Article Per Year (5 Year)
p-Index From 2021 - 2026
11.778
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan JurTI (JURNAL TEKNOLOGI INFORMASI) Antivirus : Jurnal Ilmiah Teknik Informatika Jurnal ICT : Information Communication & Technology JATI (Jurnal Mahasiswa Teknik Informatika) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Journal of Renewable Energy, Electrical, and Computer Engineering BULLET : Jurnal Multidisiplin Ilmu AMMA : Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi dan Manajemen Jurnal Kecerdasan Buatan dan Teknologi Informasi Spektra : Jurnal Ilmu-ilmu Sosial Educommunity Jurnal Pengabdian Masyarakat Jurnal Komtika (Komputasi dan Informatika)
Irfan Ali, Irfan
Unknown Affiliation
Humanities Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Medicine & Pharmacology Nursing Social Sciences Other

Published : 98 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 98 Documents
Search

 1   2   3   4   5 
PENERAPAN METODE ASOSIASI UNTUK MENEMUKAN POLA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA FP-GROWTH Rizky Wulandhari, Putri; Rahaningsih, Nining; Ali, Irfan; Lukman Rohmat, Cep
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6404

Abstract

Dalam dunia kesehatan, tersedianya obat merupakan salah satu faktor yang sangat penting. Persediaan dan perencanaan obat yang hanya dilakukan secara manual tanpa memperhitungkan pola kebiasaan konsumsi dalam periode waktu tertentu mengakibatkan ketidakakuratan dalam perencanaan persediaan sehingga terkadang tidak terpenuhinya permintaan atau seringkali kelebihan persediaan yang mengakibatkan kadaluarsanya suatu produk. Tujuan dari penelitian ini adalah untuk mengetahui data obat di Klinik Sapta Mitra Sejahtera yang dapat digunakan sebagai referensi untuk pengambilan keputusan dalam perencanaan dan pengendalian persediaan obat-obatan pada Klinik tersebut. Menganalisa pemakaian obat, perencanaan dan pengendalian obat dapat dilakukan pada Data Mining yaitu dengan pola kombinasi hubungan antar item-sets menggunakan Association Rules (Aturan Asosiasi) sehingga dapat menghasilkan data obat mana yang paling sering dibeli atau terjual, dari hasil tersebut dapat menjadi acuan untuk menambah stok atau mengurangi beberapa stok yang jarang dibeli oleh konsumen. Algoritma Frequent Pattern Growth (FP-Growth) dalam teknik Data Mining cukup efisien dalam mempercepat proses pembentukan kecenderungan pola kombinasi itemset dari hasil penjualan pada Klinik Sapta Mitra Sejahtera Jakarta. Pada metode penelitian ini menggunakan tahapan Knowledge Discovery in Database (KDD). Dalam proses Knowledge Discovery in Database (KDD) ini terdapat tahapan Data Selection, Data Cleaning, Transformation Data, Data Mining, dan Interpretation atau Evaluation. Hasil yang diharapkan dari penelitian ini adalah untuk membantu perencanaan dalam persediaan kebutuhan obat dengan jumlah dan jenis yang sesuai dengan kebutuhan dan permintaan, agar pengadaan obat menjadi lebih efektif dan efisien, sehingga ketersediaan obat dapat diperoleh pada saat diperlukan
PENERAPAN METODE K-NEAREST NEIGHBOR UNTUK PREDIKSI PENJUALAN SEPEDA MOTOR TERLARIS Rismala, Rismala; Ali, Irfan; Rizki Rinaldi, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6419

