: Jurnal Ilmiah Aisyah Journal of Informatics and Electrical Engineering Indonesian Journal of Business Intelligence (IJUBI) bit-Tech Aviation Electronics, Information Technology, Telecommunications, Electricals, Controls (AVITEC) Respati Jurnal Abdi Insani JTIULM (Jurnal Teknologi Informasi Universitas Lambung Mangkurat) Journal of Computer System and Informatics (JoSYC) Jurnal Graha Pengabdian Infotek : Jurnal Informatika dan Teknologi jurnal syntax admiration TEPIAN Jurnal Teknologi Informatika dan Komputer Jurnal Teknik Informatika (JUTIF) Jurnal Teknimedia: Teknologi Informasi dan Multimedia JNANALOKA SENADA : Semangat Nasional Dalam MengabdI Journal of Electrical Engineering and Computer (JEECOM) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Informatika dan Teknologi Komputer ( J-ICOM) Jurnal Sisfotek Global Jurnal Informatika Teknologi dan Sains (Jinteks) Malcom: Indonesian Journal of Machine Learning and Computer Science Cerdika: Jurnal Ilmiah Indonesia SENADA : Semangat Nasional Dalam Mengabdi Intechno Journal : Information Technology Journal The Indonesian Journal of Computer Science SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan Jurnal Teknik AMATA Jurnal TAM (Technology Acceptance Model)
Kusnawi Kusnawi
Universitas Amikom Yogyakarta
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities 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 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 Mathematics Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences Transportation Other

Published : 93 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 93 Documents
Search

 2   3   4   5   6 
Penerapan Kombinasi Algoritma SVM-KNN dalam seleksi User SAKTI berdasarkan Hasil Kinerja Pegawai pada Kementerian XYZ Syaiful Ramadhan; Kusrini Kusrini; Kusnawi Kusnawi
Jurnal Teknologi Informatika dan Komputer Vol 9, No 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1716

Abstract

Kementerian XYZ merupakan Kementerian dengan jumlah pegawai lebih dari 5.000 pegawai. Pada saat dibentuk tidak dilakukan pemetaan pegawai, hal ini mengakibatkan surplus jumlah pegawai, tidak terkecuali pada Biro Barang Milik Negara (BMN). Bagi sebuah organisasi, SDM yang berlimpah merupakan hal yang baik, namun perlu dilakukan penyeleksian pegawai agar dapat meningkatkan produktivitas sehingga keberhasilan organisasi dapat tercapai. Disamping itu, perbaikan sistem Administrasi Keuangan pemerintahan merupakan suatu keharusan yang diimbangi dengan pengembangan aplikasi terintegrasi Kementerian Keuangan yaitu Sistem Aplikasi Keuangan Tingkat Instansi (SAKTI). Dalam melakukan pengelolaan aset pada Biro BMN, setiap pegawai memiliki role user level kewenangan SAKTI dengan lingkup yang berbeda-beda. Penelitian ini bertujuan melakukan seleksi klasifikasi user berdasarkan hasil penilaian kinerja dengan penerapan metode Kombinasi algoritma SVM dan KNN menggunakan bahasa pemrograman Python. Berdasarkan pengujian dengan sampel data sebesar ±313 data pegawai dan 18 variabel pegawai dengan atribut target berupa kelayakan yaitu dipertahankan maupun dipertimbangkan, diperoleh hasil akurasi sebesar 94% pada Kernel SVM RBF; nilai K=5; metrik Euclidean;  Dapat disimpulkan seleksi user aplikasi SAKTI menggunakan kombinasi algoritma SVM dan KNN dapat memberikan prediksi guna meningkatkan efektivitas dan efisiensi organisasi dalam penempatan pegawai yang sesuai dengan kompetensi pada Biro BMN Kementerian XYZ. Penelitian selanjutnya diharapkan dapat membandingkan kombinasi algoritma SVM dan KNN dengan metrik serta parameter yang lebih banyak.
Implementasi Aplikasi Matrash dalam Pengelolaan Sampah di Pesisir Desa Jenu Tuban Suyatmi Suyatmi; Kusnawi Kusnawi; Rifda Faticha Alfa Aziza
SENADA : Semangat Nasional Dalam Mengabdi Vol. 1 No. 3 (2021): SENADA: Semangat Nasional Dalam Mengabdi
Publisher : Politeknik Bina Madani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56881/senada.v1i3.58

