Article Per Year (5 Year)
p-Index From 2021 - 2026
6.216
P-Index
This Author published in this journals
All Journal Semantik TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmiah Kursor Jurnal Teknologi Informasi dan Ilmu Komputer Pro Bisnis Telematika Sistemasi: Jurnal Sistem Informasi JOIV : International Journal on Informatics Visualization Jurnal Pilar Nusa Mandiri JITK (Jurnal Ilmu Pengetahuan dan Komputer) SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan ILKOM Jurnal Ilmiah Jurnal Tekno Insentif JURTEKSI Jurnal Teknologi Terpadu Building of Informatics, Technology and Science Indonesian Journal of Electrical Engineering and Computer Science Jurnal Teknik Informatika (JUTIF) JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) Journal of Applied Data Sciences Jurnal Pendidikan dan Teknologi Indonesia JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Algoritma Electronic Journal of Education, Social Economics and Technology Jurnal Informatika: Jurnal Pengembangan IT Journal of Informatics and Interactive Technology (JIITE) INJECT Interdisciplinary Journal of Communication Journal of Digital Market and Digital Currency
Fandy Setyo Utomo
Universitas AMIKOM Purwokerto
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Veterinary Other

Published : 62 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 62 Documents
Search

 1   2   3   4   5 
Novel Predictive Framework for Student Learning Styles Based on Felder-Silverman and Machine Learning Model Maulana Baihaqi, Wiga; Eko Saputro, Rujianto; Setyo Utomo, Fandy; Sarmini, Sarmini
Journal of Applied Data Sciences Vol 5, No 4: DECEMBER 2024
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v5i4.408

Abstract

This study analyzes data from the Open University Learning Analytics Dataset to evaluate how students' interactions with Virtual Learning Environment (VLE) materials influence their final outcomes. This research aims to formulate and build a novel predictive framework based on the Felder-Silverman and Machine Learning Model for student learning styles. Based on these objectives, this research provides novelty and contributions since it enhances student data analysis, uses a learning model using Felder-Silverman Learning Style Model (FSLSM) to give a more comprehensive understanding of students' learning styles, and improves prediction accuracy by introducing Artificial Neural Network (ANN) and feature selection using Random Forest. The data used includes 3 main files: vle.csv, which contains information about the materials and activities in the VLE; studentVle.csv, which records students' interactions with the materials; and studentInfo.csv, which provides demographic information of students and their final outcomes. The analysis process involved data merging and processing, including handling of missing values, data type conversion, as well as mapping activity types to learning style features based on the FSLSM. We use the Random Forest feature selection method, as well as data imbalance handling techniques such as oversampling, to improve model performance. The applied classification models include Logistic Regression, K-Nearest Neighbor, Random Forest, Support Vector Machine (SVM), and ANN. The analysis results showed that after tuning, the Random Forest model achieved 97% accuracy, while SVM achieved 97% accuracy as well, with better performance than previous studies. This research highlights the importance of comprehensive data integration and appropriate processing techniques in improving the accuracy of student learning style prediction. Based on the increase in accuracy results, it can be beneficial for more effective personalized learning and improve our understanding of students' learning style preferences. The research advances knowledge and provides practical applications for educators to tailor their teaching strategies.
Sistem Informasi Pengolahan Data Nilai Siswa Menggunakan AWS Berbasis WEB Lukita, Dita; Setyo Utomo, Fandy
Journal of Informatics and Interactive Technology Vol. 1 No. 3 (2024): Desember
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v1i3.24

