Article Per Year (5 Year)
p-Index From 2019 - 2024
6.535
P-Index
This Author published in this journals
All Journal Jurnal Informatika Jurnal Ilmu Komputer dan Informasi Jurnal Ilmu Komputer Jurnal Teknik ITS IPTEK The Journal for Technology and Science Semantik Techno.Com: Jurnal Teknologi Informasi Jurnal Buana Informatika Perfecting a Video Game with Game Metrics JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Ilmiah Kursor SCAN Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Sistem dan Informatika Scientific Journal of Informatics Journal of Information Systems Engineering and Business Intelligence Jurnal Ilmiah Pangabdhi Register: Jurnal Ilmiah Teknologi Sistem Informasi EMITTER International Journal of Engineering Technology Jurnal Inspiration Briliant: Jurnal Riset dan Konseptual Informatika Mulawarman Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) INTEGER: Journal of Information Technology IKRA-ITH Informatika : Jurnal Komputer dan Informatika JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) SISFO Journal of Information System,Graphics, Hospitality and Technology ILKOMNIKA: Journal of Computer Science and Applied Informatics Insyst : Journal of Intelligent System and Computation Jurnal Nasional Teknik Elektro dan Teknologi Informasi Sewagati Nusantara Journal of Computers and its Applications
Diana Purwitasari
Alumni Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mechanical Engineering Social Sciences Other

Published : 96 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 96 Documents
Search

 2   3   4   5   6 
Prediksi Akumulasi Kasus Terkonfirmasi Covid-19 Di Indonesia Menggunakan Support Vector Regression Agus Budi Raharjo; Zahrul Zizki Dinanto; Dwi Sunaryono; Diana Purwitasari
Techno.Com Vol 20, No 3 (2021): Agustus 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i3.5062

Abstract

Indonesia merupakan salah satu negara di dunia yang terdampak parah oleh gelombang kedua COVID-19. Salah satu cara untuk meningkatkan kesadaran masyarakat terhadap wabah penyebaran virus adalah dengan memberikan informasi tentang prediksi kasus baru. Memprediksi akumulasi kasus dalam beberapa hari ke depan juga sangat penting untuk memperkirakan kebutuhan rumah sakit dan membantu pemerintah dalam membuat kebijakan. Di sisi lain, pola kasus gelombang kedua sulit untuk disimulasikan dengan pendekatan regresi tradisional. Penelitian ini berfokus pada pembuatan sistem informasi yang memberikan visualisasi prediksi akumulasi kasus COVID-19 di Indonesia dengan menggunakan Support Vector Regression (SVR). Algoritma pembelajaran ini dipilih karena kinerjanya yang sangat baik untuk menangani prediksi deret waktu. Hasil eksperimen menunjukkan bahwa SVR dapat memprediksi jumlah akumulasi kasus selama 30 hari ke depan dengan akurasi di atas 80%. Model prediksi tersebut kemudian dipasang pada aplikasi berbasis web, dan hasilnya divisualisasikan sesuai dengan data terbaru.
Ekstraksi Fitur Produktivitas Dinamis berdasarkan Topik Artikel Ilmiah untuk Klasterisasi Peneliti Addien Haniefardy; Diana Purwitasari; Chastine Fatichah
Techno.Com Vol 20, No 2 (2021): Mei 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i2.4512

Abstract

Pengelompokkan peneliti seringkali menggunakan informasi tekstual yang terdapat pada artikel ilmiah peneliti, contohnya judul, abstrak, dan kata kunci sehingga menghasilkan kelompok peneliti dengan kemiripan informasi tekstual pada artikel ilmiah mereka. Pengelompokkan peneliti juga seringkali menggunakan jumlah publikasi dan sitasi sehingga menghasilkan kelompok peneliti yang memiliki jumlah publikasi dan sitasi yang cenderung sama. Berdasarkaan kedua metode di atas, penelitian ini mencoba untuk menganalisis penggunaan topik artikel ilmiah pada proses ekstraksi fitur produktivitas. Fitur ini merupakan fitur yang didapatkan melalui penghitungan kinerja peneliti berdasarkan jumlah publikasi dan sitasi. Hasil ekstraksi fitur akan digunakan untuk klasterisasi peneliti menggunakan metode K-Means++. Sebelum data peneliti diklasterisasi, terlebih dahulu data peneliti dianalisis untuk menghilangkan kemungkinan adanya outlier. Evaluasi hasil klaster dilakukan dengan mempertimbangkan nilai Sum Squared Error dan Silhouette. Hasilnya, klaster optimal didapatkan dengan nilai K sama dengan 8 dan nilai silhouette sama dengan 0.15396. Kemudian, hasil klaster dianalisis untuk dapat memberikan label terhadap masing-masing klaster dengan mempertimbangkan topik artikel ilmiah, jumlah publikasi dan jumlah sitasi.
Improving Multi-Document Summary Method Based on Sentence Distribution Aminul Wahib; Agus Zainal Arifin; Diana Purwitasari
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 14, No 1: March 2016
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v14i1.2330

