Claim Missing Document
Check
Articles

RANCANG BANGUN APLIKASI PENGAMBILAN BERITA SECARA OTOMATIS MENGGUNAKAN CONTENT SYNDICATION BERBASIS XML DENGAN PLATFORM MICROSOFT .NET Purwitasari, Diana; Samopa, Febriliyan; Afrian, Ade
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 3, No 1 Januari 2004
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (207.357 KB) | DOI: 10.12962/j24068535.v3i1.a128

Abstract

Banyaknya kebutuhan akan informasi di internet menyebabkan penyedia jasa situs berita untuk memberikan berita yang selalu yang terbaru. Salah satu alternatif solusi adalah dengan melakukan content syndication. Content syndication adalah adalah proses dimana suatu isi berita dikirimkan atau disediakan, biasanya dengan biaya tertentu, dari penyedia berita, biasanya disebut originators, ke pasar yang membutuhkan atau subscribers. RSS (Rich Site Summary) adalah format yang secara umum digunakan untuk melakukannya. RSS pada dasarnya adalah suatu file yang berada di suatu situs, yang menyediakan informasi tentang isi dari situs tersebut. File tersebut biasa disebut sebagai RSS Feeds dan dapat di ambil dan diolah untuk mendapatkan informasi tentang isi situs tersebut. Dibuat sebuah aplikasi untuk pengambilan situs berita secara otomatis menggunakan content syndication yang memerlukan aplikasi pada proses background untuk mengambil RSS Feeds secara berkala pada komputer yang berfungsi sebagai server. Server yang mengambil berita dari situs penyedia terdiri dari aplikasi yang mengatur konfigurasi berita tersebut, dan sebuah windows service untuk mengambil RSS feeds kemudian mengolahnya secara otomatis. Sedangkan aplikasi untuk membaca berita dari RSS server terdapat pada client berupa sebuah komponen plug-in. Uji coba pertama dilakukan dengan menguji keberhasilan aplikasi dalam mengatur konfigurasi skema, atribut tabel, dan pengaturan kategori situs penyedia RSS. Sedangkan ujicoba kedua dilakukan dengan melakukan perbandingan hasil pencarian berita yang didapat dari program dengan berita dari situs lain yang tidak menerapkan content syndication. Dari hasil pengujian diketahui bahwa aplikasi dengan content syndication mampu melakukan pencarian berita dan memberikan hasil yang lebih baik. Kata Kunci: Content Syndication, RSS, Windows Service, Band Object.
PENGKATEGORIAN ISI BERITA BERBAHASA INDONESIA MENGGUNAKAN ALGORITMA SYMBOLIC RULE INDUCTION BERBASIS DECISION TREE Purwananto, Yudhi; Purwitasari, Diana; Nugroho, Yos
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 3, No 1 Januari 2004
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (218.263 KB) | DOI: 10.12962/j24068535.v3i1.a131

Abstract

Pengkategorian teks sangat penting demi manajemen dan temu kembali pengetahuan yang ada pada teks tersebut. Pengkategorian teks yang dilakukan secara manual akan menghabiskan banyak waktu dan biaya. Karena itu diperlukan suatu sistem yang mampu mengkategorikan teks secara otomatis. Penelitian ini berusaha untuk mengkategorikan teks dengan menggunakan algoritma symbolic rule induction berbasis decision tree. Pengkategorian dilakukan untuk berita berbahasa Indonesia. Dari teks berita tersebut, dipilih fitur-fitur yang relevan untuk masing-masing kategori berdasarkan kriteria Information Gain. Dengan menggunakan fitur-fitur tersebut, dibangun decision tree melalui proses induksi. Untuk meningkatkan akurasi decision tree dilakukan proses pruning. Proses selanjutnya adalah menghasilkan aturan-aturan yang ekivalen secara logis dengan decision tree tersebut dengan memanfaatkan sibling criterion. Algoritma ini diuji coba dengan menggunakan data berita dari situs Detik. Uji coba dilakukan untuk mengetahui pengaruh dari jumlah fitur, jumlah data, dan nilai maksimum suatu fitur terhadap nilai F1 dan waktu komputasi. Hasil uji coba menunjukkan bahwa jumlah fitur dan jumlah data pelatihan yang bertambah cenderung akan meningkatkan nilai F1. Kata Kunci : Text Categorization, DTree, Sibling Criterion, Decision Tree, Symbolic Rule Induction
PEMILIHAN KOMBINASI PRODUK KOSMETIKA MENGGUNAKAN ALGORITMA GENETIKA Purwananto, Yudhi; Purwitasari, Diana; S., Putu Utami Andarini
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 5, No 2 Juli 2006
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (296.078 KB) | DOI: 10.12962/j24068535.v5i2.a236

