Article Per Year (5 Year)
p-Index From 2021 - 2026
9.853
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi EDUMATIC: Jurnal Pendidikan Informatika Progresif: Jurnal Ilmiah Komputer Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika International Journal of Informatics and Computation Jurnal Informatika Ekonomi Bisnis JATI (Jurnal Mahasiswa Teknik Informatika) Journal Automation Computer Information System (JACIS) Brilliance: Research of Artificial Intelligence Journal of Social Research Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB Joong-Ki : Jurnal Pengabdian Masyarakat Jurnal Informasi Sains dan Teknologi (ISAINTEK) Jurnal Cakrawala Ilmiah SMART Management Journal STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Indonesian Research Journal on Education Journal Of Informatics And Busisnes VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Jurnal Komputer dan Teknologi (JUKOMTEK) SAINTEK Jurnal Media Akademik (JMA) Joong-Ki Jupiter: Publikasi Ilmu Keteknikan Industri, Teknik Elektro dan Informatika Bridge: Jurnal Publikasi Sistem Informasi dan Telekomunikasi Modem : Jurnal Informatika dan Sains Teknologi Repeater: Publikasi Teknik Informatika dan Jaringan SISFOTENIKA Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi CommLine Expert Net: Exploration Journal of Technological Education Trends Joong-Ki Jurnal Pengabdian Kepada Masyarakat Jurnal Rekayasa Teknologi Nusa Putra Jejak digital: Jurnal Ilmiah Multidisiplin Jurnal Cakrawala Akademika Jurnal Sistem Informasi dan Ilmu Komputer
Elkin Rilvani
Universitas Pelita Bangsa
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 Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Physics Public Health Social Sciences Other

Published : 88 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 88 Documents
Search

 3   4   5   6   7 
Performance Optimization on Multi-Core Processors and Windows 11 Kernel Management Putra, Aan Fadillah; Wisnu Ikhwansyah Saputra; Elkin Rilvani
Expert Net: Exploration Journal of Technological Education Trends Vol. 1 No. 2 (2024): Edisi Desember
Publisher : Yayasan Insan Mulia Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59923/expertnet.v1i2.301

Abstract

Multi-core processors have become the primary solution to improve processing performance by dividing tasks across multiple processing cores. This study analyzes the performance of two operating systems with the same hardware. Parameters such as boot time, CPU usage, memory efficiency, and application performance are tested through Pass Mark Performance Test and Geekbench. The method used in this study uses a quantitative approach with an experimental method. This approach was chosen to analyze and measure system performance objectively through controlled testing. The test results include boot time, processor workload distribution, memory efficiency, and application responsiveness. The results show that Windows 11 has a faster boot time, a more even distribution of processor workload, and increased memory efficiency. In addition, virtualization-based security (VBS) makes applications more responsive. Therefore, Windows 11 is the best option for high-performance multicore environments.
Prediksi Penyakit Diabetes Menggunakan Metode KNN dan Naive Bayes Shanti Cahyaningtyas; Siti Yasmin Nurcholifah; Elkin Rilvani
Jejak digital: Jurnal Ilmiah Multidisiplin Vol. 1 No. 5 (2025): SEPTEMBER
Publisher : INDO PUBLISHING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63822/gfg4fr83