Abstract

Automatic multi-document summaries had been developed by researchers. The method used to select sentences from the source document would determine the quality of the summary result. One of the most popular methods used in weighting sentences was by calculating the frequency of occurrence of words forming the sentences. However, choosing sentences with that method could lead to a chosen sentence which didn't represent the content of the source document optimally. This was because the weighting of sentences was only measured by using the number of occurrences of words. This study proposed a new strategy of weighting sentences based on sentences distribution to choose the most important sentences which paid much attention to the elements of sentences that were formed as a distribution of words. This method of sentence distribution enables the extraction of an important sentence in multi-document summarization which served as a strategy to improve the quality of sentence summaries. In that respect were three concepts used in this study: (1) clustering sentences with similarity based histogram clustering, (2) ordering cluster by cluster importance and (3) selection of important sentence by sentence distribution. Results of experiments showed that the proposed method had a better performance when compared with SIDeKiCK and LIGI methods. Results of ROUGE-1 showed the proposed method increasing 3% compared with the SIDeKiCK method and increasing 5.1% compared with LIGI method. Results of ROUGE-2 proposed method increase 13.7% compared with the SIDeKiCK and increase 14.4% compared with LIGI method.
WEB NEWS DOCUMENTS CLUSTERING IN INDONESIAN LANGUAGE USING SINGULAR VALUE DECOMPOSITION-PRINCIPAL COMPONENT ANALYSIS (SVDPCA) AND ANT ALGORITHMS Arif Fadllullah; Dasrit Debora Kamudi; Muhamad Nasir; Agus Zainal Arifin; Diana Purwitasari
Jurnal Ilmu Komputer dan Informasi Vol 9, No 1 (2016): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (255.065 KB) | DOI: 10.21609/jiki.v9i1.362

Abstract

Ant-based document clustering is a cluster method of measuring text documents similarity based on the shortest path between nodes (trial phase) and determines the optimal clusters of sequence document similarity (dividing phase). The processing time of trial phase Ant algorithms to make document vectors is very long because of high dimensional Document-Term Matrix (DTM). In this paper, we proposed a document clustering method for optimizing dimension reduction using Singular Value Decomposition-Principal Component Analysis (SVDPCA) and Ant algorithms. SVDPCA reduces size of the DTM dimensions by converting freq-term of conventional DTM to score-pc of Document-PC Matrix (DPCM). Ant algorithms creates documents clustering using the vector space model based on the dimension reduction result of DPCM. The experimental results on 506 news documents in Indonesian language demonstrated that the proposed method worked well to optimize dimension reduction up to 99.7%. We could speed up execution time efficiently of the trial phase and maintain the best F-measure achieved from experiments was 0.88 (88%).
TERM WEIGHTING BASED ON POSITIVE IMPACT FACTOR QUERY FOR ARABIC FIQH DOCUMENT RANKING Rizka Sholikah; Dhian Kartika; Agus Zainal Arifin; Diana Purwitasari
Jurnal Ilmu Komputer dan Informasi Vol 10, No 1 (2017): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (247.961 KB) | DOI: 10.21609/jiki.v10i1.408

Abstract

Query becomes one of the most decisive factor on documents searching. A query contains several words, where one of them will become a key term. Key term is a word that has higher information and value than the others in query. It can be used in any kind of text documents, including Arabic Fiqh documents. Using key term in term weighting process could led to an improvement on result’s relevancy. In Arabic Fiqh document searching, not using the proper method in term weighting will relieve important value of key term. In this paper, we propose a new term weighting method based on Positive Impact Factor Query (PIFQ) for Arabic Fiqh documents ranking. PIFQ calculated using key term’s frequency on each category (mazhab) on Fiqh. The key term that frequently appear on a certain mazhab will get higher score on that mazhab, and vice versa. After PIFQ values are acquired, TF.IDF calculation will be done to each words. Then, PIFQ weight will be combine with the result from TF.IDF so that the new weight values for each words will be produced. Experimental result performed on a number of queries using 143 Arabic Fiqh documents show that the proposed method is better than traditional TF.IDF, with 77.9%, 83.1%, and 80.1% of precision, recall, and F-measure respectively.
Rancang Bangun Aplikasi Pengelompokan dan Pemberi Rekomendasi Berita Lomba Online Menggunakan Klasifikasi Fuzzy Berbasis Kerangka Kerja Spring Febri Fernanda; Umi Laili Yuhana; Diana Purwitasari
Jurnal Teknik ITS Vol 2, No 1 (2013)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (540.295 KB) | DOI: 10.12962/j23373539.v2i1.2736

