Article Per Year (5 Year)
p-Index From 2019 - 2024
4.609
P-Index
This Author published in this journals
All Journal JIEET (Journal of Information Engineering and Educational Technology) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmu Teknik dan Komputer JIKA (Jurnal Informatika) TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi AMMA : Jurnal Pengabdian Masyarakat
Prihartono, Willy
Unknown Affiliation
Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search
Journal : JATI (Jurnal Mahasiswa Teknik Informatika)

 1   2   3   4 
DESAIN USER INTERFACE WEBSITE PEMESANAN ONLINE PRODUK MAKANAN KRIPDUNK DENGAN METODE USER CENTERED DESIGN Zaelani, Nursehan; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8203

Abstract

KripDunk, sebuah bisnis makanan berbasis home industry yang mengandalkan media sosial WhatsApp untuk penjualan produknya. KripDunk mengalami kendala keterbatasan promosi dan interaksi dalam penjualannya. Masalah tersebut dapat diatasi dengan membuat website sebagai sarana menjangkau pasar yang lebih luas. Tujuan penelitian ini adalah merancang desain user interface website KripDunk dengan menerapkan 4E (Error – Free, Easy to Use, Easy to Understand, Effective For End Goal or Product). User Centered Design digunakan sebagai metode untuk merancang user interface dengan tahapan Memahami Konteks Pengguna, Menspesifikan Kebutuhan Pengguna, Solusi Desain dan Evaluasi terhadap Kebutuhan Pengguna. Populasi ditetapkan tanpa batasan dan jumah sampel ditentukan menggunakan Simple Random Sampling (SRS) dengan jumlah 20 kemudian dijadikan sebagai user persona pengujian. Teknik pengumpulan data dilakukan dengan menggunakan kuesioner dengan data yang akan dianalisis untuk mengidentifikasi prefensi dan kebutuhan pengguna. Hasil penelitian menunjukkan bahwa Maze Usability Score (MAUS) mencapai 77%, menandakan desain user interface website KripDunk telah dipahami dengan baik oleh responden dan sesuai dengan preferensi dan kebutuhan pengguna. Selain itu, pengujian usability dengan System Usability Scale (SUS) menunjukkan skor 78, yang berada dalam rentang acceptability range dengan penilaian "Good" dan peringkat "B". Penelitian ini membuktikan keberhasilan pendekatan yang diadopsi dalam menghasilkan user interface sesuai dengan kebutuhan dan harapan pengguna.
IMPLEMENTASI ALGORITMA REGRESI LINEAR BERGANDA UNTUK PREDIKSI PRODUKSI PADI DI KABUPATEN CIREBON Muharromah, Oom; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8206

Abstract

Produksi padi merupakan aspek penting dalam upaya meningkatkan hasil pertanian dan mencangkupi kebutuhan pangan di seluruh dunia termasuk masyarakat indonesia. Permasalahan Badan Pusat Statistik (BPS) kabupaten Cirebon pada tahun 2022 mencatat jumlah penduduk sebesar 2.315.417 jiwa. Bertambahnya jumlah penduduk pada setiap tahun berbanding lurus dengan kondisi lahan pertanian yang semakin berkurang dan dikarenakan permintaan kebutuhan pokok yang semakin meningkat. Untuk memperkirakan jumlah penanaman yang akan dilakukan untuk memenuhi kebutuhan pangan, diperlukan prediksi hasil panen. Penelitian ini bertujuan untuk memperoleh pemahaman dan mengidentifikasi antara berbagai faktor yang mempengaruhi dan memiliki dampak yang signifikan terhadap hasil panen padi sehingga petani dan pemerintah dapat membuat keputusan yang lebih efektif. Metode yang digunakan dalam penelitian ini dengan menggunakan algoritma regresi linear berganda untuk memprediksi produksi padi dengan bantuan tools RapidMiner dan Google colaboratory. Hasil pada penelitian ini dengan menggunakan algoritma regresi linear berganda dengan cara menentukan nilai RMSE sebesar 0.0389540394101773, Mean Absolute Error (MAE) sebesar 0.028798691778501424 dan Mean Relative Absolute Error (MARE) sebesar -0.24438968292049496. Penelitian ini diharapkan mendukung upaya meningkatkan ketahanan pangan di seluruh dunia dengan memberikan dasar ilmiah untuk pengembangan praktik pertanian yang lebih efektif dan berkelanjutan yang meningkatkan produksi padi, yang merupakan sumber makanan pokok bagi banyak orang di seluruh dunia.
ANALISIS CLUSTERING PRESTASI ATLET PADA BERBAGAI CABANG OLAHRAGA MENGGUNAKAN ALGORITMA K-MEANS: STUDI KASUS: DINAS PEMUDA DAN OLAHRAGA KABUPATEN CIREBON Putriana, Puput; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8211

