Article Per Year (5 Year)
p-Index From 2020 - 2025
3.768
P-Index
This Author published in this journals
All Journal Jurnal Sosioteknologi Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Journal of Computer Science and Informatics Engineering (J-Cosine) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) BERNAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknik Informatika (JUTIF) Charity : Jurnal Pengabdian Masyarakat KLIK: Kajian Ilmiah Informatika dan Komputer Prosiding Konferensi Nasional PKM-CSR eProceedings of Engineering
Anisa Herdiani
Telkom University
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Neuroscience Nursing Public Health Social Sciences Veterinary Other

Published : 65 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 65 Documents
Search

 1   2   3   4   5 
Analisis Dan Implementasi Algoritma Dynamicnet Pada Deteksi Evolusi Komunitas Di Media Sosial Twitter Muhammad Rizky Riandi Gunaedi; Imelda Atastina; Anisa Herdiani
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Seiring berkembangnya jaringan sosial, banyak media-media di internet yang menyediakan sarana untuk berhubungan dengan orang lain, salah satunya adalah Twitter. Twitter memungkinkan terbentuknya sebuah komunitas. Komunitas berkembang setiap saat, seiring dengan berkembangnya interaksi antar pengguna di Twitter, oleh karena itu diperlukan alat untuk mendeteksi evolusi dari komunitas tersebut. DynamicNet merupakan algoritma untuk mendeteksi evolusi komunitas yang mendefinisikan evolusi komunitas dengan simpel namun mencakup banyak bidang, yang mana sebelum mendeteksi evolusi dilakukan deteksi komunitas menggunakan algoritma Louvain. Pada jurnal ini dilakukan percobaan untuk mengetahui parameter apa sajakah yang mempengaruhi hasil dari algoritma DynamicNet, mulai dari jumlah data dan threshold. Hasil yang didapat dari penelitian ini adalah algoritma DynamicNet dapat digunakan untuk mendeteksi evolusi komunitas di media sosial Twitter. Didapatkan juga bentuk kerateristik data yang ideal agar algoritma DynamicNet dapat berjalan dengan optimal, yaitu jumlah data yang banyak dengan kepadatan hubungan yang tinggi, komunitas dengan kualitas (Modularity) yang tinggi dan nilai threshold yang berada di rentan nilai Normalized Mutual Information (NMI). Pada penelitian ini NMI tertinggi dicapai pada 1000 data simpul yang bernilai 0.16. Kata kunci: dynamic network, dynamicnet, twitter, community evolution, nmi Abstract As the development of social networks, many media on the internet that provides the means to connect with others, one of which is Twitter. Twitter wants to form a community. Communities are evolving all the time, along with the growing interaction between users on Twitter, therefore a tool for the evolutionary part of the community is needed. DynamicNet is an algorithm for. Which uses Louvain's algorithm. In this journal an experiment was conducted to find out what parameters are the results of the DynamicNet algorithm, ranging from the amount of data and threshold. The result of this research is DynamicNet algorithm can be used for. The ideal data rectangle shape for DynamicNet algorithm can be run optimally, ie high amount of data with high link density, high quality (Modularity) communities and Dynamic Mutual Dynamic Information (NMI) threatened threshold values. In tis research, the highest NMI value archive with 1500 vertex data which has value 0.0157. Keyword: dynamic network, dynamicnet, twitter, community evolution, nmi
Implementasi Interactive And Collaborative Platform Pada Learning Management System Amanda Putri Septiani; Anisa Herdiani; Dawam Dwi Jatmiko Suwawi
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pada pembelajaran tradisional yang umum digunakan memiliki beberapa kelemahan, salah satunya adalah keterbatasan siswa dalam menerima materi pembelajaran tambahan selain materi pokok yang didapatkan di kelas. Salah satu solusi dari permasalahan tersebut adalah penggunaan e-learning di sekolah. Pada umumnya, e-learning memuat komponen yang sudah dikenal dalam pembelajaran tradisional seperti grup diskusi, penyampaian ide dan akumulasi pengetahuan. Konten yang dimuat dalam e-learning pun disusun dengan penyesuaian kurikulum pada pembelajaran tradisional [1]. Jejaring sosial memungkinkan pengguna untuk melakukan penyelesaian masalah, membangun koneksi dengan lingkungan masyarakat dan pengetahuan yang berbeda serta berinteraksi dan berkolaborasi dengan pengguna lainnya sehingga penulis membangun sistem e-learning dengan Interactive and Colaborative Platform. Platform interaktif dan kolaboratif menjadi salah satu platform e-learning yang dirancang agar pembelajaran online tidak hanya dapat menggabungkan proses kognitif dan konstruktif namun juga proses sosial sehingga siswa lebih aktif dalam pembelajaran dan mendukung interaksi kelompok dengan lebih baik lagi [2]. Konsep e-learning dengan platform yang interaktif dan kolaboratif seperti yang dimiliki oleh jejaring sosial dan fitur-fiturnya seperti news feed, chat box, fitur like dan komentar mampu memberikan peningkatan pada tingkat kepuasan pengguna e-learning dari segi antarmuka sistem, komunitas belajar, ketersediaan konten dan personalisasi website yang dinilai dengan menggunakan evaluasi E-Learner Satisfaction. Kata Kunci: Interactive and Colaborative Platform, Learning Management System, e-learning, E-Learner Satisfaction.
