Article Per Year (5 Year)
p-Index From 2021 - 2026
16.717
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Techno.Com: Jurnal Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) JOIV : International Journal on Informatics Visualization International Journal of Artificial Intelligence Research Jurnal Sisfokom (Sistem Informasi dan Komputer) Jurnal Sains dan Teknologi: Jurnal Keilmuan dan Aplikasi Teknologi Industri JURNAL PENDIDIKAN TAMBUSAI Jurnal Ilmiah Media Sisfo JOURNAL OF SCIENCE AND SOCIAL RESEARCH JOISIE (Journal Of Information Systems And Informatics Engineering) INTI Nusa Mandiri Jurnal Ekonomi Manajemen Sistem Informasi Jurnal Teknologi Dan Sistem Informasi Bisnis JATI (Jurnal Mahasiswa Teknik Informatika) Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Pendidikan Guru (JPG) Journal of Applied Data Sciences Bulletin of Computer Science Research JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Ipteks Terapan : research of applied science and education Journal of Education Research Algoritme Jurnal Mahasiswa Teknik Informatika Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Hasi Penelitian Dan Pengkajian Ilmiah Eksakta - JPPIE Jurnal Ekonomika Dan Bisnis Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Sains dan Teknologi Jurnal Komtekinfo Indonesian Journal Computer Science (ijcs) Jurnal Siteba Intellect : Indonesian Journal of Learning and Technological Innovation SATIN - Sains dan Teknologi Informasi Jurnal Quancom: Jurnal Quantum Komputer Journal of Information System and Education Development Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) The Indonesian Journal of Computer Science CSRID
Agung Ramadhanu
Universitas Putra Indonesia YPTK Padang
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology 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 Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 157 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 157 Documents
Search

 12   13   14   15   16 
PENGGUNAAN PRINCIPAL COMPONENT ANALYSIS (PCA) DAN K-NEAREST NEIGHBORS (KNN) DALAM KLASIFIKASI SAYURAN MENTIMUN, PARE, DAN TERONG Ahmad Syarif; Agung Ramadhanu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 1 (2025): February 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i1.2751

Abstract

Abstract: The classification of vegetable types is an important aspect of the agricultural industry to improve the efficiency of product management, packaging, and distribution. This study aims to implement the Principal Component Analysis (PCA) and K-Nearest Neighbors (KNN) methods in the vegetable classification process, especially for cucumbers, squash, and eggplants. PCA is used to reduce the data dimensions and extract the key significant features that distinguish vegetable categories. Meanwhile, KNN is applied as a classification algorithm based on the proximity of these key features. The research dataset consists of digital images of vegetables extracted into color, texture, and shape attributes. The results show that the combination of PCA and KNN is able to significantly improve the classification accuracy by minimizing computational complexity. Experiments are carried out with various numbers of main components in PCA and variations in kkk parameter values in KNN to determine the optimal configuration. In the best configuration, this method achieves a classification accuracy of 90%, with PCA effectively reducing the data dimension by 95% without losing important information. In conclusion, this approach has great potential to be implemented in vegetable classification automation systems to support efficiency in the agricultural supply chain. Keywords: Vegetables classification, Principal Component Analysis (PCA), K-Nearest                Neighbors(KNN), cucumber, bitter melon, eggplant.Abstrak: Klasifikasi jenis sayuran merupakan salah satu aspek penting dalam industri pertanian untuk meningkatkan efisiensi pengelolaan produk, pengemasan, serta distribusi. Penelitian ini bertujuan untuk mengimplementasikan metode Principal Component Analysis (PCA) dan K-Nearest Neighbors (KNN) dalam proses klasifikasi sayuran, khususnya mentimun, pare, dan terong. PCA digunakan untuk mengurangi dimensi data dan mengekstraksi fitur utama yang signifikan dalam membedakan kategori sayuran. Sementara itu, KNN diterapkan sebagai algoritma klasifikasi berdasarkan kedekatan fitur-fitur utama tersebut. Dataset penelitian terdiri atas citra digital sayuran yang diekstraksi menjadi atribut warna, tekstur, dan bentuk. Hasil penelitian menunjukkan bahwa kombinasi PCA dan KNN mampu meningkatkan akurasi klasifikasi secara signifikan dengan meminimalkan kompleksitas komputasi. Eksperimen dilakukan dengan berbagai jumlah komponen utama pada PCA dan variasi nilai parameter kkk pada KNN untuk menentukan konfigurasi optimal. Pada konfigurasi terbaik, metode ini mencapai akurasi klasifikasi sebesar 90%, dengan PCA secara efektif mereduksi dimensi data hingga 95% tanpa kehilangan informasi penting. Kesimpulannya, pendekatan ini memiliki potensi yang besar untuk diimplementasikan dalam sistem otomatisasi klasifikasi sayuran guna mendukung efisiensi dalam rantai pasok agrikultur. Kata kunci: Klasifikasi sayuran, Principal Component Analysis (PCA), K-Nearest Neighbors (KNN),  mentimun, pare, terong.
PENINGKATAN AKURASI KLASIFIKASI KEMATANGAN PEPAYA BERDASARKAN WARNA DENGAN MEDIAN FILTER, K-MEANS PADA CONVOLUTIONAL NEURAL NETWORK Windra Yosfand; Kharisma Utama Putra; Agung Ramadhanu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 1 (2025): February 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i1.2781