Abstract

Penggunaan sepeda motor di Indonesia setiap tahunnya selalu meningkat Seiring dengan meningkatnya jumlah kebutuhkan akan alat transportasi banyak produsen sepeda motor yang mengeluarkan produk dengan bermacam-macam merek dan desain untuk memenuhi permintaan konsumen. Suatu strategi untuk meningkatkan penjualan produk yang akan dijual sangat dibutuhkan pengembang karena tingkat persaingan di dunia bisnis, terutama di insustri penjualan, salah satunya dengan memanfaatkan data penjualan setiap harinya. Guna mengetahui produk mana yang paling banyak di jual (laris) dan produk mana yang kurang dalam penjualannya (tidak laris). Penelitian ini melakukan proses data mining pada data penjualan dari PT. Sumber Rejeki Jabar dari bulan januari – desember tahun 2022. Hasil nilai akurasi terhadap data penjualan sepeda motor dari bulan Januari - Desember tahun 2022 di PT. Sumber Rejeki Jabar dengan nilai K sebesar 5 yaitu sebesar 96,15%.
MEMPREDIKSI KELAYAKAN TALENT ENDORSEMENT PADA CV BABYPINK SKINCARE MENGGUNAKAN METODE NEURAL NETWORK Mayang Fadilah, Dewi; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6431

Abstract

CV Babypink Skincare adalah salah satu perusahaan yang berada di Kab Cirebon Jawa barat. Babypink Skincare sendiri berdiri sejak tahun 2018 hingga saat ini yang telah beroperasi pada bidang kosmetika. CV Babypink Skincare membentuk sistem penjualan fokus pada via online sehingga lebih fokus terhadap pemasaran produk melalui endorsement. Salah satu masalah yang dihadapi oleh perusahaan ini adalah sulitnya menentukan kriteria kelayakan talent endorsement seperti apa yang cocok dengan produk Babypink Skincare, sehingga dalam melakukan promosi endorsement belum ada nya perubahan untuk meningkatkan penjualan. Tujuan penelitian ini adalah untuk mengetahui kelayakan talent endorsement terhadap penjualan pada CV Babypink Skincare. Untuk mengatasi permasalahan ini menggunakan data mining dengan metode algoritma neural network. Neural network dapat memprediksi atas informasi yang belum diketahui sebelumnya. Tahapan untuk tugas akhir ini melalui data selection, pre-pocessing, transformation, data mining dan evaluasi. Data yang digunakan untuk tugas akhir ini data endorsement dan data penjualan bulan Juli 2022 – Januari 2023. Harapan nya terhadap hasil penelitian ini bisa menentukan kriteria kelayakan talent endorsement seperti apa yang lebih baik untuk mempromosikan produk Babypink Skincare sehingga bisa meningkatkan lebih untuk penjualan. Neural Network mendapatkan hasil accuracy 93.06% dengan menggunakan 200 nilai training cycles, 0.055 nilai learning rate dan 0.5 nilai momentum.
KLASTERISASI PENGELUARAN KAS DI DESA PAMENGKANG MENGGUNAKAN METODE K-MEANS Setianingsih, Indri; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6488

Abstract

Sistem pengeluaran kas adalah sistem pencatatan yang diciptakan untuk mengoperasikan kegiatan pengeluaran kas dengan menggunakan cek atau tunai yang dikenakan untuk aktivitas bisnis umum dan Pengeluaran Desa adalah uang yang keluar dari rekening kas desa.Masih ada masalah yang dihadapi pada Kantor Desa Pamengkang dalam pengeluaran kas adalah sering terjadi kesalahan dalam perhitungan pengeluaran kas, pencatatan barang masuk belum dikelola secara teratur sehingga masih terjadi ketidaksesuaian data yang ada, oleh karena itu berpengaruh dalam pembuatan laporan pengeluaran kas sehingga membutuhkan waktu yang lama.Tujuannya untuk menentukan Klasterisasi Desa atau pengelompokan data pengeluaran desa menggunakan metode K-Means pada pengeluaran Desa. K-Means ditentukan bedasarkan jumlah data pengeluaran Desa yaitu 142 data.Pengelompokan K-Menas adalah jenis pembelajaran tanpa pengawasan, yang digunkan ketika memlki data yang tidak berlabel (yaitu, data tanpa kategori atau group yang ditentukan), Prinsip dasar K-Means adalah untuk mengekstraksi prototipe K atau pusat massa (centroid) dari sekumpulan data yang terus bervariasi. Dokumen akan menjalani preprocessing lebih lanjut sebelum algoritma K-Means diterapkan. Dokumen tersebut kemudian direpresentasikan sebagai vektor dengan istilah yang terkait dengan nomor yang relevan.Hasil Data yang diambil dari Pengeluaran Kas Kantor Desa Pamengkang menggunakan model K-Means menghasilkan nilai davies boulding index yaitu 0,012 dan cluster 1 mengahasilkan 0,014 sedangkan cluster 2 menghasilkan 0,017 dan cluster 3 menghasilkan nilai 0,027 jadi cluster 1 yang mendekati cluster 0
KLASIFIKASI PEMILIHAN TIPE HERO MOBILE LEGENDS TERHADAP MINAT PEMAIN MENGGUNAKAN ALGORIMA NAIVE BAYES STUDI KASUS: KOMUNITAS GAME MOBILE LEGENDS KOTA CIREBON Alfudola, Mahfudz; Suarna, Nana; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.6541

