Article Per Year (5 Year)
p-Index From 2021 - 2026
15.011
P-Index
This Author published in this journals
All Journal Jurnal technoscientia Jurnal Informatika dan Teknik Elektro Terapan Infotech Journal ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Informatics for Educators and Professional : Journal of Informatics KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer JURNAL ILMIAH INFORMATIKA Conference SENATIK STT Adisutjipto Yogyakarta Jurnal ICT : Information Communication & Technology Jurnal Sistem Informasi Kaputama (JSIK) Jurnal Pelayanan dan Pengabdian Masyarakat (Pamas) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Informatika dan Rekayasa Perangkat Lunak JURSIMA (Jurnal Sistem Informasi dan Manajemen) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Teknik Informatika C.I.T. Medicom Budimas : Jurnal Pengabdian Masyarakat JURNAL TEKNOLOGI TECHNOSCIENTIA Jurnal Teknologi Informasi dan Komunikasi Jurnal Manajemen Informatika Jayakarta Jurnal Informatika Terpadu Baselang: Jurnal Ilmu Pertanian, Peternakan, Perikanan dan Lingkungan Jurnal Janitra Informatika dan Sistem Informasi Abdimas Altruis: Jurnal Pengabdian Kepada Masyarakat Jurnal Dinamika Informatika (JDI) Jurnal Informatika Teknologi dan Sains (Jinteks) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Sistem Informasi dan Teknologi (SINTEK) Literasi: Jurnal Pengabdian Masyarakat dan Inovasi J-Icon : Jurnal Komputer dan Informatika Jurnal Teknologi Pangan dan Industri Perkebunan JURSIMA AMMA : Jurnal Pengabdian Masyarakat SmartComp Jurnal Informatika: Jurnal Pengembangan IT Jurnal Sistem Informasi dan Manajemen Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal) Branding: Jurnal Manajemen & Bisnis Jurnal Komtika (Komputasi dan Informatika) Smatika Jurnal : STIKI Informatika Jurnal Bianglala Informatika
Martanto .
STMIK IKMI Cirebon
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Nursing Social Sciences Other

Published : 138 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 138 Documents
Search

 10   11   12   13   14 
Analisis Sentimen Aplikasi SeaBank dengan Algoritma Naive Bayes untuk Optimalisasi Pelayanan Putri, Niken Zeliana; Martanto, Martanto; Dikananda, Arif Rinaldi; Rifa’i, Ahmad
Jurnal Informatika Terpadu Vol 11 No 1 (2025): Maret, 2025
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jit.v11i1.1721

Abstract

The rapid development of digital banking technology requires improvements in service quality to remain competitive in the financial industry. Seabank Indonesia is one of the widely used digital banking applications, making sentiment analysis of user reviews an essential aspect of understanding their perceptions of the provided services. This study evaluates user sentiment toward the Seabank application by implementing the Naïve Bayes algorithm to optimize service quality. The research data was obtained through a web scraping process from the Google Play Store, totalling 1,000 reviews. The Knowledge Discovery in Databases (KDD) approach was applied in the analysis, encompassing preprocessing stages such as cleaning, casefolding, tokenization, stopword removal, stemming, and Term Frequency-Inverse Document Frequency (TF-IDF) representation. The classification model was built by splitting the dataset into 70% training and 30% test data. The evaluation results indicate that the developed model achieved an accuracy of 88%, with a precision of 95%, recall of 87%, and F1-score of 91%. An analysis of all reviews revealed that 70.5% were positive, while 29.5% were negative. These findings demonstrate that the Naïve Bayes algorithm is effective in analyzing user sentiment and provides valuable insights for developers to enhance the quality of Seabank Indonesia’s services.
Analisis Jaringan Akses Fiber to The Home Menggunakan Teknologi Gigabit Passive Optical Network Nurus, Meida; Nurdiawa, Odi; Martanto, Martanto
Jurnal Janitra Informatika dan Sistem Informasi Vol. 3 No. 2 (2023): Oktober - Jurnal Janitra Informatika dan Sistem Informasi
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25008/janitra.v3i2.168

