Article Per Year (5 Year)
p-Index From 2020 - 2025
14.18
P-Index
This Author published in this journals
All Journal Jurnal technoscientia Jurnal Informatika dan Teknik Elektro Terapan ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika International Journal of Artificial Intelligence Research 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 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 Informatika Teknologi dan Sains (Jinteks) International Journal of Hydrological and Environmental for Sustainability Literasi: Jurnal Pengabdian Masyarakat dan Inovasi J-Icon : Jurnal Komputer dan Informatika Jurnal Teknologi Pangan dan Industri Perkebunan JURSIMA AMMA : Jurnal Pengabdian Masyarakat Jurnal Informatika: Jurnal Pengembangan IT Jurnal Sistem Informasi dan Manajemen Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal) Branding: Jurnal Manajemen & Bisnis
Martanto .
STMIK IKMI Cirebon
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Nursing Social Sciences Other

Published : 126 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 126 Documents
Search

 5   6   7   8   9 
ANALISIS MINAT BACA BERDASARKAN TUJUAN KUNJUNGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR PADA PERPUSTAKAAN DAERAH KABUPATEN CIREBON Syamsul Aripin, Muhammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8297

Abstract

Minat baca merupakan salah satu indikator penting dalam pembangunan sumber daya manusia. Masyarakat yang memiliki minat baca yang tinggi akan memiliki pengetahuan dan keterampilan yang lebih baik. Salah satu upaya untuk meningkatkan minat baca masyarakat adalah dengan menganalisis minat baca berdasarkan tujuan kunjungan ke perpustakaan. Penelitian ini menggunakan metode kuantitatif dengan pendekatan deskriptif. Metode KNN adalah metode klasifikasi yang didasarkan pada kedekatan antar data. Data yang akan diklasifikasikan akan dibandingkan dengan data pembelajaran yang jaraknya paling dekat.Data yang digunakan dalam penelitian ini adalah data publik yang diperoleh dari perpustakaan di Kabupaten Cirebon. Data tersebut terdiri dari data pengunjung perpustakaan.Hasil penelitian menunjukkan bahwa: Metode K-Nearest Neighbor dapat digunakan secara efektif dan akurat untuk menganalisis minat baca berdasarkan tujuan kunjungan ke perpustakaan di Kabupaten Cirebon. Nilai akurasi yang diperoleh adalah 76,26%. Saran untuk meningkatkan minat baca masyarakat Kabupaten Cirebon adalah sebagai berikut: Perpustakaan perlu meningkatkan kualitas layanannya agar lebih menarik dan nyaman bagi pengunjung. Perpustakaan dapat menyediakan fasilitas yang memadai, seperti ruang baca yang nyaman, akses internet, dan berbagai kegiatan literasi.
CLUSTERING KUNJUNGAN PASIEN MENGGUNAKAN ALGORITMA K-MEANS PADA RUMAH SAKIT DI WILAYAH BEKASI Faizal Rizqi, Muhammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8327

Abstract

Dalam era digital saat ini. Sektor kesehatan terus menghadapi tantangan besar dalam mengelola dan menganalisis data pasien yang terus bertambah. Masalah yang terjadi adalah pengelolaan statistik untuk menentukan jumlah kunjungan dari terendah, menengah sampai tertinggi pada setiap rumah sakit dalam skala yang besar. Pada penelitian ini bertujuan untuk mengelompokkan jumlah kunjungan pasien berdasarkan rumah sakit di wilayah Bekasi dari yang terendah, menengah, dan tertinggi. Apabila pengolahan data dilakukan dengan analisis manual maka menjadi tidak efisien dan menghambat waktu, maka dari itu perlunya menggunakan teknik data mining dengan algoritma yang sesuai. Metode yang diterapkan yaitu menggunakan Algoritma K-Means Clustering, karena kemampuannya dalam mengelompokkan data menjadi kelompok yang saling berdekatan berdasarkan nilai terdekatnya. Melalui implementasi algoritma K-Means ini, penelitian berhasil mengelompokkan berdasarkan kunjungan rumah sakit. Hasil evaluasi menunjukkan bahwa jumlah kelompok optimal adalah tiga dengan nilai DBI 0,47. Pada cluster cluster 0 menjadi cluster yang terendah dengan jumlah maksimal rawat jalan sebesar 89.360 orang dan rawat inap sebesar 28.179 orang. Untuk cluster 1 menjadi cluster tersedang, dengan jumlah maksimal rawat jalan sebesar 244.966 orang dan rawat inap sebesar 45.919 orang. Dan untuk cluster 2 menjadi cluster yang tertinggi dengan jumlah maksimal rawat jalan sebesar 501.699 orang dan rawat inap 74.419 orang.
ESTIMASI HARGA MOBIL BEKAS TOYOTA YARIS MENGGUNAKAN ALGORITMA REGRESI LINIER Aji Saputra, Mohammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8344