Pengukuran Happiness Index Masyarakat Kota Bandung Pada Media Sosial Twitter Menggunakan Pendekatan Ontologi Top-down Hierarchy Ika Rahayu Ponilan; Anisa Herdiani; Nungki Selviandro
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Paradigma pengukuran tingkat kemakmuran suatu negara dari pendapatan per kapita Gross National Product (GNP), sekarang telah digeser oleh paradigma happiness index atau Gross National Happiness (GNH). Esensi dari GNH adalah kedamaian dan kebahagiaan dari setiap orang, selain itu juga keamanan dan kedaulatan bangsa. Belakangan ini, Bandung menjadi kota pertama di Indonesia yang mengadopsi inovasi peningkatan happiness index masyarakat. Pemerintah kota Bandung berharap agar inovasi ini dapat dijadikan review untuk menjadikan kota Bandung nyaman ditinggali dan memperbaiki value kota Bandung. Penelitian ini akan menganalisis tweet dari Twitter secara berkala, ke dalam parameter happiness berdasarkan Badan Pusat Statistik (BPS) Bandung dengan menggunakan pendekatan ontologi. Penelitian ini terbagi atas enam tahap. Tahap pertama yaitu crawling (pengambilan) data Twitter berdasarkan wilayah kota Bandung dan melabelkan data. Tahap kedua yaitu preprocessing data yang mencakup data cleaning, case folding, tokenizing, stopword removal, dan lemmatization. Tahap ketiga yaitu sentiment analysis untuk mengklasifikasikan tweet (opini) ke dalam opini positif dan negatif. Tahap keempat yaitu ontology construction berdasarkan parameter happiness index BPS Bandung. Tahap kelima yaitu pengelompokkan tweet berdasarkan ontologi yang telah dibangun. Tahap keenam yaitu perhitungan happiness index per parameter yang telah ditentukan sebelumnya. Pada penelitian ini menghasilkan nilai happiness index masyarakat kota Bandung sebesar 55.50% dari data aktual dan 52.22% dari data prediksi oleh sistem. Nilai tersebut dapat dijadikan sebagai salah satu alat bantu dalam pengambilan kebijakan Pemerintahan Kota Bandung. Kata kunci: Twitter, ontology, sentiment analysis, happiness index
Analisis Dan Implementasi Community Detection Menggunakan Spectral Clustering Method Dalam Social Network Nurmasyitah Nurmasyitah; Imelda Atastina; Anisa Herdiani
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Twitter merupakan salah satu situs social network yang sedang berkembang dengan pesat dan memiliki lebih dari jutaan pengguna di berbagai belahan dunia pada saat ini. Salah satu penelitian mengenai social network adalah community detection. Community detection bertujuan untuk membagi jaringan ke dalam daerah – daerah pada graph. Pembentukan komunitas ini dapat dimanfaatkan untuk berbagai keperluan seperti menemukan target pemasaran produk, untuk menghitung kepopuleran suatu barang atau pengguna, mendeteksi isu di masyarakat, mendeteksi jaringan teroris, dan masih banyak lagi. Dalam penelitian kali ini akan digunakan suatu metode pendeteksian komunitas pada data Twitter yang bernama Spectral Clustering Method. Dimana metode ini mengelompokkan data dengan memetakan matriks afinitasnya (atau matriks similarity) ke matriks yang berisi vektor – vektor eigen (yang selanjutnya disebut ruang eigen). Yang kemudian akan dikelompokkan dengan menggunakan algoritma clustering dan akan dilakukan perhitungan nilai modularity untuk melihat hasil terbaik dari setiap pengelompokkan. Hasil dari sistem menunjukkan pengaruh dari jumlah k dan centroid terbaik dalam menentukan performansi algoritma Spectral Clustering dalam mendeteksi komunitas. Dari pengujian