Article Per Year (5 Year)
p-Index From 2021 - 2026
8.086
P-Index
This Author published in this journals
All Journal Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Scan : Jurnal Teknologi Informasi dan Komunikasi Jurnal Informatika dan Teknik Elektro Terapan Jurnal IPTEK Jurnal Sistem Informasi dan Bisnis Cerdas JURNAL INSTEK (Informatika Sains dan Teknologi) Prosiding Seminar Nasional Sains dan Teknologi Terapan JURNAL TEKNOLOGI DAN OPEN SOURCE Data Science: Journal of Computing and Applied Informatics Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal IJEEIT : International Journal of Electrical Engineering and Information Technology Applied Technology and Computing Science Journal Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Journal of Information Systems and Informatics Abdimas Universal bit-Tech Jurnal Teknologi Dan Sistem Informasi Bisnis Aviation Electronics, Information Technology, Telecommunications, Electricals, and Controls (AVITEC) JATI (Jurnal Mahasiswa Teknik Informatika) International Journal of Advances in Data and Information Systems Jifosi Nusantara Science and Technology Proceedings KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Penelitian Inovatif Konstelasi: Konvergensi Teknologi dan Sistem Informasi PELS (Procedia of Engineering and Life Science) Journal of Artificial Intelligence and Engineering Applications (JAIEA) NUSANTARA: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknik Mesin, Industri, Elektro dan Informatika Prosiding Seminar Nasional Rekayasa Teknologi Industri dan Informasi ReTII Jurnal Ilmiah Teknik Informatika dan Komunikasi Madani: Multidisciplinary Scientific Journal Scientica: Jurnal Ilmiah Sains dan Teknologi Student Research Journal Jurnal Informatika Polinema (JIP) Jurnal Ilmu Komputer dan Sistem Informasi Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal ilmiah teknologi informasi Asia Jurnal Ilmu Teknologi Informasi Indonesia (JITIFNA) Jurnal Pengabdian Masyarakat Multidisiplin
Amalia Anjani Arifiyanti
Universitas Pembangunan Nasional Veteran Jawa Timur
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Transportation Other

Published : 74 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 74 Documents
Search

 4   5   6   7   8 
Analisis Manajemen Risiko Teknologi Informasi pada Dinkominfo Surabaya Menggunakan Metode Failure Mode and Effect Analysis (FMEA) Fidyah Salsabila Putri Sillehu; Marisca Amanda Hidayat; Raihana Sakhi Aswanda; Audrey Septya Rosanti; Agung Brastama Putra; Amalia Anjani Arifiyanti
Merkurius : Jurnal Riset Sistem Informasi dan Teknik Informatika Vol. 3 No. 4 (2025): Juli: Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/merkurius.v3i4.947

Abstract

The use of information technology (IT) in the government sector requires structured risk management to ensure the continuity of public services. The Department of Communication and Information Technology (Dinkominfo), as a digital service provider, faces various potential risks such as network disruptions, hardware failures, and cyberattacks that could interfere with daily operations. This study employs the Failure Mode and Effect Analysis (FMEA) method to identify, analyze, and formulate strategies to mitigate existing IT risks. Through the FMEA approach, each potential failure is evaluated based on its severity, occurrence, and detection capability, which are then used to calculate a Risk Priority Number (RPN). The analysis reveals that the highest RPN values are associated with information system errors, hardware failures, and network overloads. As mitigation measures, the study recommends conducting regular system audits, upgrading network capacity, and performing preventive maintenance on devices. This approach demonstrates that FMEA is an effective method for managing IT risks within government institutions.
ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN APLIKASI MIDI KRIING MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) Ubaidillah Fahmi, Rohmat; Anjani Arifiyanti, Amalia; Luhur Indayanti Sugata, Tri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13783