Abstract

Abstract: The development of technology in the field of digital image processing has become an attraction in itself to make human life easier and has given rise to many applications that can apply it in various fields. Digital image processing methods can transform input images into output images that can be used to identify and classify objects in life. To minimize damage to digital images which is known as noise. Also to reduce the impact of degradation or decrease in image quality caused by noise, colors that are too contrasty or blurry. So a method is needed. One method is the median filter which is used in this research.Keyword: edian Filter, Convolutional Neural Network, Papaya, Classification Abstrak: Dalam perkembangan teknologi di bidang pengolahan citra digital (digital image processing) menjadi daya tarik tersendiri untuk mempermudah kehidupan manusia dan memunculkan banyak aplikasi yang dapat menerapkannya dalam berbagai bidang. Metode digital image processing dapat mentransformasikan citra masukan menjadi citra keluaran yang dapat dimanfaatkan untuk mengidentifikasi dan mengklasifikasi objek dalam kehidupan. Untuk mengurangi meminimalisir kerusakan pada citra digital yang disebut sebagai noise. Juga untuk mengurangi dampak degradasi atau penurunan kualitas citra yang disebabkan oleh derau / noise, warna yang terlalu kontras atau buram. Maka dibutuhkan suatu metode. Salah satu metodenya adalah median filter yang digunakan pada penelitian ini.Kata kunci: Median Filter, Convolutional Neural Network, Pepaya, Klasifikasi
IMPLEMENTASI METODE K-MEANS UNTUK MENGKLASTERISASI JENIS BUAH NAGA DENGAN TEKNIK PENGOLAHAN CITRA Muhammad Idris; Agung Ramadhanu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.3091

Abstract

Abstract: This research aims to implement the K-Means method for clustering red and yellow dragon fruit types using image processing techniques. Image processing is carried out by utilizing features such as color, texture, and shape from dragon fruit images obtained using a digital camera. The captured images are then processed through preprocessing stages such as conversion to a specific color space  and feature extraction to describe the visual characteristics of the dragon fruit. Afterward, the K-Means algorithm is applied to cluster the images based on the similarity of their features. The clustering results show that the K-Means method is effective in distinguishing between red and yellow dragon fruit types, with a satisfactory accuracy rate. This study contributes to the development of an automated classification system for dragon fruit type identification based on images, which can be applied in agriculture, especially in the processing and distribution of products. Keyword: K-Means Method; Red Dragon Fruit Clustering; Yellow Dragon Fruit; Image Processing. Abstrak: Penelitian ini bertujuan untuk mengimplementasikan metode K-Means dalam mengklasterisasi jenis buah naga merah dan buah naga kuning menggunakan teknik pengolahan citra. Pengolahan citra dilakukan dengan memanfaatkan fitur-fitur warna, tekstur, dan bentuk dari citra buah naga yang diperoleh menggunakan kamera digital. Citra yang diambil kemudian diproses melalui tahap pra-pemrosesan seperti konversi ke ruang warna tertentu dan ekstraksi fitur untuk mendeskripsikan karakteristik visual dari buah naga. Setelah itu, algoritma K-Means diterapkan untuk mengelompokkan citra berdasarkan kemiripan fitur yang dimilikinya. Hasil pengklasteran menunjukkan bahwa metode K-Means efektif dalam memisahkan jenis buah naga merah dan kuning, dengan tingkat akurasi yang memadai. Penelitian ini memberikan kontribusi dalam pengembangan sistem klasifikasi otomatis untuk identifikasi jenis buah naga berdasarkan citra, yang dapat diterapkan dalam bidang pertanian, terutama dalam proses pengolahan dan distribusi produk. Kata kunci:  Metode K-Means; Pengklasteran buah naga merah; Buah naga kuning; Pengolahan citra.
IMPLEMENTASI METODE EXTREME LEARNING MACHINE UNTUK KLASIFIKASI JENIS MOBIL muhammad idris; Charisman Fajri Saputra; Agung Ramadhanu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3714

