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

 3   4   5   6   7 
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.
PENERAPAN DATA MINING DALAM PREDIKSI PRODUKSI BERAS MENGGUNAKAN METODE REGRESI LINEAR Adinata, Adinata; 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.v8i2.8494

Abstract

Kondisi geografis Indonesia yang mendukung serta memiliki iklim tropis sangat cocok untuk membudidayakan padi. Sehingga pada tahun 2018, Indonesia berhasil menjadi negara penghasil beras terbanyak di dunia. Hal ini menjadikan Indonesia sebagai negara penghasil beras terbanyak di dunia pada tahun 2018. Analisis regresi digunakan untuk memprediksi nilai dari suatu variabel response (y) dengan menggunakan nilai dari variabel prediktor/independent (x). Tujuan penelitian ini adalah untuk Mendapatkan gambaran daerah-daerah penghasil beras di Kabupaten Cirebon, Mengklasifikasikan daerah-daerah penghasil beras di Kabupaten Cirebon berdasarkan kuantitas hasil panen per tahun, Mengimplementasikan data mining dengan metode regresi linear untuk memprediksi produksi beras di daerah-daerah prioritas produksi beras di Kabupaten Cirebon. Hasil penelitian menunjukan bahwa RMSE dan Relative Error, menunjukkan jika metode prediksi yang dipergunakan baik. Hasil penelitian nilai evaluasi yang di dapat dari perhitungan prediki menggunakan RMSE 285.590 dan Relative Error 0.000 %. Dan prediksi produk beras yang disimulasikan dengan rapidminer mempunyai nilai min 140 dan nilai max 41060 dengan nilai rata-rata 9037.220 dan standard deviation 7837.949, Hasil evaluasi nilai RMSE pada produksi beras adalah 285.590, sedangkan nilai Relative Error adalah 0.000%. Nilai RMSE dan Relative Error yang mendekati 0 menunjukkan bahwa prediksi mendekati nilai aktual.
IMPLEMENTASI NAÏVE BAYES UNTUK KLASIFIKASI KELAYAKAN PENERIMA BANTUAN SOSIAL Fatmawati, Aisyah; 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.v8i1.8714

Abstract

Pemberian bantuan sosial artinya suatu upaya untuk membantu masyarakat yang membutuhkan. Tetapi, pada mendistribusikan bantuan sosial, krusial buat memastikan bahwa bantuan tersebut diberikan pada mereka yang benar-benar membutuhkannya. Penelitian ini bertujuan untuk berbagi suatu model prediksi kelayakan penerima bantuan sosial menggunakan metode Naive Bayes. Metode Naive Bayes dipilih karena kemampuannya pada mengatasi masalah pembagian terstruktur mengenai menggunakan dataset yang kompleks. Model ini memanfaatkan perkiraan independensi antar-fitur yang mempermudah perhitungan probabilitas kelas. Pada konteks ini, kelas yg diprediksi merupakan "kelayakan" atau "tidak kelayakan" menjadi penerima bantuan sosial. Penelitian ini dibutuhkan dapat menyampaikan kontribusi dalam menaikkan efisiensi serta keadilan pada pendistribusian bantuan sosial dengan memanfaatkan metode Naive Bayes, diperlukan dapat menghasilkan model yang dapat dengan seksama memprediksi kelayakan penerima bantuan sosial sesuai informasi yang tersedia. Implementasi model ini di lapangan diharapkan bisa membantu lembaga penyedia bantuan sosial untuk mengoptimalkan sumber daya mereka dan memastikan bantuan disalurkan pada yang benar-benar membutuhkan. Dari perhitungan tersebut, nilai akurasi hasil pengujian klasifikasi menggunakan algoritma Naive Bayes adalah sebesar 86.36%.
PENERAPAN ALGORTMA X-MEAN MENENTUKAN PENERIMA BANTUAN SOSIAL Jaelani, 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.v8i1.8828