Abstract

Sistem Informasi Pengolahan Data Nilai Siswa Berbasis Web dirancang untuk menyediakan laporan nilai dan informasi siswa secara online menggunakan teknologi cloud computing dari Amazon Web Services (AWS). Sistem ini mengatasi keterbatasan akses data, ketidakefektifan pengolahan nilai, dan lamanya waktu mendapatkan hasil evaluasi. Pengembangan sistem menggunakan model Waterfall dari Software Development Life Cycle (SDLC), mencakup analisis kebutuhan, desain dengan UML, implementasi menggunakan PHP dan Code Igniter, serta pengujian black box. Layanan AWS seperti Route 53, S3, Lambda, dan EC2 digunakan untuk memastikan efisiensi dan ketersediaan tinggi. Antarmuka sistem meliputi halaman beranda, login, menu admin, dan siswa, yang dirancang untuk memudahkan navigasi pengguna. Hasil implementasi menunjukkan sistem ini efektif dalam meningkatkan efisiensi biaya dan kecepatan pengolahan data nilai siswa. Dengan struktur pengembangan yang terorganisir, sistem ini diharapkan dapat mendukung pengambilan keputusan yang lebih baik di sekolah.
Analisis Sentimen Wisatawan Lawang Sewu Menggunakan Metode Naïve Bayes Pyawai, Hero Galuh; Utomo, Fandy Setyo
Journal of Informatics and Interactive Technology Vol. 1 No. 3 (2024): Desember
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v1i3.32

Abstract

Lawang Sewu adalah sebuah gedung bekas perkantoran yang terletak di Semarang, Jawa Tengah, Indonesia. Gedung ini dibangun sebagai kantor pusat Nederlandsch-Indische Spoorweg Maatschappij (NISM) dan kini menjadi milik perusahaan kereta api Kereta Api Indonesia (KAI). Saat ini, bangunan tersebut digunakan sebagai museum dan galeri sejarah perkeretaapian oleh Unit Pelestarian dan Perancangan Arsitektur Pusat dan KAI Wisata. TripAdvisor adalah platform perjalanan online yang menyediakan ulasan dan masukan pengguna mengenai hotel, objek wisata, restoran, dan lainnya. Ulasan wisatawan yang pernah berkunjung ke Lawang Sewu dapat memberikan wawasan mengenai pengalamannya di sana. Dilakukan nya penelitian ini yaitu untuk mengukur tingkat akurasi dari metode Naïve Bayes dalam melakukan klasifikasi ulasan berdasarkan komentar wisatawan yang ada pada situs TripAdvisor. Metode Naïve Bayes pada penelitin ini menggunakan library python MultinominalNB dan dalam proses klasifikasi menggunakan data tes sebanyak 33% dari data training. Proses Cross Validation menggunakan metode K-Fold dengan menggunakan 10 fold dan mendapatkan hasil akurasi sebesar 87%.
Diabetes Detection Optimisation with Hyperparameter Tuning in Random Forest Algorithm Aji Septa, Adrian; Amar Al Farizi; Anas Nur Khafid; Didi Prasetyo; Nur Cholis Romadhon; Fandy Setyo Utomo
Journal of Informatics and Interactive Technology Vol. 1 No. 3 (2024): Desember
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v1i3.42

Abstract

Diabetes is a common disease suffered by many people, one of which is Diabetes Mellitus. This disease is caused by disorders in the pancreas that affect the body's metabolism due to the lack of production of the hormone insulin, the use of technology that is associated with diabetes is one step to be able to classify diabetes. This study aims to develop a diabetes classification model using the Random Forest algorithm. The methods used include dataset selection from the Pima Indians Diabetes Database, data pre-processing by replacing missing values using the mean, and data balancing using the SMOTE technique. The model was then trained and evaluated using confusion matrix to measure accuracy, precision, recall, and F1-score. The results showed that the Random Forest algorithm with grid search hyperparameters produced good performance with 79% accuracy, 76% precision, 83% recall, and 80% F1-score. The conclusion of this research is that the Random Forest algorithm is effective in classifying diabetes data and shows improved performance compared to other algorithms such as Logistic Regression. This model can be used for more accurate early detection of diabetes, thus helping in early treatment and reducing the number of disabilities and deaths due to diabetes.
Optimasi Logistic Regression dan Random Forest untuk Deteksi Berita Hoax Berbasis TF-IDF Wahid, Arif Mu'amar; Turino, Turino; Nugroho, Khabib Adi; Maharani, Titi Safitri; Darmono, Darmono; Utomo, Fandy Setyo
Jurnal Pendidikan dan Teknologi Indonesia Vol 4 No 8 (2024): JPTI - Agustus 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.602