Abstract

Serat optic merupakan saluran transmisi atau jenis kabel yang terbuat dari kaca atau plastic yang sangat halus dan lebih kecil dari sehelai rambut, dan dapat digunakan untuk mentransmisikan sinyal cahaya dari suatu tempat ke tempat lain, sumber cahaya yang digunakan biasanya adalah laser atau LED. Teknologi fiber merupakan media yang tidak diragukan untuk menyediakan bandwidth yang besar, tidak dipengaruhi interferensi gelombang elektromagnetik, bebas korosi dan menyediakan rugi-rugi minimal untuk transportasi data. Sekarang ini kebanyakan dari backbone jaringan yang ada telah dikonstruksikan dengan fiber optik. Di dalam jaringan fiber optik masalah yang terjadi adalah perambatan cahaya yang kurang maksimal disebabkan oleh makrobending yang terjadi di sepanjang alur kabel atau jaringan. Kajian secara eksperimental untuk menganalisa redaman pada makrobending telah dilakukan. Pengambilan data dilakukan dengan mengukur perubahan nilai intensitas cahaya akibat adayanya gejala pembengkokan (bending) melalui perangkat Optical Power Meter. Penelitian dilakukan pada CV. Anugerah Tekhnik Pratama adalah penelitian asosiatif dengan menggunakan metode analisis kuantitatif. T-hitung sebesar 129.262, dan t-table sebesar 2.0057. Maka dapat ditarik kesimpulan bahwa T-hitung > dari T-table yakni sebesar 129.262> 2.0057. Hal tersebut berarti H0 diterima dan Ha ditolak  H0 : analisis jaringan akses fiber to the home (ftth) menggunakan teknologi gigabit passive optical network lebih besar dari 60 %.
KLASIFIKASI KELULUSAN SISWA TAHUN 2024 MENGGUNAKAN METODE DECISION TREE (STUDI KASUS SMA ISLAM ALAZHAR 5 CIREBON) Al-Giffary, Farhan Rizky; Martanto, Martanto
Jurnal Manajamen Informatika Jayakarta Vol 4 No 2 (2024): JMI Jayakarta (April 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jmijayakarta.v4i2.1408

Abstract

Pesatnya perkembangan teknologi menyebabkan keterlimpahan data di berbagai bidang termasuk pendidikan. Hal ini membantu sekolah dan pengambil keputusan dalam merencanakan program pendidikan yang efektif dan mendukung keberhasilan siswa. Metode ini bekerja dengan membagi data menjadi beberapa node keputusan yang saling terkait. Setiap node keputusan menggambarkan atribut yang relevan dalam prediksi kelulusan siswa, seperti nilai rata-rta, kehadiran siswa, dan partisipasi dalam kegiatan ekstrakurikuler, Selain itu, data juga mencakup informasi tentang latar belakang sosiol ekonomi siswa seperti tingkat pendidikan orang tua, pekerjaan orang tua, dan status kepemilikan rumah. Di dunia pendidikan tentu banyak data yang dapat digali, mulai dari data kinerja pengajar data nilai siswa, data proses pembelajaran dalam beberapa tahun terakhir, terdapat siswa yang lulus tidak tepat waktu di Sekolah Menengah Akhir SMA ISLAM AL-AZHAR 5 CIREBON. Pernyataan ini oleh data kelulusan dari Sekolah Menengah Akhir SMA ISLAM AL-AZHAR 5 CIREBON. Metode yang digunakan dalam Laporan Tugas Akhir ini yaitu Knowledge Discovery in Database (KDD) dengan tahapan selection, preprocessing, transformation, data mining dan evaluation dan juga menggunakan algoritma decision tree untuk menentukan tingkat kelulusan siswa apakah siswa dinyatakan lulus atau belum lulus. Oleh karena itu, perlu dilakukan prediksi status kelulusan siswa untuk mengidentifikasi faktor yang mempengaruhi kelulusan siswa, yang juga dapat digunakan untuk membantu sekolah memecahkan masalah menjadi lebih mudah. Untuk mengatasi masalah tersebut, peneliti memprediksi kelulusan siswa berdasarkan informasi kelulusan siswa.. Hasil dari Laporan Tugas Akhir ini memperoleh akurasi sebesar 91,43% Recall sebesar 75,00% dan Precison sebesar 60,00%
IMPLEMENTASI TEKNOLOGI QUICK RESPONSE CODE DALAM SISTEM E-TICKETING PADA EVENT ORGANIZER Almadina, Muhammad Fitrian Shousyade; Martanto, Martanto; Dikananda, Arif Rinaldi; Rohman, Dede
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5730

