Article Per Year (5 Year)
p-Index From 2021 - 2026
11.286
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Prosiding SNATIF JURNAL PASTI (PENELITIAN DAN APLIKASI SISTEM DAN TEKNIK INDUSTRI) Jurnal Edukasi dan Penelitian Informatika (JEPIN) Annual Research Seminar JOIN (Jurnal Online Informatika) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab BAREKENG: Jurnal Ilmu Matematika dan Terapan JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) INTECOMS: Journal of Information Technology and Computer Science Jiko (Jurnal Informatika dan komputer) KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Jurnal Kreativitas PKM JUMANJI (Jurnal Masyarakat Informatika Unjani) MIND (Multimedia Artificial Intelligent Networking Database) Journal Jurnal Manajemen Informatika Jurnal ICT : Information Communication & Technology Building of Informatics, Technology and Science JUTIS : Jurnal Teknik Informatika Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) JOINT (Journal of Information Technology jurnal syntax admiration Tematik : Jurnal Teknologi Informasi Komunikasi Innovation in Research of Informatics (INNOVATICS) Informatics and Digital Expert (INDEX) International Journal of Global Operations Research Jurnal Sosial dan Teknologi Jurnal Ilmiah Wahana Pendidikan Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) International Journal of Quantitative Research and Modeling Jurnal Abdimas Kartika Wijayakusuma International Journal of Informatics, Information System and Computer Engineering (INJIISCOM) Journal of Informatics and Communication Technology (JICT) Jurnal Informatika Teknologi dan Sains (Jinteks) Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Algoritma IJESPG (International Journal of Engineering, Economic, Social Politic and Government) journal Ranah Research : Journal of Multidisciplinary Research and Development Enrichment: Journal of Multidisciplinary Research and Development Journal of Informatics and Communication Technology (JICT) Malahayati International Journal of Nursing and Health Science Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika
Hadiana, Asep Id
Universitas Jenderal Achmad Yani
Religion Aerospace Engineering 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 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 Nursing Physics Public Health Social Sciences Transportation Other

Published : 122 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 122 Documents
Search

 9   10   11   12   13 
PENGELOMPOKAN TINGKAT RISIKO PENYAKIT DIABETES MELITUS MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Gestavito, Rio; Hadiana, Asep Id; Umbara, Fajri Rakhmat
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 8 No 1 (2024): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v8i1.338

Abstract

Penelitian ini fokus pada diabetes melitus (DM), kondisi metabolik kronis dengan tingkat gula darah tinggi karena kurangnya insulin. Faktor penyebab DM bervariasi, termasuk kurangnya produksi insulin oleh sel beta Langerhans di pankreas dan ketidakresponsifan tubuh terhadap insulin. Penyakit ini prevalen di negara berkembang dan diperkirakan terus meningkat. Studi ini menggunakan algoritma K-Means Clustering untuk mengelompokkan risiko DM. Evaluasi pada k = 2 menunjukkan data dalam klaster cenderung bercampur, dengan nilai Silhouette Coefficient 0.5716 dan Davies Bouldin Index 0.672. Visualisasi scatter menunjukkan penyebaran data yang seragam dalam klaster, memberikan pemahaman mendalam tentang pola data. Hasilnya dapat mendukung pemahaman dan penanganan lebih lanjut terhadap DM.
DETEKSI PENYAKIT DIABETES, KATARAK DAN GLAUKOMA PADA CITRA FUNDUS RETINA MATA MANUSIA MENGGUNAKAN CNN DENGAN ARSITEKTUR ALEXNET Mulyasari, Cicik Rafka; Hadiana, Asep Id; Komarudin, Agus
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 8 No 1 (2024): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v8i1.341

