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 
ANALISIS KLASIFIKASI INDEKS KUALITAS UDARA KOTA DI INDONESIA MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN NAÏVE BAYES Maulana, Ali; 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.v8i1.8295

Abstract

Polusi udara adalah masalah yang berdampak buruk pada kehidupan makhluk hidup dan menyebabkan banyak penyakit. Oleh karena itu, penting untuk memantau tingkat pencemaran udara di lingkungan masyarakat. Tujuan dari penelitian ini adalah untuk membandingkan kinerja dari metode K-Nearest Neighbor dan Naïve Bayes, dalam mengklasifikasikan data Indeks Kualitas Udara kota di Indonesia. Pada penelitian ini, data yang digunakan adalah data World Air Quality Index by City and Coordinates yang diperoleh dari situ Kaggle. Data ini mencakup atribut-atribut seperti country, city, AQI value, AQI category dan lain-lain. Metode penelitian yang digunakan adalah Knowledge Discovery in Database (KDD). Selanjutnya, metode K-Nearest Neighbor dan Naïve Bayes diterapkan pada tahapan data mining menggunakan K-fold cross validation dengan percobaan K-2 fold, K-3 fold, K-4 fold dan K-5 fold. Evaluasi kinerja akan dilakukan menggunakan metrik-metrik yang relevan seperti akurasi, precision, dan recall. Berdasarkan hasil klasifikasi didapatkan K-fold terbaik yaitu K-5 fold dari metode K-Nearest Neighbor menghasilkan nilai akurasi 95.13% dan Naïve Bayes menghasilkan akurasi 95.97%. Penelitian ini dapat membantu pemerintah dalam pengambilan kebijakan untuk menjaga kualitas udara, dan memberikan informasi kepada masyarakat tentang kualitas udara di lingkungannya.
ANALISIS KLASTERISASI UNTUK PREDIKSI JUMLAH KASUS DBD BERDASARKAN JENIS KELAMIN DAN KABUPATEN/KOTA DI JAWA BARAT Ikbal, Ali; 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.v7i6.8296

Abstract

Penyakit Demam Berdarah Dengue (DBD) adalah penyakit menular yang sering fatal, terutama di daerah tropis dan subtropis, menjadi isu kesehatan global dengan penyebaran luas dan dampak serius. Lingkungan memiliki peran penting dalam kondisi ini. Penelitian ini menggunakan metode k-means, naive bayes, dan linear regresi, masing-masing memiliki fungsinya sendiri. K-means berhasil mengelompokkan kasus DBD menjadi 3 cluster (tinggi, sedang, rendah) dengan indeks kinerja Davies Bouldin rata-rata 0.71. Naive bayes digunakan untuk memprediksi hasil cluster 2023 dengan akurasi model 88.27%. Linear regresi untuk menentukan jumlah kasus DBD tahun 2023, dengan kasus tertinggi Kota Bandung 1590 laki laki, 1585 perempuan dan Kota Bekasi 1576 laki-laki dan 1572 perempuan, Kota Depok masuk kategori sedang 948 laki-laki dan 944 perempuan, 24 kota lainnya masuk dalam kategori rendah. Penyebaran DBD cenderung lebih tinggi pada kaum laki-laki, mencapai puncak tertinggi pada tahun 2022. Analisis data kasus DBD dapat memberikan informasi dan kontribusi penting untuk pembangunan strategi pencegahan dan penanggulangan yang lebih efektif oleh masyarakat, pemerintah, dan dinas kesehatan.
PENERAPAN ALGORITMA REGRESI LINEAR UNTUK PREDIKSI PENJUALAN ALAT TULIS KANTOR (ATK) DI BUMDES Hurifiani, Alfia; 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.v8i1.8305

