Article Per Year (5 Year)
p-Index From 2021 - 2026
11.746
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) 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 Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 97 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 97 Documents
Search

 5   6   7   8   9 
PENGOPTIMALAN MODEL ASOSIASI PENJUALAN PRODUK DI KEDAI MINUMAN MENGGUNAKAN METODE ALGORITMA FP-GROWTH Amer, Abdu Shobarudin; Suarna, Nana; Ali, Irfan
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5881

Abstract

Kedai minuman sebagai salah satu sektor bisnis yang kompetitif dapat memanfaatkan algoritma data mining untuk memahami pola pembelian konsumen. Penelitian ini bertujuan untuk mengimplementasikan algoritma FP-Growth dalam mengidentifikasi asosiasi produk yang sering dibeli bersama pada data transaksi di kedai minuman. Tujuan utamanya adalah untuk memberikan rekomendasi strategi promosi dan manajemen stok berbasis data yang lebih efektif. Metode penelitian yang digunakan adalah kuantitatif dengan pendekatan KDD (Knowledge Discovery in Databases). Algoritma FP-Growth dipilih karena kemampuannya dalam mengidentifikasi frequent itemsets secara efisien tanpa memerlukan pembentukan kandidat yang besar seperti pada algoritma Apriori. Dataset yang digunakan adalah data transaksi penjualan dari kedai minuman selama periode tertentu. Hasil penelitian menunjukkan adanya beberapa pola asosiasi yang signifikan antara produk-produk yang sering dibeli bersamaan oleh pelanggan. Dengan menggunakan hasil analisis ini, kedai dapat mengoptimalkan strategi penjualan dan meningkatkan kepuasan pelanggan melalui penawaran yang lebih sesuai dengan kebutuhan 
PENERAPAN ALGORITMA FP-GROWTH UNTUK OPTIMALISASI POLA ASOSIASI DALAM DATA TRANSAKSI PENJUALAN OBAT: STUDI KASUS DI APOTEK XYZ Nugroho, Rizwar Adi; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5621

Abstract

Perkembangan teknologi data mining telah membuka peluang besar untuk mengoptimalkan manajemen stok dan strategi pemasaran di sektor farmasi. Penelitian ini menggunakan algoritma Frequent Pattern Growth (FP-Growth) untuk menganalisis pola pembelian konsumen di Apotek XYZ. Dengan menggunakan data transaksi penjualan obat selama periode 3 bulan tercatat pada tanggal 1 September hingga 5 November 2024dan menerapkan algoritma FP-Growth melalui perangkat lunak Altair Ai Studio. Dataset terdiri dari 16.112 transaksi, yang diolah melalui proses data preprocessing, transformasi, dan penerapan algoritma FP-Growth dengan minimum support 0.5 dan confidence 0.8. Hasil analisis menghasilkan 59 aturan asosiasi dengan confidence tertinggi mencapai 100%, yang menunjukkan hubungan kuat antara produk-produk tertentu. Studi ini berhasil mengidentifikasi pola pembelian yang signifikan, memberikan wawasan strategis untuk optimalisasi stok dan pemasaran berbasis data. Informasi ini memungkinkan apotek mengelola persediaan obat secara lebih efisien
OPTIMASI PENGELOLAAN SAMPAH MELALUI MODEL PENGELOMPOKAN DENGAN ALGORITMA K-MEANS Nugraha, Rifqi; Suarna, Nana; Ali, Irfan; Rohman, Dede
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5694

