p-Index From 2021 - 2026
16.686
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Format : Jurnal Imiah Teknik Informatika Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Komputasi IKRA-ITH Informatika : Jurnal Komputer dan Informatika METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jurnal Pengabdian Masyarakat AbdiMas Jurnal Nasional Komputasi dan Teknologi Informasi IKRA-ITH ABDIMAS JUTEKIN (Jurnal Manajemen Informatika) Simtek : Jurnal Sistem Informasi dan Teknik Komputer Aptisi Transactions on Management Aptisi Transactions on Technopreneurship (ATT) ETNOREFLIKA: Jurnal Sosial dan Budaya Jurnal Mantik Jurnal Abdimas Madani dan Lestari (JAMALI) Generation Journal Journal Sensi: Strategic of Education in Information System G-Tech : Jurnal Teknologi Terapan JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) JUKI : Jurnal Komputer dan Informatika Jurnal Teknologi Informatika dan Komputer International Journal Of Science, Technology & Management (IJSTM) Jurnal Algoritma, Logika dan Komputasi Journal of Business and Audit Information System (JBASE) Jurnal Pengabdian dan Edukasi Sekolah (Jubaedah) Journal of Technology and Informatics (JoTI) Multidiciplinary Output Research for Actual and International Issue (Morfai Journal) Jurnal Begawe Teknologi Informasi PAKDEMAS : Jurnal Pengabdian Kepada Masyarakat Journal Of Human And Education (JAHE) Ilmu Komputer untuk Masyarakat IKA BINA EN PABOLO : PENGABDIAN KEPADA MASYARAKAT Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Mathematics Instruction, Social Research and Opinion Journal of Scientech Research and Development Jurnal Indonesia Sosial Teknologi Jurnal Sains, Teknologi dan Rekayasa (SAINTESA) Media Abdimas Jurnal Pengabdian Masyarakat Bangsa ROUTERS: Jurnal Sistem dan Teknologi Informasi International Transactions on Education Technology (ITEE) BULLET : Jurnal Multidisiplin Ilmu SENADA : Semangat Nasional Dalam Mengabdi Saturnus: Jurnal Teknologi dan Sistem Informasi Jurnal Karya untuk Masyarakat (JKuM) Journal of Renewable Energy and Smart Device Journal of Digital Technology and Computer Science Jurnal Komputasi
Claim Missing Document
Check
Articles

Digital Transformation of Roopa Roopa Kue MSME through the Implementation of Website-Based E-Commerce and Strengthening of Business Management Nizirwan Anwar; Dony Saputra; Arief Ichwani
PAKDEMAS : Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 3 (2026): Agustus
Publisher : Fakultas Pertanian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58222/pakdemas.v5i3.775

Abstract

Transformasi digital menjadi kebutuhan strategis bagi usaha mikro, kecil, dan menengah (UMKM) untuk memperluas jangkauan pasar, meningkatkan efisiensi pemasaran, serta memperkuat tata kelola usaha. UMKM Roopa Roopa Kue di Marunda, Jakarta Utara, masih menghadapi sejumlah kendala, antara lain pemasaran yang didominasi metode konvensional, belum tersedianya website e-commerce, serta pengelolaan usaha yang belum terstruktur pada aspek perencanaan bisnis, pembagian sumber daya manusia, pencatatan keuangan, dan pengelolaan pelanggan. Kegiatan pengabdian kepada masyarakat ini bertujuan meningkatkan kapasitas digital dan manajerial mitra melalui penerapan e-commerce berbasis website yang terintegrasi dengan penguatan manajemen usaha. Program dilaksanakan pada 20 Juni dan 3 Agustus 2026 dengan menggunakan pendekatan partisipatif dan transfer teknologi melalui lima tahapan, yaitu sosialisasi, pelatihan, penerapan teknologi, pendampingan, dan evaluasi. Kegiatan melibatkan tim dosen, mahasiswa, dan anggota mitra. Hasil program berupa pengembangan website e-commerce roepacake.com yang terintegrasi dengan media sosial, peningkatan kemampuan mitra dalam mengelola katalog produk, transaksi digital, dan pemasaran daring, serta tersusunnya blueprint usaha, struktur organisasi, sistem pencatatan keuangan sederhana, analisis SWOT, dan basis pengelolaan pelanggan. Hasil evaluasi juga menunjukkan bahwa mitra mampu melakukan simulasi pengelolaan website dan aktivitas pemasaran digital secara lebih mandiri. Program ini berkontribusi terhadap peningkatan kesiapan digital dan penguatan tata kelola usaha Roopa Roopa Kue. Keberlanjutan program memerlukan konsistensi pembaruan konten, peningkatan literasi digital, pemanfaatan data pelanggan, dan pendampingan berkala agar transformasi digital dapat memberikan dampak yang lebih berkelanjutan terhadap pengembangan usaha.