Abstract

Game Mobile Legends adalah game mobile bertema moba (Multiplayer Online Battle Arena) paling popular saat ini, khususnya dikalangan remaja Kota Cirebon. Fokus permasalahan yang diteliti dalam skripsi ini adalah belum adanya klasifikasi data pemilihan tipe hero mobile legends terhadap minat pemain, Pendataan terkait data kuisioner yang diperoleh dari pembagian kuisioner secara online (melalui Google Form), dicatat secara manual menggunakan Microsoft Excel. Identifikasi data kuisioner yang dilakukan secara manual menyebabkan sering terjadinya ketidakakuratan data yang akan menyita waktu. Metode algoritma Naïve Bayes menunjukkan akurasi dan kecepatan yang tinggi ketika diterapkan pada database, Metode ini dikenal memiliki tingkat akurasi yang tinggi dalam perhitungan sederhana. Dari permasalahan tersebut perlu dilakukannya penerapan data mining untuk melakukan analisa prediksi. Tujuan dari penelitian ini untuk mengetahui kemampuan algoritma Naive Bayes serta mengetahui nilai akurasi, recall, presisi, terbaik dari hasil analisa prediksi terhadap data kuisioner dengan membuat model prediksi menggunakan algortima Naive Bayes. Hasil dari prediksi Nama/Hero yang sering digunakan pada dataset kuisioner dengan menggunakan algoritma Naive Bayes pada pengujian confusion matrix ini memperoleh nilai akurasi 40,00%, nilai recall 71.43% dan nilai precision 100.00%.
MEMPREDIKSI HARGA BERAS ECERAN MENGGUNAKAN ALGORITMA REGRESI LINIER Karbala, Syahid; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6901

Abstract

Beras merupakan biji-bijian yang kaya akan karbonhidrat sehingga menjadi makanan pokok manusia, pakan ternak dan industri yang mempergunakan karbonhidrat sebagai bahan baku. Beras merupakan kebutuhan pokok masyarakat indonesia. Hal ini membuat beras penting bagi masyarakat indonesia karena makanan pokok masyarkat indonesia. Mengingat keberadaan beras sangat penting bagi masyarakat indonesia membuat perhatian khusus dalam hal mengontrol harga dari beras itu sendiri. Namun harga beras setiap waktu dapat mengalami kenaikan atau penurunan harga (fluktuatif) secara tidak menentu, hal ini membuat harga beras sulit di prediksi. Adapun tujuan dilakukan suau prediksi terhadap harga beras agar masyarakat dapat megetahui peningkatan harga beras dimasa mendatang. Maka, dari itu dibuatlah suatu metode atau algoritma yang dapat memprediksikan harga beras yaitu menggunakan algoritma regresi linier. Metode regresi linier diyakini dapat cocok dan sesuai dengan data harga beras yang bersifat time series. Berdasarkan hasil pengujian yang dilakukan menggunakan metode linier regresi menghasilkan nilai rata-rata prediksi Rp11.210,53 dan hasil performa dari metode regresi linier dengan nilai root mean squared eror 21.118
PREDIKSI HASIL PRODUKSI PANEN BAWANG MERAH MENGGUNAKAN METODE REGRESI LINIER SEDERHANA Maulana, Alfin; Martanto, Martanto; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7281