Abstract

Pertumbuhan penduduk di Indonesia yang meningkat disertai dengan produksi sampah rumah tangga yang semakin meningkat. Pengelolaan sampah yang kurang tepat dapat berdampak buruk bagi lingkungan sekitar. Indonesia masuk kedalam penghasil sampah terbesar ke laut. Hal ini memberi dampak negatif bagi kesehatan lingkungan. Permasalahan kelola sampah di Indonesia dapat dilihat dari beberapa indikator seperti tingkat pelayanan pengelolaan sampah masih rendah, jumlah sampah yang dihasilkan tinggi, dan tempat pembuangan akhir yang terbatas. Pada tahun 2008, pemerintah mengeluarkan peraturan undang-undang mengenai pengelolaan sampah dengan harapan masyarakat Indonesia dapat mengelola sampah dengan lebih baik. Memasuki era digital, pengelolaan sampah dapat dibantu dengan proses yang sederhana melalui teknologi digital. Untuk membantu terciptanya pengelolaan sampah yang baik, maka dibuat aplikasi Matrash. Aplikasi Matrash dapat digunakan di smartphone. Aplikasi tersebut dibuat dengan tujuan untuk membantu mengedukasi tentang pengelolaan sampah dan membantu pengelolaan sampah dengan fitur pengambilan sampah. Hasil dari kegiatan ini adalah implementasi aplikasi Matrash dalam proses pengelolaan sampah di pesisir Desa Jenu Kabupaten Tuban.
Prediksi Tingkat Kelulusan Mahasiswa menggunakan Algoritma Naïve Bayes, Decision Tree, ANN, KNN, dan SVM Zaenul Amri; Kusrini Kusrini; Kusnawi Kusnawi
Jurnal Pendidikan Informatika (EDUMATIC) Vol 7 No 2 (2023): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v7i2.18620

Abstract

The student graduation rate in all universities can be measured by looking at their study duration, both on time and delayed. Thus, by observing the study duration, it can affect the quality of study programs in universities. The purpose of this research is to apply and compare the Naïve Bayes, Decision Tree, Artificial Neural Network, K-Nearest Neighbor (K-NN), and Support Vector Machine (SVM) algorithms in predicting the graduation rate of students. The dataset in this research consisted of 807 student data from the Faculty of Engineering, Universitas Hamzanwadi. The data analysis technique used was descriptive statistics by applying the knowledge discovery in a database (KDD) method. The testing of the five algorithms was done by optimizing the data using the SMOTEENN technique, with a data split of 80% for training and 20% for testing, using a random state of 42. Our findings show that the Naïve Bayes algorithm had an accuracy of 92.37%, Decision Tree 91.60%, K-NN 96.95%, SVM 93.13%, and ANN 90.84%. Among the five algorithms tested, the K-NN algorithm had the highest accuracy rate of 96.95%. The predicted results tended to indicate delayed graduation influenced by GPA. Therefore, the institution needs to pay more attention to students predicted to be delayed to improve their GPA each semester, thus promoting timely graduation within the expected time frame.
Price Prediction Of Basic Material Using ARIMA Forecasting Method Through Open Data Sumedang District Kusnawi Kusnawi; M Andika Fadhil Eka Putra; Joang Ipmawati
Sistemasi: Jurnal Sistem Informasi Vol 12, No 2 (2023): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v12i2.2282

Abstract

In the era of Industry 4.0, characterized by the abundance of data, there are many opportunities to carry out various data-related processes. One of these is the data forecasting process which has been widely used. By analyzing data, we can make predictions and make decisions automatically. For example, one of the problems that decision-makers, especially in Kabupaten Sumedang, must solve is the changes in the prices of basic commodities that are essential for society's consumption. The prices of these commodities in the market tend to fluctuate in the short or long term. By analyzing the available data, we can predict the direction of changes in the prices of basic commodities in the market. In this study, the ARIMA model is used, which is one of the time series models that can be used to predict the possibility of an increase or decrease in the prices of basic commodities in the market in Kabupaten Sumedang. The ARIMA model uses the previous day's price data as a benchmark to predict the prices of basic commodities in the future. After being analyzed, the results of the model will be in several ARIMA model forms. An efficient ARIMA model will be used to model the prices of basic food commodities. This research produced the three best ARIMA models, namely ARIMA(1-1-1) for broiler chicken meat, ARIMA(0-1-1) for shallots, and ARIMA(0-1-1) for garlic. The accuracy test results percentage error for the best model using MAPE show an average value below 10%. Keywords: Food staples, Forecasting, Time Series, ARIMA, MAPE
OPTIMASI PENENTUAN SENTROID AWAL PADA K-MEANS UNTUK MENINGKATKAN HASIL EVALUASI DAVIES-BOULDIN INDEX Hendrik Hendrik; Kusrini Kusrini; Kusnawi Kusnawi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 6 No 1 (2024): EDISI 19
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v6i1.3873