Abstract

Salah satu berita yang beredar dan banyak dibutuhkan adalah berita lomba. Pada umumnya, untuk mendapatkan berita lomba, setiap orang akan melakukan pencarian pada mesin pencari. Namun, pengguna masih harus tetap membuka halaman dan melakukan pencariannya pada masing-masing portal. Dikarenakan setiap portal mempunyai data berita lomba yang berbeda-beda, maka waktu yang diperlukan untuk mendapatkan berita lomba yang sesuai kurang efektif. Pada penelitian ini dikembangkan suatu sistem berbasis web yang secara berkala mampu memperbarui dan mengelompokkan kategori data berita lomba dari beberapa portal lomba. Pengambilan judul dan rangkuman data lomba memanfaatkan layanan Really Simple Syndication (RSS) sedangkan untuk mendapatkan konten data lomba memanfaatkan teknologi web crawler. Sistem berupa sebuah mesin pencari berita lomba dengan beberapa fungsi penyaringan. Dengan tambahan fitur pemberi rekomendasi berita berdasarkan profil pengguna dan sejarah pencarian, maka sistem ini dapat memudahkan pengguna mendapatkan berita lomba yang diinginkan secara cepat. Sistem dibangun menggunakan kerangka kerja Spring MVC agar memudahkan dalam pembangunan dan penggunaan ulang. Pengelompokan data berita lomba menggunakan metode Fuzzy Similarity K Nearest Neighbors (FSKNN) yang mampu mengelompokkan berita lomba ke dalam beberapa kategori sekaligus. Untuk membangun fitur mesin pencari dan pemberi rekomendasi berita lomba sistem memanfaatkan pustaka Lucene.
Modul Klasifikasi Aduan dengan Pendekatan Kemiripan Teks pada Aplikasi Perangkat Bergerak Suara Warga (SURGA) Kota Kediri Tegar Rachman Muzzammil; Raden Venantius Hari Ginardi; Diana Purwitasari
Jurnal Teknik ITS Vol 5, No 1 (2016)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (315.808 KB) | DOI: 10.12962/j23373539.v5i1.14807

Abstract

Kota Kediri yang memiliki sistem layanan pengaduan masyarakat yang bernama Suara Warga (SURGA) Kota Kediri. Dalam penerimaan aduan, terkadang aduan yang masuk ke dalam sistem memiliki kemiripan dengan aduan yang sudah ada. Hal ini dikarenakan adanya kemungkinan pengadu mengirimkan aduan berulang kali atau beberapa pengadu mengirimkan aduan dengan isi yang sama.Manhattan similarity adalah algoritma yang digunakan untuk mendeteksi kemiripan dua dokumen. Manhattan similarity dapat diimplementasikan pada aduan yang masuk ke dalam sistem. Aduan yang masuk diproses dengan pendekatan text similarity, yaitu text processing dan dimodelkan dalam bentuk vector space model sehingga dapat dihitung jarak antar aduan menggunakan Manhattan distance.  Perhitungan jarak antar aduan dibatasi dengan penyusunan cluster menggunakan K-Means clustering, sehingga hanya aduan yang berada pada cluster atau klasifikasi yang sama yang dibandingkan. Setelah klasifikasi dan deteksi dilakukan, sejumlah aduan diambil dari setiap cluster dan ditanyakan kepada 15 responden. Hasil uji coba menunjukkan bahwa aduan dapat dideteksi kemiripannya dengan jarak Manhattan distance minimal 0,9993 antar aduan dengan tingkat akurasi untuk aduan tidak mirip 100% dan untuk aduan mirip 90%. Waktu total yang dibutuhkan untuk melakukan proses klasifikasi dan deteksi kemiripan teks adalah 17 menit 27 detik dengan jumlah aduan 387.
Implementasi Artificial Bee Colony untuk Pemilihan Titik Pusat pada Algoritma K-Means Ario Bagus Nugroho; Diana Purwitasari; Chastine Fatichah
Jurnal Teknik ITS Vol 5, No 2 (2016)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (487.812 KB) | DOI: 10.12962/j23373539.v5i2.19645