Abstract

Pengelolaan sampah di Jakarta menghadapi tantangan besar akibat volume dan karakteristik lokasi yang bervariasi. Penelitian ini dimaksudkan untuk menginvestigasi dampak dari beberapa faktor tersebut dengan menerapkan algoritma K-Means Clustering, untuk mengidentifikasi karakteristik setiap cluster dan mengusulkan strategi pengelolaan sampah yang lebih efektif. Metode yang digunakan adalah Proses Knowledge Discovery in Database (KDD), yang mencakup tahap pengumpulan data, preprocessing, transformasi, dan analisis clustering. Hasil eksperimen menunjukkan bahwa jumlah klaster yang optimal adalah empat, menunjukan nilai DBI sebesar 0,220, menandakan kualitas klaster yang baik. Cluster 0, yang memiliki volume sampah tinggi, mendominasi Jakarta Barat dan memerlukan perhatian khusus dalam pengelolaan. Cluster 1, dengan volume sampah sedang, tersebar merata di seluruh daerah, menunjukkan potensi untuk meningkatkan efisiensi pengelolaan. Sementara itu, Cluster 2 dan Cluster 3 dengan volume rendah, berada di Jakarta Pusat dan Jakarta Utara, memerlukan pendekatan khusus seperti pengembangan fasilitas pengolahan sampah dan sistem daur ulang yang terintegrasi. Penelitian ini mengindikasikan bahwa pengelompokan menggunakan K-Means dapat memberikan wawasan berharga untuk mendukung strategi pengelolaan sampah yang berkelanjutan di Jakarta, serta menjadi dasar bagi pengambilan keputusan yang lebih terarah dalam memperbaiki kualitas lingkungan kota.
PENERAPAN ALGORITMA K-MEANS DALAM ANALISIS DATA KEPENDUDUKAN UNTUK OPTIMALISASI PENGELOMPOKAN DI DESA PASAWAHAN Ramdani, Rizki; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5639

Abstract

Abstrak. Teknologi informasi, bisnis, pendidikan, kesehatan, dan tata kelola pemerintahan adalah beberapa aspek kehidupan yang sangat dipengaruhi oleh kemajuan pesat di bidang informatika. Kurangnya informasi tentang karakteristik masyarakat Desa Pasawahan adalah masalah utama dalam penelitian ini. Kurangnya informasi ini berdampak pada kemampuan untuk membuat keputusan dan mengatur program pembangunan yang lebih sesuai dengan tujuan. Metode Elbow dan evaluasi Davies-Bouldin Index (DBI) adalah contoh metode klasterisasi yang efektif yang berfokus pada aspek sosial dan ekonomi. Data penduduk Desa Pasawahan Ciamis tahun 2023 dengan 4939 data dan 19 atribut digunakan. Metode Knowledge Discovery in Database (KDD) digunakan untuk menganalisis data. Dalam penelitian ini, indeks Davies-Bouldin (DBI) digunakan untuk mengoptimalkan algoritma K-means untuk menentukan jumlah klaster yang ideal. Hasil pengelompokan menunjukkan bahwa dari jumlah klaster dengan nilai K = 2, 3, 4, 5, 6, 7, 8, 9, 10, klaster dengan kinerja terbaik mendekati nilai 0, dengan nilai DBI sebesar 0,3066. Pada K=3, tiga klaster dengan distribusi sebagai berikut dihasilkan: C0 memiliki 2242 data, C1 memiliki 1778 data, dan C2 memiliki 919 data. Evaluasi kinerja Menurut algoritma K-means, nilai Davies-Bouldin yang mendekati nol menunjukkan kualitas, jumlah klaster yang ideal untuk penelitian ini adalah 3, yang memberikan hasil terbaik. 
OPTIMASI PREDIKSI OMSET PENJUALAN PADA PABRIK OLAHAN TAHU MENGGUNAKAN ALGORITMA REGRESI LINEAR Hermawan, Ramdan; Suarna, Nana; Ali, Irfan; Rohman, Dede
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5888