Abstract

Penelitian bertujuan untuk merancang dan menguji seberapa efektif sistem dengan teknologi Quick Response Code untuk mengoptimalkan manajemen acara dan mengevaluasi kepuasan pengguna. Tingkat kepuasan diukur menggunakan metode System Usability Scale (SUS) yang dibagikan kepada 60 responden. Analisis kuesioner menghitung rerata nilai final_score SUS, disertai uji validitas dan reliabilitas menggunakan Cronbach's Alpha. Pengujian Kruskal-Wallis dilakukan untuk menilai perbedaan kepuasan sebelum dan setelah sistem diimplementasi. Hasil analisis menunjukkan nilai rerata final_score SUS sebesar 72.2 (kategori GOOD), dengan tingkat kepuasan HIGH hingga ACCEPTABLE. Uji validitas menyatakan semua pertanyaan valid, dan uji reliabilitas menghasilkan nilai Cronbach Alpha sebesar 0.69, hal ini menunjukkan konsistensi yang baik. Uji Kruskal-Wallis mengungkap perbedaan signifikan (p < 0.001), menunjukkan dampak positif sistem terhadap pengalaman pengguna.
ANALISIS SENTIMEN ULASAN APLIKASI PINTU DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES Khotimah, Khusnul; Martanto, Martanto; Dikananda, Arif Rinaldi; Rifa'i, Ahmad
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5789

Abstract

Aplikasi berbasis blockchain seperti Pintu semakin populer di Indonesia sebagai platform investasi modern. Namun, tantangan utama dalam menganalisis ulasan pengguna adalah volume data yang besar dan variasi sentimen yang kompleks. Tujuan dari penelitian ini yaitu untuk mengimplementasikan algoritma Naïve Bayes guna meningkatkan analisis sentimen aplikasi Pintu di ulasan Google Play Store. Data ulasan dikumpulkan melalui web scraping dan diproses melalui tahapan pembersihan teks, normalisasi, penghapusan stopwords, tokenisasi, dan translasi. Sentimen diberi label menggunakan TextBlob, dengan menghapus ulasan netral untuk menyederhanakan klasifikasi menjadi positif dan negatif. Ketidakseimbangan data diatasi menggunakan teknik oversampling SMOTE. Dataset akhir terdiri dari 2.510 ulasan positif (92,9%) dan 191 ulasan negatif (7,1%). Hasil evaluasi menunjukkan akurasi model sebesar 95,07%. Presisi dan recall untuk kelas positif masing-masing mencapai 97% dan 98%, namun performa pada kelas negatif masih terbatas dengan presisi 62% dan recall 58%. Teknik SMOTE berhasil meningkatkan performa keseluruhan, meskipun tantangan dalam mengenali sentimen minoritas tetap ada. 
ALGORITMA K-MEANS UNTUK MENINGKATKAN SEGMENTASI POLA KEKERASAN Fithriyani, Nurul Muna; Martanto, Martanto; Dikananda, Arif Rinaldi; Rohman, Dede
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5795

Abstract

Abstrak. Meningkatnya angka kekerasan terhadap perempuan dan anak-anak di berbagai wilayah telah menimbulkan kebutuhan mendesak akan strategi yang efektif untuk mengidentifikasi dan mengelompokkan daerah-daerah yang rawan kekerasan. Penelitian ini bertujuan untuk mengembangkan metode klasterisasi berbasis algoritma K-Means dalam upaya meningkatkan segmentasi pola kekerasan, khususnya dalam kasus yang melibatkan perempuan dan anak. Dengan menggunakan data kekerasan dari berbagai wilayah, algoritma K-Means diterapkan untuk mengelompokkan kasus berdasarkan karakteristik tertentu yang relevan. Hasil penelitian menunjukkan bahwa algoritma K-Means memiliki potensi yang kuat dalam segmentasi data kekerasan dan mampu memberikan hasil yang lebih optimal dibandingkan metode lain pada kasus yang dipelajari. Penelitian ini memberikan wawasan baru dalam pengelompokan data sosial menggunakan pendekatan klasterisasi, yang pada akhirnya dapat meningkatkan upaya penanganan kasus kekerasan di berbagai wilayah. Penelitian ini menggunakan tahapan Knowladge Discovery in Database (KDD). Data yang diperoleh bersumber dari situs portal https://www.kaggle.com/datasets . Metode k-means clustering yang berfungsi untuk memecah dataset menjadi beberapa kelompok/cluster. Berdasarkan hasil penelitian ini terdapat 2 cluster yaitu cluster 0 dengan jumlah anggota 1573 dan cluster 1 dengan jumlah anggota 3431. pengukuran kinerja menggunakan DBI, K=2 dengan tingkat kinerja 0,459 maka tingkat kinerja yang terbaik karena tingkat dalam dex mendekati 0.133 
ALGHORITMA BACKPROPAGATION NEURAL NETWORK DENGAN MENGOPTIMASI PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI SAHAM BANK BCA Muzani, Muhamad; Martanto, Martanto; Dikananda, Arif Rinaldi; Rifai, Ahmad
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6208