Perbandingan LSTM dan XGBoost untuk Prediksi Multi-Horizon Suhu dan Curah Hujan Harian pada Grid ERA5 Jakarta Pusat Ahmad Julaibib Syahr; Raden Teddy Iswahyudi; Nizirwan Anwar; Imam Sutanto
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Prediksi deret meteorologis perkotaan tropis menghadapi dua karakter target yang berbeda: suhu relatif kontinu dan berautokorelasi,sedangkan curah hujan harian bersifat zero-inflated, menceng, dan mengandung kejadian ekstrem. Penelitian ini membandingkan LongShort-Term Memory (LSTM) dan Extreme Gradient Boosting (XGBoost) untuk direct multi-horizon forecasting t+1, t+7, dan t+14pada satu grid reanalysis ERA5 yang dipilih menggunakan koordinat acuan Jakarta Pusat. Data harian 1 Januari 2005-21 Juli 2026diakses melalui Open-Meteo, kemudian dibagi secara kronologis menjadi train, validation, main test 2024-2025, dan out-of-time (OOT)test Januari-Juli 2026. Model dibangun terpisah untuk setiap target-horizon, dioptimalkan dengan random search dan early stopping,serta dibandingkan dengan baseline kausal menggunakan RMSE, MAE, R², dan bias. Pada main test, XGBoost memperoleh RMSEterendah pada enam tugas; selisih terhadap LSTM adalah 0,34%-5,48% untuk suhu dan 1,72%-3,18% untuk hujan. Semua model suhumelampaui baseline, tetapi model hujan hanya melampauinya pada t+1; klimatologi bulanan tetap lebih baik pada t+7 dan t+14.Peringkat XGBoost konsisten pada OOT, tetapi periode OOT yang lebih pendek dan berbeda komposisi musim tidak dapatdibandingkan langsung dengan main test. Hasil mendukung XGBoost sebagai model yang lebih stabil dan efisien dalam ruangeksperimen ini, bukan sebagai bukti superioritas universal. Prediksi intensitas hujan ekstrem tetap menjadi keterbatasan utama.