Abstract

Pemilihan serangkaian produk kosmetik merupakan permasalahan kombinasi sebab seorang konsumen dapat memilih beberapa jenis produk. Pada pemilihan produk kosmetik akan melibatkan data berjumlah besar dengan setiap paket kosmetik merupakan kombinasi dari beragam produk yang terdapat di pasar. Algoritma genetika mampu melakukan optimasi terhadap permasalahan kombinasi yang melibatkan data berjumlah besar.Solusi-solusi dari pemilihan produk berupa paket-paket produk direpresentasikan dalam string-string biner. Satu string biner mewakili satu paket produk dengan setiap satu segmen terdiri dari beberapa bit merupakan representasi dari sebuah produk. Dilakukan tukar silang yang telah dimodifikasi dengan menentukan titik-titik yang akan dipilih sebagai titik tukar silang sejak pembentukan kromosom. Situasi kromosom yang tidak terdapat dalam database karena proses rekombinasi diatasi dengan dilakukan koreksi mutasi. Kromosom legal diterjemahkan dengan mengambil data-data berupa fitur-fitur produk, nama dan harga produk dari database. Data-data tersebut digunakan untuk melakukan perhitungan nilai fitness total yang bergantung pada rata-rata fitness produk dalam kromosom dan kesesuaian total harga produk dengan anggaran pengguna.Hasil pengujian menunjukkan apabila tanpa operator mutasi maka semakin besar tingkat tukar silang yang digunakan, jumlah generasi yang dibutuhkan untuk mencapai suatu nilai tertentu cenderung berkurang. Namun pada pemilihan produk, nilai fitness terbaik dihasilkan dengan pemakaian mutasi yaitu pada tingkat mutasi 0.09 dan tingkat tukar silang 0.7. Pemilihan metode tukar silang dua titik yang telah dimodifikasi pada pengujian tidak cukup baik hasilnya dibandingkan dengan tukar silang satu titik.Kata Kunci: algoritma genetika, pemilihan produk kosmetik, tukar silang, mutasi.
SISTEM PEMBANGKIT ANOTASI PADA ARTIKEL BERGAMBAR DENGAN PENDEKATAN KONTEKSTUAL Purwitasari, Diana; Saputra, Dian; Yuniar, Esti; Yuhana, Umi Laili; Siahaan, Daniel
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 9, No 1, Januari 2011
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (553.833 KB) | DOI: 10.12962/j24068535.v9i1.a64

Abstract

Development of E-learning sites and their materials make it is necessary to help users finding the desired materials. Context-based search engine will help users for the finding task. However that kind of searching can only be done for learning materials that have been semantically signed or annotated. Annotation is given for the article’s content or the article’s image within. There are many constraints for manually providing annotations to the learning articles such that automatic metadata or annotation generating method is needed. This paper discusses about annotation generating system with two subsystems: annotation recommender for learning material using contextual analysis and image metadata generator. The methods for contextual analysis are Latent Semantic Analysis (LSA) and WordNet-lexical dictionary usage. Our experimental results showed that subsystems can be used to generate annotation for articles and images in the articles though we have not done combination of two subsystems.
Optimasi Pembobotan pada Query Expansion dengan Term Relatedness to Query-Entropy based (TRQE) Ludviani, Resti; Hayati, Khadijah F.; Arifin, Agus Zainal; Purwitasari, Diana
Jurnal Buana Informatika Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (297.228 KB)