Abstract

Abstract: The rapid development of automotive technology has led to a wide variety of car types with increasingly complex features and characteristics. Alongside this advancement, the need for fast and accurate automatic classification systems has become essential, particularly in the field of vehicle image recognition. This study aims to implement the Extreme Learning Machine (ELM) method to classify vehicle types based on digital images. The research focuses on classifying three types of vehicles (Bus, Pickup, and SUV), using a dataset of 10 images per class. The test results show that ELM is capable of classifying vehicle types with competitive accuracy compared to conventional methods, while offering significantly more efficient computation time. This research demonstrates the potential of ELM as a practical solution to support intelligent vehicle recognition systems in the modern automotive industry. The classification achieved an accuracy rate of 91.67%. Keywords: Extreme Learning Machine (ELM), Vehicle Type Classification, Image Processing, Pattern Recognition. Abstrak: Perkembangan teknologi otomotif yang pesat telah menghasilkan beragam jenis mobil dengan fitur dan karakteristik yang semakin kompleks. Seiring dengan kemajuan ini, kebutuhan akan sistem klasifikasi otomatis yang cepat dan akurat menjadi sangat penting, terutama dalam bidang pengenalan citra kendaraan. Tujuan penelitian ini untuk mengimplementasikan metode Extreme Learning Machine (ELM) dalam mengklasikasi jenis mobil berdasarkan citra digital. Penelitian ini mengklasifikasikan 3 jenis mobil (BUS, Pickup dan SUV) dengan dataset masing masing 10 gambar. Hasil pengujian menunjukkan bahwa ELM mampu melakukan klasifikasi jenis mobil dengan akurasi yang kompetitif dibandingkan metode konvensional, dengan waktu komputasi yang jauh lebih efisien. Penelitian ini menunjukkan potensi ELM sebagai solusi praktis dalam mendukung sistem cerdas berbasis pengenalan kendaraan dalam dunia otomotif modern. Hasil yang didapat dari penelitian ini adalah sebesar 91,67% untuk tingkat akurasinya. Kata kunci: Extreme Learning Machine (ELM), Klasifikasi Jenis Kendaraan, Pemrosesan Citra, Pengenalan Pola.
IMPLEMENTASI K-MEANS CLUSTERING DAN TEKNIK PENGOLAHAN CITRA DALAM KLASIFIKASI HEWAN KUCING, BELALANG DAN SEMUT Aditya Wiratama; Agung Ramadhanu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4730

Abstract

Abstract: Research on animal diversity and behavior plays an important role in understanding ecological interactions and their potential applications in human life. This article examines three species cats (Felis catus), grasshoppers (Caelifera), and ants (Formicidae) each of which holds a unique role in ecosystems and human interaction. Cats, as domesticated animals, serve not only as companions but also contribute ecologically by controlling small animal populations. Grasshoppers are herbivorous insects that play a significant role in food chains and can serve as indicators of ecosystem health, while also being known as agricultural pests. Meanwhile, ants are characterized by complex social systems and contribute to soil balance and nutrient distribution. By comparing the biological characteristics, behaviors, and ecological interactions of these three animals, this study aims to provide a more comprehensive understanding of the roles of fauna in ecosystems and their implications for conservation and sustainable utilization. Keywords: cats, grasshoppers, ants, ecology, biodiversity Abstrak: Penelitian mengenai keanekaragaman dan perilaku hewan memiliki peran penting dalam memahami hubungan ekologi serta potensi aplikasinya dalam kehidupan manusia. Artikel ini mengkaji tiga jenis hewan, yaitu kucing (Felis catus), belalang (Caelifera), dan semut (Formicidae), yang masing-masing memiliki peranan unik dalam ekosistem maupun interaksi dengan manusia. Kucing, sebagai hewan domestik, tidak hanya berfungsi sebagai hewan peliharaan tetapi juga memiliki peran ekologis dalam mengendalikan populasi hewan kecil. Belalang merupakan serangga herbivora yang berperan signifikan dalam rantai makanan, sekaligus menjadi indikator kesehatan ekosistem, namun juga dapat menjadi hama pertanian. Sementara itu, semut dikenal dengan sistem sosial yang kompleks serta kontribusinya dalam menjaga keseimbangan tanah dan mendistribusikan nutrien. Dengan membandingkan karakteristik biologis, perilaku, dan interaksi ekologis ketiga hewan tersebut, penelitian ini diharapkan dapat memberikan pemahaman yang lebih komprehensif tentang peran fauna dalam ekosistem dan implikasinya bagi konservasi serta pemanfaatan berkelanjutan. Kata kunci: kucing, belalang, semut, ekologi, keanekaragaman hayati  
KLASIFIKASI OBJEK PANDA, SINGA, DAN HANDYCAM DENGAN PENGOLAHAN CITRA MENGGUNAKAN K-MEANS PADA MATLAB Muhammad Yusuf; Agung Ramadhanu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4859