Abstract

Penyebaran berita hoax di era digital menjadi tantangan serius yang memerlukan solusi berbasis teknologi untuk mengidentifikasi dan meminimalkan dampaknya. Penelitian ini bertujuan untuk mengevaluasi performa Logistic Regression (LR) dan Random Forest (RF) dalam mendeteksi berita hoax menggunakan representasi teks berbasis Term Frequency-Inverse Document Frequency (TF-IDF). Hyperparameter tuning diterapkan pada kedua algoritma untuk meningkatkan akurasi, precision, recall, dan F1-score. Dataset yang digunakan terdiri dari berita hoax dan valid dalam bahasa Indonesia, yang telah melalui tahapan preprocessing, termasuk pembersihan teks, penghapusan stopwords, dan stemming. Hasil evaluasi menunjukkan bahwa Logistic Regression, setelah tuning, mencapai akurasi sebesar 95.20%, precision 95.71%, recall 94.48%, dan F1-score 95.09%. Random Forest menunjukkan akurasi sebesar 92.39%, precision 94.39%, recall 89.87%, dan F1-score 92.08%. Logistic Regression unggul dalam keseimbangan antara precision dan recall, sementara Random Forest menunjukkan kekuatan pada precision dengan kemampuan menangani pola data yang lebih kompleks. Teknik TF-IDF terbukti efektif dalam memberikan bobot pada kata-kata yang relevan, membantu algoritma klasifikasi dalam mengenali pola dalam data teks. Penelitian ini juga memiliki dampak praktis dalam memberikan fondasi bagi pengembangan sistem deteksi hoax yang dapat digunakan di aplikasi berbasis NLP, baik untuk kebutuhan akademis maupun implementasi di industri. Penelitian ini berkontribusi pada pengembangan sistem deteksi hoax berbasis Natural Language Processing (NLP), khususnya untuk bahasa Indonesia. Untuk pengembangan lebih lanjut, disarankan memperluas dataset dengan sumber berita yang lebih beragam dan mengeksplorasi algoritma berbasis deep learning seperti LSTM atau Transformer. Secara ilmiah, penelitian ini memberikan kontribusi penting dengan menguji efektivitas hyperparameter tuning dalam meningkatkan akurasi model deteksi hoax. Hasil penelitian ini diharapkan dapat menjadi acuan dalam membangun sistem deteksi hoax yang lebih akurat dan andal.
ENHANCING COLLABORATION DATA MANAGEMENT THROUGH DATA WAREHOUSE DESIGN: MEETING BAN-PT ACCREDITATION AND KERMA REPORTING REQUIREMENTS IN HIGHER EDUCATION Wahid, Arif Mu'amar; Afuan, Lasmedi; Utomo, Fandy Setyo
Jurnal Teknik Informatika (Jutif) Vol. 5 No. 6 (2024): JUTIF Volume 5, Number 6, Desember 2024
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2024.5.6.1747

Abstract

In higher education institutions, effective management of collaboration data is crucial for academic reporting and strategic planning. This study addresses the challenges of managing diverse data types and the necessity for streamlined data management to meet BAN-PT accreditation and Kerma reporting requirements. It aims to design and implement a data warehouse utilizing the star schema for improved accessibility and decision-making. Highlighting the development process, special emphasis is placed on the Extract, Transform, Load (ETL) process with Pentaho to assure data integrity and quality. The methodology involves a systematic approach to constructing the data warehouse, aimed at resolving identified challenges through efficient data organization and quality management. Results demonstrate significant enhancements in data accessibility, reporting efficiency, and quality, leading to reduced administrative efforts and improved decision-making. The research also considers the wider implications of such data management systems in academic administration, suggesting the potential of data warehouses in higher education as benchmarks for similar institutional challenges. Future research directions are recommended for optimizing data warehouse designs and adapting to evolving academic standards, underlining the critical role of advanced data management in meeting stringent accreditation and reporting needs, thus providing a model for technology-driven solutions in educational data management.
Program pendampingan penulisan ilmiah dan eksplorasi kesenjangan penelitian menggunakan teknologi kecerdasan buatan bagi Dosen Fakultas Ilmu Komputer Universitas Amikom Purwokerto Widiawati, Chyntia Raras Ajeng; Utomo, Fandy Setyo; Saputro, Rujianto Eko; Sarmini, Sarmini; Adiya, Az Zahra Dwi Nur; Ilham, Rifqi Arifin; Hartini, Sri
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 8, No 4 (2024): December
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v8i4.26890