Abstract

Abstract. An appropriate selection term for expanding a query is very important in query expansion. Therefore, term selection optimization is added to improve query expansion performance on document retrieval system. This study proposes a new approach named Term Relatedness to Query-Entropy based (TRQE) to optimize weight in query expansion by considering semantic and statistic aspects from relevance evaluation of pseudo feedback to improve document retrieval performance. The proposed method has 3 main modules, they are relevace feedback, pseudo feedback, and document retrieval. TRQE is implemented in pseudo feedback module to optimize weighting term in query expansion. The evaluation result shows that TRQE can retrieve document with the highest result at precission of 100% and recall of 22,22%. TRQE for weighting optimization of query expansion is proven to improve retrieval document.     Keywords: TRQE, query expansion, term weighting, term relatedness to query, relevance feedback Abstrak..Pemilihan term yang tepat untuk memperluas queri merupakan hal yang penting pada query expansion. Oleh karena itu, perlu dilakukan optimasi penentuan term yang sesuai sehingga mampu meningkatkan performa query expansion pada system temu kembali dokumen. Penelitian ini mengajukan metode Term Relatedness to Query-Entropy based (TRQE), sebuah metode untuk mengoptimasi pembobotan pada query expansion dengan memperhatikan aspek semantic dan statistic dari penilaian relevansi suatu pseudo feedback sehingga mampu meningkatkan performa temukembali dokumen. Metode yang diusulkan memiliki 3 modul utama yaitu relevan feedback, pseudo feedback, dan document retrieval. TRQE diimplementasikan pada modul pseudo feedback untuk optimasi pembobotan term pada ekspansi query. Evaluasi hasil uji coba menunjukkan bahwa metode TRQE dapat melakukan temukembali dokumen dengan hasil terbaik pada precision  100% dan recall sebesar 22,22%.Metode TRQE untuk optimasi pembobotan pada query expansion terbukti memberikan pengaruh untuk meningkatkan relevansi pencarian dokumen.Kata Kunci: TRQE, ekspansi query, pembobotan term, term relatedness to query, relevance feedback
Aturan Asosiasi Dengan Standar Storet Pada Model Prediksi Parameter Pendukung Uji Kualitas Air Baku Purwitasari, Diana; Putri, Oktaviandra Pradita; Khotimah, Wijayanti Nurul
Journal of Information Systems Engineering and Business Intelligence Vol 1, No 1 (2015): April
Publisher : Program Studi Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (445.465 KB)

Abstract

Abstrak—Uji laboratorium tentang kualitas air baku pada penyediaan dan pengolahan air bersih memperhatikan parameter air terkait faktor fisika, kimia dan biologi. Analisis kualitas air di laboratorium membutuhkan waktu. Usulan sistem akan mempercepat waktu dengan menganalisis catatan dataparameter air yang ada dalam rekam data PDAM. Aturan asosiasi pada sistem digunakan untuk melihat hubungan antara parameter air yang didahului praproses dengan mengubah data numerik ke data kategorikal berdasarkan standar STOrage and RETrievalData Warehouse (STORET).Selanjutnya model prediksi parameter air yang dihasilkan dari data belajar akan diserderhanakan terlebih dahulu sebelum validasi model dengan data uji. Pengujian model menggunakan data belajar menunjukkan rata-rata akurasi 70% dengan minimal support-confidence 30% data. Hasil model hubungan parameter air menggunakan rekam data PDAM dapat menjadi pendukung kebijakan di daerah tersebut dalam penyediaan dan pengolahan air bersih sebelum dilakukan uji kualitas laboratorium. Tanpa ada uji laboratorium beberapa nilai parameter faktor kimia tidak dapat diketahui. Meskipun demikian aturan yang dihasilkan sistem usulan tanpa uji laboratorium dapat memberikan akurasi 80%-95% dengan asumsi missing valuesnilai faktor kimiasetelah dicek manual dari narasumber pemilik data. Data uji coba menggunakan dataset kecil untuk mempermudah cek manual. Kata Kunci— prediksi kualitas air, aturan asosiasi, storetAbstrak—Raw Water (Air Baku) laboratory analysis is testing physical, chemical and bacteriological characteristicsof water to ensure that water supply is clean, safe and ready for drinking water quality. Analyzing raw water quality in laboratorium needs more time. The proposed system could shorten the laboratory processing time by analyzing daily water production log. Association ruleinthe proposed system was used to generate relation model of water characteristicsfrom the data log provided by local government owned water utilities (PDAM, Perusahaan Daerah Air Minum). The data was transformed first from numerical data into categorical data using STOrage and RETrieval Data Warehouse (STORET)standard.Generated model needs to be simplified because some prediction rules could have the same interpretation. The generated parameter prediction modelwas sufficient to be used as the supporting data for any local policy made related to water supply and sanitationwithout additional costs from standard lab testing of water quality. Some water quality values of chemical characteristics need lab testing. Given the missing values of several chemical characteristics, the generated parameter prediction model still could give better accuracy of 80%-95%. Since PDAM staffmanually validated the generated model, the experiments used small data set.  Keywords— water quality prediction, association rule, storet
Pelabelan Klaster Fitur Secara Otomatis pada Perbandingan Review Produk Rozi, Fahrur; Wijoyo, Satrio Hadi; Isanta, Septiyan Andika; Azhar, Yufis; Purwitasari, Diana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1, No 2 (2014)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (711.042 KB)