Abstract

Atlet, sebagai individu yang berkomitmen tinggi di berbagai cabang olahraga, mencari pencapaian tertinggi dalam bidangnya. Namun, relevansi dan generalisasi hasil analisis prestasi atlet terhadap seluruh populasi atlet Kabupaten Cirebon belum sepenuhnya dipahami. Penelitian ini fokus pada analisis Clustering prestasi atlet menggunakan algoritma K-Means. Metode ini digunakan untuk mengelompokkan atlet berprestasi di Kabupaten Cirebon berdasarkan atribut seperti Umur, Prestasi, Jenis Kelamin, dan cabang olahraga. Pra-pemrosesan data melibatkan pembersihan dan penanganan data yang tidak valid atau hilang. Hasil analisis Clustering memberikan wawasan tentang pola prestasi, mendukung pengembangan bakat olahraga, dan perencanaan pelatihan yang efektif. Tujuan penelitian ini adalah memberikan wawasan yang lebih mendalam tentang pola prestasi atlet, memfasilitasi pengembangan bakat olahraga, dan merancang program pelatihan yang lebih efektif. Dengan mengidentifikasi klaster atlet berdasarkan karakteristik tertentu, penelitian ini dapat memberikan dasar yang kuat untuk pengambilan keputusan terkait pengembangan olahraga di Kabupaten Cirebon. Dampak tambahan melibatkan pengembangan strategi yang lebih efektif untuk mendukung para atlet dan meningkatkan prestasi olahraga secara keseluruhan di wilayah tersebut.
MENINGKATKAN PENANGANAN STUNTING PADA ANAK MELALUI KLASIFIKASI PEMBERIAN MAKANAN TAMBAHAN BERDASARKAN USIA DENGAN METODE K-MEANS DI DESA CINTARASA Sayuti Hanapiah, Neneng; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8213

Abstract

Stunting pada anak adalah kompleksitas tantangan kesehatan masyarakat yang memerlukan pendekatan terpadu. Penelitian di Desa Cintarasa bertujuan mengoptimalkan penanganan stunting melalui pengelompokan usia dalam distribusi makanan tambahan menggunakan K-Means. Algoritma data mining K-Means berhasil mengelompokkan data usia dan pola konsumsi makanan tambahan anak-anak di Cintarasa, membentuk klaster yang efektif sesuai kebutuhan gizi. Implementasi ini di Cintarasa dapat menjadi dasar intervensi stunting yang terfokus dan tepat sasaran, dengan penyesuaian program nutrisi berdasarkan karakteristik usia untuk meningkatkan efektivitasnya. Temuan penelitian mencapai tujuan mengklasifikasikan anak-anak stunting menjadi tiga klaster, dipengaruhi oleh jenis makanan tambahan, status gizi, dan usia. Analisis pola dan hubungan antar atribut memberikan pemahaman mendalam tentang faktor-faktor relevan dalam stunting. Pengukuran nilai pusat klaster menunjukkan kohesivitas yang baik, terutama di Klaster 1. Penelitian ini memberikan kontribusi penting untuk mengoptimalkan penanganan stunting anak dengan pendekatan pengelompokan usia K-Means. Dengan nilai Indeks Davies Bouldin (DBI) sekitar 0,489, dapat disimpulkan bahwa distribusi klaster menunjukkan kohesivitas yang baik, terutama di Klaster 1. Sebagai kesimpulan, penelitian ini memberikan kontribusi penting dalam mengoptimalkan penanganan stunting pada anak-anak dengan pendekatan pengelompokan berdasarkan usia menggunakan metode K-Means. Hasilnya dapat digunakan sebagai dasar untuk pengembangan intervensi kesehatan yang lebih terarah dan efektif, dengan mempertimbangkan faktor-faktor seperti jenis makanan tambahan dan status gizi. Dengan demikian, penelitian ini tidak hanya meningkatkan pemahaman tentang variasi stunting, tetapi juga memberikan wawasan berharga untuk meningkatkan kesehatan anak di Cintarasa.
ANALISIS DATA TRANSAKSI KUE MENGGGUNAKAN METODE K-MEANS CLUSTERING PADA TOKO RAFA CAKE Kholifa, Nur; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8221