Pengembangan Sistem Monitoring Barang Berbasis QR Code untuk KPI dan Insentif Payroll Karyawan Menggunakan Metode Waterfall Hafiz Ramadhan; Raden Teddy Iswahyudi; Nizirwan Anwar; Binastya Anggara Sekti
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini mengusulkan pengembangan sistem monitoring keluar masuk barang berbasis QR Code yangmengintegrasikan pencatatan transaksi gudang, penilaian Key Performance Indicator (KPI), dan perhitungan insentifpayroll karyawan. Permasalahan utama yang ditangani meliputi pencatatan manual, keterlambatan pembaruan stok,kesalahan input, keterbatasan jejak audit, serta belum terhubungnya data aktivitas operasional dengan evaluasi kinerjadan insentif. Pengembangan sistem menggunakan metode Waterfall melalui tahapan analisis kebutuhan, perancangan,implementasi, pengujian, dan pemeliharaan. Setiap barang dan transaksi diidentifikasi melalui QR Code, kemudian sistemmerekam waktu, jenis transaksi, kuantitas, identitas petugas, dan perubahan stok. Data transaksi digunakan sebagaisumber terukur untuk membentuk indikator KPI yang mencakup akurasi pencatatan, ketepatan waktu proses,produktivitas transaksi, dan kepatuhan prosedur. Nilai KPI selanjutnya menjadi masukan bagi mekanisme insentif payrolldengan parameter bobot dan ambang yang dapat dikonfigurasi sesuai kebijakan organisasi. Perancangan juga menerapkanpemisahan hak akses administrator, petugas gudang, supervisor, dan bagian keuangan serta menyediakan dashboardmonitoring dan audit trail. Pengujian fungsional dirancang menggunakan pendekatan black-box dan evaluasi usabilitysebelum penerapan operasional. Hasil penelitian pada tahap ini berupa arsitektur proses, model data, rancangan KPI,aturan perhitungan insentif, dan skenario pengujian yang dapat menjadi dasar implementasi. Rancangan sistemdiharapkan meningkatkan ketertelusuran transaksi, konsistensi data persediaan, transparansi evaluasi kinerja, danakuntabilitas perhitungan insentif tanpa menggantikan proses validasi manajerial.
FRAMEWORK MODELLING UNTUK INTEGRASI ECONOMIC ORDER QUANTITY PADA SISTEM STOK GUDANG BERBASIS JAVA SPRING DAN POSTGRESQL Fransisco Viero; Raden Teddy Iswahyudi; Agung Mulyo Widodo; Nizirwan Anwar
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan stok membutuhkan konsistensi antara transaksi operasional dan keputusan kuantitas pemesanan. Penelitianini mengembangkan prototipe sistem stok gudang berbasis Java Spring dan PostgreSQL dengan Economic OrderQuantity (EOQ), serta mengusulkan framework modelling yang menautkan kebutuhan, model perilaku, model struktur,model data, arsitektur implementasi, dan bukti pengujian. Penelitian bersifat terapan dengan alur Waterfall yangmencakup analisis kebutuhan, perancangan, implementasi, validasi algoritma, dan black-box testing. EOQ dihitung darikebutuhan tahunan (D), biaya pemesanan per pesanan (S), dan biaya penyimpanan per unit per tahun (H). Evaluasiterkontrol menggunakan lima item simulasi dan 35 skenario pengujian. Rekonsiliasi stok menghasilkan saldo hitung575 unit yang sama dengan saldo sistem. Perbandingan EOQ manual dan aplikasi menunjukkan seluruh selisih absolutdi bawah toleransi 0,01 unit, dengan selisih terbesar 0,0045 unit. Tiga ketidaksesuaian awal terkait duplikasi kode,pengeluaran melebihi stok, dan H = 0 diperbaiki; seluruh 35 skenario lulus pada pengujian ulang. Kontribusi utamapenelitian terletak pada keterlacakan kebutuhan-ke-model-ke-implementasi-ke-bukti, bukan pada modifikasi rumusEOQ. Karena evaluasi menggunakan data simulasi, hasil belum dapat digunakan untuk mengklaim penghematan biayaoperasional aktual.