Abstract

Klastering merupakan metode yang digunakan untuk membagi data menjadi beberapa kelompok bagian. K-means (KM) merupakan algoritma yang sering digunakan dalam klastering, hanya saja hasil dari KM sering kali terjebak di lokal optima. Artificial Bee Colony (ABC) merupakan algoritma yang bekerja berdasarkan cara lebah mencari makan, ABC terkenal mampu lolos dari jebakan lokal optima dengan mengenali mana hasil yang terbaik dari serangkaian hasil optimal. Menggabungkan ABCKM dimulai dengan memilih sumber makanan awal secara acak dan menggunakan KM untuk menyelesaikan semua permasalahan klastering pada setiap langkah ABC berikutnya serta menyimpan sumber makanan terbaik disetiap iterasinya. Sumber-sumber terbaik tersebut akan dipilih sumber makanan terbaiknya berdasarkan probabilitas kecocokannya masing-masing. Hasil dari implementasi algoritma ABCKM ini adalah data yang telah dibagi berdasarkan sumber terbaik. Setelah di evaluasi menggunakan algoritma silhouette dapat dibuktikan bahwa rata-rata nilai koefisien pada 5 buah dataset adalah 0.65 yang berarti data telah di-klaster dengan baik.
Strategi Pemilihan Kalimat pada Peringkasan Multi Dokumen Satrio Verdianto; Agus Zainal Arifin; Diana Purwitasari
Jurnal Teknik ITS Vol 5, No 2 (2016)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (400.223 KB) | DOI: 10.12962/j23373539.v5i2.20283

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. Berdasarkan hasil dari penelitian [3] bahwa untuk pembobotan kalimat pada dokumen yang memiliki karakter teks pendek dan terstruktur seperti berita maka teknik pembobotan kalimat terbaik adalah dengan menggunakan kombinasi dari keempat fitur yaitu word frequency, TF-IDF, posisi kalimat, dan kemiripan kalimat terhadap judul (Resemblance to the title ). Pada penelitian ini kombinasi keempat fitur tersebut dibandingkan dengan kombinasi tiga fitur dan dua fitur dan dievaluasi menggunakan nilai ROUGE-N dan dievaluasi berdasarkan lama waktu eksekusi. Berdasarkan hasil uji coba didapatkan hasil bahwa yang paling optimal diantara keempat kombinasi fitur tersebut adalah kombinasi antara dua buah fitur yakni fitur posisi kalimat dan word frequency dengan nilai ROUGE-N sebesar 0.679 dan lama waktu eksekusi 28.458 detik.
Deteksi Gempa Berdasarkan Data Twitter Menggunakan Decision Tree, Random Forest, dan SVM Rendra Dwi Lingga P.; Chastine Fatichah; Diana Purwitasari
Jurnal Teknik ITS Vol 6, No 1 (2017)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (98.486 KB) | DOI: 10.12962/j23373539.v6i1.22037

Abstract

Twitter merupakan salah satu media sosial yang cukup populer saat ini. Pengguna aktif Twitter mencapai kurang lebih 400 juta orang. Fitur utama yang paling penting dari Twitter yaitu layanan yang bersifat real-time dimana pengguna dapat menuliskan catatan singkat tentang apa yang terjadi secara langsung. Sebagai contoh, ketika terjadi bencana alam(gempa bumi) di suatu tempat, banyak pengguna aktif twitter menulis informasi berupa (tweet) tentang gempa bumi yang sedang berlangsung melalui Twitter. Hal ini memungkinkan dibuatnya sebuah metode yang mendeteksi terjadinya gempa atau tidak dengan melakukan observasi melalui tweet yang ada. Dalam tugas akhir ini dibuat sebuah metode klasifikasi untuk membedakan antara tweet yang mengandung informasi gempa  yang sesungguhnya (gempa positif) dan tweet yang mengandung informasi gempa namun memiliki arti lain (gempa negatif). Setelah dilakukan klasifikasi menggunakan Decision Tree, Random Forest dan Support Vector Machine (SVM). Hasil yang didapat memberikan nilai akurasi Support Vector Machine (SVM) secara keseluruhan lebih baik daripada Decision Tree dan Random Forest dengan persentase gempa yang dideteksi oleh sistem (Recall) didapatkan nilai 86.3%.dengan precision sebesar 88.7%. Namun jika dilihat dari terdeteksinya gempa oleh sistem tanpa dirata-rata, Random Forest memiliki persentase recall sebesar 96.7% lebih baik daripada Decision Tree dan Random Forest. 
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 Alqis Rausanfita Aminul Wahib Aminul Wahib Aminul Wahib Anggraini, Ratih Nur Esti 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 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 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