Abstract

Penggunaan teknologi dalam bisnis makanan, khususnya di industri toko kue, sangat penting untuk mendapatkan informasi detail tentang produk yang dijual. Toko Rafa Cake menghadapi masalah pengelolaan data transaksi belum dimanfaatkan secara efektif dan penataan produk yang kurang optimal. Banyaknya transaksi mengakibatkan penumpukan data dan stok produk, menghambat pengisian ulang etalase dan pemahaman produk terlaris. Studi ini menerapkan metode algoritma K-Means Clustering pada data transaksi toko, dengan tujuan mengidentifikasi produk yang diminati, cukup diminati, dan kurang diminati. Data transaksi yang dianalisis meliputi no,nama produk, kategori, variasi, harga, merek, stok terjual, dan total penjualan melalui RapidMiner. Hasilnya dapat meningkatkan efisiensi penjualan produk kue dan manajemen stok, serta dapat menjadi acuan bagi toko kue lainnya dengan masalah yang sama, memanfaatkan data transaksi untuk meningkatkan kinerja bisnis. Hasil Clustering diperoleh 3 Cluster yang membedakan produk kue, bolu, dan roti berdasarkan kategori produk, stok terjual, dan harga. Cluster 1 memiliki 1 item menunjukkan penjualan paling diminati dengan nilai transaksi tinggi. Sementara Cluster 2 memiliki 40 item, menandakan penjualan cukup diminati dengan nilai transaksi sedang. Cluster 0, dengan 1272 item, menunjukkan penjualan kurang diminati dengan nilai transaksi rendah. Dengan nilai DBI sebesar 0,004, dan jarak rata-rata Centroid terbaik di Cluster 1 sebesar 0,000.
PENGELOMPOKAN DATA FILM PADA NETFLIX MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Suarna, Nana; Hidayah, Nurni; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8231

Abstract

Dalam era digital yang berkembang sangat pesat, adanya platform streaming telah membuka pintu bagi ribuan film dan serial TV untuk diakses oleh jutaan pelanggan di seluruh dunia. Netflix sebagai salah satu pemimpin dalam industri layanan streaming, telah merevolusi cara kita mengkonsumsi berbagai konten. Permasalahan dalam penelitian ini bahwa persepsi tentang "film terpopuler" dapat bervariasi secara subyektif tergantung pada preferensi individu, kelompok, atau faktor budaya serta pengelolaan data film dilayanan streaming seperti Netflix didalam konteks Informatika. Tujuan penelitian ini untuk mengelompokkan dataset film Netflix menggunakan algoritma K-Means untuk mengidentifikasi pola atau kesamaan antara film-film berdasarkan atribut-atribut tertentu serta mengevaluasi struktur dan jarak antar klaster yang dihasilkan. Analisis data film akan membantu dalam mengidentifikasi tren yang relevan. Metode penelitian ini Knowledge Discovery in Database (KDD) dengan Algoritma K-Means Clustering menggunakan dataset yang diperoleh dari Kaggle sebagai data acuan. Hasil dari penelitian ini dalam menggunakan metode KDD dan Algoritma K-Means Clustering, menunjukkan 2 cluster yang memiliki nilai rata-rata centroid yang berbeda. Dari kedua cluster tersebut menemukan film-film popularitas dalam dataset film Netflix pada cluster 0 yaitu dengan ciri-ciri ideal rata-rata atribut Hidden Gem Score sebesar 8.034, atribut Runtime sebesar 0.793 dan atribut IMDb Score sebesar 7.148. Dari hasil penelitian tersebut dapat membantu pengguna dalam menemukan film-film yang sesuai dengan minat dan preferensi pengguna.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM MENGELOMPOKKAN KEPADATAN PENDUDUK DI PROVINSI DKI JAKARTA Oktaviany, Nurul; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8241