Abstract

Industri otomotif mengalami perkembangan pesat di era modern ini, didorong inovasi teknologi dan persaingan antar perusahaan mobil untuk menghasilkan produk berkualitas. Mobil saat ini sudah menjadi kebutuhan bagi berbagai kalangan konsumen sehingga memerlukan kreativitas dalam pengembangan produk. Pesatnya pertumbuhan sektor otomotif dan teknologi menyebabkan diperkenalkannya berbagai jenis kendaraan, berdampak signifikan terhadap kenaikan harga mobil baru. Hal ini menyebabkan penjualan dan minat terhadap mobil bekas, sehingga menjadi alternatif yang lebih terjangkau bagi konsumen. Penelitian ini bertujuan mengembangkan model estimasi harga mobil bekas toyota yaris dengan menggunakan algoritma regresi linier. Penerapan data mining, khususnya regresi linier, digunakan untuk mengeksplorasi pola dan informasi tersembunyi dalam dataset mobil bekas toyota yaris. Hasil penelitian menunjukkan bahwa model regresi linier mampu memberikan estimasi harga mobil bekas toyota yaris dengan tingkat akurasi yang baik. Estimasi harga mobil berdasarkan inputan seperti tahun = 2022, transmisi = 0, jarak tempuh = 1113 km, jenis bahan bakar = 0, pajak = 145, konsumsi bahan bakar = 47,9 km per galon, dan ukuran mesin = 1.5, estimasi harga sebesar 220.973.121,60 dalam satuan rupiah. Evaluasi model menghasilkan nilai MSE sebesar 886,503, RMSE 941,543, dan R2-Score 0,861, menunjukkan bahwa model regresi linier dapat digunakan dalam estimasi harga jual mobil bekas toyota yaris berdasarkan spesifikasi.
KLASIFIKASI KOMPETENSI SISWA DI SMK BASURAGA MENGGUNAKAN ALGORITMA DECISION TREE Musyarofah, Musyarofah; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8354

Abstract

Penelitian ini difokuskan pada klasifikasi kompetensi siswa dengan metode decision tree di Sekolah Menengah Kejuruan (SMK) Basuraga. Dalam penelitian ini, permasalahan yang diangkat adalah tentang bagaimana mengenali kompetensi siswa dengan menerapkan metode decision tree. Tujuan utama adalah mengidentifikasi kompetensi siswa guna mendukung manajemen data, perancangan program pembelajaran yang lebih terfokus, dan perencanaan kegiatan ekstrakurikuler yang sesuai dengan kebutuhan siswa. Dengan menggunakan algoritma decision tree untuk mengklasifikasikan kompetensi siswa berdasarkan nilai rata-rata per mata pelajaran dari data siswa tahun ajaran 2022-2023, hasil penelitian menunjukkan akurasi sebesar 98,24%. Model ini memiliki presisi prediksi kompeten mencapai 99,30%, presisi prediksi tidak kompeten mencapai 93,10%, dan tingkat keberhasilan model untuk memprediksi siswa kompeten dan tidak kompeten masing-masing sebesar 98,60% dan 96,43%. Dengan demikian, metode klasifikasi decision tree terbukti efektif dalam mengklasifikasikan kompetensi siswa, memberikan dasar bagi pengembangan strategi manajemen pendidikan yang lebih efisien dan terfokus.
PENGGUNAAN ALGORITMA DECISION TREE UNTUK PREDIKSI PRESTASI SISWA DI SEKOLAH DASAR NEGERI 3 BAYALANGU KIDUL Nailil Amani, Najiyah; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8355

