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

 2   3   4   5   6 
Perancangan UI/UX pada Aplikasi Pembelajaran Online Deagle Menggunakan Metode Design Thinking Churil Aeni, Agustina; Setyo Utomo, Fandy
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.v1i1.21

Abstract

Untuk mengatasi keterbatasan pemahaman teknologi digital di kalangan pelajar dan mahasiswa di Indonesia, terutama dalam konteks pembelajaran online, maka dari itu peneliti merancang UI/UX aplikasi bernama Deagle E-Learning App. Tujuan dari aplikasi ini adalah meningkatkan literasi digital dengan menyediakan pengalaman belajar yang efektif dan menarik. Dalam pengembangan aplikasi ini, peneliti menggunakan Metode Design Thinking yang terdiri dari 5 tahap, yaitu empathize, define, ideate, prototype, dan testing. Metode ini dipilih karena berfokus pada pengguna dan kebutuhan mereka, mengidentifikasi kebutuhan secara terfokus, menghasilkan ide- ide untuk memecahkan masalah, dan mengimplementasikannya melalui pembuatan prototype. Dengan demikian, desain antarmuka (UI/UX) yang peneliti buat akan lebih relevan, fungsional, dan memenuhi kebutuhan pengguna. Selama proses pengembangan, peneliti juga mengatasi beberapa masalah yang perlu diatasi, seperti ketidakpuasan pengguna terhadap antarmuka, tingkat kemudahan penggunaan fitur- fitur, kesulitan operasional platform, dan kurangnya motivasi untuk belajar.
Analisis Sentimen Opini Publik Tentang Kendaraan Listrik di Indonesia Dzaky Candy Fahrezy; Fandy Setyo Utomo
Journal of Informatics and Interactive Technology Vol. 1 No. 2 (2024): Agustus
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v1i2.37

Abstract

Kendaraan listrik menjadi perhatian utama dalam industri otomotif global dan juga di Indonesia, sebagai upaya untuk mengurangi dampak negatif lingkungan dan ketergantungan terhadap bahan bakar fosil. Namun, penerimaan kendaraan listrik oleh masyarakat sangat dipengaruhi oleh opini publik yang beragam. Oleh karena itu, analisis sentimen opini publik menjadi penting untuk memahami bagaimana masyarakat Indonesia merespons kendaraan listrik. Penelitian ini bertujuan untuk menerapkan dua algoritma klasifikasi yaitu Naïve Bayes dan Support Vector Machine, kemudian menganalisa hasil klasifikasi penerapan kinerja kedua algoritma tersebut. Data yang digunakan dalam penelitian ini adalah data komentar yang diperoleh dari media social Twitter berjumlah 3.043 data. Hasil penelitian menunjukan bahwa Support Vector Machine memiliki kinerja paling baik dengan nilai accuracy 82.95% sementara Naive Bayes sebesar 73%. Dengan akurasi tersebut, model yang dibuat mampu mengklasifikasi kategori positif dan negatif pada suatu dokumen dengan baik.
Eksplorasi Model Hybrid Transformer-Latent Semantic Analysis (LSA) Untuk Pemahaman Konteks Teks Berita Berbahasa Indonesia Sofa, Nur; Utomo, Fandy Setyo; Saputro, Rujianto Eko
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 5 (2025): JPTI - Mei 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.662