Abstract

Pertumbuhan Badan Usaha Milik Desa (BUMDes) sebagai pilar pemberdayaan ekonomi di tingkat desa semakin berkembang pesat. Di antara berbagai kegiatan usaha BUMDes, penjualan Alat Tulis Kantor (ATK) muncul sebagai potensi yang signifikan. Untuk meningkatkan efisiensi dan produktivitas penjualan ATK, penerapan metode analisis prediksi menjadi esensial, terutama dengan menggunakan algoritma regresi linear. Penelitian ini dilakukan untuk menganalisis dan memprediksi penjualan ATK di BUMDes Desa Cintarasa melalui pendekatan kuantitatif. Data penjualan ATK selama beberapa bulan terakhir dihimpun, melibatkan variabel-variabel seperti jumlah produk terjual, harga ATK, dan faktor-faktor lain yang mempengaruhi penjualan. Analisis hasil menunjukkan adanya hubungan signifikan antara variabel yang diamati, memberikan gambaran akurat dampak masing-masing variabel terhadap penjualan ATK. Pengujian keakuratan prediksi menggunakan Root Mean Square Error (RMSE), Absolute Error, dan Relative Error memvalidasi hasil penelitian. Hasil prediksi total penjualan didapatkan pada hari pertama total penjualan adalah 55. 435, pada hari kedua 28.272, dan hari ketiga 31.667. Hasil evaluasi nilai RMSE pada total penjualan 7802.802, nilai absolute error 6894.646, dan nilai Relative Error 21.05%. Prediksi penjualan alat tulis kantor (ATK) dengan menggunakan metode regresi linear dapat dikatakan cukup baik dengan Pengujian akurasi terhadap semua atribut yang menunjukkan bahwa nilai Root Mean Square Error (RMSE), Absolute Error, dan Relative Error memenuhi standar yang ditetapkan.
ANALISIS TINGKAT PENANGANAN SAMPAH DI JAWA BARAT MENGGUNAKAN REGRESI LINIER Nur Alam, Alfian; 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.v8i1.8307

Abstract

Sampah merupakan masalah besar bagi masyarakat dan lingkungan di Jawa Barat. Volume sampah yang meningkat setiap tahunnya menyebabkan penumpukan di tempat penampungan sementara (TPS). Hal ini disebabkan oleh berbagai faktor, seperti kepadatan penduduk, karakteristik lingkungan, kondisi sosial ekonomi, norma budaya, dan sikap masyarakat Dalam penelitian ini menerapkan proses Knowledge Discovery InDatabases (KDD), data mining digunakan untuk memprediksi volume dan mengidentifikasi faktor yang paling berpengaruh pada timbunan sampah yang tidak tertangani di Jawa Barat. Hasil penelitian menunjukkan bahwa jumlah produksi sampah dan jumlah sampah terkelola dapat mempengaruhi tingkat timbunan sampah dan, jumlah timbunan sampah di Jawa Barat pada tahun 2023 sebesar 38615 ton per hari. Jumlah ini menurun sebesar 300169 ton per hari dari jumlah timbunan 5 tahun sebelumnya. Hasil penelitian ini menunjukkan bahwa diperlukan upaya yang lebih komprehensif dari berbagai pihak untuk mengatasi masalah sampah di Jawa Barat. Pemerintah daerah perlu menyusun tindakan yang tepat, baik dari segi prasarana dan sarana, maupun dari segi sumber daya manusia. Selain itu, diperlukan juga kesadaran dan partisipasi masyarakat dalam pengelolaan sampah.
KLASIFIKASI ULASAN APLIKASI LINKEDIN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Gitacahyani, Adisty; 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.v8i1.8310