yang telah dilakukan, hasil terbaik yang diperoleh dengan menggunakan algoritma Spectral Clustering ialah dengan nilai modularity = 0.9607 untuk jumlah pengguna 90 user dengan jumlah sisi sebanyak 36 relasi dan jumlah cluster yaitu 7. Kata kunci : Twitter, Community Detection, Spectral Clustering, Laplace, K-means, similarity Abstract Twitter is one of the social network sites that are growing rapidly and has more than millions of users in various parts of the world at this time. One research on social network is community detection. Community detection aims to divide the network into regions on the graph. The formation of this community can be used for various purposes such as finding targeted product marketing, to calculate the popularity of a good or user, detecting issues in the community, detecting terrorist networks, and more. In previous research, community detection has not yet been able to provide information on how to get the best grouping results. In this research will be used a method of community detection called Spectral Clustering Method. Where this method groups data by mapping its affinity matrix (or matrix similarity) to a matrix containing eigenvectors (hereinafter called eigenspaces). Which will then be grouped by using clustering algorithm and will be calculated the value of modularity to see the best results of each grouping. The results of the system show the effect of the best number of k and centroid in determining Spectral Clustering algorithm's performance in detecting community. From the test that has been done, the best result obtained by using Spectral Clustering algorithm is with the value of modularity = 0.9607 for the number of users 90 users with the number of sides as much as 36 relations and the number of clusters is 7. Keywords: Twitter, Community Detection, Spectral Clustering, Laplace, K-means, similarity
Pengukuran Indeks Kebahagiaan Masyarakat Kota Bandung Dari Jejaring Sosial Twitter Menggunakan Ontologi Dengan Paradigma Bottom-up Anisa Herdiani; Nungki Selviandro; Dimas Ikhsanu Fitra
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Kebahagiaan masyarakat dapat dijadikan parameter untuk menentukan pencapaian dari suatu negara. Dalam cakupan yang lebih kecil, hal ini dapat diaplikasikan juga ke sebuah kota. Pemerintah kota Bandung mengembangkan sistem yang dapat menghitung indeks kebahagiaan masyarakatnya. Pemerintah kota Bandung telah melakukan perhitungan indeks kebahagiaan dengan survey sampling secara acak kepada kepala keluarga atau pasangannya. Dalam pengambilan data dengan survey memerlukan usaha serta biaya yang besar. Dapat dilakukan upaya lain selain dari menggunakan survey dalam pengambilan data, yaitu dengan mengambil data berupa opini dari masyarakat dari media sosial. Pada penelitian ini dibuat suatu sistem yang mampu mengolah data berupa opini yang berasal dari media sosial Twitter yang sangat banyak digunakan masyarakat kota Bandung. Data tweet pada Twitter diklasifikasikan sesuai dengan kebutuhan perhitungan indeks kebahagiaan masyarakat kota Bandung. Klasifikasi dibantu ontologi yang dapat memetakan pengetahuan yang diketahui manusia untuk diketahui sistem. Ontologi dibangun dengan paradigma bottom-up yang pembangunannya bermula dari term-term pada tweet. Untuk mendapatkan sentimen dari data tweet digunakan klasifikasi sentiment menggunakan classifier pada Weka. Hasil klasifikasi ontologi dan sentiment digunakan untuk mengukur indeks kebahagiaan. Dilakukan pengujian