Abstract

Diabetes melitus terjadi ketika masalah metabolisme muncul karena pankreas kurang menghasilkan insulin atau tubuh memakai insulin secara tidak efektif. Dalam penelitian ini, dipakai dua cara, yaitu Naïve Bayes dan KNN. Maksud dari pemakaian dua cara ini adalah mencari tahu cara mana yang paling akurat hasilnya. Selain itu, dua cara ini dipakai juga untuk menggali info dari kumpulan data diabetes melitus yang sudah dipakai. Cara Naïve Bayes adalah salah satu metode mengelompokkan data yang bisa memperkirakan seberapa mungkin suatu kelas terkait. Sementara itu, cara KNN adalah jenis belajar terbimbing yang dipakai untuk mengelompokkan objek baru berdasarkan lingkungan dengan objek yang sudah ada. Dalam penelitian ini, pengelompokan dilakukan dengan memasukkan data ke Jupyter Notebook dan merancang langkahnya, lalu, data akan diolah menggunakan cara KNN dan Naïve Bayes. Tingkat akurasi yang didapat akan berbeda, dengan cara Naïve Bayes memberikan hasil akurasi yang lebih tinggi dari cara KNN.
Penerapan E-Health: Meningkatkan Akses Informasi Kesehatan Melalui Teknologi Rilvani, Elkin; Romli, Ikhsan; Surojudin, Nurhadi; Asmoro, Fachrial Banyu
VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Vol. 3 No. 1 (2025): Juni 2025
Publisher : VINICHO MEDIA PUBLISINDO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61946/vidheas.v3i1.116

Abstract

Pelatihan bertajuk "Penerapan E-Health: Meningkatkan Akses Informasi Kesehatan melalui Teknologi" ini diselenggarakan sebagai bentuk pengabdian kepada masyarakat dalam upaya memperkuat literasi digital di bidang kesehatan. Tujuan utama dari kegiatan ini adalah untuk memberikan pemahaman dan keterampilan praktis kepada peserta mengenai penggunaan teknologi informasi dalam mengakses, menyimpan, dan berbagi informasi kesehatan secara efektif dan aman. Melalui pendekatan partisipatif dan metode pembelajaran interaktif, peserta dilatih untuk memanfaatkan platform e-health seperti aplikasi mobile kesehatan, sistem rekam medis elektronik, serta layanan konsultasi daring. Hasil dari pelatihan ini menunjukkan peningkatan pengetahuan peserta tentang e-health, kesadaran akan pentingnya keamanan data kesehatan, dan kemampuan dasar dalam menggunakan aplikasi kesehatan digital. Pelatihan ini diharapkan dapat menjadi langkah awal dalam memperluas adopsi teknologi e-health di masyarakat, sehingga akses terhadap layanan dan informasi kesehatan menjadi lebih inklusif, cepat, dan efisien.
Perbandingan K-Means dan K-Medoids dalam Segmentasi Pelanggan E-Commerce: System Literature Review Sela, Mosses Ara’al De; Pardede, Debora Hizkhia; Rilvani, Elkin
Indonesian Research Journal on Education Vol. 5 No. 4 (2025): Irje 2025
Publisher : Fakultas Keguruan dan Ilmu Pendidikan, Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/irje.v5i4.3236

Abstract

Segmentasi pelanggan merupakan salah satu strategi penting dalam e-commerce untuk memahami perilaku konsumen dan meningkatkan efektivitas pemasaran. Dua algoritma yang sering digunakan dalam segmentasi adalah K-Means dan K-Medoids. Penelitian ini bertujuan untuk melakukan tinjauan sistematis terhadap literatur yang membandingkan performa K-Means dan K-Medoids dalam konteks segmentasi pelanggan e-commerce. Metode systematic literature review (SLR) digunakan dengan mengacu pada protokol pencarian, seleksi, dan analisis dari berbagai sumber ilmiah terindeks selama 5 tahun terakhir. Hasil tinjauan menunjukkan bahwa K-Means unggul dalam efisiensi komputasi dan cocok untuk dataset besar, namun lebih sensitif terhadap Outlier. Sebaliknya, K-Medoids menunjukkan ketahanan lebih tinggi terhadap Outlier dan hasil klaster yang lebih stabil, meskipun dengan beban komputasi yang lebih besar. Pemilihan algoritma yang tepat bergantung pada karakteristik data dan tujuan segmentasi. Studi ini memberikan wawasan penting bagi peneliti dan praktisi dalam menentukan pendekatan segmentasi pelanggan yang paling sesuai dalam lingkungan e-commerce.
PREDIKSI CUACA MENGGUNAKAN METODE CLASSIFICATION ID3 DAN CART Arya Saepul Hakim; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i8.2669