Abstract

LinkedIn, platform teknologi dan bisnis yang sangat penting, Fokus utamanya adalah meningkatkan konektivitas bisnis, membantu orang membentuk jaringan professional, mengajak orang untuk berbicara tentang ide bisnis, dan menyediakan tempat untuk mencari talenta baru. Tujuan penelitian ini mempelajari emosi dalam komunikasi LinkedIn dan mengetahui pengguna berinteraksi dan menanggapi dalam konteks professional, untuk memeriksa tanggapan pengguna terhadap aplikasi LinkedIn, mengkategorikan kedalam ulasan positif atau negatif, membandingkan dengan pesaing, dan memberikan saran pengembangan produk. Dan mengatasi masalah preprocessing data. Metode yang digunakan adalah naïve bayes classifier. Metode ini memodelkan probabilitas, dan efektif dalam menangani data besar seperti ulasan aplikasi. Hasil dari klasifikasi ulasan aplikasi LinkedIn menggunakan metode naïve bayes classifier dihasilkan 1065 sentimen positif dan 793 sentimen negatif pada pengguna aplikasi LinkedIn. Dengan nilai akurasi 90,31%, model secara umum memiliki kemampuan untuk mengklasifikasikan sebagian besar sampel dengan tepat. Dilihat dari nilai Precision untuk sentimen negatif adalah 88,07%, untuk sentimen positif sekitar 92,00%. Nilai Recall sebesar 89,41% untuk sentimen negatif dan sentimen positif sebesar 91,37%. Pada nilai F1-score sentimen positif (1) dan sentimen negatif “0” sebesar 88.74%. Penelitian ini menghasilkan rekomendasi penting bagi praktisi tentang cara mengoptimalkan pengguna LinkedIn. Membangun hubungan bisnis yang kuat, memahami preferensi pelanggan dan meningkatkan pengalaman pengguna.
IMPLEMENTASI ALGORITMA C4.5 DAN NAÏVE BAYES DALAM PENGAMBILAN KEPUTUSAN UNTUK PROGRAM INDONESIA PINTAR (PIP) DI SEKOLAH DASAR NEGERI 04 MAJALANGU Amalia, Ana; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8311

Abstract

Pendidikan di Indonesia menghadapi tantangan terkait dengan kemiskinan, di mana prestasi siswa dinilai setiap akhir semester. Program Indonesia Pintar memberikan dukungan keuangan untuk biaya sekolah dan bantuan belajar siswa. Penelitian ini bertujuan membantu SD N 04 Majalangu dalam menyeleksi penerima Program Indonesia Pintar yang lebih akurat dan evisien. Metode Naïve Bayes adalah metode klasifikasi dari machine learning yang memiliki keunggulan yaitu menggunakan sampel data pelatihan untuk mengestimasi parameter yang terlibat dalam proses klasifikasi dapat tersaji secara cepat, serta memperoleh akurasi tinggi [1]. Algoritma C4.5 adalah algoritma yang digunakan untuk membentuk pohon keputusan, yang merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal [2]. Metode Decision Tree dengan algoritma C4.5 dan Naïve Bayes digunakan untuk pemilihan yang lebih objektif. Penelitian ini memastikan bantuan tepat sasaran, mengurangi beban biaya pendidikan, dan meningkatkan motivasi belajar siswa. Data mining memastikan keputusan seleksi didasarkan pada bukti yang kuat, mengurangi potensi kesalahan. Hasil pengujian menunjukkan akurasi model algoritma C4.5 sebesar 64,42%, dan algoritma Naïve Bayes sebesar 100%. Penelitian ini memberikan wawasan tentang faktor-faktor kontribusi dalam menentukan kelayakan penerima PIP di SD N 04 Majalangu, mendukung efisiensi dan objektivitas dalam pemilihan penerima bantuan pendidikan.
PENERAPAN K-MEANS UNTUK MENGANALISIS KEPUASAN MAHASISWA TERHADAP PEMBELAJARAN DARING Sudrajat, Adi; 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.v8i1.8337