Abstract

Penglihatan merupakan salah satu indera yang sangat penting bagi manusia. Jika terjadi kelainan atau penyakit pada mata, dapat berdampak serius, seperti diabetes yang dapat menyerang bola mata, katarak, dan glaukoma. Karena itu, menjaga kesehatan mata harus menjadi prioritas sehari-hari. Sayangnya, fasilitas medis terbatas di pusat kesehatan dan rumah sakit, serta kurangnya jumlah dokter mata yang mampu melakukan pemeriksaan dan operasi mata, menjadikan pengobatan penyakit mata menjadi sulit. Namun, seiring dengan pesatnya perkembangan teknologi, bidang kedokteran juga mengadopsi teknologi untuk meningkatkan pelayanan kepada masyarakat secara luas. Keterbatasan waktu yang dialami oleh dokter-dokter tersebut telah mendorong penggunaan sistem pakar dalam membantu diagnosis berbagai penyakit. Untuk mengatasi masalah dalam diagnosis penyakit diabetes, katarak, dan glaukoma, telah dikembangkan beberapa solusi. Salah satunya adalah dengan menggunakan metode pengolahan citra bola mata dan bahasa pemrograman untuk menciptakan perangkat lunak yang dapat melakukan diagnosis dan klasifikasi yang akurat terhadap keempat jenis penyakit tersebut. Dalam hal ini, metode yang digunakan adalah convolutional neural network (CNN). Sistem dirancang menggunakan metodologi CNN dengan arsitektur Alexnet berdasarkan gambar bola mata. Masukkan kumpulan data gambar yang diwarisi dari Kaggle yang disebut "Klasifikasi Penyakit Mata" dan gunakan total 4.217 gambar, 75% di antaranya adalah data latih dan 25% adalah gambar data uji. Pada penelitian ini, hasil terbaik untuk setiap skenario pengujian adalah presisi 87%, presisi 88%, recall 88%, skor f1 88% dan loss 0,48.
Prototipe Gamifikasi untuk Mendorong Aktivitas Fisik dan Mengurangi Perilaku Sedentari di Indonesia Yuniarti, Rezki; Putra, Eddie Krishna; Hadiana, Asep Id
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 8 No 1 (2024): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v8i1.451

Abstract

Ketidakaktifan fisik dan perilaku sedentari menjadi perhatian yang semakin meningkat di Indonesia, dengan potensi dampak buruk terhadap kesehatan masyarakat. Seiring dengan perkembangan teknologi digital, gamifikasi muncul sebagai alat yang menjanjikan untuk mendorong aktivitas fisik dan mengurangi perilaku sedentari. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi prototipe gamifikasi yang dirancang untuk mendorong aktivitas fisik dan mengurangi perilaku sedentari di kalangan pekerja kantor di Indonesia. Pendekatan campuran digunakan, mencakup pengembangan prototipe gamifikasi yang didasarkan pada teori dan prinsip perubahan perilaku. Fitur, fungsionalitas, dan antarmuka pengguna prototipe ini dirancang secara teliti untuk memenuhi kebutuhan populasi target. Peserta dipilih berdasarkan kriteria yang telah ditetapkan, dan data dikumpulkan sebelum dan sesudah intervensi untuk menilai efektivitas prototipe. Metode analisis data digunakan untuk menginterpretasikan hasilnya. Temuan awal menunjukkan bahwa prototipe gamifikasi ini efektif dalam meningkatkan tingkat aktivitas fisik dan mengurangi perilaku sedentari di antara peserta. Umpan balik dari peserta menunjukkan pengalaman pengguna yang positif, meskipun beberapa masalah teknis dilaporkan. Gamifikasi memiliki potensi sebagai pendekatan inovatif untuk mendorong aktivitas fisik dan mengurangi perilaku sedentari di Indonesia. Penelitian lebih lanjut diperlukan untuk menyempurnakan prototipe ini dan memperluas penerapannya ke populasi yang lebih luas.
SAER : Comparison of Rule Prediction Algorithms on Constructing a Corpus for Taxation Related Tweet Aspect-Based Sentiment Analysis Sopian, Annisa Mufidah; Ilyas, Ridwan; Kasyidi, Fatan; Hadiana, Asep Id
JOIN (Jurnal Online Informatika) Vol 9 No 1 (2024)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v9i1.1275