Abstract

Penelitian ini membahas metode klasifikasi dalam data mining, khususnya fokus pada algoritma ID3 dan CART. Melalui studi literatur, penelitian ini membandingkan kelebihan dan kekurangan dari kedua algoritma tersebut dalam hal akurasi, kompleksitas, dan kemudahan penggunaan. Data simulasi menunjukkan bahwa ID3 unggul dalam kesederhanaan dan kecepatan komputasi, sedangkan CART lebih efektif dalam menangani fitur numerik dan membentuk pohon biner. Hasil penelitian ini menyarankan bahwa pemilihan antara ID3 dan CART sebaiknya disesuaikan dengan karakteristik data dan tujuan klasifikasi. Penelitian ini membahas metode klasifikasi dalam data mining dengan fokus pada dua algoritma decision tree yang populer, yaitu ID3 dan CART. Keduanya memiliki keunggulan tersendiri dalam hal akurasi, efisiensi, serta kemudahan implementasi. ID3 dikenal dengan pendekatannya yang menggunakan information gain untuk membentuk pohon keputusan multi-cabang, sedangkan CART menggunakan Gini index dan menghasilkan pohon biner yang lebih terstruktur. Dalam studi ini, dilakukan simulasi terhadap dataset sederhana untuk membandingkan performa kedua algoritma tersebut. Hasilnya menunjukkan bahwa CART memiliki tingkat akurasi yang lebih tinggi sebesar 90% dibandingkan ID3 sebesar 80%. Namun, ID3 unggul dalam kecepatan pelatihan dan kesederhanaan model. Analisis ini menunjukkan bahwa tidak ada satu metode yang selalu lebih baik, melainkan pemilihannya tergantung pada jenis data dan kebutuhan analisis. Studi ini diharapkan dapat menjadi referensi bagi peneliti dan praktisi dalam memilih algoritma klasifikasi yang sesuai untuk permasalahan tertentu di bidang data mining.
PREDIKSI CUACA MENGGUNAKAN METODE CLASSIFICATION ID3 DAN CART Arya Saepul Hakim; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i8.2679

Abstract

Penelitian ini membahas metode klasifikasi dalam data mining, khususnya fokus pada algoritma ID3 dan CART. Melalui studi literatur, penelitian ini membandingkan kelebihan dan kekurangan dari kedua algoritma tersebut dalam hal akurasi, kompleksitas, dan kemudahan penggunaan. Data simulasi menunjukkan bahwa ID3 unggul dalam kesederhanaan dan kecepatan komputasi, sedangkan CART lebih efektif dalam menangani fitur numerik dan membentuk pohon biner. Hasil penelitian ini menyarankan bahwa pemilihan antara ID3 dan CART sebaiknya disesuaikan dengan karakteristik data dan tujuan klasifikasi. Penelitian ini membahas metode klasifikasi dalam data mining dengan fokus pada dua algoritma decision tree yang populer, yaitu ID3 dan CART. Keduanya memiliki keunggulan tersendiri dalam hal akurasi, efisiensi, serta kemudahan implementasi. ID3 dikenal dengan pendekatannya yang menggunakan information gain untuk membentuk pohon keputusan multi-cabang, sedangkan CART menggunakan Gini index dan menghasilkan pohon biner yang lebih terstruktur. Dalam studi ini, dilakukan simulasi terhadap dataset sederhana untuk membandingkan performa kedua algoritma tersebut. Hasilnya menunjukkan bahwa CART memiliki tingkat akurasi yang lebih tinggi sebesar 90% dibandingkan ID3 sebesar 80%. Namun, ID3 unggul dalam kecepatan pelatihan dan kesederhanaan model. Analisis ini menunjukkan bahwa tidak ada satu metode yang selalu lebih baik, melainkan pemilihannya tergantung pada jenis data dan kebutuhan analisis. Studi ini diharapkan dapat menjadi referensi bagi peneliti dan praktisi dalam memilih algoritma klasifikasi yang sesuai untuk permasalahan tertentu di bidang data mining.
DETEKSI TRANSAKSI MENCURIGAKAN MENGGUNAKAN DECISION TREE DAN LOGISTIC REGRESSION DENGAN MITIGASI KETIDAKSEIMBANGAN KELAS Novant Nanda Pradana; Amar Agung Subekti; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i8.2680