Abstract

Bawang merah adalah salah satu tanaman hortikultura yang banyak dijadikan bumbu masakan di dunia. Salah satu daerah penghasil bawang merah terbesar di Provinsis Jawa Tengah adalah Kabupaten Brebes yang tiap tahunnya menghasilkan panen bawang merah yang cukup besar. Teknik dalam penelitian ini menggunakan metode Regresi Linier yang datanya diambil di kantor Dinas Pertanian dan ketahanan pangan Kabupaten Brebes untuk melakukan pengolahan data. Beberapa petani gagal memprediksi dan beradaptasi terhadap perubahan faktor yang mengakibatkan penurunan produktivitas bawang merah. Pada penelitian ini penulis akan membahas mengenai penerapan metode Regresi Linier, Regresi Linier digunakan untuk menelusuri pola hubungan antara variable terikat dengan dua atau lebih variable bebas. Dataset yang digunakan berasal dari Dinas Pertanian Kabupaten Brebes. Dengan adanya penelitian ini diharapkan dapat membantu memprediksi hasil produksi panen Bawang Merah di Kabupaten Brebes. Prediksi hasil Skor pada Mean Absolute Error (MAE) adalah 29051, skor yang dihasilkan pada Mean Squared Error (MSE) adalah 2073311, skor yang dihasilkan pada Roots Mean Squared Error (RMSE) adalah 45533, dan skor yang dihasilkan pada R2 Score adalah 0.98% dan hasil panen bawangmerah di tahun 2023 adalah sebanyak 3822918 Ton/GKP dan mengalami dari tahun sebelumnya.
PREDIKSI JUMLAH PRODUKSI DAGING UNGGAS TAHUN 2023-2027 MENGGUNAKAN REGRESI LINIER Muharram, Akbar; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8185

Abstract

Dalam era digital saat ini, Teknologi Informasi dan Komunikasi telah menjadi fenomena umum yang signifikan. Perkembangan TIK ini memengaruhi berbagai aspek kehidupan manusia, termasuk dalam hal industri peternakan. Penelitian ini bertujuan untuk melakukan analisis dan prediksi terhadap jumlah produksi daging unggas di Jawa Barat dengan menggunakan metode regresi linear sederhana. Permasalahan utama yang diangkat adalah fluktuasi jumlah produksi daging unggas tiap tahunnya. Data yang digunakan berasal dari Open Data Jabar, mencakup periode produksi daging unggas dari tahun 2013 hingga 2022. Metode regresi linear sederhana diterapkan untuk menentukan hubungan antara variabel independen, yaitu tahun produksi, dan variabel dependen, yaitu jumlah produksi daging unggas. Hasil analisis menunjukkan adanya peningkatan produksi daging unggas di Jawa Barat. Persamaan regresi linear sederhana yang dihasilkan adalah Y = 383,271.006 + 23,318.594X, dengan X sebagai tahun produksi dan Y sebagai jumlah produksi daging unggas. Evaluasi model dilakukan menggunakan RMSE, MSE, dan MAPE. Hasil evaluasi menunjukkan variasi tingkat akurasi prediksi yang bervariasi dari tahun ke tahun. Prediksi lima tahun ke depan menunjukkan peningkatan produksi daging unggas yang konsisten. Jumlah produksi diperkirakan mencapai 919,598.67 ton pada tahun 2023, 942,917.26 ton pada tahun 2024, 966,235.85 ton pada tahun 2025, 989,554.45 ton pada tahun 2026, dan 1,012,873.04 ton pada tahun 2027.
PERBANDINGAN TINGKAT AKURASI ALGORITMA DECISION TREE DAN RANDOM FOREST DALAM MENGKLASIFIKASI PENERIMA BANTUAN SOSIAL BPNT DI DESA SLANGIT Aldiyansyah, Aldiyansyah; Irma Purnamasari, Ade; Ali, Irfan
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.v8i1.8290