Abstract

Provinsi DKI Jakarta adalah salah satu wilayah dengan tingkat populasi yang tinggi di Indonesia, dengan populasinya yang sangat beragam, termasuk penduduk asli, pendatang dari berbagai daerah di Indonesia, serta warga negara asing yang tinggal di wilayah DKI Jakarta. Permasalahan kepadatan disebabkan karena faktor urbanisasi serta pekerjaan. Oleh karena itu penerapan algoritma K-Means Clustering untuk mengelompokkan tingkat kepadatan penduduk di Provinsi DKI Jakarta merupakan fokus utama penelitian ini. Tujuan dari penelitian ini adalah mengenali pola kepadatan penduduk di berbagai wilayah DKI Jakarta dengan metode algoritma K-Means Clustering. Data yang digunakan melibatkan informasi seperti jumlah penduduk, nama kelurahan, nama kecamatan dan variabel terikat lainnya. Pendekatan ini digunakan untuk mengelompokkan wilayah berdasarkan tingkat kepadatan penduduknya, sehingga dapat memberikan pemahaman yang lebih mendalam mengenai sebaran penduduk di seluruh wilayah DKI Jakarta. Melalui implementasi algoritma K-Means ini, penelitian berhasil mengelompokkan menjadi beberapa kategori kepadatan penduduk dari 2018-2020. Berdasarkan hasil evaluasi menunjukkan dua jumlah kelompok optimal, yaitu kelompok pertama padat terdapat pada kelurahan Kali Anyar kecamatan Tambora dengan kepadatan penduduk 95676.10063 jiwa/km pada tahun 2019 dan kelompok kedua adalah rendah pada kelurahan P.harapan kecamatan Kep.Seribu Utr dengan jumlah kepadatan 1045.276234 jiwa/km pada tahun 2018. Tujuan dari penelitian pengelompokan kepadatan penduduk menggunakan metode algoritma K-Means ini dapat memberikan informasi yang bermanfaat bagi perkembangan penduduk di Provinsi DKI Jakarta, serta bisa menjadi landasan bagi pemerintah terkait dalam perkembangan wilayah yang lebih efisien terkait alokasi sumber daya di Provinsi DKI Jakarta.
ANALISIS POPULASI AYAM RAS PEDAGING DI INDONESIA DENGAN PENERAPAN DATA MINING K-MEDOIDS CLUSTERING Ainisa, Nurul; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8251

Abstract

Dalam era digital ini, data menjadi salah satu aset paling berharga bagi berbagai sektor, termasuk peternakan. Populasi ayam ras pedaging di Indonesia memiliki dampak besar pada industri peternakan dan pasokan daging ayam. Namun, masalah yang dihadapi dalam pengelolaan populasi ayam ras pedaging di seluruh provinsi Indonesia adalah kurangnya pemahaman yang mendalam tentang karakteristik populasi ini. Hal ini membuat pengambilan keputusan yang efisien menjadi sulit, terutama dalam perencanaan pengembangan peternakan yang lebih efisien dan berkelanjutan. Tujuan penelitian ini yaitu untuk pengelolaan populasi ayam ras pedaging di seluruh provinsi Indonesia yang efisien dan pemahaman yang mendalam tentang karakteristik populasi ayam ras pedaging, dengan penerapan metode data mining khususnya K-medoids Clustering. Metode penelitian yang digunakan melibatkan pengumpulan data populasi ayam ras pedaging di berbagai provinsi di Indonesia yang berasal dari Badan Pusat Statistik Nasional dengan rentang waktu dari tahun 2018 hingga 2022, serta penerapan metode K-medoids Clustering untuk mengelompokkan provinsi-provinsi berdasarkan karakteristik populasi ayam ras pedagingnya. Hasil analisis menunjukkan bahwa terdapat 2 cluster yaitu cluster 0 terdapat 31 provinsi sedangkan cluster 1 terdapat 3 provinsi, dengan nilai Davies Bouldin sebesar 0.011. Penelitian ini memiliki potensi untuk memberikan pemahaman yang lebih baik tentang populasi ayam ras pedaging di tingkat provinsi, yang dapat membantu dalam perencanaan pengembangan peternakan yang lebih efisien dan berkelanjutan.
PENERAPAN ALGORITMA FREQUENT PATTERN-GROWTH UNTUK REKOMENDASI MENU MAKANAN DAN MINUMAN Nuri, Nuri; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8278