Abstract

Abstract: Digital image processing plays an important role in object classification, both for research and practical applications. This study discusses the implementation of the K-Means Clustering method for identifying and classifying images of pandas, lions, and handycam devices using MATLAB software. The research stages include image acquisition, preprocessing such as image conversion and normalization, feature extraction based on color and texture, and classification using the K-Means algorithm. Experimental results show that the K-Means method is capable of grouping objects into the appropriate classes based on image feature similarity. The system’s accuracy is influenced by input image quality, cluster parameters, and the amount of training data used. Therefore, this study demonstrates that K-Means can be applied as a simple yet effective method for object image classification, particularly in distinguishing between animal types and non-living objects such as handycams. Keywords: K-Means, Image Processing, MATLAB, Object Classification, Panda, Lion,  Handycam Abstrak: Pengolahan citra digital memiliki peran penting dalam bidang klasifikasi objek, baik untuk penelitian maupun implementasi praktis. Penelitian ini membahas penerapan metode K-Means Clustering dalam proses identifikasi dan klasifikasi citra panda, singa, serta perangkat handycam menggunakan perangkat lunak MATLAB. Tahapan penelitian meliputi akuisisi citra, pra-pemrosesan berupa konversi citra dan normalisasi, ekstraksi fitur warna dan tekstur, serta proses klasifikasi dengan algoritma K-Means. Hasil percobaan menunjukkan bahwa metode K-Means mampu mengelompokkan objek ke dalam kelas yang sesuai berdasarkan kemiripan fitur citra. Tingkat akurasi sistem dipengaruhi oleh kualitas citra masukan, parameter klaster, dan jumlah data latih yang digunakan. Dengan demikian, penelitian ini membuktikan bahwa K-Means dapat dijadikan metode sederhana namun efektif dalam klasifikasi citra objek, khususnya untuk membedakan jenis binatang dan perangkat non-hayati seperti handycam. Kata kunci: K-Means, Pengolahan Citra, MATLAB, Klasifikasi Objek, Panda, Singa, Handycam
ANALISIS SENTIMEN MASYARAKAT MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE TERHADAP PROGRAM BPJS Charisman Fajri Saputra; Rini Sovia; Agung Ramadhanu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5660