Abstract

Abstrak Penggunaan review produk sebagai suatu sumber untuk mendapatkan informasi dapat dimanfaatkan untuk mengoptimalkan pemasaran suatu produk. Situs belanja online merupakan salah satu sumber yang dapat digunakan untuk pengambilan review produk. Analisa terhadap produk dapat dilakukan dengan membandingkan antara dua buah produk berbeda berdasarkan fitur produk tersebut. Fitur dari suatu produk didapatkan melalui ekstraksi fitur dengan metode double propagation. Fitur yang terdapat dalam sebuah review sangat banyak serta terdapat beberapa kata yang memiliki arti yang sama yang mewakili suatu fitur tertentu, sehingga diperlukan suatu pengelompokan terhadap fitur tersebut. Pengelompokan suatu fitur produk dapat dilakukan secara otomatis tanpa memperhatikan kamus kata, yaitu dengan menggunakan teknik clustering. Hierarchical clustering merupakan salah satu metode yang dapat digunakan untuk pengelompokan terhadap fitur produk. Pengujian dengan metode hierarchical clustering untuk pengelompokan fitur menunjukkan bahwa metode average linkage memiliki nilai recall dan f-measure yang paling tinggi. Sementara untuk pengujian pelabelan menunjukkan bahwa semantic similarity antar fitur lebih berpengaruh dari pada kemunculan fitur di dokumen. Kata kunci: clustering, fitur produk, pelabelan Abstract Product review can be used as a source for acquire information and to optimize the marketing of product. Online shopping sites are one of source that can be used to get product reviews. Analysis of the product can be done by comparing two different products based on product’s features. Features of a product can be obtained through extraction of features with double propagation method. In the product review there are many feature that can be found, and there are some words that have the same meaning which represents a particular feature, so we need a grouping on the feature. Hierarchical clustering is one method that can be used for grouping the features of the product. Based on testing, hierarchical clustering method for grouping feature indicate that the average linkage method has the highest recall and f-measure. As for testing in labeling indicates that the semantic similarity between features is more influential than the appearance of features in the document. Keywords: clustering, features of the product, labeling
MULTI-DOCUMENT SUMMARIZATION BASED ON SENTENCE CLUSTERING IMPROVED USING TOPIC WORDS Lukmana, Indra; Swanjaya, Daniel; Kurniawardhani, Arrie; Arifin, Agus Zainal; Purwitasari, Diana
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 12, No 2, Juli 2014
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (292.988 KB) | DOI: 10.12962/j24068535.v12i2.a317