Abstract

AbstrakPermasalahan yang dihadapi oleh mitra sasaran Fakultas Ilmu Komputer (FIK) Universitas Amikom Purwokerto adalah rendahnya jumlah dosen yang memiliki gelar doktor yang berperan penting untuk meningkatkan kualitas pendidikan dan penelitian. Berdasarkan data FIK, dari 72 dosen, hanya 6 yang memiliki gelar doktor. Rendahnya jumlah doktor ini disebabkan karena dosen kesulitan dalam menentukan tema penelitian yang tepat dan relevan dengan kepakaran mereka, kesulitan menemukan dan merumuskan kesenjangan penelitian, serta kesulitan dalam merumuskan inovasi dan kebaruan riset. Berdasarkan permasalahan tersebut, kami memberikan solusi menyelenggarakan program Bootcamp Doktoral: Penulisan ilmiah dan identifikasi kesenjangan penelitian menggunakan teknologi kecerdasan buatan. Target yang diharapkan dari program ini, yakni dosen di lingkungan fakultas ilmu komputer dapat meningkatkan kompetensi akademik, mengembangkan jaringan profesional, meningkatkan keterampilan penelitian dan penulisan publikasi, memperoleh motivasi dan inspirasi untuk studi lanjut S3, mengembangkan soft skill, serta mampu beradaptasi dengan tren teknologi terbaru. Berdasarkan target luaran yang telah ditetapkan, metode pengabdian masyarakat yang digunanakan dalam program ini mencakup 3 tahap utama, yaitu tahap persiapan kegiatan, implementasi kegiatan, dan pelaporan kegiatan. Hasil evaluasi pelaksanaan program pendampingan melalui umpan balik peserta pada hari selasa, 20 Agustus 2024 secara daring diperoleh hasil bahwa seluruh peserta webinar dapat memahami pengoperasian tools berbasis teknologi kecerdasan buatan untuk penulisan ilmiah, dan memahami etika penggunaan teks atau data dari hasil tools kecerdasan buatan dalam konteks penelitian. Kata kunci: pendampingan; kecerdasan buatan; penulisan ilmiah; penelitian; doktoral AbstractThe problem faced by the target partners of the Faculty of Computer Science Universitas Amikom Purwokerto is the low number of lecturers who have doctoral degrees who play an essential role in improving the quality of education and research. The low number of doctors is caused by lecturers having difficulty determining the correct and relevant research themes with their expertise, difficulty finding and formulating research gaps, and difficulty formulating innovation and research novelty. Based on these problems, we provide a solution to organize a Doctoral Bootcamp program: Scientific writing and identifying research gaps using artificial intelligence technology. The expected target of this program is that lecturers in the faculty of computer science can improve their academic competence, develop professional networks, improve research skills and publication writing, gain motivation and inspiration for further doctoral studies, develop soft skills, and be able to adapt to the latest technological trends. Based on the set output targets, the community service method used in this program includes three main stages: the activity preparation stage, activity implementation, and activity reporting. The results of the evaluation of the implementation of the mentoring program through participant feedback showed that all webinar participants were able to understand the operation of artificial intelligence technology-based tools for scientific writing and understand the ethics of using text or data from the results of artificial intelligence tools in the context of research. Keywords: mentoring; artificial intelligence; scientific writing; research; doctoral
Optimalisasi kemampuan menulis akademik melalui teknologi AI: kolaborasi Universiti Teknikal Malaysia Melaka dan Universitas Amikom Purwokerto Sarmini, Sarmini; Saputro, Rujianto Eko; Utomo, Fandy Setyo; Putranto, R. Vitto Mahendra; Filanzi, Shendy; Adiatma, Febriansyah Husni
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 8, No 4 (2024): December
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v8i4.26335