Abstract

Penelitian ini bertujuan mengembangkan model prediksi prestasi belajar siswa di Sekolah Dasar Negeri 3 Bayalangu Kidul menggunakan algoritma Decision Tree. Metodologi melibatkan pengumpulan data prestasi siswa, termasuk nilai akademik dan informasi lainnya, dengan algoritma Decision Tree sebagai metode analisis. Data diperoleh dari siswa yang telah lulus dari sekolah tersebut pada tahun terakhir. Penelitian ini menitikberatkan pada pengelompokan siswa berdasarkan prestasi mereka, dan pendekatannya melibatkan penggunaan algoritma pohon keputusan. Tujuannya adalah untuk mengidentifikasi pola yang dapat merekomendasikan apakah seorang siswa akan lulus atau tidak. Hasil prediksi kenaikan atau kelulusan menunjukkan tingkat presisi 99,01%, sedangkan tingkat presisi untuk prediksi ketidaklulusan mencapai 71,43%. Rincian prediksi mencakup 100 data lulus, hanya 1 data yang tidak lulus tetapi diprediksi lulus, serta 2 data yang diprediksi tidak lulus tetapi kenyataannya lulus, dan 5 data diprediksi tidak lulus. Dengan demikian, tingkat keberhasilan prediksi lulus mencapai 98,04%, sedangkan prediksi ketidaklulusan adalah 83,33%.
ANALISIS TINGKAT KECENDERUNGAN FEAR OF MISSING OUT MENGGUNAKAN ALGORITMA RANDOM FOREST PADA MEDIA SOSIAL Chrisna Basila Rahman, Muhammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8356

Abstract

Media sosial telah menjadi salah satu platform digital yang banyak digunakan saat ini. Fear of Missing Out menjadi salah satu kendala yang sering dialami para pengguna media sosial yang dampaknya cukup buruk. Adapun tujuan dari penilitian ini yaitu untuk menganalisis tingkat kecenderungan FoMO pada media sosial menggunakan teknik data mining. Data survei kuesioner yang telah terkumpul akan digunakan sebagai sumber data. Penelitian ini akan menggunakan metode data mining klasifikasi algoritma Random forest untuk mengklasifikasikan tingkat kecenderungan FoMO pada media sosial. Selanjutnya, dataset dibagi menjadi data latih dan uji menggunakan beberapa skema rasio pembagian data, lalu dilakukan pemodelan dengan menggunakan algoritma Random forest untuk memprediksi tingkat kecenderungan Fomo. Model dievaluasi dengan confusion matrix untuk mengukur performa klasifikasi. Hasil penelitian ini menunjukkan bahwa algoritma Random forest menunjukkan akurasi cukup tinggi yaitu 88,2% pada data uji yang digunakan untuk kalsifikasi dengan 43 True Negative dan 4 False Positive untuk kelas Tidak Fomo, dengan nilai presisi 91,48%, recall 86,00%, dan F1-Score 88,65%. Pada kelas Fomo, model memiliki 40 True Positive dan 7 False Negatif, dengan nilai presisi 90,90%, recall 85,10%, dan F1-Score 87,85%. Analisis keseluruhan menunjukkan bahwa model Random Forest dapat dengan baik mengklasifikasikan tingkat kecenderungan FoMO pada media sosial.
CLUSTERING PENERIMA BANTUAN SOSIAL MENGGUNAKAN ALGORITMA K-MEANS DI DESA JATIPANCUR Ma'arif Syaefullah, Muhammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8365

Abstract

Program bantuan sosial ialah upaya pemerintah dalam membagikan sokongan kepada warga yang memerlukan, khususnya di wilayah pedesaan. Namun tidak jarang program bantuan sosial terjadi masalah diantaranya tidak tepat sasaran, salah pendataan dan kesalahan lainnya. Permasalahan yang sering terjadi pada saat penyaluran bantuan sosial di desa jatipancur ialah tidak tepat sasaran. Penelitian ini bertujuan guna mempraktikkan metode Informasi Mining dengan memakai algoritma K-Means dalam konteks clustering penerima dorongan sosial dengan metode Knowledge Discovery in Databases (KDD). Sumber data diambil dari data puskesos amanah desa jatipancur. Langkah awal mengaitkan pra- pemrosesan informasi guna mensterilkan serta menanggulangi kemampuan permasalahan, semacam informasi yang tidak lengkap ataupun informasi yang tidak relevan. Berikutnya, algoritma K-Means diimplementasikan untuk mengelompokkan informasi jadi sebagian kelompok bersumber pada kesamaan atribut. Dari proses penerapan teknik data mining dengan algoritma K-Means Clustering dihasilkan kelompok penerima bantuan sosial dengan jumlah cluster 10 terdiri dari cluster_0 berjumlah 36 kepala keluarga, cluster_1 berjumlah 2 kepala keluarga, cluster_2 berjumlah 23 kepala keluarga, cluster_3 berjumlah 54 keluarga, cluster_4 berjumlah 16 kepala keluaga, cluster_5 berjumlah 156 kepala keluarga, cluster_6 berjumlah 5 kepala keluarga, cluster_7 berjumlah 20 keluarga, cluster_8 berjumlah 40 kepala keluarga, cluster_9 berjumlah 2 kepala keluarga dan nilai Davies Bouldin Index yang optimal yaitu 0,057.
ANALISIS SENTIMEN PENGGUNA TWITTER(X) TENTANG PIALA DUNIA USIA 17 MENGGUNAKAN METODE NAIVE BAYES Kholilullah, Mohammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8378