Abstract

Twitter is a popular social media in Indonesia, and sentiment analysis on Twitter has an important role in measuring public trust, especially in taxation issues. Aspect extraction is an important task in sentiment analysis. In this research, we propose SAER, a Syntactic Aspect-opinion Extraction and Rule prediction, that used language rule-based approach using syntactic features for aspect and opinion extraction, and we compare several algorithm for rule prediction such as Random Forest Regression, Decision Tree Regression, K-Nearest Neighbor Regression (KNN), Linear Regression, Support Vector Regression (SVR), and Extreme Gradient Boosting Regression (XGBoost) that can generate rules with a tree-based approach. By employing syntactic features and rule prediction, it has been able to explore important features in a sentence. In rule prediction, comparison results show that Support Vector Regression (SVR) was identified as the most effective model for aspects rule prediction, providing the best results with a Mean Squared Error (MSE) of 0.022, Root Mean Squared Error (RMSE) of 0.150, and Mean Absolute Error (MAE) of 0.123. While XGBoost was identified as the most effective model for opinions rule prediction, with MSE of 0.013, RMSE of 0.117, and MAE of 0.075. Since we used syntactic feature-based approaches and rule prediction in this work, it is expected to be implemented for other cases, with other domain datasets.
Object Detection of BISINDO Sign Language Letters Using Residual Network Eriyadi, Maulidina Norick; Ilyas, Ridwan; Abdillah, Gunawan; Hadiana, Asep Id
Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika Vol. 10 No. 1 (2024): April 2024
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v10i1.3670

Abstract

Indonesian Sign Language or BISINDO is an alternative language used by people who suffer from disabilities, especially those who have hearing impairments. This language grew and developed from the deaf community, so its use is based on the visual aspect. This research aims to apply Residual Networks to detect objects in the context of Bisindo Letter Sign Language, with the hope of increasing accuracy and efficiency in letter recognition. Object detection goes through 2 stages, namely feature extraction and model training. ResNet is a type of Convolutional Neural Network (CNN) architecture that utilizes models that have been previously trained, so it can save the time required in the model development process. In this research, Residual Network (ResNet) was used for feature extraction to recognize important aspects in the Bisindo letter sign image, such as hand position, finger shape characteristics, and direction of movement. The research results show that the new dataset used as training data and test data has a fairly good ability to detect with a division of 70% train set, 20% valid set and 10% test set with size 640x640 with 300 epochs for the training model.
Penggunaan IG dan MI dalam Peningkatan Kinerja Algoritma Naïve Bayes untuk Klasifikasi Penyakit Kardiovaskular Hanief Kuswanto, Muhammad Rafi; Chrisnanto, Yulison Herry; Hadiana, Asep Id
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 1 (2025): Volume 11 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i1.87693

Abstract

Penyakit Kardiovaskular (PK) merupakan salah satu penyebab utama kematian global, menjadikannya masalah kesehatan yang mendesak. Deteksi dini berbasis data memiliki potensi besar untuk meningkatkan diagnosis, tetapi kualitas prediksi sangat dipengaruhi oleh pemilihan data atribut yang relevan. Meskipun algoritma Naïve Bayes dikenal sederhana dan efisien dalam klasifikasi, kinerjanya sering kali terbatas pada dataset dengan atribut yang tidak relevan atau redundan. Penelitian sebelumnya menunjukkan bahwa Naïve Bayes memiliki akurasi yang lebih rendah dibandingkan algoritma lainnya dalam aplikasi medis. Oleh karena itu, penelitian ini mengeksplorasi potensi Information Gain (IG) dan Mutual Information (MI) sebagai metode seleksi fitur untuk meningkatkan akurasi prediksi PK menggunakan Naïve Bayes. Penggunaan IG dan MI belum banyak diteliti secara mendalam pada dataset medis dengan karakteristik unik seperti missing value, outlier, dan keterhubungan kelas, yang menjadi celah penting dalam penelitian ini. Proses penelitian meliputi transformasi data, seleksi fitur, dan evaluasi model akurasi menggunakan matriks konfusi. Hasil eksperimen menunjukkan bahwa penggunaan IG menghasilkan akurasi rata-rata tertinggi sebesar 88,6% dibandingkan MI dengan rata-rata akurasi 87%. Sementara Naïve Bayes seleksi tanpa fitur hanya mencapai akurasi 80%. Dengan demikian, IG menjadi metode seleksi fitur yang lebih efektif untuk meningkatkan kinerja Naïve Bayes dalam memprediksi PK. Penelitian ini menunjukkan bahwa seleksi fitur berbasis IG dan MI dapat mengurangi kompleksitas model, meningkatkan akurasi, serta mempercepat waktu pemrosesan karena IG maupun MI secara bersama-sama dapat melakukan proses seleksi terhadap fitur yang paling relevan untuk digunakan pada algoritma Naïve Bayes sehingga mampu meningkatkan kinerja dalam mengklasifikasi Penyakit Kardiovaskular.  
ANALISIS SENTIMENT PENGGUNAAN VAKSIN COVID-19 MENGGUNAKAN GEO-TAGGED TWEETS DAN ALGORITMA NAIVE BAYES Mushofy Anwary, Azy; ID Hadiana, Asep; Nurul Sabrina, Puspita
Informatics and Digital Expert (INDEX) Vol. 3 No. 2 (2021): INDEX, November 2021
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v3i2.876