Abstract

Kemajuan teknologi informasi meningkatkan konsumsi berita digital, menuntut sistem Natural Language Processing (NLP) yang efisien dalam memahami bahasa Indonesia. Namun, kompleksitas morfologi bahasa Indonesia menyulitkan model NLP konvensional dalam menangkap makna semantik secara akurat. Model deep learning seperti Transformer unggul dalam menangkap hubungan semantik lokal, sementara Latent Semantic Analysis  (LSA) memahami hubungan semantik global melalui reduksi dimensi. Namun, Transformer membutuhkan sumber daya komputasi besar, sedangkan LSA cenderung kehilangan konteks sintaksis. Penelitian ini mengusulkan model hybrid yang mengintegrasikan Transformer dan LSA untuk meningkatkan pemahaman teks berita Indonesia serta mengevaluasi performanya dibandingkan model individu dan deep learning yang lebih kompleks. Evaluasi menggunakan Accuracy, F1-Score, BLEU Score, ROUGE, dan Perplexity. Model hybrid mencapai akurasi 0.510760 dan F1-Score 0.520486, lebih baik dari LSA dan Transformer, tetapi masih tertinggal dari BERT dan GPT. Meski demikian, model hybrid lebih efisien secara komputasi dibandingkan model deep learning yang lebih kompleks. Penelitian ini berkontribusi pada pengembangan NLP bahasa Indonesia dengan pendekatan yang lebih ringan. Implikasi penelitian menunjukkan perlunya dataset lebih besar dan teknik embedding lebih maju. Penelitian selanjutnya dapat mengeksplorasi integrasi model hybrid dengan BERT atau GPT, serta teknik embedding lain seperti word2vec atau fastText untuk meningkatkan pemahaman semantik.
Perancangan UIUX Aplikasi Calmind Menggunakan Metode Design Thinking Aisha Hukama Setyowati; Fandy Setyo Utomo; Anggini, Melisa; Wibisono, Arif Cahyo
Journal of Informatics and Interactive Technology Vol. 2 No. 1 (2025): April
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v2i1.49

Abstract

Kesehatan mental merupakan aspek penting dari kesejahteraan individu yang sering diabaikan dalam masyarakat modern, terutama di Indonesia, di mana masalah kesehatan mental semakin meningkat, terutama di kalangan remaja dan dewasa muda. Penelitian ini mengusulkan solusi berupa aplikasi Calmind, yang dirancang untuk memudahkan pengguna dalam mencari layanan kesehatan mental dan menyediakan informasi edukatif terkait kesehatan mental. Metode Design Thinking digunakan dalam proses perancangan aplikasi ini, yang terdiri dari lima tahap: Empathize, Define, Ideate, Prototype, dan Test. Hasil penelitian ini menunjukkan antarmuka aplikasi yang dilengkapi Fitur pencarian profesional kesehatan mental (psikolog dan psikiater), konsultasi daring, artikel kesehatan mental, Rekomendasi penanganan dokter. bedasarkan usability testing menunjukkan bahwa aplikasi ini berpotensi meningkatkan kesadaran akan pentingnya kesehatan mental dan memberikan akses yang lebih baik kepada layanan kesehatan mental di Indonesia.
Information Retrieval Method for the Qur’an based on FastText and Latent Semantic Indexing ramadhan, aziz; Utomo, Fandy Setyo
SISTEMASI Vol 14, No 3 (2025): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v14i3.4446

Abstract

Retrieving contextually relevant verses from the Al-Qur'an translation dataset presents significant challenges due to the linguistic richness and semantic variation of the text. This study aims to enhance the accuracy and relevance of information retrieval in the Al-Qur'an translation dataset by combining Latent Semantic Indexing (LSI) and FastText word embeddings. The proposed method involves several steps: text preprocessing (lowercasing, punctuation removal, stopword elimination, and stemming), tokenization and vocabulary creation, Bag-of-Words (BoW) representation, creation of LSI models, conversion of FastText vectors, and combining LSI and FastText vectors. A similarity index is then created from the combined vectors to process user queries and rank documents based on cosine similarity. Testing on the dataset, consisting of 6236 translated verses from 114 surahs, showed promising results. The combined approach effectively captures both broader semantic structures and detailed word meanings, providing more accurate and contextually relevant search results. Key findings include high similarity scores, with 90% of retrieved verses being highly relevant to the user query, an accuracy improvement to 85%, and enhanced handling of synonyms and morphological variations at 88%. Further development is recommended, including parameter optimization, advanced preprocessing techniques, real-time search optimization, integration of contextual embeddings, and multilingual support to improve search performance and accuracy.
Integrasi Backend Golang-Echo pada Aplikasi Greenly sebagai Solusi Teknologi Pengelolaan Sampah Digital Anggraeni, Mutia Dwi; Utomo, Fandy Setyo; Marcos, Hendra
Jurnal Informatika: Jurnal Pengembangan IT Vol 10, No 2 (2025)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v10i2.8227