Abstract

Program Bantuan Sosial BPNT merupakan inisiatif pemerintah Indonesia yang memberikan bantuan pangan dalam bentuk nontunai kepada Keluarga Penerima Manfaat (KPM) melalui sistem perbankan. Kurang tepatnya penerima bantuan sosial tersebut menjadi permasalahan, serta kelayakan penerima KPM yang masih tidak tepat sasaran. Oleh karena itu, pada penelitian ini metode klasifikasi menggunakan algoritma decision tree dan random forest menjadi solusi yang tepat dalam untuk meningkatkan perbandingan tingkat akurasi, pada penerima bantuan sosial di Desa Slangit, Kecamatan Klangenan, Kabupaten Cirebon. Algoritma Decision tree dan random forest akan memberikan keputusan dengan model pohon keputusan dan menghasilkan tingkat akurasi yang baik. Data diperoleh dari Pemerintah Desa, Dinas Sosial Kabupaten Cirebon, dan Data Terpadu Kesejahteraan Sosial (DTKS) selama Juli dan Agustus 2023. Metode penelitian mencakup studi literatur, pengumpulan data, pra-pemrosesan data, implementasi model klasifikasi, Knowledge Discovery in Database (KDD), evaluasi model, dan kesimpulan. Evaluasi menunjukkan tingkat akurasi tinggi, yakni 97.86% untuk Decision Tree dan 97.86% untuk Random Forest. Rekomendasi penelitian ini mencakup pertimbangan terhadap metode alternatif serta perlunya penelitian lanjutan untuk memahami faktor-faktor sosial, ekonomi, dan demografis yang memengaruhi status kelayakan penerima BPNT. Dengan demikian, hasil penelitian ini diharapkan dapat memberikan panduan bagi pengembangan program bantuan sosial di masa depan.
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI KUALITAS AIR YANG DAPAT DI KONSUMSI Wisnu Saputra, Adrian; Irma Purnamasari, Ade; Ali, Irfan
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.v8i1.8292