Abstract

Midi Kriing merupakan aplikasi belanja online yang dikembangkan oleh PT Midi Utama Indonesia Tbk, yang menawarkan berbagai produk untuk memenuhi kebutuhan konsumen. Untuk meningkatkan kualitas layanan dan pengalaman pengguna, analisis sentimen terhadap aplikasi Midi Kriing sangat diperlukan. Penelitian ini bertujuan untuk menganalisis sentimen berdasarkan aspek-aspek tertentu dari ulasan pengguna aplikasi Midi Kriing dengan menggunakan algoritma Support Vector Machine (SVM), dengan fokus pada tiga aspek utama: produk, layanan, dan fungsionalitas aplikasi. Berbagai skenario SVM diuji, skenario tersebut meliputi pembagian data dengan rasio 80:20 dan 75:25 untuk aspek produk, layanan, dan fungsionalitas aplikasi. Algoritma SVM yang digunakan melibatkan pemilihan kernel linear, polynomial, dan radial basis function (RBF), dengan pengujian nilai parameter C pada nilai 0.1, 1, dan 10. Evaluasi dilakukan menggunakan Classification Report dan Confusion Matrix untuk mengukur kinerja model dalam mengklasifikasikan sentimen, dengan metrik utama seperti precision, recall, F1-score, dan akurasi. Hasil penelitian menunjukkan bahwa model terbaik untuk masing-masing aspek diperoleh dengan skenario pembagian data 80:20 untuk produk dan layanan menggunakan kernel linear, serta pembagian data 75:25 untuk fungsionalitas aplikasi dengan kernel RBF, menghasilkan akurasi tertinggi sebesar 87% pada model produk dan fungsionalitas aplikasi dan 85% pada model model layanan.
ANALISIS DATA PENCARI KERJA DI DINAS PERINDUSTRIAN TENAGA KERJA KOTA SURABAYA DENGAN MENGGUNAKAN EDA DAN PCA Dewi Safitri, Triyatul; Anjani Arifiyanti, Amalia; Brastama Putra, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13929

Abstract

Ketidakseimbangan dalam penyaluran tenaga kerja di Kota Surabaya menjadi tantangan bagi Dinas Perindustrian dan Tenaga Kerja Kota Surabaya. Pencari kerja mempunyai latar belakang yang beragam seperti tingkat pendidikan, usia pengalaman kerja dan kondisi lainnya yang dapat mempengaruhi kesiapan dari pencari kerja. Penelitian ini bertujuan untuk menganalisis data pencari kerja di Dinas Perindustrian dan Tenaga Kerja Kota Surabaya menggunakan Exploratory Data Analysis (EDA) dan Principal Component Analysis (PCA). EDA digunakan untuk mengidentifikasi pola dan karakteristik pencari kerja berdasarkan faktor – faktor seperti usia, tingkat pendidikan, pengalaman kerja, status pernikahan, status disabilitas, dan lainnya. PCA diterapkan untuk mereduksi dimensi data serta menemukan faktor utama yang berkontribusi terhadap kesiapan kerja. Hasil penelitian ini menunjukkan bahwa reduksi dimensi menghasilkan PC 1, PC2 dan PC 3 yang menjelaskan total varians terbesar dalam data. Faktor dominan yang mempengaruhi pengelompokkan pencari kerja adalah terdapat 3 komponen utama yang mempunyai korelasi yang cukup besar terhadap pembentukan pengelompokan pencari kerja adalah nama program studi dengan nilai varians paling tinggi pertama yaitu 97,2%, diikuti oleh kombinasi faktor usia, pengalaman kerja, status pernikahan, jumlah anak dan status disabilitas dengan varians 1,51% serta faktor pengalaman kerja, tingkat pendidikan, sertifikat mendapatkan varians 1,04%.
REKOMENDASI PAKET MENU PADA KOPI MESRA ABADI MENGGUNAKAN ALGORITMA FP-GROWTH DAN K-MEANS Maulana Arrasyid, Nizar; Dyar Wahyuni, Eka; Anjani Arifiyanti, Amalia
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14459