Abstract

Pasar saham menjadi instrumen investasi menarik di tengah pesatnya perkembangan teknologi informasi. Namun, volatilitas harga saham yang tinggi sering menyulitkan investor mengambil keputusan. Prediksi harga saham menjadi penting untuk membantu menyusun strategi investasi yang efektif. Penelitian ini menggunakan kerangka kerja Knowledge Discovery in Databases (KDD), mencakup tahap data selection, data preprocessing, data transformation, data mining, dan interpretation/evaluation. Data historis harga saham Bank BCA dikumpulkan dari sumber terpercaya dan dianalisis untuk memilih fitur relevan yang memengaruhi harga saham. Model Backpropagation Neural Network (BPNN) diterapkan untuk prediksi, dengan optimasi menggunakan Particle Swarm Optimization (PSO) guna meningkatkan akurasi dan kecepatan konvergensi model. Evaluasi model dilakukan dengan metrik Squared Error (SE) dan Root Mean Squared Error (RMSE). Hasil menunjukkan SE sebesar 0.325 dengan margin kesalahan ±0.565, menandakan kesalahan prediksi rendah. RMSE sebesar 0.570 dengan margin ±0.000 mengindikasikan model memiliki akurasi tinggi, dengan prediksi yang sangat mendekati nilai aktual.
ANALISIS PREDIKSI PENJUALAN TISU MENGGUNAKAN REGRESI LINEAR Ardhanur, Ichlas; Martanto, Martanto; Dikananda, Arif Rinaldi; Mulyawan, Mulyawan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6310

Abstract

Abstrak. Penelitian ini dilakukan untuk mendukung pengambilan keputusan dalam strategi produksi dan distribusi penjualan tisu yang efisien. Dalam dunia bisnis yang semakin kompetitif, prediksi penjualan yang akurat menjadi elemen penting untuk memastikan ketersediaan produk sesuai dengan permintaan pasar sekaligus menghindari kelebihan atau kekurangan stok. Model regresi linear dipilih dalam penelitian ini karena kesederhanaannya, penerapannya yang luas, dan kemampuannya untuk memberikan gambaran hubungan antara variabel-variabel tertentu terhadap penjualan. Penelitian ini bertujuan untuk memprediksi penjualan tisu menggunakan regresi linear dan mengevaluasi keakuratan modelnya melalui metrik R-squared (R²), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Error (MAE). Hasil penelitian menunjukkan bahwa model regresi linear dapat menjelaskan 83% variasi data penjualan tisu (R² = 0,83), menunjukkan efektivitas model ini dalam menggambarkan hubungan variabel. Namun, nilai RMSE sebesar 78,34 dan MAE sebesar 56,69 menunjukkan adanya kesalahan prediksi yang signifikan. Oleh karena itu, disarankan untuk menambahkan variabel prediktor lain, seperti faktor musiman atau promosi, serta menggunakan model lebih kompleks, seperti regresi non-linear atau Random Forest, untuk hasil yang lebih akurat. Penelitian ini menyimpulkan bahwa regresi linear merupakan metode dasar yang bermanfaat, tetapi pengembangan model dan data yang lebih komprehensif diperlukan untuk meningkatkan akurasi prediksi.
IMPLEMENTASI ALGORITMA REGRESI LINEAR UNTUK MODEL PREDIKSI PENJUALAN DI TOKO AMANDA BROWNIES Syahri, Ibnu Nava; Martanto, Martanto; Dikananda, Arif Rinaldi; Mulyawan, Mulyawan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6337