Abstract

Perkembangan data yang semakin heterogen dan kompleks dengan volume yang terus meningkat menimbulkan kesulitan dalam pengolahan big data secara manual. Dalam konteks data mining, metode clustering menggunakan algoritma K-Means sering digunakan untuk mengelompokkan data berdasarkan kedekatan atau kemiripan. Namun, algoritma K-Means memiliki tantangan, terutama dalam menentukan jumlah cluster dan pemilihan sentroid awal yang dapat mempengaruhi hasil klasterisasi. Artikel ini membahas masalah tersebut dan mengusulkan dua metode optimasi, yaitu Elbow dan Particle Swarm Optimization (PSO), untuk meningkatkan hasil evaluasi algoritma K-Means. Dari hasil evaluasi, disimpulkan bahwa metode elbow lebih unggul dari segi waktu iterasi dibandingkan dengan metode PSO, meskipun keduanya menghasilkan nilai DBI yang sama. Waktu iterasi metode elbow hanya membutuhkan 0.297 detik, sedangkan metode PSO membutuhkan waktu iterasi selama 779 detik. Kesimpulannya, metode elbow lebih efisien dalam hal waktu iterasi. Saran untuk penelitian selanjutnya adalah menggunakan dataset yang berbeda dan mempertimbangkan metode optimasi lainnya untuk perbandingan evaluasi yang lebih komprehensif.
ANALISIS SENTIMEN REVIEW PENGGUNA APLIKASI FIZZO NOVEL DI GOOGLE PLAY MENGGUNAKAN ALGORITMA NAIVE BAYES Teguh Arlovin; Kusrini; Kusnawi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 6 No 1 (2024): EDISI 19
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v6i1.3909

Abstract

Perkembangan teknologi berdampak signifikan terhadap evolusi dunia digital, sesuai dengan kebutuhan praktis dan manfaat yang dirasakan masyarakat dari penggunaan teknologi sehari-hari. Dalam lingkup dunia digital, munculnya platform bacaan digital seperti Wattpad, Novelah, GoNovel, NovelFul, Inkitt, dan Fizzo Novel menandai salah satu perkembangan tersebut. Pentingnya analisis sentimen terhadap ulasan di platform ini menjadi krusial, mengingat analisis sentimen membantu mengidentifikasi kecenderungan opini dalam teks digital sebagai positif, negatif, atau netral. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pada aplikasi Fizzo Novel menggunakan algoritma Naive Bayes dan mengevaluasi tingkat akurasinya. Fizzo Novel, sebagai aplikasi bacaan digital populer di tahun 2022, dipilih berkat jumlah ulasan pembaca yang variatif dan melimpah, menjadikannya kandidat ideal untuk analisis sentimen. Metodologi penelitian meliputi pengumpulan data, pra-pemrosesan data, dan pengembangan sistem dengan metode Naive Bayes, dengan data berupa ulasan pada platform Fizzo Novel selama Januari hingga Desember 2022. Hasil penelitian menunjukkan tingkat akurasi sebesar 83%, presisi 85%, recall 82%, dan spesifisitas 85%, menandakan kemampuan model dalam memprediksi sentimen secara akurat. F1 Score yang dihasilkan sebesar 83% menegaskan efektivitas model dalam mengklasifikasikan ulasan, menggarisbawahi pentingnya aplikasi analisis sentimen dalam meningkatkan pengalaman pengguna pada platform
PERBANDINGAN SEGMENTASI CITRA SENI TARI PENDET DAN SENI BELA DIRI PENCAK SILAT: PENDEKATAN DENGAN MULTIRES UNET San Sudirman; Arief Setyanto; Kusnawi Kusnawi
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4331

Abstract

This research compares image segmentation of the Pendet dance art and the Pencak Silat martial art using the MultiRes U-Net approach. Research methods include data collection, data pre-processing, data sharing, evaluation, and results. Evaluation results using the Dice coefficient, Jaccard index, and Mean Squared Error (MSE) metrics show the best scores for each dataset. The results of this research can increase understanding of these two arts and cultures through deeper visual analysis. The results of the image segmentation evaluation between Pendet dance and Pencak Silat martial arts using the MultiRes UNET approach show the best scores for Dice Coefficient (DC), Jaccard index, and Mean Squared Error (MSE). The best scores for the Pendet dance dataset are 98.47, 99.23, and 8.20E-04, while for the Pencak Silat dataset they are 88.29, 85.98, and 4.52E-04. Evaluation shows a good level of similarity between the segmented image and the original image.
Penerapan Metode Moving Average untuk Memprediksi Stok Parfum Rizal Khadarusman; Kusrini; Kusnawi
bit-Tech Vol. 7 No. 1 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i1.1563