Abstract

Penurunan penjualan di Kopi Mesra Abadi, yang turun dari surplus 131,6% pada Oktober 2023 menjadi 37,96% pada Maret 2024, menunjukkan perlunya strategi promosi yang lebih relevan untuk mencapai target penjualan per bulan. Penelitian ini bertujuan untuk merancang strategi promosi yang lebih relevan dengan menggunakan analisis pola pembelian pelanggan dan menu yang sering dibeli bersamaan. Metodologi yang digunakan mencakup dua algoritma: FP-Growth dan K-Means Clustering. FP-Growth digunakan untuk menemukan Frequent Itemsets dan Association Rules guna mengidentifikasi kombinasi menu yang sering dibeli bersama. K-Means Clustering digunakan untuk mengelompokkan pelanggan ke dalam tiga klaster berdasarkan waktu pembelian di tiga sesi: Sesi 1 (09.00-13.59), Sesi 2 (14.00-16.59), dan Sesi 3 (17.00-23.59). Hasil penelitian menunjukkan bahwa pembagian pelanggan ke dalam klaster per sesi membantu merancang paket menu yang sesuai dengan preferensi mereka. Sebagai contoh, Sesi 1 Klaster 0 lebih memilih "Nasi Ayam Pedas" dan "Teh O" untuk makan siang, Sesi 2 Klaster 2 memilih "Nasi Ayam Telor Asin" dan "Nasi Goreng Mawut" untuk pulang kerja, dan Sesi 3 Klaster 2 memilih paket Executive Meeting dengan "Kopi Butter," "Kopi Karamel," dan "Kopi Baileys." Penerapan FP-Growth dan K-Means membantu merancang paket menu yang menarik dan mencapai target penjualan.
KLASTERISASI KERAWANAN GEMPA BUMI DI INDONESIA MENGGUNAKAN ALGORITMA INVASIVE WEED OPTIMIZATION Maulana Kharyska Abadi, Muhammad; Anjani Arifiyanti, Amalia; Satria Yudha Kartika, Dhian
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14460

Abstract

Indonesia merupakan wilayah dengan risiko gempa bumi tinggi karena terletak di pertemuan tiga lempeng tektonik utama. Meski berbagai upaya mitigasi telah dilakukan, langkah penting seperti pemetaan wilayah rawan gempa bumi di Indonesia belum diterapkan secara optimal. Hal ini menyebabkan upaya mitigasi masih kurang terarah. Penelitian ini bertujuan untuk klasterisasi atau mengelompokkan wilayah rawan gempa di Indonesia menggunakan algoritma Invasive Weed Optimization yang unggul dalam eksplorasi global. Tahapan penelitian meliputi pengumpulan data, preprocessing data, pembuatan model, evaluasi model, deployment, dan pengujian sistem. Data gempa diperoleh dari BMKG periode Januari 2014 hingga November 2024 sebanyak 84.733 kejadian dan setelah preprocessing menjadi 81.454 data dengan atribut latitude, longitude, depth, dan magnitude. Penentuan jumlah klaster optimal dilakukan dengan metode Elbow dan Silhouette Score yang menunjukkan empat klaster dengan nilai Silhouette Score 0.4910. Hasil klasterisasi IWO menghasilkan empat klaster yaitu Kurang Rawan, Cukup Rawan, Rawan, dan Sangat Rawan. Evaluasi menunjukkan IWO lebih unggul dibanding K-Means dan DBSCAN dengan nilai SSE 510.513, DBI 0.736, dan Silhouette Score 0.4927. Hasil klaster divisualisasikan dalam aplikasi berbasis website untuk membantu dan mendukung mitigasi bencana gempa bumi. Pengujian sistem menggunakan blackbox testing menunjukkan semua fitur berjalan sesuai ekspektasi.
Prediksi Sentimen dan Pemodelan Topik dari Ulasan Aplikasi Identitas Kependudukan Digital Hakiki, Primandika; Satria, Dhian; Arifiyanti, Amalia Anjani
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 1: April 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i1.2777