Abstract

Teknologi informasi telah mendorong pengembangan metode prediksi berbasis data untuk meningkatkan efisiensi bisnis, termasuk di industri ritel. Amanda Brownies Outlet Kesambi Cirebon menghadapi tantangan dalam memprediksi penjualan akibat pola konsumen yang dinamis. Penelitian ini bertujuan untuk mengembangkan model prediksi penjualan menggunakan regresi linear guna meningkatkan akurasi dan efisiensi pengelolaan stok. Pendekatan CRISP-DM digunakan dalam penelitian ini, dengan enam tahap utama: pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan implementasi. Data penjualan dari Juni hingga Agustus 2024 digunakan sebagai sumber utama analisis. Model dibangun menggunakan RapidMiner dengan pembagian data 70% untuk pelatihan dan 30% untuk pengujian. Evaluasi model menunjukkan nilai Root Mean Squared Error (RMSE) sebesar 16,890, yang mengindikasikan tingkat kesalahan prediksi yang rendah. Hasil ini menunjukkan bahwa model regresi linear dapat membantu pengelolaan stok secara lebih efektif, mengurangi risiko kelebihan atau kekurangan stok, dan mendukung optimalisasi rantai pasokan. Temuan ini menegaskan efektivitas regresi linear dalam prediksi penjualan dan membuka peluang untuk pengembangan model lebih lanjut dengan mempertimbangkan variabel tambahan atau algoritma machine learning yang lebih kompleks.
PENERAPAN IOT PADA KENDALI LAMPU MENGGUNAKAN ESP8266 DAN SENSOR CAHAYA UNTUK EFISIENSI ENERGI Hidayat, Fajar; Martanto, Martanto; Rinaldi, Arif; Rifai, Ahmad
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6340