Abstract

Transaksi keuangan digital mengalami pertumbuhan pesat, namun disertai risiko yang semakin tinggi terhadap aktivitas mencurigakan seperti penipuan. Deteksi transaksi mencurigakan menjadi tantangan utama, terutama karena distribusi data yang sangat tidak seimbang, di mana jumlah transaksi normal jauh lebih banyak dibandingkan transaksi fraud. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan dua algoritma klasifikasi, yaitu Decision Tree dan Logistic Regression, dalam mendeteksi transaksi mencurigakan dengan menerapkan tiga pendekatan penyeimbangan kelas, yakni random oversampling, undersampling, dan SMOTE (Synthetic Minority Oversampling Technique). Dataset yang digunakan adalah data transaksi kartu kredit yang mengandung kurang dari 0,2% kasus fraud. Evaluasi dilakukan berdasarkan metrik precision, recall, F1-score, dan AUC. Hasil penelitian menunjukkan bahwa kombinasi Decision Tree dengan SMOTE menghasilkan performa terbaik dengan nilai F1-score sebesar 0,85 dan AUC sebesar 0,95. Logistic Regression juga menunjukkan kinerja yang kompetitif, terutama saat dikombinasikan dengan SMOTE. Temuan ini menunjukkan bahwa penerapan teknik penyeimbangan kelas berpengaruh signifikan terhadap akurasi model dalam mendeteksi transaksi fraud, dan bahwa model klasik masih sangat relevan untuk diterapkan dalam sistem deteksi anomali di sektor keuangan.
ANALISIS STATISTIK HUBUNGAN HARI TERHADAP VOLUME PENGIRIMAN PRODUK: STUDI KASUS PADA SISTEM MANAJEMEN GUDANG Muhammad Rizal Mantofani; Faqih Irianto; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i8.2681

Abstract

Penelitian ini bertujuan menganalisis hubungan antara hari dalam seminggu dengan volume pengiriman produk pada sistem manajemen gudang (Warehouse Management System/WMS). Analisis dilakukan menggunakan data historis selama enam bulan dari Gudang X dengan metode statistik deskriptif dan inferensial, yaitu Korelasi Pearson dan Uji Chi-Square. Hasil analisis menunjukkan hubungan negatif yang signifikan antara hari dan jumlah pengiriman (r = -0.816, p = 0.025), yang menandakan penurunan volume pengiriman mendekati akhir pekan. Selain itu, Uji Chi-Square menunjukkan hubungan signifikan antara kategori hari dan volume pengiriman (p < 0.001), sementara minggu ke dalam bulan tidak menunjukkan hubungan signifikan. Temuan ini penting bagi manajemen gudang dalam merencanakan jadwal kerja, mengalokasikan sumber daya secara tepat, serta mengoptimalkan proses operasional berbasis data. Dengan memahami pola permintaan mingguan, perusahaan dapat menyusun strategi distribusi yang lebih efisien, mengurangi risiko keterlambatan, menjaga ketersediaan stok, serta meningkatkan responsivitas terhadap perubahan kebutuhan pelanggan. Penerapan strategi ini diharapkan mampu meningkatkan kepuasan pelanggan, menjaga kelancaran arus barang, dan mendukung pertumbuhan bisnis jangka panjang secara berkelanjutan.
PREDIKSI JUMLAH PERAWAT BERDASARKAN KABUPATEN/KOTA DI PROVINSI JAWA BARAT MENGGUNAKAN DECISION TREE Aldi Patria Nugraha; Tia Mulyani; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i8.2682