Abstract

Abstrak Kebutuhan untuk meningkatkan kemampuan mahasiswa dalam memanfaatkan teknologi terbaru, khususnya AI, dalam proses penulisan ilmiah semakin penting di era digital. Kegiatan pendampingan penulisan artikel ilmiah menggunakan kecerdasan buatan (AI) diselenggarakan oleh Pusat Studi Media, Game, dan Mobile Universitas Amikom Purwokerto, dengan narasumber Assoc. Prof. Ahmad Naim Che Pee dari Human-Centered Computing and Information Systems Lab (HCC-ISL), UteM dilaksanakan pada tanggal 1 Agustus 2024. Tujuan dari kegiatan ini untuk memberikan pemahaman serta keterampilan praktis bagi mahasiswa dalam penggunaan AI, khususnya Chat GPT, dalam menyusun artikel ilmiah, mulai dari penyusunan struktur, pengecekan tata bahasa, hingga pengelolaan referensi. Metode pelaksanaan kegiatan meliputi pre-test untuk mengukur pemahaman awal mahasiswa, pelatihan yang mencakup teori dan praktik penggunaan AI, post-test untuk menilai peningkatan pemahaman, serta sesi tanya jawab dan evaluasi. Hasil evaluasi menunjukkan peningkatan signifikan dalam pemahaman mahasiswa, yang tercermin dari data hasil post-test yang lebih baik dibandingkan pre-test. Selain itu, mahasiswa menyatakan bahwa pelatihan ini memberikan wawasan baru yang relevan untuk mendukung tugas akademik mereka. Kata kunci: pendampingan; kecerdasan buatan; chat GPT; mahasiswa; penulisan artikel. Abstract Enhancing students' abilities to utilize the latest technology, particularly AI, in scientific writing is becoming increasingly important in the digital era. A scientific article writing mentorship program using Artificial Intelligence (AI) was organized by the Media, Game, and Mobile Research Center at Universitas Amikom Purwokerto, with the guest speaker Assoc. Prof. Ahmad Naim Che Pee from the Human-Centered Computing and Information Systems Lab (HCC-ISL), UTeM, held on August 1, 2024. This activity aimed to provide students with practical understanding and skills in using AI, specifically Chat GPT, in composing scientific articles, from structuring the paper and grammar checking to managing references. The implementation method included a pre-test to measure students' initial understanding, training sessions covering theory and practical use of AI, a post-test to assess improvements, and a Q&A session and evaluation. The evaluation results showed a significant improvement in students' understanding, as reflected in the post-test data, which were better than the pre-test results. Students reported that this training provided new and relevant insights to support their academic tasks. Keywords: mentoring; artificial intelligence; chat GPT; students; article writing.
Perbandingan Model CNN, LSTM, dan FNN dalam Klasifikasi Kulit Penderita Diabetes Arifin, Samsul; Tahyudin, Imam; Setyo Utomo, Fandy
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.536

Abstract

Penelitian ini mengembangkan dan membandingkan kinerja tiga algoritma Deep Learning, yaitu Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM), dan Feedforward Neural Networks (FNN), untuk mengklasifikasi gambar kulit penderita diabetes dan kulit sehat. Data yang digunakan terdiri dari gambar kulit yang diproses melalui tahapan pra-pemrosesan, pembangunan model, pelatihan, dan evaluasi. Parameter yang diuji meliputi akurasi klasifikasi masing-masing model. Hasil menunjukkan ba hwa LSTM mencapai akurasi tertinggi sebesar 94%, diikuti oleh CNN dengan 87%, dan FNN dengan 82%. Model terbaik diimplementasikan dalam aplikasi berbasis web menggunakan Flask, yang dapat memberikan prediksi otomatis untuk mendukung diagnosis dini. Penelitian ini berkontribusi pada pengembangan teknologi diagnostik yang dapat membantu mencegah komplikasi serius pada pasien diabetes melalui deteksi dini kondisi kulit.
Penerapan REST API Laravel sebagai Fondasi Back-end Aplikasi G-MOOC 4D Nurjaman, Iman; Utomo, Fandy Setyo; Hermanto, Nandang
Journal of Informatics and Interactive Technology Vol. 1 No. 1 (2024): April
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v1i1.4