Abstract

Kekurangan stok parfum karena mengalami kesulitan dalam memprediksi kebutuhan stok untuk bulan berikutnya adalah hal yang tidak boleh terjadi. Proses pengadaan stok yang memerlukan waktu menambah tantangan ini, mengakibatkan dampak negatif pada omzet penjualan toko. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menerapkan metode data mining, khususnya teknik peramalan, untuk memprediksi kebutuhan stok parfum. Moving average dipilih karena kesederhanaan dan efektivitasnya dalam menangani data yang bersifat time-series. Metode ini menghitung rata-rata penjualan dalam periode waktu tertentu untuk memberikan estimasi kebutuhan stok di masa depan. Dengan pendekatan ini, kami dapat mengurangi dampak variabilitas data harian yang mungkin disebabkan oleh faktor musiman atau peristiwa tertentu, dan fokus pada tren yang lebih stabil. Dataset yang dianalisis mencakup data penjualan toko parfum dari Maret 2022 hingga September 2022, dan tiga parameter berbeda diuji dalam penelitian ini: periode 2 bulan, 3 bulan, dan 4 bulan. Hasil penelitian menunjukkan bahwa parameter 2 bulan memberikan prediksi paling akurat, dengan nilai error Mean Absolute Percentage Error (MAPE) sebesar 13,3%, menunjukkan tingkat akurasi yang baik. Kesimpulan dari penelitian ini adalah bahwa metode moving average dengan parameter 2 bulan efektif untuk memprediksi kebutuhan stok parfum, yang dapat membantu toko dalam mengelola persediaan dengan lebih efisien dan mengurangi risiko kekurangan stok. Temuan ini menunjukkan perlunya perencanaan persediaan yang lebih baik dan penggunaan metode prediksi yang tepat dalam industri parfum. Penelitian lebih lanjut mungkin diperlukan untuk mengoptimalkan pendekatan ini atau mengeksplorasi metode alternatif.
Penerapan Kombinasi Algoritma SVM-KNN dalam seleksi User SAKTI berdasarkan Hasil Kinerja Pegawai pada Kementerian XYZ Syaiful Ramadhan; Kusrini Kusrini; Kusnawi Kusnawi
Jurnal Teknologi Informatika dan Komputer Vol. 9 No. 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1716

Abstract

Kementerian XYZ merupakan Kementerian dengan jumlah pegawai lebih dari 5.000 pegawai. Pada saat dibentuk tidak dilakukan pemetaan pegawai, hal ini mengakibatkan surplus jumlah pegawai, tidak terkecuali pada Biro Barang Milik Negara (BMN). Bagi sebuah organisasi, SDM yang berlimpah merupakan hal yang baik, namun perlu dilakukan penyeleksian pegawai agar dapat meningkatkan produktivitas sehingga keberhasilan organisasi dapat tercapai. Disamping itu, perbaikan sistem Administrasi Keuangan pemerintahan merupakan suatu keharusan yang diimbangi dengan pengembangan aplikasi terintegrasi Kementerian Keuangan yaitu Sistem Aplikasi Keuangan Tingkat Instansi (SAKTI). Dalam melakukan pengelolaan aset pada Biro BMN, setiap pegawai memiliki role user level kewenangan SAKTI dengan lingkup yang berbeda-beda. Penelitian ini bertujuan melakukan seleksi klasifikasi user berdasarkan hasil penilaian kinerja dengan penerapan metode Kombinasi algoritma SVM dan KNN menggunakan bahasa pemrograman Python. Berdasarkan pengujian dengan sampel data sebesar ±313 data pegawai dan 18 variabel pegawai dengan atribut target berupa kelayakan yaitu dipertahankan maupun dipertimbangkan, diperoleh hasil akurasi sebesar 94% pada Kernel SVM RBF; nilai K=5; metrik Euclidean;  Dapat disimpulkan seleksi user aplikasi SAKTI menggunakan kombinasi algoritma SVM dan KNN dapat memberikan prediksi guna meningkatkan efektivitas dan efisiensi organisasi dalam penempatan pegawai yang sesuai dengan kompetensi pada Biro BMN Kementerian XYZ. Penelitian selanjutnya diharapkan dapat membandingkan kombinasi algoritma SVM dan KNN dengan metrik serta parameter yang lebih banyak.
Analisis Perbandingan Kinerja Algoritma Klasifikasi Pada Mahasiswa Berpotensi Dropout Tamuntuan, Virginia; Kusrini, Kusrini; Kusnawi, Kusnawi
Building of Informatics, Technology and Science (BITS) Vol 6 No 2 (2024): September 2024
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v6i2.5658

