Article Per Year (5 Year)
p-Index From 2021 - 2026
12.331
P-Index
This Author published in this journals
All Journal AGRIVITA, Journal of Agricultural Science 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) JISA (Jurnal Informatika dan Sains) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Journal of Renewable Energy, Electrical, and Computer Engineering Journal of Artificial Intelligence and Engineering Applications (JAIEA) PENA ABDIMAS : Jurnal Pengabdian Masyarakat BULLET : Jurnal Multidisiplin Ilmu Jurnal Sistem Informasi dan Manajemen Jurnal Kecerdasan Buatan dan Teknologi Informasi Spektra : Jurnal Ilmu-ilmu Sosial Educommunity Jurnal Pengabdian Masyarakat As-Sulthan Journal of Education Jurnal Komtika (Komputasi dan Informatika)
Irfan Ali, Irfan
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 102 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 102 Documents
Search

 2   3   4   5   6 
ANALISIS PENJUALAN PRODUK UMKM DI SHOPEE PADA TOKO AGUNG0NA9 MENGGUNAKAN MODEL ALGORITMA REGRESI LINEAR Supriyatna, Adi; 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.v8i2.8372

Abstract

Shopee merupakan platform e-commerce yang beroperasi secara online dan hadir di berbagai negara di Asia Tenggara, Shopee telah berkembang pesat dalam beberapa tahun terakhir memungkinkan konsumen membeli produk secara online, Toko umkm Agung0na9 Menjual produk kategori musik dan juga kerajinan. Tujuan dari penelitian ini adalah menerapkan algoritma regresi linier untuk memprediksi produk dengan Kategori musik dan kerajinan yang akan terjual dalam waktu 3 bulan berikutnya. Regresi linear digunakan sebagai metode prediksi dengan jumlah produk yang terjual sebagai variabel Y dan periode sebagai variabel X. relative Error digunakan untuk mengevaluasi hasil prediksi. Hasil prediksi kategori Musik pada bulan pertama terjual 68 pcs, pada bulan kedua 69 pcs dan bulan ketiga 70 pcs dan kategori Kerajinan pada bulan pertama terjual 1078 pcs, pada bulan kedua 1029 pcs dan bulan ketiga 1066 pcs. Hasil evaluasi nilai Nilai Relative Error pada kategori Musik 13.64%, sedangkan, Nilai Relative Error kategori Kerajinan 22.65%. Prediksi penjualan handphone menggunakan metode regresi linear ini dapat dikatakan tergolong dalam kategori cukup atau bisa digunakan.
ANALISIS SENTIMEN TWITTER TERHADAP CRYPTOCURRENCY MENGGUNAKAN ALGORITMA NAIVE BAYES DAN DECISION TREE Syahrul, Adis; 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.v8i2.8381

Abstract

Analisis sentimen terhadap cryptocurrency telah menjadi topik penting dalam riset dan pengembangan di bidang keuangan dan teknologi informasi. Twitter, sebagai platform media sosial yang populer, menjadi sumber data yang berharga untuk memahami sentimen pengguna terhadap cryptocurrency. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap cryptocurrency berdasarkan data dari Twitter menggunakan algoritma Naive Bayes dan Decision Tree. Metode yang digunakan melibatkan pengumpulan data dari Twitter yang berisi percakapan terkait cryptocurrency. Data tersebut kemudian dibersihkan, diproses, dan dianalisis menggunakan algoritma Naive Bayes dan Decision Tree. Naive Bayes digunakan untuk mengklasifikasikan sentimen menjadi positif, negatif, atau netral berdasarkan fitur-fitur teks dari tweet. Sementara itu, Decision Tree digunakan untuk membangun model prediktif yang dapat mengidentifikasi pola sentiment terhadap cryptocurrency..Hasil penelitian menunjukkan bahwa akurasi Naïve Bayes mencapai 80.222%, sedangkan Decision Tree mencapai 65.03%. Dari hasil ini, dapat disimpulkan bahwa Naïve Bayes lebih baik dalam mengklasifikasikan text mining dengan akurasi tertinggi. Perbandingan antara kedua metode menunjukkan perbedaan akurasi yang tidak signifikan, yaitu untuk Naïve Bayes dengan akurasi 80.22%, Presisi 96.90%, dan Recall 62.54%, serta Decision Tree dengan akurasi 65.03%, Presisi 52.02%, dan Recall 98.94%. Analisis opini publik terhadap cryptocurrency mengungkapkan bahwa masyarakat Indonesia cenderung memberikan tanggapan positif terhadap mata uang digital ini setelah dilakukan penelitian ini.
ANALISIS PERBANDINGAN ALGORITMA DECISIOIN TREE DAN NAÏVE UNTUK MENGEVALUASI PRESTASI BELAJAR SISWA: STUDI KASUS : SMK AL-MUSYAWIRIN Sholihin Fauzan, Aldi; Irma Purnama Sari, 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.v8i1.8403