STUDI SIMULASI DETEKSI EMAIL PHISHING BERBASIS NLP MENGGUNAKAN TF-IDF DENGAN SUPPORT VECTOR MACHINE DAN RANDOM FOREST Muhamad Ali Mubarok; Nizirwan Anwar; Arief ichwani; Raden Teddy Iswahyudi
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 3 (2026): IKRAITH-INFORMATIKA Vol 10 No 3 November 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Phishing melalui email merupakan ancaman keamanan informasi yang memanfaatkan isi pesan untukmendorong pengguna memberikan informasi sensitif atau melakukan tindakan tertentu. Penelitian ini bertujuanmenganalisis kinerja Support Vector Machine (SVM) dan Random Forest pada klasifikasi email phishingberbasis Natural Language Processing (NLP) dengan representasi Term Frequency-Inverse Document Frequency(TF-IDF). Dataset simulasi awal berjumlah 10.420 email dan setelah pemeriksaan duplikasi, data kosong, sertalabel tidak valid diperoleh 10.000 email, yang terdiri atas 5.000 phishing dan 5.000 legitimate. Data diprosesmelalui cleaning, case folding, tokenization, dan stopword removal, kemudian ditransformasikan menjadi featurevector TF-IDF dengan unigram dan bigram. Dataset dibagi menggunakan rasio 80:20 untuk data training dantesting. Evaluasi model menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil simulasimenunjukkan SVM memperoleh accuracy 96,40%, precision 95,94%, recall 96,90%, dan F1-score 96,42%,sedangkan Random Forest memperoleh accuracy 94,80%, precision 95,34%, recall 94,20%, dan F1-score94,77%. SVM juga menghasilkan false negative yang lebih rendah, yaitu 31 dibandingkan 58 pada RandomForest. Berdasarkan skenario simulasi, SVM menunjukkan kinerja lebih konsisten terutama pada recall dan F1-score, sehingga lebih sesuai sebagai model utama pada rancangan prototype deteksi email phishing. Hasil initetap perlu dikonfirmasi melalui eksperimen aktual dan pengujian lintas dataset sebelum digunakan sebagai dasarimplementasi operasional.
KOMPARASI KINERJA SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK DETEKSI SPAM EMAIL BERBASIS TF-IDF TEKS Arum Adila Ningtias; Nizirwan Anwar; Arief Ichwani; Raden Teddy Iswahyudi
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 3 (2026): IKRAITH-INFORMATIKA Vol 10 No 3 November 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Spam email merupakan salah satu permasalahan dalam komunikasi digital karena dapat mengganggu produktivitas,membebani sistem, serta berpotensi membawa ancaman keamanan seperti phishing, malware, dan penipuan digital. Penelitianini bertujuan membangun dan membandingkan performa algoritma Support Vector Machine (SVM) dan Random Forest dalammendeteksi spam email berbasis klasifikasi teks. Dataset yang digunakan adalah SMS Spam Collection yang terdiri dari 5.572pesan dengan 2 (dua) kelas, yaitu ham/non-spam dan spam. Tahapan penelitian dilakukan secara sekuensial melalui prosestext, cleaning, case folding, tokenization, stopword removal, ekstraksi fitur menggunakan Term Frequency-Inverse DocumentFrequency (TF-IDF), train-test split, pelatihan model SVM dan Random Forest, serta evaluasi performa. Evaluasi dilakukanmenggunakan metrik Accuracy, Precision, Recall, F1-score, ROC-AUC, dan Confusion matrix, sebagaimana dijelaskandalam rancangan penelitian dan evaluasi model pada dokumen . Hasil pengujian menunjukkan bahwa Linear SVM +GridSearchCV memperoleh performa lebih baik dibandingkan Random Forest + GridSearchCV, dengan Accuracy sebesar0,983857, Precision 0,978102, Recall 0,899329, F1-score 0,937063, dan ROC-AUC 0,987039. Random Forest memperolehAccuracy 0,959641, Precision 0,882353, Recall 0,805369, F1-score 0,842105, dan ROC-AUC 0,960280. Berdasarkan hasiltersebut, SVM lebih efektif dalam mendeteksi spam email karena mampu menghasilkan kesalahan klasifikasi yang lebihrendah dan performa evaluasi yang lebih seimbang.