Abstract

Air adalah sumber kehidupan yang penting bagi makhluk hidup termasuk manusia. Metode pemantauan dan evaluasi yang efektif dan tepat diperlukan untuk menjaga kualitas air yang aman. Sifat air yang dapat dikonsumsi sangat penting untuk kesehatan secara umum. Kontaminasi air dapat memicu berbagai infeksi, seperti mencret, kolera, dan hepatitis. Oleh karena itu, sangat penting untuk mengembangkan strategi yang dapat secara tepat meramalkan sifat air yang dapat dikonsumsi. Eksplorasi ini menerapkan perhitungan penambangan informasi Bayes yang mudah tertipu untuk mengantisipasi sifat air yang dapat dimakan. Perhitungan ini bekerja dengan menghitung kemungkinan informasi masuk ke dalam kelas tertentu dengan mempertimbangkan probabilitas kreditnya. Penelitian ini diharapkan dapat menerapkan perhitungan Naive Bayes dalam mengantisipasi sifat air yang layak dikonsumsi. Kualitas air yang baik sangat penting bagi kesehatan manusia, dan prediksi yang akurat dapat membantu orang memilih jumlah air yang tepat untuk diminum. Perhitungan Naive Bayes dipilih karena kemampuannya untuk menangani pesanan dengan variasi batas yang kompleks dalam dataset kualitas air. Informasi yang digunakan dalam penelitian ini adalah informasi kualitas air yang didapat dari situs dataset Kaggle dengan jumlah 3477 catatan informasi dengan faktor yang meliputi berbagai faktor fisik, substansi, dan alam. Hasil analisis menunjukkan bahwa model klasifikasi Naive Bayes mampu memprediksi kualitas air dengan akurasi sebesar 65,08 persen, presisi 62,08 persen, dan recall 26,47 persen. Hal ini menunjukkan bahwa algoritma Naive Bayes dapat memprediksi kualitas air minum secara akurat.
Co-Authors Abdul Rohim, Adi Nur Abdul Rosid, Rizal Ade Irma Adi Supriyatna Adinata, Adinata Ahmad Jaelani Al-Maulid, Hisyam Aldiyansyah, Aldiyansyah Alfin Maulana Alfudola, Mahfudz Alkatiri, Nazwa Alvianatinova, Via Amalia, Rosnita Amer, Abdu Shobarudin Ana Amalia, Ana Andriyanti, Rina Annurfariz, Aditya Apriliana Janatu Marwa Arofah, Mila Asep Yoyo Wardaya Auliya, Suci Ayuningsih, Sri Az-Zahra, Asih Azrul, Ahmad Azzam, Ahmad Burhanudin, Haris Dendy Indriya Efendi Destiawati, Deby Dewanty Rafu, Maria Dienwati Nuris, Nisa Dikananda, Arif Rinaldi Dikananda, Fatihanursari Efendi , Dendy Indriya Effendy, Dendy Indria Fahreza, Rheznandya Faisal Adam, Faisal Faqih, Habib Fasa, Saefullah Fatmawati, Aisyah FAUZAN, AKMAL Fazari Hidayat, Nizar Gifthera Dwilestari Gitacahyani, Adisty Gunia, Euis Hadiyanto Hadiyanto Hagi Badra, Muhammad Hendiana, Hendiana Hermawan, Ramdan Hidayah, Freni Mega Hidayattullah, Rizky Huda, Irhamul Hurifiani, Alfia Ikbal, Ali Ilham, Mokhamad Indah Indah Indriya Efendi, Dendy Indriyan Dwi Kesuma, Adri Irma Purnama sari, Ade Irma Purnamasari , Ade Irma Purnamasari, Ade Julkarnaen, Agus Juwita, Ita Karbala, Syahid Kaslani Khalda Rifdan, Ghina Lana Sularto Lestari, Gifthera Dwi Listianto, Ahmad Bilal Lisyana, Zita Lukman Rohmat, Cep Mahdalena, Putri Ayu Martanto . Maulana, Ali Mayang Fadilah, Dewi Muhamad Basysyar , Fadhil Muharam, Arbi Adi Muharram, Akbar Muhimmatul ulya, Syilwa Mulyawan Nawang Wulan, Hidayah Nining Rahaningsih Nugraha, Rifqi Nugroho, Rizwar Adi Nur Alam, Alfian Nur Aziziah, Aldila Nursaniah, Rini Nursatika Kusuma, Ines Odi Nurdiawan Oktaviani Putri , Farra Pajri, Riki Pardiana, Firda Prahara, Sukma Pratama, Denni Purnamasari, Ade Irma Putra Pratama, Aeri R, Nining Raafi, Muhammad Rahmi Safitri, Rahmi Ramanto, Aditiya Ramdani, Rizki Ridho Nugraha Rifa'i, Akhmad Rikiyashi, Afkan Rismala, Rismala Rizki Rinaldi, Ade Rizky Wulandhari, Putri Rodhiyana, Mu'allimah Rohman, Dede Rohmat, Cep Lukman Rosyd, Abdul Roziqin, Ahmad Khoirur Sadiyah, Ainur Rohimatus Salamah, Soviatus Saputra, Muhammad Sariah Sariah Setianingsih, Indri Sholihin Fauzan, Aldi Sofialaela, Annisa Solihudin, Dodi Sri Widyastuti Suarna, Nana Sudrajat, Adi Suryana, Aldi Susana, Heliayanti Susana, Heliyanti Syahrul, Adis Tohidi, Edi Vina, Vina Windy Mardiyyah, Nita Wirdiyan, Farhan Azfa Wisnu Saputra, Adrian wiwied pratiwi, wiwied Yudhistira Arie Wijaya Yulistiano, Irena Zahrudin Zhahiran Herlambang, Prilanisa