Abstract

In this digital era, the Indonesian government is digitizing services, for example, the Digital Population Identity (IKD) in 2023 as a continuation of the Identity card (KTP). The IKD application has received mixed reviews on the Google PlayStore and Apple AppStore. From these various reviews, sentiment analysis can be carried out to determine the level of user satisfaction, as well as topic modeling to determine topics that are frequently discussed by users. This study aims to predict sentiment using the Naive Bayes and PNN methods, and topic modeling using the LDA method. The results of sentiment prediction show that the fourth scenario has the highest accuracy with 97.12%, and positive and negative f1-scores of 97% each. The results of topic modeling show the best coherence for positive reviews on topic 2 (0.4076) and for negative reviews on topic 10 (0.5564). Interpretation of the results shows that positive reviews include identity verification, application development suggestions, ease of use, KTP digitization, and user experience, while negative reviews are related to technical constraints, access and installation, network constraints, features and data security, and application registration.Keywords: Digital population identity; Sentiment predict; Topic modelling; Naïve Bayes; Probabilistic Neural Network AbstrakDi era digital ini, pemerintah Indonesia melakukan digitalisasi layanan, contohnya yaitu Identitas Kependudukan Digital (IKD) pada tahun 2023 sebagai kelanjutan dari Kartu Tanda Penduduk (KTP). Aplikasi IKD mendapat ulasan beragam di Google PlayStore dan Apple AppStore. Dari beragam ulasan tersebut, maka dapat dilakukan analisis sentimen untuk mengetahui tingkat kepuasan pengguna, serta pemodelan topik untuk mengetahui topik yang sering dibahas oleh pengguna. Penelitian ini bertujuan untuk memprediksi sentimen menggunakan metode Naive Bayes dan PNN, serta pemodelan topik menggunakan metode LDA. Hasil prediksi sentimen menunjukkan skenario keempat memiliki akurasi tertinggi dengan 97,12%, serta f1-score positif dan negatif masing-masing 97%. Hasil pemodelan topik menunjukkan koherensi terbaik untuk ulasan positif pada topik 2 (0,4076) dan untuk ulasan negatif pada topik 10 (0,5564). Interpretasi hasil menunjukkan bahwa ulasan positif mencakup verifikasi identitas, saran pengembangan aplikasi, kemudahan penggunaan, digitalisasi KTP, dan pengalaman penggunaan, sedangkan ulasan negatif terkait kendala teknis, akses dan instalasi, kendala jaringan, fitur dan keamanan data, dan pendaftaran aplikasi. 
Klasifikasi Cyberbullying pada Komentar Instagram dengan Menggunakan Supervised Learning Akira Permata Ramadhani; Eka Dyar Wahyuni; Amalia Anjani Arifiyanti
Neptunus: Jurnal Ilmu Komputer Dan Teknologi Informasi Vol. 2 No. 2 (2024): Mei: Neptunus: Jurnal Ilmu Komputer Dan Teknologi Informasi
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/neptunus.v2i2.108

Abstract

Cyberbullying is an action related to the use of digital technology to intentionally hurt, humiliate or bully other people online. This research focuses on the classification of cyberbullying comments on social media, especially Instagram comments, where many parties who then become a group of people who don't like something will come together to provide negative opinions and comments, which can cause lowered self-confidence and other bad impacts for other users and account owner. Therefore, a classification of Instagram comments regarding cyberbullying was carried out as an effort to prevent this action. The data used in this research is 2000 data, where this data will go through various processes so that it can be executed. In this research, the Naïve Bayes method was used by dividing two classes, namely Bully and Not Bully. Based on the results of the tests that have been carried out, the results obtained are an accuracy value of 84%, a precision value of 84%, a recall of 84%, and an f1-score of 84%.
Implementasi Arsitektur CNN DenseNet-121 untuk Identifikasi Autoimun Kulit dengan Augmentasi Data Annisa Lusyani Zahra; Amalia Anjani Arifiyanti; Tri Luhur Indayanti Sugata
Jurnal Ilmiah Teknik Informatika dan Komunikasi Vol. 5 No. 2 (2025): Juli: Jurnal Ilmiah Teknik Informatika dan Komunikasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juitik.v5i2.1026