Detection of Pulmonary Tuberculosis in Chest X-Ray Images Using CNN-VGG19: Evidence from a Local Indonesian Clinical Dataset Emil Agusalim Habi Talib; Mar'atul Azizah; Muhammad Faisal; Abd Rakhim Nanda; Nizirwan Anwar; Indriyanti Azis; Rizki Yusliana Bakti; M. Agusalim; Desi Anggreani
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 10 No 5 (2026): October 2026
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v10i5.7607

Abstract

Pulmonary tuberculosis (TB) remains a major public health challenge, especially in developing countries where early and accurate diagnosis is critical. Although deep learning models have shown promising performance in TB detection using chest X-ray (CXR) images, most studies rely on large-scale public datasets that may not adequately represent the variability and limitations of real-world clinical data. This study aimed to evaluate the robustness and generalization capabilities of the CNN-VGG19 architecture when applied to small-scale clinical datasets. The dataset consisted of 434 CXR images collected from Haji Makassar Hospital, Indonesia, and categorized into tuberculosis, pleural effusion, and normal classes. A transfer learning approach was applied, and model performance was evaluated using analyses of accuracy, precision, recall, F1 score, and confusion matrices, with comparisons to ResNet50 and InceptionV3 under identical experimental conditions. The results showed that CNN-VGG19 achieved an accuracy of 0.8807 and a macro F1 score of 0.8800, outperforming the comparative models. These findings suggest that CNN-VGG19 provides stable performance in a data-constrained environment and highlight the impact of class overlap on classification performance.
Applying Data Science to Analyze and Improve Student Learning Outcomes in Educational Environments Nizirwan Anwar; Juanda; James Anderson; Tane Williams
International Transactions on Education Technology (ITEE) Vol. 3 No. 1 (2024): International Transactions on Education Technology (ITEE)
Publisher : Pandawan Sejahtera Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/itee.v3i1.679

Abstract

This study explores the application of data science to analyze and improve student learning outcomes within educational environments, responding to the increasing demand for data-driven approaches in education. The objective is to identify key performance indicators that influence learning success and to develop predictive models that support personalized academic interventions. The research applies a mixed-method approach, combining quantitative data analysis from student records and qualitative insights gathered from educational stakeholders. Machine learning algorithms and statistical models are employed to identify patterns and relationships within large datasets, helping to pinpoint factors such as attendance, engagement levels, and assessment performance that most strongly correlate with learning outcomes. Results indicate that predictive models can effectively forecast student performance, allowing educators to proactively support at risk students and tailor learning experiences to individual needs. Furthermore, the findings demonstrate that integrating data science tools into educational decision-making can improve not only academic outcomes but also institutional strategies for student success. This study concludes that data science offers substantial potential for enhancing learning environments, enabling a more responsive and personalized education system that supports each student’s unique journey towards academic achievement
Comparative Evaluation of Deep Learning Architectures for Early Skin Cancer Detection Using Dermatoscopic Images  Aurel Elviolita Putri; Agung Mulyo Widodo; Nizirwan Anwar; Binastya Anggara Sekti
Journal of Technology and Informatics (JoTI) Vol. 8 No. 2 (2026): Vol. 8 N. 2 (2026)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37802/

Abstract

Early identification of skin cancer is essential for improving diagnostic reliability and patient outcomes. Although convolutional neural networks (CNNs) have demonstrated promising performance in dermoscopic image classification, comparative evaluations on imbalanced multiclass datasets remain challenging. This study compares three transfer learning-based CNN architectures—VGG16, ResNet50, and MobileNetV2—for seven-class skin lesion classification using the imbalanced HAM10000 dataset. All models were evaluated using the same dataset partitions, image resolution, and performance metrics, while architecture-specific augmentation and loss-function strategies were retained. In particular, VGG16 used MixUp, ResNet50 used CutMix, VGG16 and ResNet50 employed Focal Loss, and MobileNetV2 used label smoothing. Performance was assessed using accuracy, precision, recall, F1-score, confusion matrices, and ROC–AUC. ResNet50 achieved the best overall performance, with 85.71% accuracy and a weighted F1-score of 0.8502, ahead of VGG16 (82.52%, 0.8172) and MobileNetV2 (79.32%, 0.7739). ResNet50 also showed the highest recall for melanoma and dermatofibroma among the three tested configurations, although minority-class sensitivity remained limited. These results favor ResNet50 under the evaluated training configurations; however, differences in augmentation and loss functions prevent attributing performance gaps solely to network architecture.