Abstract

Pertambahan jumlah data keluarga tidak mampu di Desa Jatipancur dapat berpotensi mengakibatkan dampak buruk akibat peningkatan jumlah penduduk. Masalah ketidakseimbangan keluarga tidak mampu dapat menyebabkan masalah kemiskinan dan tekanan penduduk. Tujuan penelitian ini adalah Mendapatkan hasil cluster dari penerima bantuan Sosial dala pengaplikasian metode x-mean, mengetahui kelompok penerima bantuan sosial dan cluster terbaik. Penelitian menggunakan pendekatan data mining dengan menerapkan Algoritma X-Means Clustering. Algoritma X-Means diimplementasikan menggunakan software Ms. Excel dan Rapidminer. Penelitian ini menggunakan data dari Badan Pusat Statistik (BPS) Jatipancur, Data yang digunakan melibatkan 7 atribut dan mencakup periode tahun 2019-2023. Hasil pengelompokan menggunakan X-Means menghasilkan 10 cluster, Cluster 1 mendekati nilai sempurna dengan Davies Bouldin Index sebesar 0.002, Jarak antara cluster terbaik adalah pada cluster 1 dengan jumlah 0.000, serta Performance terdekat ada pada cluster 0 dengan nilai 5.672.239.884.760. Peneliti berharap penelitian ini dapat membantu Desa Jatipancur dalam proses penyaluran bantuan dan Optimalisasi dalam penyaluran bantuan yang lebih tepat sasaran.
ANALISIS PENGARUH POLA PENJUALAN DENGAN MENGGUNAKAN FREQUENT PATTERN GROWTH DI TOKO AZZAHRA SNACK Alkatiri, Nazwa; 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.v8i2.8990

Abstract

Dalam bisnis yang berkembang pesat, peran teknologi informasi sangat penting. Analisis belanja keranjang pasar (Market Basket Analysis) menggunakan algoritma FP-Growth telah menjadi metode yang relevan untuk memahami pola transaksi penjualan. Penelitian ini bertujuan menganalisis pola transaksi di Toko Azzahra Snack dengan menerapkan algoritma FP-Growth. Data Mining dengan algoritma FP-Growth digunakan untuk menemukan pola kombinasi hubungan antar item-set melalui Association Rules. Hasil analisis dapat membimbing manajemen stok produk yang kurang diminati, melalui tahapan Knowledge Discovery in Database (KDD) yang melibatkan Data Selection, Data Cleaning, Transformation Data, Data Mining, dan Interpretation atau Evaluation. Eksperimen pertama mengungkapkan empat item makanan paling sering dibeli oleh pelanggan: Lemper, Dimsum, Combro, dan Donat. Eksperimen kedua menunjukkan lima item makanan yang sering dibeli, termasuk Putu Ayu. Rules Support (X,Y) menunjukkan Support dan Confidence tertinggi untuk masing-masing item, memberikan wawasan untuk mengoptimalkan penjualan pada makanan yang diminati pelanggan. Berdasarkan hasil eksperimen, Association Rules pada 4 item makanan pertama dan 5 item makanan kedua dapat mengoptimalkan penjualan pada produk yang sering dibeli pelanggan, dengan Support dan Confidence tertinggi untuk setiap item.
PENERAPAN ALGORITMA K-MEANS CLUSTERING DALAM PENGELOMPOKAN DATA PENJUALAN SUPERMARKET BERDASARKAN CABANG (BRANCH) Alvianatinova, Via; Ali, Irfan; Rahaningsih, Nining; Bahtiar, Agus
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.v8i2.8993