Abstract

The waste problem in Indonesia is increasingly pressing, with 35.7% of the 31.9 million tons of national waste in 2023 not being managed properly. This study develops the Greenly web application backend as a digital solution to support waste reporting, recycling education, and increasing community participation through a gamification system. The methodology used is the Waterfall model, including needs analysis, design with Entity Relationship Diagram (ERD), implementation, and testing. The backend is built using the Golang and Echo frameworks, then packaged in Docker and deployed on the AWS EC2 service. The Continuous Integration/Deployment (CI/CD) process is carried out using GitHub Actions, with Nginx as a reverse proxy. Testing is carried out through Integration Test to ensure the reliability of key features such as CRUD data, waste reporting, and gamification. The results show that the backend system runs stably, safely, and efficiently, with an automatic CI/CD flow that is successfully executed without errors. The main contribution of this study is the provision of an adaptive and reliable backend as the foundation for a digital waste management system based on community participation.
Word embedding and imbalanced learning impact on Indonesian Quran ontology population Utomo, Fandy Setyo; Purwati, Yuli; Azmi, Mohd Sanusi; Shafira, Lulu; Trinarsih, Nikmah
Indonesian Journal of Electrical Engineering and Computer Science Vol 39, No 1: July 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v39.i1.pp603-613

Abstract

This research addresses limitations in Quranic instance classification, exceptionally high dimensionality, lack of semantic relationships in the term frequency-inverse document frequency (TF-IDF) technique, and imbalanced data distribution, which reduce prediction accuracy for minority classes. This study investigates the impact of word embedding and imbalance learning techniques on instance classification frameworks using Indonesian Quran translation and Tafsir datasets to handle previous research limitations. Four classification frameworks were built and evaluated using accuracy and hamming loss metrics. The results show that the synthetic minority oversampling technique (SMOTE) technique, TF-IDF model, and logistic regression classifier provide the best accuracy results of 62.74% and a hamming loss score of 0.3726 on the Quraish Shihab Tafsir dataset. This is better than the performance of previous classifiers backpropagation neural network (BPNN) and support vector machine (SVM) used in the previous framework, with accuracies of 59.91% and 62.26%, respectively. Logistic regression can also provide the best classification results with an accuracy of 67.92% and a hamming loss of 0.3208 using the previous framework. These results are better than the performance of the previous classifiers BPNN and SVM used in the previous framework, with accuracies of 62.26% and 66.98%, respectively. TF-IDF feature extraction outperforms word2vec in instance classification results due to its superior support under limited dataset conditions.
Evaluasi Pengaruh Varian Daftar Stopword terhadap Kinerja Klasifikasi Teks Al-Qur'an dengan Support Vector Machine dan Backpropagation Neural Network Ajis Solihin, Afit; Utomo, Fandy Setyo; Barkah, Azhari Shouni
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 7 (2025): JPTI - Juli 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.875