Abstract

Olahraga sepak bola adalah salah satu olahraga yang paling diminati diseluruh dunia termasuk indonesia. Beberapa turnamen sepak bola yang diselenggarakan oleh Federasi Internasional Sepak Bola (FIFA), termasuk Piala Dunia U-17 yang akan diadakan pada tanggal 10 November 2023 – 02 Desember 2023 di Indonesia dan menjadi pusat perhatian bagi penggemar olahraga di seluruh dunia, memiliki dampak signifikan dalam mengundang berbagai opini dan pendapat di kalangan penggemar sepak bola. Seiring dengan perkembangan teknologi media sosial, khususnya Twitter, menjadi platform utama bagi individu untuk berbagi pandangan, komentar, dan opini terkait peristiwa-peristiwa perhelatan piala dunia tersebut. Penelitian ini bertujuan untuk melakukan klasifikasi terhadap opini penggemar bola yang terdapat dalam cuitan-cuitan di Twitter mengenai tingkat antusiasme penggemar sepak bola Indonesia yang menjadi tuan rumah Piala Dunia U-17. Penelitian ini menggunakan analisis sentimen dengan metode Naive bayes yang merupakan suatu pendekatan komputasional untuk mengkategorikan opini dalam cuitan-cuitan menjadi kategori positif, negatif, atau netral. Data dikumpulkan selama penyelenggaraan Piala Dunia U-17. Hasil analisis sentimen menunjukkan tingkat akurasi 97% pada data uji, presisi 97%, recall 98%, dan F1-score 97%. Dari total 869 data 95,74% dari teks yang dianalisis dikategorikan memiliki sentimen positif, 2,88% teks memiliki sentimen netral, dan 1,38% dari teks mengekspresikan pandangan negatif terkait Piala Dunia U-17.
PERBANDINGAN KINERJA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI SENTIMEN ULASAN GAME GENSHIN IMPACT Safrudin, Muhamad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.8415

Abstract

Penelitian ini bertujuan untuk membandingkan performa algoritma Naive Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen ulasan pengguna game online Genshin Impact. Meskipun analisis sentimen telah menjadi bagian integral dari penelitian di bidang komputasi cerdas, tantangan utama adalah penerapannya pada domain spesifik seperti ulasan game online. Pemilihan dan penyesuaian algoritma yang tepat penting untuk memastikan akurasi tetap optimal mengingat variasi bahasa dan ekspresi dalam ulasan. Data ulasan berasal dari Google Playstore dan telah dilabeli otomatis ke dalam dua kelas sentimen. Algoritma diimplementasikan dengan Python dan Scikit-Learn. Evaluasi performa menggunakan akurasi dari confusion matrix. Hasil menunjukkan SVM mencapai akurasi 83% pada rasio data latih:uji 70:30, lebih tinggi dibanding Naive Bayes 75,5%. Analisis lebih lanjut dilakukan untuk memahami faktor yang mempengaruhi perbedaan performa pada data teks game online. Bertujuan memberi pemahaman bagaimana metode analisis sentimen dapat dioptimalkan agar lebih akurat dalam konteks game online seperti Genshin Impact. SVM direkomendasikan untuk klasifikasi sentimen ulasan game online karena memberikan akurasi lebih tinggi dibanding Naive Bayes. Penelitian ini berkontribusi pada pengembangan teknik analisis sentimen yang efektif untuk domain game online.
ANALISIS POLA TRANSAKSI PEMBELIAN MAKANAN DAN MINUMAN MENGGUNAKAN ALGORITMA FP-GROWTH Fathur Rezki Junaedi, Muhammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8429