terhadap sistem dengan mencari nilai F1 measure dan akurasi. Dari hasil pengujian ditemukan bahwa kelengkapan ontologi berpengaruh kepada performansi hasil klasifikasi yang dianalisis dari nilai akurasi dan F1 measure pada dua versi ontologi. Dengan data yang ada, jumlah data latih berpengaruh terhadap performansi classifier Weka dalam melakukan klasifikasi sentimen. Semakin besar jumlah data maka semakin besar nilai akurasi dan nilai F1 measure. Semakin besar akurasi maka semakin valid hasil perhitungan indeks kebahagiaan yang didapat. Kata kunci: indeks kebahagiaan, pengambilan data, ontologi, twitter, analisis sentimen
Implementasi Context-aware Recommender System Berbasis Ontology Untuk Merekomendasikan Tujuan Wisata Di Bandung Raya Rizaldy Arigi; Abdurahman Baizal; Anisa Herdiani
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Sektor pariwisata menunjukkan tren kenaikan untuk sumbangan devisa negara. Salah satu faktor kenaikan tersebut adalah semakin mudahnya mendapatkan informasi tujuan wisata di Indonesia melalui layanan Internet yang ada seperti TripAdvisor dan Foursquare. Namun kualitas rekomendasi tujuan wisata masih dapat ditingkatkan dengan recommender system yang mampu merekomendasikan tujuan wisata dengan memperhitungkan kondisi yang dihadapi pengguna. Recommender system adalah teknik dan kakas perangkat lunak yang digunakan untuk menyediakan rekomendasi item yang sesuai dengan kebutuhan pengguna. Untuk dapat menyediakan rekomendasi yang relevan dengan kebutuhan pengguna, Recommender system dapat menerapkan sifat context-aware dengan memanfaatkan informasi kontekstual pengguna seperti lokasi dan cuaca. Tugas akhir ini disusun melalui pengembangan dan pengujian recommender system yang memanfaatkan model objek dalam knowledge-based, yaitu ontology sebagai representasi pengetahuan pada domain pariwisata, kemudian memproses preferensi pengguna terhadap kategori wisata dan informasi kontekstual berupa lokasi pengguna, cuaca di sekitar tujuan wisata, waktu buka dan tutup tujuan wisata, sehingga menghasilkan rekomendasi tujuan wisata. Kata kunci: tujuan wisata, recommender system, context-aware, knowledge-based, ontology
Analisis Keterhubungan Ontology Pada Web Semantik Menggunakan Semantic-based Ontology Matching Andy Satria; Anisa Herdiani; Veronikha Effendy
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Web semantik memungkinkan data tidak hanya dapat dimengerti oleh manusia sebagai pembaca tetapi juga agar bisa diproses dan dimengerti oleh mesin atau komputer. Teknologi pada web semantik yang memungkinkan hal tersebut dapat terjadi adalah dengan menggunakan ontology. Ontology mendeskripsikan data pada web dan keterhubungan antar data pada web. Heterogenitas merupakan masalah yang paling umum terjadi pada ontology di web semantik, misalnya terdapat dua ontology dengan nama yang berbeda, ontology tersebut memiliki struktur yang berbeda atau didefinisikan dengan cara yang berbeda padahal kedua ontology tersebut mendeskripsikan domain pengetahuan yang sama. Ontology matching merupakan proses untuk membandingkan dua ontology dan menemukan keterhubungan diantara kedua ontology tersebut. Ontology matching bertujuan untuk mengurangi masalah heterogenitas pada ontology. Salah satu teknik yang digunakan pada ontology matching untuk menyelesaikan masalah heterogenitas adalah semantic-based ontology matching. Kata kunci: web semantik, ontology, ontology matching, heterogenitas, semantic-based ontology matching.