Abstract

Latar belakang penelitian ini adalah tantangan dalam mengklasifikasikan teks Al-Qur'an, yang disebabkan oleh kompleksitas struktur bahasa Arab dan perbedaan antara bahasa Arab klasik dan modern. Penggunaan teknik Natural Language Processing (NLP), khususnya stopword removal, menjadi penting dalam meningkatkan akurasi klasifikasi teks. Namun, pengaruh penggunaan varian stopword terhadap performa model klasifikasi teks Al-Qur'an belum banyak dieksplorasi. Tujuannya adalah untuk mengevaluasi pengaruh penerapan varian daftar stopword yang berbeda terhadap kinerja dua algoritma klasifikasi teks, yaitu Support Vector Machine (SVM) dan Backpropagation Neural Network (BPNN), dalam mengklasifikasikan ayat-ayat Al-Qur'an. Penelitian ini juga bertujuan untuk menganalisis bagaimana teknik seleksi fitur Chi-Square dan representasi TF-IDF dapat mempengaruhi efektivitas model. Metode yang digunakan meliputi pengumpulan dataset ayat-ayat Al-Qur'an dalam Bahasa Indonesia yang melalui preprocessing seperti tokenisasi, normalisasi, dan penghapusan stopword menggunakan tiga varian stopword list: Sastrawi, NLTK, dan kombinasi keduanya. Model klasifikasi diterapkan dengan algoritma SVM dan BPNN, serta dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma SVM memberikan performa yang lebih baik dan konsisten dibandingkan BPNN. Penggunaan stopword NLTK memberikan hasil terbaik dengan akurasi tertinggi sebesar 0,5849 dan F1-score 0,5438 pada SVM. BPNN menunjukkan hasil yang kurang optimal dengan akurasi tertinggi hanya 0,4292 dan F1-score yang lebih rendah dari 0,3 pada semua varian stopword. Kontribusi penelitian ini adalah menegaskan pentingnya pemilihan daftar stopword yang tepat untuk meningkatkan kinerja klasifikasi teks Al-Qur'an serta memberikan wawasan berharga dalam pengembangan sistem klasifikasi teks keagamaan yang lebih akurat menggunakan algoritma pembelajaran mesin.
An Analisis Penerimaan Pengguna Quizizz pada SMPN 3 Susukan Banjarnegara dengan Menggunakan Pendekatan Technology Acceptance Model (TAM) yang diperluas Safitri Maharani, Titi; Eko Saputro, Rujianto; Setyo Utomo, Fandy
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 9 (2025): JPTI - September 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1017

Abstract

Pemanfaatan teknologi dalam pendidikan telah mengalami perkembangan pesat, terutama dalam metode evaluasi pembelajaran. Salah satu platform yang banyak digunakan adalah Quizizz, sebuah aplikasi berbasis gamifikasi yang memungkinkan kuis interaktif secara daring. Quizziz menawarkan berbagai keunggulan seperti fleksibilitas, umpan balik instan, dan pengalaman belajar yang lebih menarik, akan tetapi pengguna masih menghadapi berbagai tantangan adopsi terhadap teknologi. Penelitian ini bertujuan untuk menganalisis penerimaan penggunaan Quizizz dalam pembelajaran menggunakan pendekatan Technology Acceptance Model (TAM). Data dikumpulkan dari 222 responden, yang terdiri dari siswa dan guru yang aktif menggunakan Quizizz dalam pembelajaran. Analisis data dilakukan menggunakan metode Partial Least Squares Structural Equation Modeling (PLS-SEM) dengan perangkat lunak SmartPLS untuk menguji validitas, reliabilitas, serta hubungan antar variabel dalam model penelitian ini. Hasil analisis kuantitatif menunjukkan bahwa seluruh konstruk dalam model memiliki reliabilitas dan validitas yang sangat baik, dengan nilai Cronbach’s Alpha dan Composite Reliability masing-masing berada di atas 0,70 dan 0,90, serta nilai AVE di atas 0,50, yang menandakan konsistensi internal dan validitas konvergen yang memadai. Hasil uji model struktural menunjukkan bahwa sikap terhadap penggunaan (Attitude Toward Using/AM) memiliki pengaruh paling kuat dan signifikan terhadap niat perilaku (Behavioral Intention/BI) dengan nilai koefisien ? = 0,744 dan p < 0,001. Selain itu, efikasi diri (Self-Efficacy/SE) dan kondisi yang memfasilitasi teknologi (Technology Facilitating Conditions/TF) berpengaruh signifikan terhadap persepsi kemudahan penggunaan (Perceived Ease of Use/PEU), masing-masing dengan ? = 0,340 dan ? = 0,586 (p < 0,001). Kualitas pengetahuan (Knowledge Quality/KQ) berpengaruh positif terhadap persepsi kegunaan (Perceived Usefulness/PU), sementara kualitas informasi (Information Quality/IQ) justru menunjukkan pengaruh negatif yang signifikan terhadap PU. Di sisi lain, hubungan antara PU dan BI, PEU dan BI, serta Social Influence (SI) terhadap BI tidak menunjukkan signifikansi statistik. Hasil ini menunjukkan bahwa penerimaan Quizizz lebih ditentukan oleh faktor personal pengguna, khususnya sikap dan kepercayaan diri, dibandingkan dengan aspek fungsional platform atau dorongan eksternal. Penelitian ini merekomendasikan pengembangan fitur yang lebih ramah pengguna serta optimalisasi pelatihan bagi guru dan siswa untuk memaksimalkan manfaat dari platform ini.
Pengembangan dan Evaluasi Protokol VHE-PIR Berbasis Multi-Server untuk Pengambilan Informasi yang Privat dan Skalabel Widodo, Slamet; Setyo Utomo, Fandy; Berlilana
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 9 (2025): JPTI - September 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1026