Abstract

Informasi dalam bentuk teks berita telah menjadi salah satu komoditas yang paling penting dalam era informasi ini. Ada banyak berita yang dihasilkan sehari-hari, tetapi berita-berita ini sering memberikan konten kontekstual yang sama dengan narasi berbeda. Oleh karena itu, diperlukan metode untuk mengumpulkan informasi ini ke dalam ringkasan sederhana. Di antara sejumlah subtugas yang terlibat dalam peringkasan multi-dokumen termasuk ekstraksi kalimat, deteksi topik, ekstraksi kalimat representatif, dan kalimat rep-resentatif. Dalam tulisan ini, kami mengusulkan metode baru untuk merepresentasikan kalimat ber-dasarkan kata kunci dari topic teks menggunakan Latent Dirichlet Allocation (LDA). Metode ini terdiri dari tiga langkah dasar. Pertama, kami mengelompokkan kalimat di set dokumen menggunakan kesamaan histogram pengelompokan (SHC). Selanjutnya, peringkat cluster menggunakan klaster penting. Terakhir, kalimat perwakilan yang dipilih oleh topik diidentifikasi pada LDA. Metode yang diusulkan diuji pada dataset DUC2004. Hasil penelitian menunjukkan rata-rata 0,3419 dan 0,0766 untuk ROUGE-1 dan ROUGE-2, masing-masing. Selain itu, dari pembaca prespective, metode kami diusulkan menyajikan pengaturan yang koheren dan baik dalam memesan kalimat representatif, sehingga dapat mempermudah pemahaman bacaan dan mengurangi waktu yang dibutuhkan untuk membaca ringkasan.
PEMBOBOTAN KALIMAT BERDASARKAN FITUR BERITA DAN TRENDING ISSUE UNTUK PERINGKASAN MULTI DOKUMEN BERITA Hayatin, Nur; Fatichah, Chastine; Purwitasari, Diana
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v13i1.a386

Abstract

Ringkasan berita diartikan sebagai teks yang dihasilkan dari satu atau lebih kalimat yang menyampaikan informasi penting dari berita. Salah satu fase penting dalam peringkasan adalah pembobotan kalimat (sentence scoring). Dimana pada peringkasan berita, metode pembobotannya sebagian besar menggunakan fitur dari berita sendiri. Padahal dalam satu topik berita dimungkinkan adanya multiple issue. Dari multiple issue biasanya hanya ada satu isu yang menjadi pokok pembicaraan yang disebut dengan Trending Issue. Trending Issue inilah yang harusnya dipertimbangkan pada proses peringkasan berita sehingga ringkasan yang dihasilkan lebih koheren. Penelitian ini bertujuan untuk meringkas multi berita menggunakan metode pembobotan berdasarkan Trending Issue dengan tetap mempertimbangkan fitur penting berita, yaitu word frequency, TF-IDF, posisi kalimat, dan kemiripan kalimat terhadap judul (NeFTIS). Dimana Trending Issue didapatkan dari data Twitter dengan cara mengelompokkan tweets kemudian melakukan ekstraksi isu pada tiap kelompok yang terbentuk. Selanjutnya tiap isu diberikan bobot menggunakan konsep Cluster Importance (CI). Isu dengan bobot terbesar yang akan dipilih sebagai Trending Issue. Ada 5 tahap yang dilakukan untuk menghasilkan ringkasan multi berita dengan menggunakan NeFTIS, yaitu ekstraksi Trending Issue, seleksi berita, ekstraksi fitur berita, penghitungan total bobot kalimat, dan penyusunan ringkasan. Untuk mengukur kualitas sistem digunakan metode evaluasi ROUGE-1 dengan menganalisa performa dari hasil ringkasan dengan menggunakan metode pembobotan NeFTIS dibandingkan dengan hasil ringkasan dengan hanya menggunakan fitur berita (NeFS). Hasil rata-rata max-ROUGE-1 untuk seluruh variasi jumlah kalimat yang menyusun ringkasan (n) menunjukan bahwa metode pembobotan NeFTIS lebih akurat dibanding dengan metode pembobotan NeFS dengan nilai rata-rata max-ROUGE-1 terbesar 0.8201 untuk n=30.
EKSTRAKSI KATA KUNCI BERDASARKAN HIPERNIM DENGAN INISIALISASI KLASTER MENGGUNAKAN FUZZY ASSOCIATION RULE MINING PADA PENGELOMPOKAN DOKUMEN Rozi, Fahrur; Fatichah, Chastine; Purwitasari, Diana
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 2, Juli 2015
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v13i2.a488