Model User Interface Aplikasi Pembelajaran Doa-doa Harian Sesuai User Experience Anak Usia Dini Menggunakan Metode User Centered Design Luthfi Shidqi; Veronikha Effendy; Anisa Herdiani
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Media pembelajaran interaktif merupakan salah satu inovasi teknologi pada bidang pendidikan [1]. Pada era modern saat ini media pembelajaran interaktif terus berkembang dan melahirkan model pembelajaran modern, salah satunya adalah media pembelajaran interaktif pada aplikasi smartphone android. Pada play store android terdapat banyak aplikasi yang mengangkat konsep pengenalan berhitung untuk anak usia dini. Penulis pun melakukan survei usability test dan wawancara untuk mendapatkan informasi mengenai pengetahuan dan perkembangan anak usia dini tentang teknologi dan perkembangan belajar berhitung. Berdasarkan survei usability test yang penulis lakukan, masih ditemukan beberapa kekurangan pada aspek usability. Beberapa aspek usability yang belum terpenuhi yaitu penanganan kesalahan, memorabilitas, serta efisiensi yang rendah. Ketiga aspek tersebut merupakan bagian terpenting untuk membuat experience yang baik kepada user. Untuk meningkatkan aspek usability maka dibuatlah model UX untuk pengenalan aplikasi belajar berhitung, penulis melakukan analisis task menggunakan hierarcichal task analysis terhadap aplikasi yang sudah ada, melakukan identifikasi terhadap karakteristik anak usia dini menggunakan persona, pembuatan model konseptual dan skenario model user experience yang sesuai dengan kurikulum pendidikan anak usia dini, serta mengidentifikasi aspek usability yang dihasilkan menggunakan faktor QUIM. Model UX yang dihasilkan penulis implementasikan dalam bentuk prototipe aplikasi berbentuk flash pada smartphone android. Prototipe tersebut dibuat sebagai bentuk rekomendasi antarmuka berdasarkan model UX yang telah dibuat. Kata kunci : media pembelajaran interaktif, persona, user experience, hierarcichal task analysis, QUIM
Memprediksi Status Berlangganan Klien Bank Pada Kampanye Pemasaran Langsung Dengan Menggunakan Metode Klasifikasi Dengan Algoritma C5.0 Yuni Dwiyanti; Anisa Herdiani; Shinta Yulia Puspitasari
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pada suatu bank, proses pemasaran bisa dilakukan dengan menghubungi klien satu per satu via telepon. Terkadang, petugas perlu menghubungi klien lebih dari satu kali untuk memastikan apakah klien tersebut bersedia menggunakan produk yang ditawarkan [1]. Tentu hal ini sangat tidak efisien dan juga membutuhkan biaya yang tidak sedikit. Proses pemasaran yang tidak efisien ini disebabkan karena petugas tidak mengetahui karakteristik klien yang berpotensi untuk berlangganan deposito berjangka. Agar proses pemasaran lebih efisien, perlu dilakukan pengklasifikasian klien bank berdasarkan status berlangganan deposito berjangka klien pada kampanye pemasaran langsung. Pada tugas akhir ini, metode klasifikasi dengan algoritma C5.0 akan digunakan untuk mengolah dataset klien bank agar diperoleh suatu model klasifikasi. Selain itu, dataset yang akan digunakan dalam penelitian ini memiliki permasalahan imbalanced class, yang mana perbandingan antara kelas yes:no adalah sebesar 1:8. Teknik Synthetic Minority Over-Sampling Technique (SMOTE) akan diterapkan guna menangani permasalahan imbalanced class pada dataset mentah. Dari penelitian ini, Model dengan nilai performansi terbaik diperoleh setelah dilakukan penanganan terhadap permasalahan imbalance class dengan teknik SMOTE dengan persentase duplikasi kelas minoritas sebesar 700% atau perbandingan jumlah kelas antara yes:no adalah kurang lebih 1:1. Setelah itu, pembentukan model klasifikasi dengan algoritma C5.0 dilakukan dengan membagi sampel data berdasarkan atribut yang memiliki nilai information gain tertinggi. Nilai performansi terbaik dari model klasifikasi yang terbentuk adalah sebesar 91.3% untuk accuracy, 90.16% untuk precision, 93.18% untuk recall, dan 91.65% untuk f-measure dengan nilai error rate pada proses pembentukan model klasifikasi sebesar 4%. Kata Kunci: Klasifikasi, Algoritma C5.0, Imbalanced Class, SMOTE.