Abstract

Pada era digital saat ini, industri makanan dan minuman mengalami perkembangan yang pesat. Industri food retail, yang mencakup restoran, kafe, dan toko makanan, menghadapi persaingan yang semakin ketat. Untuk bersaing dengan efektif dan memahami preferensi pelanggan, penting untuk menganalisis pola transaksi pembelian makanan dan minuman. Penelitian ini bertujuan untuk analisis pola transaksi pembelian makanan dan minuman café Babeh House Blend. Data yang digunakan dalam penelitian ini adalah data transaksi pembelian yang diperoleh dari café Babeh House Blend selama 1 Bulan dari tanggal 1 Juli 2023 hingga 31 Juli 2023 yang mempunyai 5650 data dan 7 atribut. Atribut yang terdapat pada data meliputi nomor transaksi, waktu, dan produk yang dibeli oleh pelanggan dll. Pada penelitian ini menggunakan pendekatan data mining asosiasi dengan algoritma FP-Growth untuk memahami pola transaksi pembelian pelanggan dengan tahap yaitu pengumpulan data, selection, preprocessing, transformation, data mining, evaluation. Berdasarkan hasil pengujian didapatkan 14 aturan asosiasi yang terbentuk menggunakan nilai minimum Support = 0.05, nilai minimum Confidence = 0.1, dan nilai minimum Lift = 1.0, dengan 66 produk pembentuk. Aturan asosiasi yang terbentuk menggunakanFP Growth dapat membantu dalam upaya tindakan promosi yang lebih efektif dengan memahami pola pembelian pada makanan dan minuman.
Co-Authors A, Ronny Abdillah, Naufal Abdul Rosid, Rizal Adha Panca Wardanu, Adha Panca 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 Ardhanur, Ichlas Arianti, Ira Arianti Aryatama, Septian Asmana, Asmana Assrorudin, Assrorudin Augustian Pangestiazi, Irvanda Azahra, Amaliyah Putri Aziz Sahidin, Naufal Barki, Khotimatul Bernadeta Wuri Harini Cep Lukman Rohmat Chrisna Basila Rahman, Muhammad Damar Widjaja Darmanto Darmanto Dea Eryanti Putri Dewi Yuliyanti, Dewi Dian Ade Kurnia Dianawati Suryaningtyas Dias Bayu Saputra Dikananda, Arif Rinaldi Dilita Pramasmawari Lita Dita Rizki Amalia Diyanti yanti Djoko Untoro Suwarno Dwi Hastuti, Ningrum Edy, Benediktus Yudha Fadhil Muhammad Bsysyar Faisal Adam, Faisal Faizal Rizqi, Muhammad Faroman Syarief, Faroman Fathur Rezki Junaedi, Muhammad fatimah, lilis Fauzan Afrizal, Ricky Febriani, Budi Febriyani, Adinda Fihir, Muhammad Fithriyani, Nurul Muna Fitriarni, Dian Fuji Astri, Dewanti Gifthera Dwilestari Hamam, Moh Hardika Hardika, Hardika Harini, BW Haryanto, Agustinus Surya Hastuti, Ningrum Dwi Hayati , Umi Hayati, Umi Heliyanti Susana Hepsi Nindiasari Hidayat, Fajar Ignatius Adi Prabowo Ika Anikah Iksan Maulana, Muhammad Indriawan, Rois Irfan Ali Irfan Ali, Irfan irfan cholid Iswanjono Iswanjono Jamaludin, Maulana Jamalul'ain, Abdul Kamil, Firmanilah 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 Mirna Mirna 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 Nining Rahaningsih 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 Petrus Setyo Prabowo Prabowo, PS Prahara, Sukma Primawan, A.Bayu Puji Rahayu Putri, Niken Zeliana Raditya Danar Dana Ramdan Adi Surya, Muhamad Rifa'i, Ahmad Rifa’I, Ahmad Rinaldi Dikananda, Arif Rinaldi, Arif Riskandi, Muhammad Rizal Rizal Rizka Amelia Rohman, Dede Ronny Dwi Agusulistyo Saeful Anwar Safrudin, Muhamad Saifurridho, Muhammad Salsabila Ainal Wasilah, Qonita Samsudin, Risma'ruf Setiyani, Th. Prima Ari Setiyani, TPA Siti Paridah, Ninda Sri Suwartini Subur, Muhamad Sulistiyana Sulistiyana Sumarno, L 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 W Widyastuti, W Wibowo, Daniel Widjaja, D Wihadi, Dwiseno WIHADI, RB DWISENO Willy Prihartono Wiwien Widyastuti Wujarso, Riyanto Yudhistira Arie Wijaya Zulfahmi, A. Nova