Abstract

Peningkatan omset penjualan merupakan aspek krusial dalam keberlanjutan bisnis, termasuk di Pabrik Olahan Tahu Khong Jaya. Penelitian ini bertujuan untuk mengeksplorasi hubungan variabel-variabel seperti harga, jumlah produksi, distribusi, dan promosi terhadap omset penjualan, serta memprediksi potensi pendapatan pada tahun 2024 dan 2025. Metode yang digunakan adalah Knowledge Discovery in Database (KDD), meliputi pengumpulan data, preprocessing, transformasi, analisis menggunakan regresi linear sederhana, dan evaluasi model. Data historis dari tahun 2022 hingga 2023 dianalisis untuk mendapatkan wawasan prediktif. Hasil analisis menunjukkan bahwa variabel harga memiliki korelasi paling kuat dengan omset (r = 0,884), diikuti oleh variabel tanggal (r = 0,841) dan volume penjualan (r = 0,638). Prediksi omset untuk tahun 2024 diperkirakan mencapai Rp1.399.036.400,75, meningkat menjadi Rp1.659.565.708,42 pada tahun 2025. Tren kenaikan omset ini menggambarkan pertumbuhan bisnis yang signifikan, dengan peningkatan tahunan hampir 50% pada tahun pertama dan 37,67% pada tahun kedua. Temuan ini menegaskan pentingnya strategi penetapan harga yang optimal dan peningkatan distribusi volume penjualan untuk mendukung pertumbuhan bisnis yang berkelanjutan. Penelitian ini memberikan kontribusi dalam memahami faktor-faktor utama yang memengaruhi omset penjualan serta mengembangkan model prediktif untuk mendukung pengambilan keputusan strategis. Hasil ini diharapkan dapat menjadi dasar untuk pengelolaan bisnis yang lebih efektif di masa depan.
IMPLEMENTASI ALGORITMA K-MEANS DALAM OPTIMALISASI PENGELOMPOKAN SURAT MASUK DI PG. SINDANGLAUT Amalia, Rosnita; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5876

Abstract

Abstrak. Pengelolaan surat masuk merupakan salah satu aspek penting dalam administrasi perusahaan, termasuk di PG. Sindanglaut yang berfungsi untuk mengelompokkan dan mengarsipkan surat secara efektif. Namun, dalam praktiknya, sistem pengelompokan surat yang digunakan saat ini masih manual dan kurang efisien, sehingga mengakibatkan keterlambatan dalam pengambilan keputusan dan pencarian dokumen. Untuk mengatasi permasalahan tersebut, penelitian ini melakukan penerapan Algoritma K-Means dalam mengoptimalkan proses pengelompokan surat masuk. Pemilihan Algoritma K-Means karena mampu melakukan clustering data secara cepat dan efisien, terutama dalam jumlah data yang besar. Permasalahan utama yang dihadapi adalah bagaimana meningkatkan efisiensi dan akurasi pengelompokan surat masuk menggunakan algoritma k-means untuk mendukung pengelolaan arsip yang lebih baik. Penelitian ini melalui metode eksperimen, di mana data surat masuk dianalisis dan dikelompokkan berdasarkan karakteristik kemiripannya menggunakan algoritma k-means sesuai dengan metode Knowledge Discoveri in Database (KDD). Dalam proses KDD mencakup data selection, preprocessing, tranformation, data mining untuk menentukan jumlah cluster optimal, dan interpretation atau evaluasi hasil clustering dengan mengukur nilai akurasi dan efektivitas pengelompokan berdasarkan nilai dari Davies Bouldin Index (DBI) dimana nilai terendah yang mendekati 0 menunjukkan klaster yang optimal. Tujuan penelitian ini adalah untuk mengoptimalkan sistem pengelompokan surat di PG. Sindanglaut, sehingga dapat meminimalkan waktu yang dibutuhkan untuk pencarian dokumen dan memperbaiki sistem pengarsipan. Penelitian ini menghasilkan bahwa penggunaan algoritma k-means dapat meningkatkan efisiensi pengelompokan surat masuk berdasarkan jenis surat yang terdiri dari Surat Dinas, Surat Permohonan, dan Surat Pemberitahuan sesuai dengan jenis dan kepentingannya, yang menghasilkan 8 klaster serta keakuratan pengelompokan yang sesuai dengan metode penelitian dimana nilai DBI yang diperoleh senilai 0.321.
IMPLEMENTASI ALGORITMA REGRESI LINIER DALAM MEMPREDIKSI KEUNTUNGAN CV. XYZ Auliya, Suci; Suarna, Nana; Ali, Irfan; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12593