Abstract

Pertumbuhan dunia digital dalam dokumen tekstual terutama di World Wide Web mengalami pertumbuhan pesat. Pen-ingkatan dokumen tekstual ini menyebabkan terjadinya penumpukan informasi, sehingga diperlukan sebuah pengorgan-isasian yang efisien untuk pengelolaan dokumen tekstual. Salah satu metode yang dapat mengelompokkan dokumen dengan tepat adalah menggunakan fuzzy association rule. Tahap ekstraksi kata kunci serta tipe fuzzy yang digunakan berpengaruh terhadap kualitas pengelompokan dokumen. Penggunaan hipernim dalam ekstraksi kata kunci untuk mendapatkan suatu klaster label dapat memperluas makna dari klaster label, sehingga dapat diperoleh suatu meaningful klaster label, selain itu ambiguitas dan uncertainties yang terjadi di dalam aturan fuzzy logic systems (FLS) tipe-1 dapat diatasi dengan fuzzy set tipe-2. Penelitian ini mengusulkan sebuah metode yaitu ekstraksi kata kunci berdasarkan hipernim dengan inisialisasi klaster menggunakan fuzzy association rule mining pada pengelompokan dokumen. Metode ini terdiri dari empat tahap, yaitu : preprocessing dokumen, ekstraksi key terms dari hipernim, ekstraksi kandidat klaster, dan konstruksi klaster tree. Pengujian terhadap metode ini dilakukan dengan tiga jenis data berbeda, yaitu Classic, Reuters, dan 20 Newsgroup. Pengujian dilakukan dengan membandingkan nilai overall f-measure dari metode tanpa hipernim (level 0), hipernim level 1, dan hipernim level 2. Berdasarkan pengujian didapatkan bahwa penggunaan hipernim dalam ektraksi kata kunci mampu menghasilkan rata-rata overall f-measure sebesar 0.5783 untuk data classic, 0.4001 untuk data reuters, dan 0.5269 untuk data 20 newsgroup.
Co-Authors Abid Famasya Abdillah Abid Famasya Abdillah Achmad Affandi Addien Haniefardy Ade Afrian Adhi Nurilham Adi Surya Suwardi Ansyah Agus Budi Raharjo Agus Zainal Arifin Agus Zainal Arifin Ahmad Syauqi Ahmad Syauqi Aida Muflichah Akwila Feliciano Akwila Feliciano Alif Akbar Fitrawan, Alif Akbar Alqis Rausanfita Aminul Wahib Aminul Wahib Aminul Wahib Anggraini, Ratih Nur Esti Anisa Nur Azizah Apriantoni Apriantoni Apriantoni Apriantoni Ardianto Ardianto Ariadi Retno Tri Hayati Arief Rahman Arif Fadllullah Arini Rosyadi Ario Bagus Nugroho Arrie Kurniawardhani Arya Putra Kurniawan Asiyah Nur Kholifah Bambang Setiawan Baskoro, Fajar Budi Pangestu Budi Rahardjo Buliali, Joko Lianto Chastine Fatichah Christian Sri Kusuma Aditya Christian Sri kusuma Aditya, Christian Sri kusuma Cornelius Bagus Purnama Putra Daniel Oranova Siahaan Daniel Swanjaya Dasrit Debora Kamudi Dhian Kartika Dian Saputra Dini Adni Navastara, Dini Adni Dwi Sunaryono Dwi Sunaryono Edy Sukotjo Eko Riduwan Elshe Erviana Angely Erlinda Argyanti Nugraha Erlinda