Abstract

Sentimen analisis adalah salah satu teknik yang dapat dilakukan untuk mengolah suatu opini dari masyarakat salah satunya pada media sosial yaitu twitter. Dengan sentiment analisis data twitter tersebut dapat diketahui apakah polaritas suatu data tersebut akan mengarah pada sifat positif, negatif, atau netral. Penelitian ini menggunakan topik vaksin Covid-19 yang didapat dari Twitter. Metode yang digunakan dalam penelitian ini adalah metode naïve bayes. Metode naïve bayes adalah metode yang sering digunakan dalam mengkategorikan teks dan sangat cocok digunakan untuk implementasi analisis sentiment. Pada penelitian ini juga terdapat fitur tambahan yaitu fitur Geo-Tagged, fitur ini berguna untuk mengambil data pengguna twitter agar mengetahui lokasi dan waktu pengguna pada saat melakukan tweet. Ada beberapa proses yang dilakukan pada penelitian ini diantaranya pengumpulan data, pelabelan data, preprocessing data, feature extraction, penyeimbangan kelas label, mengklasifikasikan data menggunakan metode naïve bayes, melakukan visualisasi data berupa maps dan yang terakhir yaitu evaluasi hasil. Penelitian ini menghasilkan nilai akurasi (79%) dengan dibantu oleh metode synthetic minority oversampling technique. Data yang digunakan sebesar 1132 dataset yang diambil langsung menggunakan Teknik crawling dengan liblary twint. Wilayah yang melakukan tweet terbanyak jatuh kepada wilayah Karawang dengan sentimen positif  70 tweet, sentimen negatif 12 tweet dan sentimen netral 13 tweet.
Pengamanan Citra Medis Berbasis Steganografi d an Kriptografi Dengan Menggunakan Metode End Of File Dan Advanced Encryption Standard M. Purba, Grace Christian; ID Hadiana, Asep
Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i1.878

Abstract

Perkembangan teknologi pada saat ini telah mengalami perubahan yang sangat pesat khususnya pada bidang keamanan data. Dalam bidang keamanan data terdapat teknik-teknik yang dapat digunakan untuk mengamankan suatu data, contoh teknik yang dapat digunakan ialah steganografi dan kriptografi. Steganografi merupakan suatu teknik penyembunyian data dengan menyembunyikan data ke dalam suatu file media, sedangkan kriptografi adalah teknik penyembunyian pesan dengan menggunakan teknik enkripsi. Steganografi memanfaatkan kelemahan indra manusia seperti mata dan telinga, sehingga steganografi ini bisa diterapkan dalam berbagai media digital. Citra medis yang bersifat elektronik merupakan kelengkapan dari catatan kesehatan pribadi pasien, sehingga data tersebut harus diamankan agar tidak terjadi penyalahgunaan oleh pihak yang tidak berkaitan. Untuk mengetahui seberapa aman hasil stego, dilakukan beberapa pengujian seperti MSE, PSNR, Robustness, dan cyberattack. Hasil dari pengujian MSE mendapatkan 1,656 dan PSNR 46,026 dB sehingga dapat dikatakan baik. Adapun hasil dari pengujian robustness dan cyberattack pesan yang disisipkan dan di enkripsi tidak dapat terungkap
Sistem Prediksi Awal Terhadap Atrisi Karyawan Menggunakan Algoritma C4.5 Tulus, Tulus Harry Lamramot; Id Hadiana, Asep; Santikarama, Irma
Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i1.882