Abstract

Penjualan ritel, terutama dalam konteks supermarket, merupakan aspek krusial dalam operasional bisnis yang memerlukan pengelolaan data yang efisien. Penelitian ini dilakukan untuk mengeksplorasi implementasi algoritma K-Means clustering dalam mengelompokkan data penjualan dari berbagai cabang supermarket, dengan fokus utama pada peningkatan efisiensi operasional dan strategi penjualan. Dalam era digital saat ini, penjualan supermarket menghasilkan volume besar dan data penjualan yang kompleks setiap hari. Pengelolaan dan pemahaman data ini menjadi tantangan signifikan, terutama ketika terdapat banyak cabang yang tersebar luas. Algoritma K-Means clustering telah terbukti sebagai metode yang efektif dalam menyelesaikan permasalahan semacam ini. Metode ini memungkinkan pengelompokkan data penjualan ke dalam kelompok-kelompok yang memiliki karakteristik serupa, mempermudah analisis dan pengambilan keputusan. Studi ini mengumpulkan data historis penjualan dari berbagai cabang supermarket. Data diproses terlebih dahulu untuk memastikan kualitasnya sebelum menerapkan algoritma K-Means clustering. Hasil pengelompokan data dianalisis secara menyeluruh untuk mengidentifikasi pola penjualan utama. Analisis ini menjadi dasar untuk meningkatkan efisiensi operasional setiap toko, termasuk manajemen inventaris dan strategi penjualan. Tujuan penelitian ini adalah untuk memahami cara mengoptimalkan pengelolaan data penjualan supermarket menggunakan algoritma K-Means clustering. Hasilnya menunjukkan bahwa toko dapat dikelompokkan menjadi dua kelompok utama, yaitu kelompok cabang besar (cluster 0) dan kelompok cabang kecil (cluster 1). Penerapan algoritma K-Means clustering memungkinkan pengelompokkan data penjualan supermarket berdasarkan toko, memberikan kontribusi signifikan terhadap pemahaman dan pengelolaan data penjualan secara lebih efisien. Evaluasi model dengan indeks Davies Bouldin menghasilkan nilai sebesar 0.375, menunjukkan keberhasilan tinggi dalam mengelompokkan data.
IMPLEMENTASI PENGELOMPOKAN REALISASI BELANJA MENGGUNAKAN ALGORITMA K-MEANS DI PROVINSI DKI JAKARTA Widyastuti, Sri; 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.v8i2.8997

Abstract

ABSTRAK Dalam era globalisasi dan perkembangan teknologi informasi yang cepat, pengolahan dan analisis data menjadi krusial dalam pengambilan keputusan di berbagai sektor, termasuk sektor publik. Penelitian ini menghadapi masalah kompleksitas data realisasi belanja, terdiri dari banyak unit kerja dengan karakteristik yang beragam. Untuk mengatasi hal ini, dilakukan pengelompokan data menggunakan pendekatan K-Means Clustering menggunakan bahasa pemrograman Python. Data dibagi ke dalam kelompok cluster berbeda menggunakan metode K-Means Clustering. Penelitian ini menerapkan metode tersebut pada realisasi belanja di Provinsi DKI Jakarta tahun 2020. Hasil pengelompokan menunjukkan tiga cluster, dengan cluster 0 memiliki unit kerja terbanyak (436 unit kerja), cluster 1 memiliki unit kerja paling sedikit (18 unit kerja), dan cluster 2 memiliki 69 unit kerja. Unit kerja pada cluster 1 belum mencapai target pengeluaran yang ditetapkan. Identifikasi terhadap cluster tinggi (503 data) dan rendah (20 data) mengindikasikan bahwa perhatian khusus diperlukan pada cluster rendah untuk mencapai target yang ditetapkan pemerintah.
PENERAPAN ALGORITMA FP GROWTH UNTUK MENDUKUNG POLA PEMBELIAN SEMBAKO DI TOKO UCI Indah, Indah; 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.v8i2.9004

Abstract

Toko Sembako Uci, sebagai penyedia kebutuhan pokok di Permata Harjamukti, Kota Cirebon, menghadapi persaingan intens di industri sembako. Demi mengatasi ketersediaan produk yang kurang optimal dan meningkatkan penjualan, penelitian ini menggunakan teknik data mining dengan fokus pada transaksi penjualan sembako di Toko Uci. Melalui penerapan algoritma FP-Growth, tujuan penelitian adalah mengidentifikasi pola item serta meningkatkan kepercayaan produk bahan pokok sembako dalam transaksi penjualan. Analisis terhadap confidence dan support kombinasi item bahan pokok menunjukkan adanya kelompok produk yang sangat diminati, mencapai nilai 100%. Contohnya, kombinasi Beras, Aci, dan Bawang Merah mencapai 90,9%. Grafik aturan asosiasi menyoroti pola penjualan utama, seperti Masako dan Bawang Putih, Telur dengan Bawang Merah, dan lainnya. Algoritma FP-Growth membantu mengidentifikasi pola penjualan di Toko Uci, memberikan wawasan bahwa konsumen cenderung membeli bahan pokok secara bersamaan. Temuan ini dapat menjadi dasar strategi penjualan, meningkatkan kualitas produk, dan mengoptimalkan stok untuk meningkatkan kinerja toko.
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