Abstract

Revolusi industri keempat, mengalami kemajuan teknologi dan memengaruhi setiap aspek kehidupan. Pendidikan memiliki peran besar dalam mengembangkan individu secara fisik, intelektual, dan emosional. Perkembangan teknologi menjadi pendidikan daring atau Learning Management System (LMS). Pendidikan seperti yang disebutkan penting untuk pengembangan manusia. Pendidikan inklusi diatur oleh Permendiknas No.70/2009, mendukung kesetaraan dalam pembelajaran. Anak tunanetra memerlukan bahan ajar khusus, seperti tulisan Braille. Aplikasi MOOC, seperti G-MOOC 4D, dengan fitur inklusi, membuka akses belajar bagi penyandang. Backend, sebagai logika aplikasi di server, krusial dalam aplikasi berbasis web. REST API, perlu dalam pembangunan aplikasi modern. REST API mengelola pertukaran data efisien dan aman dengan format JSON. REST API diharapkan meningkatkan efisiensi dan keamanan aplikasi G-MOOC 4D. Pengembangan sistem atau sering disebut Software Development Life Cycle (SDLC) adalah suatu proses yang digunakan untuk mengembangkan atau mengubah sistem perangkat lunak dengan memanfaatkan model-model dan metodologi yang telah digunakan sebelumnya oleh para profesional dalam pengembangan sistem perangkat lunak. Peneliti berhasil membangun REST API menggunakan framework Laravel, yang menghasilkan sejumlah titik akses (API endpoints) yang digunakan oleh tim frontend untuk melakukan interaksi dan mengakses data dari backend sistem secara efisien dan aman. Pengujian menggunakan metode black box melalui aplikasi Postman dalam penelitian ini berhasil mencapai kesuksesan menyeluruh pada setiap titik akses (endpoint) API yang telah dibangun).
Co-Authors Adiatma, Febriansyah Husni Adiya, Az Zahra Dwi Nur Aisha Hukama Setyowati Aji Saeful Aji Septa, Adrian Ajis Solihin, Afit Amar Al Farizi Anas Nur Khafid Anggini, Melisa Anggraeni, Mutia Dwi Anggraini, Nova Anggriani, Epri Anies Indah Hariyanti Azhari Shouni Barkah Azmi, Mohd Sanusi Bagus Adhi Kusuma Bahari, Aris Ridky Setiya Baihaqi, Wiga Maulana Balit, Muhamad Naufal Burhanuddin Berlilana Berlilana Berlilana Burhanuddin Balit, Muhamad Naufal Churil Aeni, Agustina Chyntia Raras Ajeng Widiawati Chyntia Raras Ajeng Widiawati Darmono Dedi Purwanto, Dedi Didi Prasetyo Dwi Krisbiantoro, Dwi Dzaky Candy Fahrezy Fadhilah, Siti Nur Filanzi, Shendy Giat Karyono Giat Karyono Hanif Hidayatulloh Hendra Marcos, Hendra hidayatulloh, hanif Ilham, Rifqi Arifin Imam Tahyudin Indriyani, Ria Jamie Mayliana Alyza Kafilla, Princess Iqlima Kusuma, Bagus Adhi Kusuma, Velizha Sandy Lasmedi Afuan Lubna, Zuhriyatul Lukita, Dita Maulana Baihaqi, Wiga Mohd Fairuz Iskandar Othman Mohd Nazrin Muhammad Mohd Sanusi Azmi Muaziz, Imam Muhamad Naufal Burhanuddin Balit Muhtyas Yugi Murtiyoso Murtiyoso Nandang Hermanto Nanna Suryana Nikmah Trinarsih Nugroho, Khabib Adi Nur Cholis Romadhon Octavia, Annisa Suci Prayoga, Fandhi Dhuga Pungkas Subarkah Purbo, Yevi Septiray Purwidiantoro, Moch. Hari Putranto, R. Vitto Mahendra Pyawai, Hero Galuh Ramadhan, Aziz Ramadhan, Rio Fadly RR. Ella Evrita Hestiandari Rujianto Eko Saputro Sagita, Selvi Samsul Arifin Sarmini - Sarmini Sarmini Sarmini Sekhudin Sekhudin Setiabudi, Rizki Setiawan, Ito Shafira, Lulu Slamet Widodo Sofa, Nur Solihin, Afit Ajis Sri Hartini Subarkah, Pungkas Sugianto, Dwi Suryana, Nanna Taqwa Hariguna Titi Safitri Maharani Trinarsih, Nikmah Turino, Turino Utomo, Dadang Wahyu Wahid, Arif Mu'amar Wibisono, Arif Cahyo Wiga Maulana Baihaqi Yuli Purwat Yuli Purwati Yuli Purwati Yulianto, Koko Edy