Abstract

Presiden Jokowi menyatakan bahwa Indonesia telah keluar dari masa pandemi COVID-19 dan saat ini memasuki fase endemi. Pendidikan memegang peranan krusial dalam pembangunan masyarakat. Meskipun pembelajaran daring tetap menjadi pilihan utama pada fase endemi, khususnya di STMIK IKMI Cirebon, pengalaman mahasiswa terkait penggunaan platform daring seringkali menimbulkan perbedaan pendapat. Tujuan penelitian ini adalah untuk menyajikan informasi mengenai kepuasan mahasiswa terhadap pembelajaran daring, sebagai upaya evaluasi terhadap sistem pembelajaran tersebut. Dataset yang berhasil dikumpulkan melibatkan 150 responden dari mahasiswa Program Studi Teknik Informatika angkatan 2020 STMIK IKMI Cirebon. Metode penelitian menggunakan Algoritma K-Means klastering, dengan melakukan 5 iterasi untuk menentukan nilai K terbaik. Penentuan tersebut dilakukan dengan membandingkan nilai Davies-Bouldin Index, yang menunjukkan bahwa K2 merupakan nilai K terbaik. Dengan penerapan K-Means, ditemukan 2 klaster yang menggambarkan kepuasan mahasiswa terhadap 5 atribut, yaitu tangible, reliability, responsibility, assurance, dan empathy. Klaster 0 menunjukkan tingkat kepuasan tinggi sebesar 93%, sementara klaster 1 menunjukkan tingkat ketidakpuasan sebesar 7% pada setiap atribut yang digunakan. Penelitian ini diharapkan dapat memberikan wawasan yang lebih mendalam terkait evaluasi dan perbaikan sistem pembelajaran daring di STMIK IKMI Cirebon.
ANALISIS POLA PEMBELIAN PRODUK PADA TOKO ONLINE DAUN INDAH MENGGUNAKAN ASSOCIATION RULE DAN ALGORITMA FP-GROWTH DI PLATFORM E-COMMERCE SHOPEE Ramanto, Aditiya; 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.v8i1.8341

Abstract

Pada era digital, toko online menjadi salah satu pilihan bagi konsumen untuk berbelanja produk dengan mudah. Toko Daun Indah adalah salah satu toko online yang menjual berbagai macam produk kecantikan. Namun, Toko Online Daun Indah belum memanfaatkan data transaksi yang tersimpan di Shopee. Akibatnya, Toko Daun Indah belum memiliki informasi mengenai produk apa yang sering dibeli bersama, produk apa yang paling diminati. Oleh karena itu, penelitian bertujuan menganalisis pola pembelian produk menggunakan metode data mining, yaitu association rule dan algoritma FP-Growth. Association rule merupakan metode yang dapat menemukan hubungan antara item-item sering dibeli bersama oleh konsumen dan Algoritma FP-Growth dapat mengekstrak frequent itemset dari data transaksi dengan efisien dan cepat. Hasil penelitian ini adalah Implora Liptint & Cheek, Mascara Evany Esenses / Evany Esenses Mascara Original -8ml, Dan Implora Urban Lip Cream Matte Dengan Nilai Confidence: 0.667. Fres & Natural Parfum Semprot -100ml Dan Fresh & Natural Hijab -100ml Dengan Nilai Confidence: 0.857. 1 Renteng 12pcs 9ml Garnier Sakura White Hyaluron Glow Foam, 1 Renteng Isi 12pcs 7ml Garnier Bright Complete Vitamin C Serum Cream Uv Dengan Nilai Confidence: 1.000. Sehingga dapat memberikan informasi yang berguna bagi Toko Online Daun Indah untuk menentukan rekomendasi produk yang sesuai kebutuhan konsumen.
KOMPARASI EFEKTIFITAS ALGORITMA C4.5 DAN NAÏVE BAYES UNTUK MENENTUKAN KELAYAKAN PENERIMA MANFAAT PROGRAM KELUARGA HARAPAN: STUDI KASUS : KECAMATAN CICALENGKA KABUPATEN BANDUNG Abdul Rohim, Adi Nur; Purnamasari, Ade Irma; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8345