Abstract

Prestasi belajar siswa merupakan faktor kunci dalam dunia pendidikan. Suatau negara akan maju seiring dengan kemajuan dalam bidang pendidikannya. Prestasi belajar siswa dapat meningkatkan akreditasi sekolah dan merupakan salah satu faktor keberhasilan pendidikan. Analisis data akademik yang tepat dapat membantu mengenai unsur-unsur yang mempengaruhi hasil prestasi belajar siswa. Oleh karena itu, penggunaan algoritma klasifikasi seperti Decision Tree dan Naïve Bayes menjadi penting untuk membantu pengambilan keputusan di lingkungan pendidikan. Penelitian ini mendapatkan sumber data dari SMK Al-Musyawirin Weru Cirebon dengan jumlah data sebesar 202 dengan menggunakan teknik pengumpulan data melakukan observasi dan wawancara langsung. Atribut yang digunakan dalam penelitian ini adalah Nama Siswa, Mata Pelajaran Pendidikan Agama Islam, Pendidikan Kewarganegaraan, Bahasa Indonesia, Bahasa Inggris, Matematika, Sejarah, Seni Budaya, Pendidikan Jasmani Olahraga Kesehatan, Simulasi Digital, Fisika, Kimia dan Bahasa Sunda. Peneliti menerapkan kedua algoritma ini menggunakan teknik data mining. Pada pengujian Cross Validation dengan 5-fold menggunakan metode Naïve Bayes menunjukan hasil keakuratan tertinggi sebesar 85.93%. Sedangkan pengujian menggunakan split data medapatkan keakuratan 95.00%. Pada pengujian Cross Validation dengan 7-fold menggunakan metode Decision Tree menunjukan hasil keakuratan tertinggi sebesar 89,22%. Sedangkan pengujian menggunakan split data medapatkan keakuratan 100.00%. Menurut hasil yang telah diuji dengan menggunakan tools RapidMiner, menyatakan bahwa metode Decision Tree memiliki tingkat akurasi yang lebih tinggi daripada metode Naïve Bayes dalam menentukan prestasi akademik siswa. Dalam hal ini bagian akademik bisa mengantisipasi hasil pembelajaran siswa jika ada yang kurang berprestasi.
IMPLEMENTASI DATA MINING UNTUK CLUSTERING JENIS OBAT MENGGUNAKAN METODE ALGORITMA K-MEANS DI UPTD PUSKESMAS TEGAL GUBUG Arofah, Mila; 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.v8i2.8410

Abstract

Kebutuhan obat-obatan yang sesuai merupakan faktor penting dalam pengendalian pemasokan obat yang efektif dan efisien. Hal ini memastikan ketersediaan berbagai jenis obat sesuai kebutuhan dan dapat diperoleh tepat waktu. Namun, proses pengadaan obat di Puskesmas masih mengalami kendala dalam menentukan jenis dan jumlah obat yang optimal. Kendala ini dapat mengakibatkan kekurangan atau kelebihan stok obat, yang berdampak pada pemborosan dan inefisiensi. Penelitian ini bertujuan untuk membentuk kelompok-kelompok data obat-obatan di UPTD Puskesmas Tegal Gubug menggunakan metode clustering data mining. Penelitian dapat membantu dalam proses pengambilan keputusan, perencanaan, dan pengendalian pasokan obat di Puskesmas. Penelitian ini menggunakan metode clustering data obat-obatan dengan algoritma K-Means. Algoritma K-Means adalah metode clustering non-hirarki yang mempartisi data ke dalam kelompok-kelompok (cluster) berdasarkan kesamaan karakteristik. Hasil penelitian menunjukkan bahwa algoritma K-Means dapat mengelompokkan data obat-obatan di UPTD Puskesmas Tegal Gubug berdasarkan pengujian dengan 124 data. Cluster optimal menyumbangkan 10 data untuk cluster C1 (obat dengan pemakaian lambat), 50 data untuk cluster C2 (obat dengan pemakaian sedang), dan 64 data untuk cluster C3 (obat dengan pemakaian cepat). Hal ini menunjukkan bahwa data mendekati cluster pembayaran (Pusat). Metode clustering data mining dengan algoritma K-Means dapat membantu Puskesmas dalam meningkatkan efektivitas dan efisiensi pengendalian pasokan obat.
ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP PERKEMBANGAN ARTIFICIAL INTELLIGENCE DENGAN PENERAPAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) Azrul, Ahmad; 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.v8i1.8416