Abstract

Latar belakang penelitian ini adalah pentingnya memahami pengaruh variabel Harga Pokok Penjualan (HPP) terhadap keuntungan perusahaan dalam melakukan analisis keuntungan. Penelitian ini bertujuan menganalisis dan memprediksi keuntungan penjualan pakan ternak di Perusahaan XYZ yang berdomisili di Kabupaten Cirebon. Penelitian ini menggunakan data penjualan bulanan selama tahun 2023 dan 2024, yang mencakup minggu ke, HPP, jumlah penjualan (Qty), total tagihan, total pembayaran, dan margin keuntungan. Data ini diolah melalui teknik preprocessing untuk memastikan kualitasnya sebelum dianalisis menggunakan algoritma regresi linier. Model ini digunakan untuk mempelajari hubungan antara variabel-variabel tersebut dan memprediksi margin keuntungan secara akurat. Hasil penelitian menunjukkan bahwa HPP memiliki koefisien sebesar 0,143, yang berarti setiap kenaikan HPP akan meningkatkan margin keuntungan sebesar 0,143 dengan asumsi variabel lain tetap. Prediksi margin menggunakan model ini juga menunjukkan akurasi tinggi, dengan nilai Root Mean Squared Error (RMSE) sebesar 2%. Temuan ini menunjukkan bahwa algoritma regresi linier adalah alat yang efektif untuk memprediksi keuntungan dan dapat diterapkan pada perusahaan dengan skala data serupa untuk mendukung perencanaan bisnis yang lebih baik
RANCANG BANGUN APLIKASI SISTEM INFORMASI PENDATAAN PELAUT BERBASIS WEB Dikananda, Arif Rinaldi; Fasa, Saefullah; Ali, Irfan; Dwilestari, Gifthera
JURSIMA Vol 10 No 3 (2022): Jursima Vol.10 No.3
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v10i3.473

Abstract

PT. Abdi Marine is one of the companies that has not used a web-based information system in the marine data collection section, where the data processing system is still manual. It often happens that seafarers' registration and flight date research takes up a lot of paper and seafarer data storage space, the calculation of the date is less accurate and making reports of incoming and outgoing seafarers' data takes a lot of time. To emphasize and learn in understanding the problems as described, the problem formulation that researchers can explain is to design a computerized marine crew data collection information system, create a database of data services for managers to carry out their work. The purpose of this research is to find out, develop and create an ongoing data collection application system into the PHP and HTML programming language using the MySQL database. So that researchers can draw conclusions in processing sailor crew data collection by implementing applications that have been designed and built in a systematic and structured manner, so that the level of damage in the process of implementing sailor crew data collection can be resolved.
PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI FLIP.ID Sadiyah, Ainur Rohimatus; Purnamasari, Ade Irma; Ali, Irfan
JURSIMA Vol 11 No 3 (2023): Volume 11 Nomor 3 2023
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v12i1.727