Argyanti Nugraha Esti Yuniar F.X. Arunanto Fahmi Amiq Fahril Mabahist Fahrur Rozi Fajar Baskoro Fandy Kuncoro Adianto Fandy Kuncoro Adianto Faried Effendy Febri Fernanda Febriliyan Samopa Fransiscus Xaverius Arunanto Galih Hendra Wibowo Ghozali, Imam Ginardi, Raden Venantius Hari Glory Intani Pusposari Gus Nanang Syaifuddiin Hadziq Fabroyir Handayani Tjandrasa Hani’ah, Mamluatul Hani’ah, Mamluatul Hanif Affandi Hartanto Hasanah, Novrindah Alvi Herdayanto Sulistyo Putro Husna, Farida Amila Ifnu Wisma Dwi Prastya Ilmi, Akhmad Bakhrul Imam Santosa Indra Lukmana Ismet, Hilya Tsaniya Ivonne Soejitno Juanita, Safitri Juli Purwanto Katon Suwida Kevin Christian Hadinata Kevin Christian Hadinata Khadijah F. Hayati Kurnia Aji Tritamtama Lailatul Hidayah Luthfi Atikah M. Abdillah M. Abdul Wakhid Mauridhi Hery Purnomo Mauridhi Hery Purnomo Mirza Hamdhani Misbachul Falach Asy'ari Misbakhul Munir Irfan Subakti Mohammad Zaenuddin Hamidi Muhamad Nasir Muhammad Machmud Muhammad Mirza Muttaqi Muhammad Yusuf Kardawi Mustaqim, Tanzilal Nabila Puspita Firdi Nada Fitrieyatul Hikmah Nanik Suciati Narandha Arya Ranggianto Narandha Arya Ranggianto Nova Rijati Novemi Uki A Novrindah Alvi Hasanah Novrindah Alvi Hasanah Nugraha, Raditya Hari Nur Hayatin Nurilham, Adhi Oktaviandra Pradita Putri Oktaviandra Pradita Putri, Oktaviandra Pradita Paramastri Ardiningrum Putri Damayanti Putu Praba Santika Putu Utami Andarini S. Putu Yuwono Kusmawan Rangga Kusuma Dinata Rangga Kusuma Dinata Rendra Dwi Lingga P. Resti Ludviani Rio Indralaksono Rizal Setya Perdana Rizka Sholikah Rizka Wakhidatus Sholikah Rizqa Afthoni Rozi, Fahrur Rully Soelaiman Rully Sulaiman Ryfial Azhar, Ryfial Safhira Maharani Safhira Maharani Safitri Juanita Safitri, Julia Salim Bin Usman Salim Bin Usman Salsabila Mazya Permataning Tyas Salsabila Salsabila Satrio Hadi Wijoyo Satrio Verdianto Satrio Verdianto Septiyan Andika Isanta Septiyan Andika Isanta Septiyawan Rosetya Wardhana Septiyawan Rosetya Wardhana Sherly Rosa Anggraeni Sherly Rosa Anggraeni Sherly Rosa Anggraeni Sherly Rosa Anggraeni Sidharta, Bayu Adjie Sihombing, Drigo Alexander Siti Rochimah Surya Sumpeno Syadza Anggraini Tegar Rachman Muzzammil Tesa Eranti Putri Tri Arief Sardjono Tsabbit Aqdami Mukhtar, Tsabbit Aqdami Umy Rizqi Verdianto, Satrio Victor Hariadi Vit Zuraida Wakhid, Muhammad Abdul Wardhana, Septiyawan Rosetya Wijayanti Nurul Khotimah Wijoyo, Satrio Hadi Windy Deftia Mertiana wulansari wulansari Yanuardhi Arief Budiyono Yasinta Romadhona Yoga Yustiawan Yos Nugroho Yudhi Purwananto Yufis Azhar Yuhana, Umi Laili Yulia Niza Yulia Niza Zahrul Zizki Dinanto Zakiya Azizah Cahyaningtyas Zakiya Azizah Cahyaningtyas Zakiya Azizah Cahyaningtyas Zuraida, Vit