Abstract

Ketersediaan tenaga kesehatan, khususnya perawat, merupakan aspek penting dalam menjamin layanan kesehatan yang merata dan berkualitas bagi seluruh masyarakat. Provinsi Jawa Barat, sebagai provinsi dengan jumlah penduduk terbanyak di Indonesia, menghadapi tantangan besar dalam pemerataan distribusi tenaga perawat di berbagai kabupaten dan kota. Ketimpangan ini dapat berdampak pada kualitas pelayanan kesehatan yang diterima oleh masyarakat di wilayah tertentu, terutama di daerah terpencil dan padat penduduk. Penelitian ini bertujuan untuk memprediksi jumlah perawat berdasarkan wilayah administratif menggunakan algoritma Decision Tree. Data penelitian diperoleh dari instansi pemerintah yang mencakup data jumlah perawat di setiap wilayah selama kurun waktu tertentu. Proses analisis dilakukan dengan bantuan perangkat lunak RapidMiner untuk membangun model prediksi dan mengevaluasi performanya secara menyeluruh. Hasil penelitian menunjukkan adanya disparitas jumlah perawat antarwilayah serta beberapa variabel yang memengaruhi distribusinya. Model prediksi ini diharapkan dapat menjadi dasar pengambilan keputusan strategis bagi pihak berwenang dalam merumuskan kebijakan pemerataan tenaga kesehatan di Provinsi Jawa Barat.
PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI KELULUSAN MAHASISWA BERDASARKAN DATA AKADEMIK Muhammad Rifki Febrianto; Nabilla Kusuma Wijaya; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i8.2692