Implementasi SaaS Multi-Tenant Berbasis Database-per-Tenant dan Metode FEFO pada Sistem Inventori dan Point of Sale UMKM Bakery Rizki Wahyu; Jefry Sunupurwa Asri; Nizirwan Anwar; Adi Widiantono
Journal of Information System Research (JOSH) Vol 8 No 1 (2026): October 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v8i1.11024

Abstract

Bakery micro, small, and medium-sized enterprises manage products with limited shelf lives, requiring accurate inventory control and product rotation based on expiration dates. Toko Kue Khaerul Akbar continues to face several operational challenges, including manual stock recording, discrepancies in stock-taking results, inadequate prioritization of products nearing expiration, and delays in generating operational reports. This study develops an inventory and Point of Sale system based on the Software as a Service model by implementing a database-per-tenant architecture and the First Expired, First Out method. The system was developed using the Extreme Programming method through four sprints, comprising the development of the multi-tenant foundation, batch-based inventory management, FEFO integration with the POS system, and the Owner Central feature. The FEFO method prioritizes batches according to the earliest expiration date, using the received date as a secondary criterion when expiration dates are identical. Unit testing was conducted on 12 test cases organized into four scenario groups, with all cases successfully passing. In addition, black-box testing involving 31 scenarios achieved a fulfillment rate of 100%. Isolation testing confirmed that cross-tenant access was successfully denied. An evaluation involving 10 respondents yielded a UAT score of 4.4 out of 5.0 and a SUS score of 81.7 out of 100. The developed system improves inventory traceability, prioritizes products according to expiration proximity, provides real-time operational reports, and enables centralized monitoring of multiple business units while preserving the isolation of operational data across tenants. The contribution of this study is the integration of a database-per-tenant SaaS architecture, batch-based FEFO allocation directly connected to POS checkout, and Owner Central for cross-unit monitoring while maintaining operational data isolation for each tenant.
Co-Authors Abd Rakhim Nanda Achmad Fansuri Adelia Rizky Cantika Adhy, Dewanto Rosian Adi Widiantono Adi Widiantono Adikara, Fransiskus Agus Satriawan Agustina, Noni Ahmad Fauzi Faishal Hadi Ahmad Julaibib Syahr Ahmad Muhammad Thantawi Akbar, Habibullah Alivia Yufitri Alvian Totonafo Mendrofa Andri Kurnia Maulana Andy Julianto Anggasura Rysmu Rahmatullah Ani Hayati Anindya Billa Mustika Annisa Dwi Anggri Ari Anggarani Winadi Prasetyoning Tyas Ari Pambudi Ari Pambudi Arum Adila Ningtias Ary Prabowo Atik Rizkiyani Aurel Elviolita Putri Azifa Habiba Badie Uddin Bakti, Rizki Yusliana bayu pamungkas Binastya Anggara Sekti Bist, Ankur Singh Budi Tjahjono Budilaksono, Sularso Calvin Ramadhani Alfahrezi Desi Anggreani Diah Aryani, Diah Dian Dwi Pramesti Diana Novita Dita Chandra Samsiya Doni Antoro