Analisis Sentimen Dan Peringkasan Opini Pada Ulasan Produk Menggunakan Algoritma Random Forest Asep Aprianto; Warih Maharani; Anisa Herdiani
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Ulasan produk merupakan salah satu kriteria yang berguna bagi calon pembeli untuk mengambil keputusan pada pembelian suatu produk. Jumlah ulasan produk yang banyak membuat isi ulasan produk tidak dapat disimpulkan dengan cepat sehingga akan menyulitkan konsumen dalam penarikan kesimpulan pembelian sebuah produk. Untuk mengatasi masalah tersebut diperlukan suatu sistem yang secara otomatis dapat mengidentifikasi fitur - fitur produk dalam ulasan produk, mengklasifikasikannya kedalam polaritas positif negatif dan pembangkitan ringkasan ulasan produk untuk dapat membantu proses pembacaan suatu ulasan produk. Terdapat dua tahapan semelum memasuki pembangkitan ringkasan, pertama adalah ekstraksi fitur produk yang dilakukan dengna menggunakan metode association mining untuk mendapatkan frequent itemset dengan dua skema pemilihan kata yaitu noun filtering dan noun phrase filtering. Tahap kedua dilakukan proses klasifikasi terhadap fitur produk terekstrak terhadap orientasi postif dan negatifnya menggunakan pendekatan supervised learning dengan algoritma random forest. Satu kalimat ulasan dapat memiliki lebih dari satu fitur produk, sehingga dilakukan pemilihan level aspek pada penentuan sentimen. Peringkasan ulasan produk pada setiap fiturnya dilakukan secara ekstraktif dengan menampilkan fitur produk dengan orientasi yang dipisahkan antar positif dan negatif. Kata kunci : ulasan produk, ekstraksi fitur produk, association mining,  klasifikasi, peringkasan opini, supervised learning.
Co-Authors Ade Romadhony Adila , Ahmad Fasya Agus Kusnayat Alfian Yulianto Amanda Putri Septiani Andy Satria Aniq Rohmawati Aprillia Rizki Adiati Aristyo Hadikusuma Aryasatya Okta Pradhana Asep Aprianto Ati Suci Dian Martha Aufa Bil Ahdi P Bastomy Bastomy Bety Elysabeth Pasaribu Briliand, Diaz Wahyu Dadang Setiawan Daffa Dhiya Ulhaq Dana Sulistyo Kusumo Danang Junaedi David Winalda Dawam Dwi Jatmiko Suwawi Dhiyaul Haq, Rafif Zhafir Dimas Ikhsanu Fitra Dimitri Mahayana Diyas Puspandari Emil R. Kaburuan Erdiansyah, Muhammad Farras Erlina Wahyu Fadhilah erna febriyanti Fajri, Fikri Muhammad Farah Rahmadiani Gede Agung Ary Wisudiawan Hanifah, Wardah Heri Setyo Nugroho HNW Syahuda Nahatmasuni Ibnu Asror Ika Rahayu Ponilan Imelda Atastina Indra Lukmana Sardi Indriani Mentaruk Intan Widya Rahayu Irvan Dwi Putra Manurung Jahtra Genio Muhammad Jatmiko, Dawam Dwi Junaedi , Danang Kemas Muslim Lhaksmana Kemas Rahmat Saleh Wiharja Laksitowening, Kusuma Ayu Lintani Afina Hajar Raudhoti Lulu Alfi’a Rahma Ningsih Luthfi Shidqi Made Diva Prasetya Martania Triana Dewi Mochammad Fitrah Eka Pramudita Mohammad Yasin Abdul Hafidh Monterico Adrian Muhamad Fauzan Putra Muhammad Arifino Setyawan Muhammad Faris Adri Azka Muhammad Hanafiah Muhammad Husein Adnan Muhammad Johan Alibasa Muhammad Reza Rahmawan Muhammad Rizky Riandi Gunaedi Nadine Azhalia Purbani Nungki Selviandro Nur Muhammad Putra Setiadi Nurmasyitah Nurmasyitah Pasha, Zaky Mahfudz Puput Fajriati Tri S Raginda Firdaus Ridea Valentini Peristiwari Siwabessy Rizaldy Arigi Rizky Dhian Syarif Rizky Wahyu Kurniawati Rizky Wira Pranata Rosa Reska Riskiana Sakti Dewantoro Saputra, Aulia Kukuh Shinta Yulia Puspitasari Sri Martini Tiara Fitri Berlian Trysha Cintantya Dewi Veronikha Effendy Warih Maharani Widi Astuti Widowati , Sri Yodie Dalyono Yogi Putra Prastiawan Yuni Dwiyanti Yusep Rosmansyah Zaid Mukhtar ZK Abdurahman Baizal