Abstract

Flip.Id adalah salah satu platform teknologi finansial di Indonesia, yang menawarkan beragam layanan keuangan, termasuk pembayaran dan transfer uang. Penelitian ini bertujuan untuk menerapkan metode Support VectorMachine dalam menganalisis sentimen terhadap ulasan pengguna aplikasi Flip.Id yang tersedia di Google Play Store. Metode Support Vector Machine dipilih karena memiliki tingkat kemampuan yang tinggi dalam menganalisis teks dan terbukti efektif dalam memahami sentimen. Proses pelatihan model Support Vector Machine melibatkan penggunaan dataset ulasan pengguna untuk mengklasifikasikan sentimen. Evaluasi hasil model mencakup berbagai matriks evaluasi, seperti akurasi, presisi, recall dan F1-Score. Hasil penelitian ini menunjukkan tingkat akurasi mencapai 87%, dengan nilai evaluasi matriks presisi sebesar 93%, recall 87%, dan nilai F1-Score 90%. Temuan ini menjadi dasar untuk penelitian lebih lanjut dalam mengeksplorasi lebih dalam analisis sentimen, khususnya dalam konteks teknologi finansial. Dari penelitian ini membuktikan bahwa model Support Vector Machine mampu memberikan hasil klasifikasi yang baik, dan memberikan peluang bagi penelitian lebih lanjut dalam memahami respons pengguna terhadap layanan keuangan digital seperti Flip.Id.
KLASIFIKASI ABJAD DALAM BAHASA ISYARAT MENGGUNAKAN ALGORITMA RANDOM FOREST Wirdiyan, Farhan Azfa; Suarna, Nana; Ali, Irfan
JurTI (Jurnal Teknologi Informasi) Vol 8, No 2 (2024): DESEMBER 2024
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v8i2.4673

Abstract

Pengenalan bahasa isyarat merupakan tantangan signifikan dalam pengembangan teknologi informasi, terutama dalam menciptakan komunikasi inklusif bagi penyandang disabilitas pendengaran. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem klasifikasi alfabet bahasa isyarat, khususnya pada Sistem Isyarat Bahasa Indonesia (SIBI), menggunakan algoritma Random Forest. Sistem ini dirancang untuk memfasilitasi komunikasi yang inklusif antara penyandang disabilitas pendengaran dan masyarakat umum. Tahapan penelitian mencakup pengumpulan data gerakan tangan yang diperoleh melalui perekaman menggunakan webcam dan kemudian dikelompokkan berdasarkan label alfabet,Tahap preprocessing data bertujuan untuk normalisasi dan augmentasi guna meningkatkan variasi input kemudian di lakukan proses untuk mengekstrak landmark tangan melalui framework Mediapipe, yaitu titik-titik referensi posisi jari dan tangan, Tahap pelatihan model menggunakan algoritma Random Forest dengan pembagian data latih dan uji, serta Tahap pengujian sistem secara real-time untuk mengevaluasi akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan sistem mampu mengenali alfabet SIBI dengan akurasi 100%, membuktikan efektivitas metode Random Forest dalam menangani klasifikasi pola yang kompleks. Esensi penelitian ini terletak pada kontribusinya dalam mendukung komunikasi inklusif melalui teknologi kecerdasan buatan. Sistem ini menawarkan solusi praktis untuk mengatasi hambatan komunikasi antara penyandang disabilitas pendengaran dan masyarakat umum, sekaligus mendorong pengembangan teknologi inklusif. Dengan hasil yang sangat akurat, penelitian ini memberikan dampak sosial yang signifikan, membuka peluang bagi pengembangan sistem komunikasi berbasis AI yang lebih adaptif, seperti integrasi dengan aplikasi mobile dan fitur text-to-speech, sehingga memperluas aksesibilitas dan mendukung interaksi sosial yang lebih inklusif.
Co-Authors Abdul Rohim, Adi Nur Abdul Rosid, Rizal Adella, Luthfiyyah Iffah Adi Supriyatna Adinata, Adinata Ahmad Faqih 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 Aqlani, Zaheer Ahmed Arofah, Mila 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 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 Hendiana, Hendiana Hermawan, Ramdan Hidayah, Freni Mega Hidayattullah, Rizky Huda, Irhamul Hurifiani, Alfia Ikbal, Ali Ilham, Mokhamad Indah Indah 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 . 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 Prahara, Sukma 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 Zahrudin Zhahiran Herlambang, Prilanisa