Abstract

Autoimmune skin diseases are conditions in which the immune system mistakenly attacks healthy skin tissue, causing inflammation, tissue damage, and changes in skin color. The similarity of symptoms among various autoimmune skin diseases, such as psoriasis, lichen planus, vitiligo, hidradenitis suppurativa, and dermatomyositis, presents a challenge for accurate and timely diagnosis. This study was conducted to support the diagnostic process by utilizing deep learning technology, specifically the Convolutional Neural Network (CNN) method with the DenseNet121 architecture. Data augmentation techniques were also applied in this study to increase dataset variation, allowing for a performance comparison between the original dataset and the augmented dataset. The results show that the CNN model with the DenseNet121 architecture, configured with a batch size of 32 and 60 epochs on the augmented dataset, achieved a high accuracy rate of 92.43%. The model was then implemented into a web-based application and integrated using the Flask framework.
RANCANG BANGUN MULTI-PLATFORM MOBILE APPLICATION SISTEM INFORMASI PENDUKUNG PROGRAM MERDEKA BELAJAR Al Rahma, Aghni Qisthina; Afandi, Mohamad Irwan; Arifiyanti, Amalia Anjani
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4753

Abstract

Aplikasi SILATURAHMI (Sistem Informasi Kolaborasi Terpadu Universitas, Pemerintah, Masyarakat, dan Industri) merupakan sistem informasi milik UPN ”Veteran” Jawa Timur yang dirancang untuk mengelola program MBKM dari pendaftaran hingga finalisasi penilaian konversi mata kuliah. Namun, sistem ini masih berbasis website yang dari awal dioptimasi untuk perangkat berbasis desktop. Pada perangkat berbasis mobile, sistem ini memiliki performa dan tampilan yang kurang baik sehingga muncul kebutuhan akan aplikasi berbasis mobile yang terpisah. Sistem informasi SILATURAHMI berbasis mobile dikembangkan dengan menerapkan metode Waterfall yang terdiri dari tahap communication, planning, modelling, construction, dan deployment dengan menggunakan framework flutter. Melalui metode ini, diharapkan sistem yang dihasilkan dapat  mempermudah pengguna, baik mahasiswa maupun dosen, dalam mengelola program MBKM melalui device berbasis mobile. Berdasarkan hasil pengujian yang dilakukan, Sistem Informasi SILATURAHMI berbasis mobile telah berhasil dijalankan di kedua sistem operasi yaitu AndroidOS dan iOS sesuai dengan proses bisnis yang telah direncanakan. Melalui sistem berbasis mobile ini dosen dan mahasiswa dapat lebih mudah dalam mengakses sistem informasi SILATURAHMI serta mengurangi kesalahan-kesalahan akibat tampilan dan performa yang kurang baik pada website
ANALISIS SENTIMEN ULASAN PENGGUNA ACCESS BY KAI MENGGUNAKAN METODE WORD2VEC DAN ALGORITMA SVM Devi, Ditha Lozera; Arifiyanti, Amalia Anjani; Wati, Seftin Fitri Ana
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4892