Abstract

Dalam era transformasi teknologi yang pesat, perkembangan kecerdasan buatan (Artificial Intelligence atau AI) menjadi salah satu tonggak utama yang membentuk pandangan masyarakat global. Meskipun perkembangan Artificial Intelligence (AI) menghadirkan berbagai potensi positif, permasalahan yang muncul adalah kurangnya pemahaman mendalam terhadap pandangan dan sentimen pengguna Twitter terhadap evolusi teknologi ini. Tujuan penelitian ini adalah untuk menganalisis sentimen pengguna Twitter terhadap perkembangan AI dan mengevaluasi kinerja model LSTM dalam menginterpretasikan opini menggunakan algoritma Long Short-Term Memory (LSTM) dengan memanfaatkan metode Knowledge Discovery in Database (KDD). Hasil analisis sentimen dari 1513 tweet menunjukkan bahwa 999 di antaranya bersentimen positif dan 514 bersentimen negatif terhadap perkembangan AI. Melalui uji coba, model LSTM mencapai tingkat akurasi tertinggi sebesar 74,25% pada epoch 20 dengan 100 neuron pada lapisan LSTM. Pengujian dengan split data 80:20 menghasilkan kinerja terbaik dengan 1210 data training dan 303 data testing. Kesimpulan penelitian ini menegaskan bahwa penerapan LSTM pada data tweet AI memberikan kinerja yang baik, dengan rata-rata akurasi 74.25%, precision 80.29%, recall 81.09%, dan f1-score 80.69%. Hasil ini menunjukkan kemampuan model LSTM dalam efektif memahami perasaan pengguna Twitter terhadap perkembangan AI.
ANALISIS SENTIMEN KOMENTAR BERITA DETIK.COM MENGGUNAKAN ALGORITMA SUPORT VEKTOR MACHINE (SVM) Hendiana, Hendiana; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.8421

Abstract

Dalam konteks analisis sentimen terhadap komentar berita, permasalahan utama adalah kompleksitas dalam memahami dan menyebarkan opini serta tanggapan masyarakat terhadap berita . Dengan banyaknya komentar yang besar, menilai apakah umpan balik bersifat positif atau negatif, menjadi tugas yang rumit. Oleh karena itu, perlu adanya pendekatan yang canggih dan efektif, seperti menggunakan algoritma SVM, untuk meningkatkan presisi dan efisiensi analisis sentimen.dalam penelitian Data berisi 1000 komentar dari berbagai judul dan topik berita yang diambil dari website berita Detik .Com.komentar tersebut di Analisis menggunakan algoritma SVM untuk menentukan tingkat sentimen negatif dan positif. Performa SVM dalam analisis sentimen diukur dengan perhitungan akurasi, presisi, recall, dan f1-score.dari 400 komentar yang menghasilkan 288 komentar negatif dengan nilai presisi:0.99, recall:0.98, dan f-score:0.99 dan 112 komentar positif dengan nilai presisi :0.95, recall:0.98, dan f-score: 0.96, dengan akurasi sebesar 0.98Hasil penelitian ini menunjukkan bahwa kompleksitas bahasa Indonesia dalam komentar berita di Detik.com mempengaruhi sentimen distribusi. Hasil menunjukkan bahwa sentimen negatif lebih dominan daripada sentimen positif dalam komentar berita di Detik.com Berdasarkan temuan penelitian, disarankan agar pengembangan model analisis sentimen lebih lanjut mempertimbangkan peningkatan dalam mengatasi kompleksitas bahasa Indonesia
PENERAPAN METODE LONG SHORT TERM MEMORY (LSTM) DALAM MEMPREDIKSI HARGA SAHAM PT BANK CENTRAL ASIA Rosyd, Abdul; 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.v8i1.8440