Abstract

Program keluarga harapan PKH adalah sebuah program bantuan sosial yang disalurkan oleh pemerintah Indonesia melalui kementrian sosial. Bantuan yang diberikan merupakan bantuan keuangan kepada rumah tangga sangat miskin yang telah memenuhi kriteria tertentu. Namun program pemberdayaan pemerintah ini, seringkali timbul masalah dimana bantuan PKH tidak tepat sasaran. Oleh karena itu, penelitian ini bertujuan untuk menganalisis program keluarga harapan agar penerima bantuan benar benar layak menerima bantuan. Digunakan komparasi metode klasifikasi data mining untuk mengetahui algoritma mana yang baik untuk mengkalasifikasi kelayakan bantuan, dengan menggunakan dua algoritma, algoritma C4.5 dan Naïve Bayes. Algoritma C4.5 adalah adalah salah satu algoritma decision tree yang digunakan untuk melakukan klasifikasi atau segmentasi yang bersifat prediktif. Kelebihan algoritma C4.5 yaitu menghasilkan model pohon keputusan yang mudah diinterpretasikan, memiliki tingkat akurasi yang tinggi, efisien dalam menangani atribut bertipe diskrit dan numerik. Algoritma Naïve Bayes adalah algoritma yang menggunakan cabang matematika dikenal dengan teori probabilitas untuk mencari peluang terbesar dari kemungkinan klasifikasi, dengan cara melihat frekuensi tiap klasifikasi pada data training. Naive Bayes adalah tehnik yang diterapkan untuk menentuan kelas dari tiap masalah, yang sudah dibagi berdasarkan tiap-tiap masalah. Perhitungan numerik berdasarkan pada pendekatan grup. Proses pengujian dimulai dengan persiapan data awal. Selanjutnya, sampel data dianalisis menggunakan metode CRISP-DM, diuji dengan algoritma seperti C4.5 dan Naïve Bayes untuk memperoleh validasi yang akurat, setelah itu, data sampel data kembali diuji dengan validasi untuk mendapatkan Confusion matriks dan nilai ROC untuk C4.5 dan Naïve Bayes dengan tujuan mencapai akurasi maksimum. Hasil evaluasi perbandingan dan validasi menunjukkan bahwa algoritma Naive Bayes memiliki nilai akurasi sebesar 99,87% dan AUC sebesar 1,000, yang merupakan yang tertinggi di antara metode lainnya. Sementara itu, Algoritma C4.5 memiliki akurasi sebesar 99,61% dan AUC sebesar 0,743. Dari hasil algoritma Naive Bayes dalam data mining ini, tingkat AUC mengindikasikan klasifikasi yang sangat baik (Excellent classification). Sebaliknya, Algoritma C4.5 memiliki tingkat AUC yang diagnostik sebagai Fair (Adil). Dengan demikian, dapat disimpulkan bahwa algoritma Naive Bayes merupakan metode yang cukup baik dalam memprediksi kelayakan warga untuk menerima bantuan dari Program Keluarga Harapan (PKH).
PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI STOK BAHAN MINUMAN DI CAFE SEMANIS Nur Aziziah, Aldila; 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.v8i1.8347

Abstract

Dalam era populernya minuman kopi, coffee shop menjadi bisnis yang diminati, termasuk Cafe Semanis yang berhasil menarik banyak pelanggan. Namun, kendala dalam manajemen stok bahan masih menggunakan media kertas yang menyebabkan penumpukan berkas dan penumpukan berkasnya tidak dijadikan analisa prediksi untuk mempersiapkan stok dimasa yang akan datang, hal tersebut dapat mengancam tingkat keberhasilan penjualan. Penelitian ini bertujuan memprediksi stok bahan yang perlu ditambahkan untuk meningkatkan penjualan dengan menggunakan data mining dan Algoritma C4.5 melalui Rapidminer. Dalam penelitian ini, Cafe Semanis yang belum memiliki sistem pendukung keputusan diharapkan dapat merancang strategi bisnis yang lebih efektif. Hasil penelitian menunjukkan tingkat akurasi Algoritma C4.5 mencapai 97.60%, memberikan bukti bahwa algoritma ini dapat digunakan untuk prediksi stok bahan minuman. Implikasi dari penelitian ini memberikan panduan bagi pemilik cafe dalam meningkatkan efisiensi manajemen stok, mendukung keputusan strategis, dan pada gilirannya, meningkatkan tingkat keberhasilan penjualan produk minuman.
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