Abstract

Karyawan yang berbakat menjadi bagian penting bagi sebuah perusahaan. Menjadi masalah yang krusial bagi perusahaan ketika terdapat karyawan berbakat yang meninggalkan perusahaan untuk pindah ke perusahaan yang menawarkan peluang yang lebih baik. Kesiapan perusahaan dalam menghadapi masalah tenaga kerja dapat terlaksana dengan diberlakukannya sistem yang dapat memprediksi kasus atrisi karyawan. Penelitian ini bertujuan untuk merancang sistem prediksi awal terhadap atrisi karyawan. Dalam sudut pandang informatika untuk mencegah terjadinya atrisi karyawan, digunakan sistem Data Mining yang mampu memprediksi terjadinya atrisi karyawan tersebut dengan metode prediksi yaitu metode decision tree menggunakan algoritma C4.5. Data yang digunakan adalah data primer. Populasi yang digunakan adalah data yang diambil dari perusahaan PT.Indorama Petrochemicals yang berjumlah 1010 sampel data karyawan. Penelitian ini mendapatkan akurasi data sebesar 92,9% dengan algoritma C4.5 sehingga mendapatkan hasil yang baik pada prediksi atrisi karyawan tersebut.
Kriptografi Untuk Enkripsi Ganda Pada Gambar Menggunakan Algoritma AES (Advanced Encryption Standard) Dan RC5 (Rivest Code 5) Engko M, Galih Yuga Pangestu; Id Hadiana, Asep; Nurul Sabrina, Puspita
Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i1.884