Abstract

PT Bank Central Asia merupakan salah satu perusahaan yang beroperasi di sektor perbankan di Indonesia. Saham adalah surat kepemilikan yang menunjukkan seberapa besar kepemilikan seseorang atau suatu institusi dalam suatu Perusahaan. Permasalahan utama yang dihadapi oleh investor adalah bagaimana memprediksi pergerakan harga saham di masa depan sehingga dapat mengambil keputusan investasi yang tepat. Metode penelitian yang digunakan dalam penelitian ini adalah menggunakan algoritma LSTM dengan optimasi "adam". LSTM merupakan pengembangan dari RNN yang memiliki kemampuan untuk mengolah data yang memiliki hubungan temporal atau urutan. Penelitian ini bertujuan untuk menerapkan metode Long Short Term Memory (LSTM) dalam memprediksi harga saham PT Bank Central Asia dengan menggunakan pendekatan eksperimental. Dengan mengumpulkan dan menganalisis data historis harga saham Bank BCA dari 2020 hingga 2023, metode LSTM dengan optimasi "adam" berhasil memberikan prediksi yang memiliki tingkat akurasi yang baik, ditunjukkan oleh nilai Root Mean Square Error (RMSE) sebesar 40.85, Mean Absolute Percentage Error (MAPE) sebesar 0.71%, dan Mean Squared Error (MSE) sebesar 6662.76. Hasil prediksi ini diharapkan dapat mendukung pengambilan keputusan investasi dengan memberikan wawasan yang berguna dalam analisis pergerakan harga saham PT Bank Central Asia.
PEMANFAATAN DATA MINING UNTUK PENEMPATAN BUKU DI PERPUSTAKAAN MENGGUNAKAN METODE ASSOCIATION RULE Listianto, Ahmad Bilal; Irma, 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.v8i2.8447

Abstract

Dalam era pesatnya perkembangan teknologi informasi, bidang Informatika telah memainkan peran yang sangat vital dalam transformasi masyarakat modern. Revolusi digital telah menciptakan gelombang besar inovasi, mempengaruhi sektor-sektor seperti teknologi, bisnis, pendidikan, dan lain-lain. Pada sistem yang berjalan penempatan buku dilakukan berdasarkan kategori buku yang tealah tersedia pada rak buku, namun belum diatur berdasarkan intensitasi peminjaman buku yang dilakukan oleh pengunjung. Sehingga masih banyak buku-buku lama yang masih tersedia di perpustakaan. Namun pada proses tata letak buku belum dilakukan dengan melihat tingkat kebutuhan peminjam atas buku yang dipinjam. Sehingga pengunjung perpustakaan membutuhkan waktu yang lama untuk mencari buku dengan melihat pada rak-rak buku yang tersedia. Maka dari itu Penelitian ini bertujuan untuk menerapkan metode data mining dengan menggunakan association rule dalam penempatan buku di perpustakaan. Dari aturan asosiasi final, diambil nilai terbesar yang berkaitan dengan peminjaman buku sehingga penempatan ditentukan oleh nilai support x confidence dari seluruh aturan asosiasi yang akan didekatakan menjadi 10 rak buku, guna meningkatkan keterkaitan antar buku dan memudahkan akses informasi bagi pengguna
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK ANALISIS PERSEBARAN UMKM DI JAWA BARAT Azzam, Ahmad; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.8450

Abstract

Usaha Mikro Kecil dan Menengah, atau dikenal sebagai UMKM, adalah usaha produktif yang telah terbukti menciptakan dan memberikan lapangan pekerjaan dan memiliki kontribusi yang besar pada roda perekonomian di Indonesia. Pengembangan Usaha Mikro, Kecil, dan Menengah (UMKM) memainkan peran penting dalam pertumbuhan ekonomi regional, termasuk di Jawa Barat. Namun, tantangan utama yang dihadapi adalah kurangnya pemahaman yang mendalam tentang pola persebaran dan karakteristik UMKM di wilayah tersebut. Oleh karena itu, penelitian ini bertujuan untuk mengisi kesenjangan pengetahuan ini dengan menerapkan Metode Algoritma K-Means Clustering untuk mengidentifikasi variabel-variabel penting yang dapat digunakan dalam mengelompokkan UMKM, serta untuk menganalisis pola-pola persebarannya, sehingga penelitian ini dapat menjadi perhatian bagi pemerintah ataupun lembaga yang terkait dalam meningkatkan perekonomian UMKM di Jawa Barat. Ini karena diperlukan pengembangan potensi dalam pelaksanaan UMKM melalui analisis strategi persebaran UMKM dan peningkatan jumlah UMKM di Jawa Barat. Pada metode Clustering UMKM ini akan dibagi menjadi 3 bagian berdasarkan tingkat persebaran UMKM yaitu cluster 0 atau rendah yang memperoleh hasil 11 Kabupaten/Kota, cluster 1 atau sedang memperoleh hasil 3 Kabupaten/Kota, dan cluster 2 atau tinggi memperoleh hasil 12 Kabupaten/Kota. Hasil evaluasi clustering akan menggunakan metode davies bouldin index (DBI) menghasilkan nilai sebesar -0,471. Dari hasil evaluasi cluster tersebut menunjukkan bahwa hasil cluster yang terbentuk adalah cluster yang terbaik. Hasil yang diperoleh itu dapat memberikan pemahaman yang mendalam tentang pola persebaran UMKM di Jawa Barat. Hasil dari penelitian ini dapat digunakan sebagai pendukung rumusan kebijakan ekonomi regional yang lebih terarah serta strategi pengembangan UMKM yang lebih efektif.
DESAIN DAN IMPLEMENTASI SISTEM INFORMASI PHOTOGRAPHY ARFI POTRET BERBASIS WEBSITE MENGGUNAKAN METODE RATIONAL UNIFIED PROCESS (RUP) Rifa'i, Akhmad; 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.v8i1.8456