Abstract

Beberapa ulasan dari pengguna KAI Access menyatakan sering terjadi gangguan pada saat pemesanan tiket. Hingga akhirnya pada tanggal 10 Agustus 2023 PT Kereta Api Indonesia melakukan peluncuran aplikasi Access by KAI sebagai bentuk upgrade dari aplikasi sebelumnya. Dengan adanya ulasan yang diberikan pengguna untuk aplikasi, perlu dilakukan analisis sentimen untuk melihat bagaimana pendapat dan reaksi pengguna dalam menggunakan aplikasi Access by KAI. Data ulasan pengguna diambil dari Google Play Store dan App Store. SEMMA dipilih sebagai metode pengembangan model data mining dengan tahapan dimulai dari Sample, Explore, Modify, Model, dan Assess. Analisis sentimen dilakukan dengan menggunakan metode Word2vec (CBOW dan Skip-gram) sebagai metode ekstraksi fitur dan 4 kernel SVM yang digunakan yaitu kernel linear, kernel polynomial, kernel RBF, dan kernel sigmoid. Hasil dari delapan skenario model klasifikasi yang dilakukan dengan menggabungkan metode Word2vec dan algoritma Support Vector Machine, dihasilkan satu skenario terbaik yaitu skenario model yang menggunakan algoritma SVM kernel RBF dengan metode Skip-Gram ditambah metode oversampling SMOTE dihasilkan nilai akurasi 81% dan nilai AUC sebesar 0.81.
Co-Authors Abdul Rezha Efrat Najaf Achmad Fauzi Adriano Femaz Rivaldy Adriano Femaz Rivaldy Aghni Qisthina Al Rahma Agung Brastama Putra Akira Permata Ramadhani Al Rahma, Aghni Qisthina alathoillah, abdul hanif Ananda Lakunti A Andhyni, Cyntia Prisya Anggy Oktaviana Syafira Annisa Lusyani Zahra Anwar Sodik, Anwar Aprilia, Eka Fahira AryaRafa, Daud Audrey Septya Rosanti Bagus Utomo Basma Eno Ketherin Brahmantio Widyo Trenggono Daniar, Ivan Faiz Devi, Ditha Lozera Dewi Safitri, Triyatul Dharmawan, Ega Dhian Satria Yudha Kartika Diana Aqidatun Nisa Ditha Lozera Devi Elfaretta, Syifa Saskia Fachrurrozy Nurqoulby Fandi, Rico Satria Farel Ega Nurroyan Farhan Setiyo Darusman Farhan Setiyo Darusman Fariska, Rahmah Putri Ferdiansyah, Rizky Fernaldy, Fabiyan Atha Fidyah Salsabila Putri Sillehu Firsttama, Risav Arrahman Fitri, Anindo Saka Geovano Galan Widiatmoko Putra Hakiki, Primandika Heni Lusiana Dewi I Gusti Ayu Sri Deviyanti Iamho Pegodang Eltiuzy Indira Setia Amalia Indra Fajar Novian Ivan Faiz Daniar Jannatuzzahra, Khoirunisa Ketherin, Basma Eno Kusumantara, Prisa Marga Kusumantara, Prisa Marga M. Rizal Abdullah Rozi Mahanani, Anajeng Esri Edhi Marga Kusumantara, Prisa Marisca Amanda Hidayat Mashita Kustyani Maulana Arrasyid, Nizar Maulana Kharyska Abadi, Muhammad Mochamad Suhri Ainur Rifky Mochammad Fuad Pandji Mohamad Irwan Afandi Muhammad Burhanuddin F Muhammad Fawwaz Dhiaulhaq Hud Narendra, Efriza Cahya Nilwanda, Leona Elsa Novian, Indra Fajar Nur Rachman Nidhi Suryono, Muhammad Nurisa Rahma Shantika Nurjanti Takarini Oktania Purwaningrum Oktania Purwaningrum Oktania Purwaningrum Pandu Rizki Maulidiah Permatasari, Reisa Pradana, Rhendy May Putra, Satrio Honggonagoro Pramono Putri, Youlan Indira Putu Anggi Suryantari Rafi Dhafin Ersamazaya Rafi Purwa Syahputra Rahayu Kartika Sari Raihana Sakhi Aswanda Rendi Hardiartama Rendi Panca Wijanarko Rhendy May Pradana Rizka Hadiwiyanti Safitri, Eristya Maya Saka Fitri, Anindo Salma, Nabila Maudy Satria, Dhian Seftin Fitri Ana Wati Seftin Fitri Ana Wati3 Sembilu, Nambi Sidhi Pamekas, Afu Siti Oktavia Eka Putri Solehudin Al Ayyubi Sudewantoro N M Sulistyowati Sulistyowati Sulistyowati Sulistyowati Taqiyuddin Ahmad Al Aufa Taqiyuddin Ahmad Al Aufa Tri Diana Rimadhani Tri Luhur Indayanti Sugata Tri Puspa Rinjeni Ubaidillah Fahmi, Rohmat Wahyu Setiawan Wahyuni, Eka Dyar Wati , Seftin Fitri Ana Wati, Seftin Fitri Ana Wibisono, Mahendra Priyo Wibowo, Nur Cahyo Wisnu Mukti Darwansah Wulansari, Anita Yudha Yunanto Putra Yudha Yunanto Putra Zahra, Nabila Athifah