Abstract

Kedai Teras Ciremai, sebagai bisnis baru di wilayah Kalikoa yang telah berjalan selama tiga bulan, berhasil menarik perhatian pelanggan, khususnya kalangan mahasiswa, dalam konteks pertumbuhan ekonomi lokal. Tujuan penelitian ini adalah untuk meningkatkan rekomendasi menu dengan menerapkan analisis keranjang belanja pada data penjualan Kedai Teras Ciremai selama periode 22 September hingga 29 November 2023, menggunakan alat RapidMiner. Dengan fokus pada dataset transaksi penjualan kedai, metode Association Rules diterapkan dengan confidence minimum sebesar 0,2 (20%). Hasil analisis dengan menggunakan Algoritma FP-Growth dari 403 transaksi penjualan makanan dan minuman menunjukkan satu aturan dengan Support 0,015 dan Confidence 0,333, yang menyatakan bahwa pembelian makanan corndog sosis memiliki korelasi dengan pembelian minuman Pop ice avocado. Dalam penelitian di Kedai Teras Ciremai, dengan menerapkan metode Association Rules dan menggunakan algoritma FP-Growth, peneliti dapat mengidentifikasi hubungan antara makanan dan minuman yang sering dibeli bersamaan oleh pelanggan. Hasil temuan ini kemudian dapat digunakan oleh pemilik kedai untuk meningkatkan rekomendasi menu, strategi penjualan, dan meningkatkan penjualan.
KLASIFIKASI PENENTUAN PENERIMA PROGRAM INDNESIA PINTAR DI KRWILBIDIKCAM GREGED MENGGUNAKAN ALGORITMA C4.5 Aulia, Nurul; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8294

Abstract

Program Indonesia Pintar merupakan program dukungan pendidikan yang bertujuan untuk meningkatkan akses dan mutu pendidikan bagi siswa sekolah dasar. Penelitian ini bertujuan untuk mengimplementasikan algoritma C4. 5 dalam rangka mengidentifikasi penerima manfaat Program Indonesia Pintar (PIP) di Koorwilbidikcam GregedUntuk mengoptimalkan penyaluran dana PIP, diperlukan klasifikasi berdasarkan data mining untuk memahami dan mengidentifikasi faktor-faktor kunci yang mempengaruhi identifikasi penerima manfaat program ini. Metode penelitian ini meliputi langkah pengumpulan data, preprocessing data, pelatihan model menggunakan algoritma C4. 5, evaluasi model, dan interpretasi hasil. Dengan menggabungkan teknik data mining dan analisis kriteria untuk mengidentifikasi penerima manfaat PIP. Dengan menggabungkan teknik data mining dan analisis kriteria untuk mengidentifikasi penerima manfaat PIP, penelitian ini diharapkan dapat berkontribusi dalam meningkatkan efektivitas dan efisiensi pelaksanaan program dukungan, tunjangan pengangguran, dan pendidikan di tingkat dasar. Hasil penelitian ini diharapkan dapat memberikan pemahaman yang lebih baik mengenai faktor-faktor yang mempengaruhi identifikasi penerima manfaat PIP di wilayah Koorwilbidikcam Greged dan memberikan landasan yang kokoh dalam pengambilan keputusan yang lebih cerdas dalam menyalurkan dana PIP.
Co-Authors Ainisa, Nurul Al Maeni, Nurul Ameliana, Nikan Arifqi, Tri Aulia, Nurul Ayuni, Putri Dalifah, Nurul Eka Permana, Sandy Faujia, Agnes Gifthera Dwilestari Hamonangan, Ryan Herdiana, Rulli Hidayah, Nurni Hidayat, Pierre Galuh Hoeriah, Dede Irma Purnamasari, Ade Julianti, Okta Nur Kholifa, Nur Kusmawanti, Nisa Maulida, Nida Muharromah, Oom Nur Amalia, Ocsana Nur Apriliani, Nur Nur Kirana, Anita Nurhakim, Bani Nurhayah, Nurhayah Nuri Nuri Nurjanah, Nurul Nurliana, Nicky Nurul Aini NURUL AZIZAH Nurwanda, Nurwanda Nurzaman Nurzaman Oktaviany, Nurul Peni Peni Permana, Sandy Eka PUJI LESTARI Putriana, Puput Ramadhan, Niko Retnasari, Peni Sakarias Berek, Richardus Saniyah, Nilta Sayuti Hanapiah, Neneng Suarna, Nana Zaelani, Nursehan