Abstract

This research aims to compare the performance levels of two data mining classification algorithms, namely Support Vector Machine and Neural Network Backpropagation, using the K-fold cross-validation method. The data used consists of graduates from 2019 to 2023 at STMIK Multicom Bolaang Mongondow. A total of 80% of the 200 data points were used as training data, while the remaining 20% were used as testing data. K-fold cross-validation was conducted with K set to 5. The results of the study indicate that the Support Vector Machine algorithm achieved an accuracy of 80%, recall of 80%, and precision of 35%, while the Neural Network Backpropagation algorithm achieved an accuracy of 77%, recall of 63%, and precision of 44%.
Co-Authors Abdulloh, Ferian Fauzi Afrig Aminuddin Agung Susanto Agung Susanto Ahmad Fauzi Ahmad Yusuf Ainnur Rafli Ainul Yaqin Ali Mustopa, Ali Alva Hendi Muhammad Andi Sunyoto Anggit Dwi Hartanto, Anggit Dwi Antara, Pebri Ardiansyah, Fachri Arief Setyanto Arifuddin, Danang Arnila Sandi Aryawijaya Asadulloh, Bima Pramudya Assani, Moh. Yushi Atin Hasanah Atin Hasanah Atmoko, Alfriadi Dwi Aulya, Fiola Utri BAYU SATRIYA, RIYAN Bhahari, Rifqi Hilal Candra Rusmana Cynthia Widodo Dede - Sandi Dede Husen Dede Sandi Dewi Kartika Dimaz Arno Prasetio Elsa Virantika Ema Utami Erna Utami Fajar Abdillah, Moh Fajar Aji Prayoga Haris, Ruby Hartatik Haryo, Wasis Hasirun Hasirun Hendrik Hendrik Henri Kurniawan Hidayatunnisa'i Huda, Luthfi Nurul Indra Irawanto Irawanto, Indra Joang Ipmawati Kanoena, Melcior Paitin Karisma Septa Kresna Khairullah, Irfan Khalil Khoerul Anam, Khoerul Khoirunnita, Aulia Khrisna Irham Fadhil Pratama Kusirini Kusrini KUSRINI Kusrini Kusrini Kusrini - - Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini, Kusrini M Andika Fadhil Eka Putra M. Nurul Wathani Maehendrayuga, Arief Majid Rahardi Maringka, Raissa Mashuri, Ahmad Sanusi Mochamad Agung Wibowo Muh. Syarif Hidayatullah Muhammad Firdaus Abdi Muhammad Firdaus Abdi Muhammad Husein Budiraharjo Muhammad Irvan Shandika Muhammad Reza Riansyah Nayoma, Fisan Syafa Neni Firda Wardani Tan Ngaeni, Nurus Sarifatul Nurul Zalza Bilal Jannah Omar Muhammad Altoumi Alsyaibani Pandiangan, Van Daarten Pattimura, Yudha Bagas Pebri Antara Pitaloka, Nadhira Triadha Pramono, Aldi Yogie Prastyo, Rahmat Prema Adhitya Dharma Kusumah Puji Prabowo, Dwi Qurniaty, Charlen Alta Raffa Nur Listiawan Dhito Eka Santoso Rahayu, Christa Putri RAMADHAN, SYAIFUL Ridwan Sanjaya Rifda Faticha Alfa Aziza Rita Wati Ritham Tuntun Rizal Khadarusman Rodney Maringka Rohim, Ni’matur saifulloh Saifulloh, saifulloh Salman Alfaris Salman Alfaris, Salman San Sudirman Sekarsih, Fitria Nuraini Sentoso, Thedjo Sepriadi - Bumbungan Sepriadi Bumbungan Sri Yanto Qodarbaskoro Sry Faslia Hamka Sudirman, San Suyatmi Suyatmi Suyatmi Suyatmi Syaiful Huda Syaiful Ramadhan Tamuntuan, Virginia Taryoko, Taryoko Teguh Arlovin triadin, Yusrinnatul Jinana Wahyu Pujiharto, Eka Wangsa, Sabda Sastra Widodo, Cynthia Widyanto, Agung Wirawan, Tegar Yusa, Aldo Yuza, Adela Zaenul Amri