Abstract

Perkembangan Internet of Things (IoT) membuka peluang untuk meningkatkan efisiensi energi, salah satunya dalam pengelolaan pencahayaan ruangan. Penelitian ini bertujuan merancang sistem kendali lampu berbasis IoT menggunakan mikrokontroler ESP8266 dan sensor cahaya untuk mengatur penggunaan energi secara otomatis. Sistem ini mengatur nyala dan intensitas lampu berdasarkan pencahayaan alami di ruangan, sehingga mengurangi ketergantungan pada pencahayaan buatan. Mikrokontroler ESP8266 bertindak sebagai pusat kendali yang terhubung dengan internet, memungkinkan pengoperasian lampu melalui aplikasi web atau smartphone. Sensor cahaya mendeteksi intensitas cahaya sekitar untuk menyesuaikan lampu dengan kondisi lingkungan. Hasil pengujian menunjukkan bahwa sistem ini berhasil mengurangi konsumsi energi dengan memanfaatkan cahaya alami secara optimal. Fitur kendali jarak jauh memungkinkan pengguna mengoperasikan lampu dengan mudah, bahkan dari lokasi jauh. Dengan desain yang sederhana dan biaya implementasi rendah, sistem ini menjadi solusi efisien untuk menghemat energi serta mengurangi emisi karbon. Integrasi teknologi IoT memungkinkan pemantauan energi secara real-time, meningkatkan fleksibilitas dan kenyamanan dalam pengoperasian.
Co-Authors A, Ronny Abdillah, Naufal Abdul Rosid, Rizal Adha Panca Wardanu, Adha Panca Ahmad Faqih Ahmad Rifa'i Ahmad Rifai Ahmad Rifai Aji Dian Permana, Muhamad Aji Saputra, Mohammad AKBAR, MUHAMAD DENI Al-Giffary, Farhan Rizky Alfin Maulana Almadina, Muhammad Fitrian Shousyade Alpian Novansyah, Indi Andini, Eva APIPAH, KUSNATUL Ardhanur, Ichlas Arianti, Ira Arianti Arif Budi Setiawan Arif Rinaldi Dikananda Aryatama, Septian Asmana, Asmana Assrorudin, Assrorudin Augustian Pangestiazi, Irvanda Azahra, Amaliyah Putri Aziz Sahidin, Naufal Azzahra Moudy Fajria Bagus Hermawan Barki, Khotimatul Betran Renaldi Bisma Mahendra Cep Lukman Rohmat Chrisna Basila Rahman, Muhammad Damar Widjaja Darmanto, Darmanto Dea Eryanti Putri Dede Rohman Denni Pratama Dewi Yuliyanti, Dewi Dian Ade Kurnia Dianawati Suryaningtyas Dias Bayu Saputra Dikananda, Arif Rinaldi Dikananda, Fatihanursari Dilita Pramasmawari Lita Dita Rizki Amalia Diyanti yanti Djoko Untoro Suwarno Dwi Hastuti, Ningrum Fadhil Muhammad Bsysyar Faisal Adam, Faisal Faizal Rizqi, Muhammad Fathur Rezki Junaedi, Muhammad Fatihanursari Dikananda fatimah, lilis Fauzan Afrizal, Ricky Febriyani, Adinda Fihir, Muhammad Fithriyani, Nurul Muna Fitriarni, Dian Fuji Astri, Dewanti Gifthera Dwilestari Hamam, Moh Hardika Hardika, Hardika Harini, BW Hastuti, Ningrum Dwi Hayati , Umi Hayati, Umi Heliyanti Susana Herni, Indah Putri Hidayat, Fajar Ica Unari Ika Anikah Iksan Maulana, Muhammad Indriawan, Rois Irfan Ali Irfan Ali, Irfan irfan cholid Iswanjono Iswanjono Jamaludin, Maulana Jamalul'ain, Abdul Kamil, Firmanilah Khaerul Anam Kharisma, Kharisma Khoirunisa, Pitria Kholilullah, Mohammad khusnul khotimah Linggo Sumarno Lukmanul Hakim Lutfi Hakim Ma'arif Syaefullah, Muhammad Mahardika, Fathoni Maulana Jamaludin Maulana Yusuf, Muhammad Meida Nurus Melva Regina Arpratika Mirna Mirna Mochammad Fatha Mudzhaffar Moruk, Ewaldus Mu'min Azis, Muhammad Mubarok Mubarok Muhamad Djaelani Muhamad farhan Tholhah hidayat Muhamad Jihad Andiana Muhamad Taufik Sugandi Muhammad Aditya Rabbani Adit Muhammad Fadhilah Muhammad Haikal Muhammad Hasan Fadlun Muhammad Saifurridho Mujibulloh, Mujibulloh Mulyawan Mulyawan, Mulyawan Musyarofah Musyarofah, Musyarofah Muzani, Muhamad Muzilin, Elin Nailil Amani, Najiyah Nana Suarna Nanita, Nanita Narasati, Riri Narasati Nining Rahaningsih Nining Rahaninsih Nova Zulfahmi, A Nova Zulfahmi, A. Nur Aisyah, Devi Nur Asih, Nur Nur Hermawan, Ilham Nurdiawa, Odi Nurhanifah, Indah Nurus, Meida Odi Nurdiawa Odi Nurdiawan Panca Wardanu, Adha Panji Adi Putra Petrus Setyo Prabowo Prabowo, PS Prahara, Sukma Primawan, A.Bayu Puji Rahayu Putri, Niken Zeliana Raditya Danar Dana Ramdan Adi Surya, Muhamad Ridho Nugraha Rifa'i, Ahmad Rifa’I, Ahmad Rinaldi Dikananda, Arif Rinaldi, Arif Riskandi, Muhammad Rizal Rizal Rizka Amelia Rohman, Dede Roni Saputra, Roni Ronny Dwi Agusulistyo Rudi Kurniawan Ryan Hamongan Saeful Anwar Safrudin, Muhamad Saifurridho, Muhammad Salsabila Ainal Wasilah, Qonita Samsudin, Risma'ruf Setiyani, Th. Prima Ari Setiyani, TPA Siti Latifah Siti Paridah, Ninda Siti Romlah Sri Suwartini Subur, Muhamad Sulistiyana Sulistiyana Sumarno, L Suripno Suryaningsih Suryaningsih Suwarno, DU Syahri, Ibnu Nava Syam Al ghifari, Muhammad Syamsul Aripin Syaripah, Imas Syifa, Nurkhasanah Fadhila Tati Suprapti Thomas Agam Tjendro Tri Anelia Tri Gustiane, Indri Tuti Hartati Umi Hayati Ummiyati Ummiyati Vicky Pamungkas W Widyastuti, W Wibowo, Daniel Widjaja, D Wihadi, Dwiseno WIHADI, RB DWISENO Willy Prihartono Wiwien Widyastuti Yudhistira Arie Wijaya Zulfahmi, A. Nova