Abstract

Pada masa kini, informasi berupa gambar sangatlah penting, terutama pada bidang kemiliteran. Gambar yang diproses melalui channel komunikasi militer, harus dirahasiakan sehingga data gambar menjadi aman dan tidak dapat dilihat oleh penyusup.maka, penerapan enkripsi gambar perlu diterapkan untuk menjaga kerahasiaan dan keamanan gambar tersebut. saat ini telah banyak algoritma algoritma untuk mengenkripsi gambar. Salah satu algoritma yang cukup populer adalah AES (Advanced Encryption Standard). AES merupakan algoritma kriptografi berjenis cipher blok yang terkenal luas dalam pengenkripsian sebuah data karena algoritma ini lebih baik untuk mencegah serangan brute force dibanding algoritma pendahulunya yaitu DES (Data Encryption Standard). AES ini akan diterapkan pada sebuah program yang berfungsi untuk mengamankan gambar kemiliteran agar tidak terjadi pencurian gambar oleh pihak ketiga. Gambar harus dienkripsi dahulu menggunakan sebuah kunci simetris sebelum dikirim ke penerima agar aman, dan penerima harus memiliki kunci dari pengirim agar dapat melakukan dekripsi terhadap gambar yang telah dienkripsi tersebut. Namun, hanya dengan menggunakan AES saja belum cukup untuk memberikan keamanan ekstra pada data gambar tersebut. diperlukan algoritma tambahan untuk melakukan enkripsi terhadap gambar yang telah dienkripsi menggunakan AES, sehingga gambar hasil enkripsi AES tidak dapat diakses juga. Salah satu algoritma yang cocok untuk diterapkan karena memiliki kunci simetris juga dan proses enkripsinya cukup cepat. Salah satu algoritma tambahan yang cukup cepat untuk melakukan enkripsi adalah RC5 (Rivest Code 5), yang dikembangkan oleh ron rivest untuk mengenkripsi file dengan cepat dan dengan kunci simetris. Dari hasil kedua algoritma di atas maka akan terbentuk suatu enkripsi ganda yang memberikan keamanan lebih terhadap data gambar militer. Tujuan dari peneliti menggunakan algoritma AES dan RC5 adalah agar data gambar lebih sulit untuk dipenetrasi serta hasilnya juga data yang terenkripsi lebih aman namun tetap mudah untuk dilakukan dekripsi.
Co-Authors Abdillah, Fajrul Abidillah, Gunawan Adelia Siti Rukoyah Agri Yodi Prayoga Agus Komarudin Agus Komarudin Agus Komarudin Alawiah, Siti Nurbayanti Alda Amorita Azza Ali, Moch. Dzikri Azhari Ananta Firdaus, Ahnaf Anggoro, Sigit Anggun Titah Islamiyyah Anshori, Siddiq Ahmad Anwar Fauzi, Mochammad Ardiansyah, Diki Arthur Oliviana Zabka Ashaury, Herdi Ashaury, Herdy Azhari, Moch Dzikri Azy Mushofy Anwary Badrujamaludin, Asep Chrisnanto, Yulison H. Dava Maulana, Muhammad Destiyanti, Fitri Dewi Marini Umi Atmaja Dewi Ratnasari DEWI RATNASARI Diah Tri Wahyuni Eddie Khrisna Putra Edvin Ramadhan Eka Purnama Rijaludin, Muhamad Engko M, Galih Yuga Pangestu Eriyadi, Maulidina Norick Fadilah, Vira Hasna Fahrezi, Rizal Febrian Faiza Renaldi Faiza Renaldi Fajar Firdaus, Fajar Fajri Rakhmat Umbara Fajri Rakhmat Umbara Fajri Rakhmat Umbara Fajri Rakhmat Umbara Fajri Rakhmat Umbara Fajri Rakhmat Febriansyah Istianto, Andrian Ferdiansyah Ferdian Ferina Nur Maulidya Firdaus, Syahrul Firman Alamsyah Galih Jatnika Galih Yuga Pangestu Engko M Gestavito, Rio Grace Christian M. Purba Gunawan Abdillah Gunawan Abdillah, Gunawan Gunawan Abidillah Hadi Apryana Hadimas Aprilian, Doni Haikal Muhammad, Husein Hanief Kuswanto, Muhammad Rafi Helsa Hawariyah Herdi Ashaury Herlina Napitupulu Hidayatulah Himawan Hovi Sohibul Wafa Hovi Hovi, Hovi Sohibul Wafa Humaira, Hana Nazla Idham Pratama Putra Illawati, Adinda Rahma Indah Putriani Fajar Sidik Insan Kamil Nurhikmat Ipan Sugiana Iqbal Dwi Nulhakim Iqbal Prayoga Willyana Irma Santikarama Irma Setiawati Ismafiaty, Ismafiaty Julianthy, Denissya Kafi, Moch. Nurul Kania Ningsih, Ade Kasyidi, Fatan Kharisma S, Moh Iqbal Komarudin, Agus Krishna Putra, Eddie Kusumaningtyas, Valentina Adimurti Lestari, Abdila Lugina Masri M. Purba, Grace Christian Melina Melina Melina Melina Melina, Melina Monica, Taris Muhammad Hasan Thoriq Almuwaffaq Thoriq Muhammad Sukma, Rifaz Muhammad, Azri Mulyasari, Cicik Rafka Mushofy Anwary, Azy Muthmainah, Sekar Ghaida Nabilla, Ulya Nizar Septi maulana Norizan Mohamed Nurrokhimah, Siti Nurul Sabrina, Puspita Oktaviani, Ayu Nur Oliviana Zabka, Arthur Prasetyo, Nur Faid Pryma Saputra Ginting Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Putra, Eddie Krishna Putri Eka Prakasawati Rafli Firdaus Raflialdy Raksanagara Rahmawati, A Lusi Fitri Raihan Martin Permana Rakhmat Umbara, Fajri Ramdani, Maullidan Alfa Rizki Fikri Rezki Yuniarti Rezky Yuniarti Ria Amelia Junandes Ridwan Ilyas Rifaldi Elpry Rizal Rizal Dwiwahyu Pribadi Rizky Bayu Oktavian Rizky Fauzi Achman Rukoyah, Adelia Siti Salsabila Fajriati Romli Salsabila Salsabila, Mira Salsabila, Salsabila Fajriati Romli Santikarama, Irma Sapari, Albi Mulyadi SETIAWAN, YOSEP Sevty Nourmantana Shisi Prayesti Singgih, Dimas Siti Rohaeni Siti Widiani Sopian, Annisa Mufidah Sudrajat, Risqi Sukono Sukono Susanti, Adisti Dwi Syamsi, Salsa Safira Nur Syechru Denny Irja Gotama Szalfa Saadiatus Sakinah Tacbir Hendro P Tacbir Hendro P Tacbir Hendro P Tacbir Hendro Pudjiantoro Tacbir Hendro Pudjiantoro Tacbir Hendro Pudjiantoro Tacbir Hendro Pudjiantoro Tacbir Pudjiantoro Hendro Tachbir Hendro Taufiq Akbar Herawan Thomas Adi Nugroho Tulus Harry Lamramot Tulus Tulus, Tulus Harry Lamramot Umbara, Fajri Rakhmat Valentina Adimurti Kusumaningtyas Wahyuni Rodiyah Risfianti Widiyantoro, Widiyantoro Wina Witanti Wina Witanti Wina Witanti Wina Witanti Wina Witanti Wina Witanti Wina Witanti Winalia Winalia Winta Witanti Yasmina Azzahra Yudi Setiadi Permana Yulianto Dwi Saptohadi Yulison Herry Chrisnanto Yulita, Rita Fitri Yuswandi Yuswandi, Yuswandi