Dony Saputra Dwi Rohman Soleh Dwi Setiyadi Eko Prasetyo Emil Agusalim Habi Talib Emon Sulaksana Erry Yudhya Mulyani Euis Heryati Euis Sadeli Evi Martaseli Evi Martaseli Fachmi Tamzil Fahreza Bahran Febrianty Mustafa Febrianty, Febrianty Febryna, Nurul Fikri Saefullah Fikri, Ahmad Dzaki Fransisco Viero Hafiz Ramadhan Hani Dewi Ariessanti Harlinda Syofyan Haziro Ulfa Hendra Bratanata Hendry Gunawan Hendry Gunawan, Hendry Hermansyah Hermansyah Hermansyah Herwanto, Agus Hidayat, Ruswan Ichwani, Arief Ilham Banuaji Ilham Firmansyah Imam Sutanto Indriyanti Azis Intan Pandini Irawan, Bambang Iswahyudi, Raden Teddy Iwan Setiawan Iwan Setiawan Iwan Setiawan Izhar Rahim Jacqueline, Greisy James Anderson Jefry Sunupurwa Asri Jensen, Henrik Jerry Brilianto Akbar Juanda JUANDRI Junaidi Junaidi Kalagi, Richard Kevin Maruli Kartini Kartini kartini, kartini Kevin Januari Khairul Fadhly Kiyota Hashimoto Krisogonus Wiero Baba Kaju Kundang Karsono Kundang Karsono Kundang Karsono Juman Kundang Karsono Juman Kundang Karsono Juman Kundang Karsono Juman Kus Hendrawan Muiz Kusuma, Mahesa Adi Laksono, Mohamad Iqbal Ajie M Agusalim Maharani, Adhelin Mar'atul Azizah Mariyana Mariyana Widiastuti Martin T, Richard Marwan, Rudi Heri Marzuki Sinambela Mawarni Mawarni Meria, Lista Micko Tubagas Miliyantri Elvandari Ming, Li Wei Mohamad Alrifqi Mr Zulhaimi Muhamad Ali Mubarok Muhamad Hendrawan Muhamad Magfur Muhamad Sandi Pratama Muhammad Abduh Muhammad Abdullah Hadi Muhammad Abdullah Hadi Muhammad Faisal Muhammad Hadi Arfian Mukhamad Abduh Munawar Munawwar Munawwar Murya, Rizky Aury Mustika, Anindya Billa Naufal Ananda Nicholas Janitra Nilasari, Rifani Nina Nurhasanah, Nina Nisa, Mahwar Alfan Nisa’I, Siti Haerotun Nixon Erzed Nugroho Budhisantosa Nugroho Budhisantosa Nur Widiyasono Nur Widiyasono, Nur Nurfilael, Gagas Nurfilae Nuriana, Syahrul Ramadhan Nurmalasari, Mieke Oktafiani Oktafiani, Oktafiani Panji Kuncoro Hadi Paramadinah Aqil Raditya Pratama, Anggoro Yudha Priyanto, Sandra Purwano SK Putra, Fraska Drahma putri, amanda Raden Teddy Iswahyudi Rahaman, Mosiur Ramadhan, Sachrur Randy Swandy Rendi Satria Rian Adi Pamungkas Riya Widayanti Rizki Faro Khatiningsih Rizki Ramadhan Rizki Reza Saputra Rizki Wahyu Robby Maulana Roesfiansjah Rasjidin Rudi Hermawan Rudi Hermawan Rudy Setiawan Ryan Putra Laksana Safrizal Safrizal Santosa, Nugroho Budhi Santoso, Lilik Hari Setiawati, Popong Setiyati, Ritta Siti Komsiah, Siti Sukmawan, Windu Fajar Sundari Meganingrum, Alpa Susanto, Ratnawati Sutanto, Imam Syamsiar, Syamsiar Tane Williams Tarigan, Masmur Tengku Riza Zarzani N Thantawi, Ahmad Muhammad Tjahjojo, Budi Tomy Ronaldi Tri Ismardiko Tri Ismardiko Ulfa, Haziro Ulum, Muhamad Bahrul Ummanah Ummanah, Ummanah Utomo, Toni Dwi Vitri Tundjungsari Wahid Abdul Azis Wahyu Prabowo Wahyu Sabiqudin, Muhammad Wahyu Son Haji Wahyudin Anugrah, Rio Warnars, Harco Leslie Hendric Spits Widia Sari Widodo, Agung Mulyo Widyawan, Tri Ismardiko Yanathifal Salsabila Anggraeni Yasir Muharram Fauzi Yohanes Bagas Ari Widatama Yulfitri, Alivia Yulhendri Yulhendri Yulita Laurentz Yusup, Muhamad Eriza Zakaria, Noor Azura