Abstract

Penelitian ini bertujuan untuk mengembangkan protokol Private Information Retrieval (PIR) berbasis multi-server yang mengintegrasikan enkripsi homomorfik terverifikasi (Verifiable Homomorphic Encryption - VHE) untuk meningkatkan privasi, efisiensi, dan keandalan dalam pengambilan informasi dari basis data. Protokol ini dirancang untuk mengatasi keterbatasan arsitektur server tunggal, seperti risiko kegagalan sistem, beban kerja yang tinggi, dan keterbatasan skalabilitas. Metode penelitian melibatkan distribusi basis data ke beberapa server, penggunaan public key dan private key untuk enkripsi dan verifikasi hasil, serta penerapan modul akselerasi untuk mendukung pemrosesan paralel. Simulasi dilakukan pada lingkungan terdistribusi untuk mengevaluasi waktu respons, penggunaan memori, serta kemampuan failover dalam kondisi server bermasalah. Hasil penelitian menunjukkan bahwa pada skenario normal, arsitektur multi-server secara konsisten memiliki waktu respons lebih rendah dibandingkan arsitektur server tunggal, baik untuk protokol non-VHE maupun VHE-PIR. Misalnya, pada 200 pengguna, waktu respons multi-server VHE adalah 3,6070 detik dibandingkan dengan 4,2433 detik pada single server. Selain itu, dalam kondisi server bermasalah, arsitektur multi-server tetap mampu melayani permintaan dengan mendistribusikan beban ke server lain, sementara server tunggal mengalami kegagalan total. Protokol VHE-PIR menunjukkan privasi yang lebih tinggi dengan memastikan elemen yang diakses tidak dapat diketahui oleh server, meskipun memerlukan sumber daya memori dan waktu respons sedikit lebih besar dibandingkan protokol non-VHE. Implikasi dari penelitian ini mencakup kontribusi akademik dalam desain protokol PIR tahan gangguan dan kontribusi praktis terhadap sistem informasi modern yang membutuhkan skala besar, kecepatan akses, serta jaminan kerahasiaan. Penelitian ini relevan untuk implementasi nyata, dan membuka ruang eksplorasi lebih lanjut dalam penerapan teknologi PIR di lingkungan cloud publik dan sistem basis data terdistribusi.
Co-Authors Adiya, Az Zahra Dwi Nur Afit Ajis Solihin 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 Febriansyah Husni Adiatma 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 Pyawai, Hero Galuh R. Vitto Mahendra Putranto Ramadhan, Aziz Ramadhan, Rio Fadly Rifqi Arifin Ilham RR. Ella Evrita Hestiandari Rujianto Eko Saputro Sagita, Selvi Samsul Arifin Sarmini - Sarmini Sarmini Sarmini Sekhudin Sekhudin Setiabudi, Rizki Setiawan, Ito Shafira, Lulu Shendy Filanzi Slamet Widodo Sofa, Nur 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