Abstract

Data mining telah berkembang menjadi salah satu teknologi penting dalam mendukung proses pengambilan keputusan berbasis data, khususnya di lingkungan pendidikan tinggi yang kompleks, dinamis, dan berorientasi pada peningkatan mutu akademik. Dalam konteks pengelolaan pendidikan, kemampuan untuk memprediksi kelulusan mahasiswa menjadi sangat krusial, karena dapat membantu institusi dalam melakukan perencanaan strategis, intervensi dini, serta optimalisasi sumber daya yang dimiliki. Penelitian ini bertujuan mengeksplorasi penerapan algoritma decision tree C4.5 dalam membangun model prediksi kelulusan mahasiswa berdasarkan data akademik yang tersedia. Dataset yang digunakan mencakup variabel-variabel kunci, antara lain Indeks Prestasi Kumulatif (IPK), total Satuan Kredit Semester (SKS) yang telah diselesaikan, serta tingkat kehadiran mahasiswa selama masa studi. Data diperoleh dari [nama institusi] dan dianalisis menggunakan metode C4.5 yang dikenal memiliki kemampuan interpretasi yang baik, sehingga hasil model dapat mudah dipahami oleh pihak pengambil keputusan. Hasil pengujian menunjukkan tingkat akurasi prediksi sebesar 84,6%, yang mengindikasikan bahwa metode ini memiliki potensi besar dalam mendukung sistem manajemen akademik berbasis analitik. Temuan ini diharapkan dapat menjadi dasar bagi institusi pendidikan untuk meningkatkan efektivitas monitoring, evaluasi, serta pengambilan keputusan strategis yang lebih tepat sasaran terkait progres studi mahasiswa.
Co-Authors Abdul Rokim Abid Lu’ay Raihan Taufik Agung Nugroho Ahmad Turmudi Zy Al Ayubi, Muhammad Din Aldi Patria Nugraha Alfian Saputra, Ricky Alfiana Erlangga, Dafa Alif Nur Fathlii Amarta Amar Agung Subekti An-nisa Fitriani Andhika Aziz Bachtiar Andi Setyawan Anindha Latiefa Zahra Apik Aminah Aries Widyantoro Arif Siswandi ARIF SUSILO Arif Susilo Arif Tri Widiyatmoko Ariza, Rini Arya Saepul Hakim Asep Muhidin Asep Muhidin Asep Saepuloh Asmil Januar Bagoes Ramadhan Baihaqi Asa’ari Lubis Bayu Nugroho Butsianto, Sufajar Candra Naya Catur Pranomo Dafi Andin Muhamad Daud Muzzaki Dimas Adi Nugraha Dina Amalia Putri Diska Kurnia Azzahra Putra Dito Ridwansyah, Rizjky Dzaky Alaudin Malik Edi Tri Wibowo Edora Erikasari, Vivie Zuliani Ermanto Ermanto Ermanto Fachrial Banyu Asmoro Fadhlurohman Fatikh Navintino Faisal Arya Yudanto Faiza Muhammad Julianto Faqih Irianto Fazri Albadawi Fikr, Muhammad Fiqhy Faradisa Al Bina Fitakwim Fitakwim Galih Pangestu Gilar Sumilar Hadi Putra Hardiansyah, Andi Hendra Parsaulian Henri Caesar Bimantara Herlan Wibowo Hidayat, Chaerul Hilman Ihza Amrullah Ikhsan Romli Indra Permana Indra Prakoso Indry Widiyani Iwan Mulyana Johan Mohammad Palah Khaerunnisa Isnaeni Lestari Khairunnisa Nasution Kristiyanto, Yogi Lili Fadli Muhamad Listian Indriyani Achmad Ma'ruf Setiadi2 Maharani , Tyanshi Firli Mikael Rivaldo Mochammad Rahmat Faisal Mohamad Hegar Sukmana Wibowo Monika Pakpahan MUHAMAD BINDARA SAOT Muhamad Daffa Maulana Arrasyid Muhamad Faisal Ilham Muhamad Fatchan Muhammad Akmal Ar Rasid Muhammad Albedri MUHAMMAD ARIFIN Muhammad Din Al Ayubi Muhammad Farhan Fahreza Muhammad Hegar Sukmana Muhammad Nur Falah Muhammad Rifki Febrianto Muhammad Rizal Mantofani Muhammad Rizky Raka muhidin, asep Muhtajuddin Danny Nabilla Kusuma Wijaya Nadia tul umah Nawangsih, Ismasari Naya, Candra Naza Sefti Prianita Novant Nanda Pradana Novi Wulandari Novianto Andi Hardiansyah Nur Hasim Nur Hidayati Nurhadi Surojudin Nurkholik Safrudin Ovi Marzuki Panji Anwar Sanusi Pardede, Debora Hizkhia Prasetyo, Fabian Eka Priasnyomo Prima Santoso Putra, Aan Fadillah Rafi Maulana Firdaus Rafli Maulana Ramadhan Ardi Iman Prakoso Reza Maulana, Muhammad Rio Rinto Saki Rizki Fahrizal Rizki Muhammad Rizky Juniarko Taruna Putra Rizqi Saputri Saiful Muktiali Sela, Mosses Ara’al De Setyawan, Wisnu Shanti Cahyaningtyas Sifa Setiyani Silvi Fara Dita Siswandi, Arif Siti Yasmin Nurcholifah Soejarminto, Yos Sukmana Wibowo, Mohamad Hegar Surojudin, Nurhadi Suryadi Putra Suryadi, Dikky Suryana, Syahro Tatia Deswita Anggraeni Taufik Eka Albani Tia Mulyani Tri Ngudi Wiyatno Trisnawan, Ahmad Budi Weni Purnomo1 Widodo , Edy Wisnu Ikhwansyah Saputra Wisnu Setyawan Yoga Pratama, Evan Yos Soejarminto Yudha Purnama Putra Yudi Fermana Zacky Rafian Fawwauzy Zalfa Dewi Zahrani