Abstract

Photography ARFI POTRET merupakan suatu jasa yang digunakan untuk membantu customer dalam mendokumentasikan moment. Perlu dicatat bahwa efektivitas strategi promosi yang digunakan selama ini agak kurang. Selain itu, proses pemesanan dan pencatatan informasi masih sangat bergantung pada penggunaan aplikasi Microsoft Office, yang sayangnya membuatnya rentan terhadap berbagai kendala dan batasan. Oleh karena itu, dikembangkan sistem informasi berbasis web dengan metode Rational Unified Process untuk memudahkan proses bisnis. Sistem diuji menggunakan blackbox testing dan User Acceptance Testing (UAT). Berdasarkan hasil UAT, sistem mendapatkan penilaian sangat baik dengan total presentase 81%. Rata-rata presentase pada kategori fungsi 79,9%, rekomendasi 84,3%, dan desain 81,3%. Dengan demikian sistem layak untuk diimplementasikan guna meningkatkan kinerja photography ARFI POTRET. Hasil penelitian ini dapat membantu pemilik dalam mengolah data dan sebagai media promosi jasanya.
Co-Authors Abdul Rohim, Adi Nur Abdul Rosid, Rizal Adella, Luthfiyyah Iffah Adi Supriyatna Adinata, Adinata Ahmad Faqih Ahmad Jaelani Akbar, Miftahul 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 Aqlani, Zaheer Ahmed Arofah, Mila Asep Yoyo Wardaya Auliya, Suci Az-Zahra, Asih Azrul, Ahmad Azzam, Ahmad Brohi, Sheeraz Aleem Dahri, Shahzad Hussain Dahri, Zakir Hussain Dahri, Zamin Hussain Dendy Indriya Efendi Destiawati, Deby Dewanty Rafu, Maria Dienwati Nuris, Nisa Dikananda, Arif Rinaldi Dikananda, Fatihanursari Efendi , Dendy Indriya Effendy, Dendy Indria ETI KURNIAWATI Faisal Adam, Faisal Faqih, Habib Fasa, Saefullah Fatmawati, Aisyah FAUZAN, AKMAL Fitria, Lailatul Gifthera Dwilestari Gitacahyani, Adisty Gunia, Euis H Hadiyanto Hayati, Umi 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 Mangrio, Abdul Ghafoor Mangrio, Munir Ahmed Mariyani, Dinda Martanto . Marthanu, Indra Wiguna Marwah, Sopa Maulana, Ali Mayang Fadilah, Dewi Muharam, Arbi Adi Muharram, Akbar Muhimmatul ulya, Syilwa Nawang Wulan, Hidayah Nining Rahaningsih Nugraha, Rifqi Nugroho, Rizwar Adi Nur Alam, Alfian Nur Aziziah, Aldila Nurdiawan, Rudi Nurhidayat, Muhammad Nursaniah, Rini Nursatika Kusuma, Ines Odi Nurdiawan Pajri, Riki Prahara, Sukma Prihartono, Willy Purnamasari, Ade Irma Putra Pratama, Aeri Putriana, Eka R, Nining Raafi, Muhammad Rahmi Safitri, Rahmi Ramanto, Aditiya Ramdani, Rizki Rayhan, Tubagus Muhammad Rifa'i, Akhmad Rifqi Khairul Anam Rikiyashi, Afkan Rismala, Rismala Rizki Rinaldi, Ade Rizky Wulandhari, Putri Rodhiyana, Mu'allimah Rohman, Dede Rohmat, Cep Lukman Rosyd, Abdul Roziqin, Ahmad Khoirur Rudi Kurniawan Sadiyah, Ainur Rohimatus Salamah, Soviatus Saleem, Salman Saputra, Muhammad Sariah Sariah Setianingsih, Indri Setiawan, Riyan Shaikh, Irfan Ahmed 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 Wahyudin, Edi Windy Mardiyyah, Nita Wirdiyan, Farhan Azfa Wisnu Saputra, Adrian wiwied pratiwi, wiwied Yuslia Devitri Zahrudin Zhahiran Herlambang, Prilanisa