Abstract

Abstract: BPJS Kesehatan is a national health insurance program that plays a vital role in providing public health services in Indonesia; however, its implementation has generated diverse public perceptions reflected on social media. This study analyzes public sentiment toward the BPJS Kesehatan program based on Instagram comments using a text mining and machine learning approach. The research methodology includes Indonesian text preprocessing, feature weighting using Term Frequency–Inverse Document Frequency (TF–IDF), and three-class sentiment classification (positive, negative, and neutral) using Multinomial Naïve Bayes and Support Vector Machine (SVM) algorithms. The dataset consists of 1,461 Instagram comments, which are divided into training and testing data with an 80:20 ratio. The experimental results show that Multinomial Naïve Bayes achieves an accuracy of 80.55%, while SVM yields a higher accuracy of 86.35%. These results indicate that SVM performs better in separating sentiment classes within short and imbalanced Instagram comment data. This study contributes to Indonesian-language sentiment analysis research and provides insights for evaluating public health services through social media data. Keyword: sentiment analysis; BPJS Kesehatan; Instagram; Naïve Bayes; Support Vector Machine. Abstrak: BPJS Kesehatan merupakan program strategis nasional yang berperan penting dalam menjamin akses layanan kesehatan bagi masyarakat Indonesia, namun implementasinya masih memunculkan beragam persepsi publik yang tercermin pada media sosial. Penelitian ini mengkaji analisis sentimen masyarakat terhadap program BPJS Kesehatan berdasarkan komentar pada platform Instagram menggunakan pendekatan text mining dan pembelajaran mesin. Metode penelitian meliputi pra-pemrosesan teks berbahasa Indonesia, pembobotan fitur menggunakan Term Frequency–Inverse Document Frequency (TF–IDF), serta klasifikasi sentimen tiga kelas (positif, negatif, dan netral) menggunakan algoritma Multinomial Naïve Bayes dan Support Vector Machine (SVM). Dataset yang digunakan terdiri dari 1.461 komentar Instagram yang dibagi menjadi data latih dan data uji dengan rasio 80:20. Hasil pengujian menunjukkan bahwa Multinomial Naïve Bayes menghasilkan akurasi sebesar 80,55%, sedangkan SVM mencapai akurasi yang lebih tinggi yaitu 86,35%. Temuan ini menunjukkan bahwa SVM memiliki kemampuan yang lebih baik dalam memisahkan kelas sentimen pada data komentar Instagram yang bersifat pendek dan tidak seimbang. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan analisis sentimen berbahasa Indonesia serta menjadi masukan awal bagi evaluasi layanan publik berbasis media sosial. Kata kunci: analisis sentimen; BPJS Kesehatan; Instagram; Naïve Bayes; Support Vector Machine.
Co-Authors ., Ulfa Aditya Wiratama Afriadi Afriadi Afriadi, A Agsera, Nilam Agus Salim, David Agusty, Dhia Fadhila Ahmad Syarif Ahmad Syarif ahmad yani Akbar, Syifa Chairunnissa Deliva Al-arrafi, Muhammad Ikhsan alfajri salim Angga Angga Angga Angga Anggara Putra, Febri Antoni Antoni Ariza Ikhlas Arsyah Arsyah atiqah, sri Avezrima Rahmamuthi Ayu Mahessya, Raja Bayuputra, Ramdani Berta Agus Petra Betriana Roza, Yesi Betriana, Yesi Chairunnissa Deliva Akbar, Syifa Chan, Fajri Rinaldi Charisman Fajri Saputra Charisman Fajri Saputra Delvi, Syerlin Aprilia Deri Marse Putra Desi Permata Sari Devi Maryuni Dhia Fadhila Agusty Dicky Imansyah, Muhammad Dila, Rahmah Dinantia, Triend Dodi Guswandi Enggari, Sofika Erlanda, Hadrian Eva Rianti Fadhila Putri Sani Fadila Cahyani Putri Fajri Saputra, Charisman Fajrul Islami Febri Hadi Febri Hadi Fiki Pratama Firmansyah, Ryan Firna Yenila Fitri Yeni, Fitri Gafari, Abuzar Gunadi Widi Nurcahyo Gunadi Widi Nurcahyo Hadi Syahputra Hadi Syahputra Halifia Hendri Halifia Hendri Hanna Pratiwi Harnaranda, Jefri Hasmaynelis Fitri Helda Andriany Darwis Hendri, Hallifia Hidayati, Dzil Hidayattullah, Hafis Hikmi, Zakiya Honestya, Gabriela Husna Arsyah, Rahmatul Ilmawan, Fachrul Imrah, Imrah Sari Irfan Rizki Nur Irsyad, As'Ary Sahlul Jehan Harka Johan Harlan Jufriadif Na`am, Jufriadif kamila amaliah putri Kareem, Shahab Wahhab Karseno, Doni Kharisma Utama Putra Kharisma Utama Putra Khomsi, Ahmad Larissa Navia Rani, Larissa M.Iqbal, M.Iqbal Maharani, Filsha Rifi Majid, Mazlina Abdul Mardison Mardison Mardison Mardison Mardison Mardison Mardison Mardison Marfalino, Hari Masri, Taufik Mokti Isra Mokti Isra Muhammad Dicky Imansyah Muhammad Idris muhammad idris Muhammad Idris Muhammad Ikhsan Al-Arrafi Muhammad Ikhsan Al-Arrafi Muhammad Raihan Zaky Muhammad Raihan Zaky Muhammad Reza Putra Muhammad Yusuf MUHAMMAD YUSUF Nabila Frisca Oktavia Nabilah Putri Permana Nadia, Nadia Aini Hafizhah Nasution, Amir Salim Khairul Rijal Nasution, Annio Indah Lestari Negoro, Wahyu Saptha Nengsi, Neni Sri Wahyuni Neni Sri Wahyuni Nengsi Neni Sri Wahyuni Nengsih Neni Sri Wahyuni Nengsih Neni Sri Wayuni Ningsih Neni Sri Wayuni Ningsih Ningsih, Neni Sri Wayuni Novrianto, Andry Nurdiansyah, Ali Nurhaliza Nurhaliza Nurjannah, Farah Permata, Edo Pertiwi, Yuliana Pratama, Dede Putra, Kharisma Utama Putra, Ramdani Bayu putri, kamila amaliah Rahmad Rahmad Rahmad, R Repelita Witri Retno Devita Rheza Thresya Riati, Itin Ridwan Sutri Rindy Citra Dewi Rini Sovia Riyan Saputra, Riyan Rizky Gusrianto Romi Hardianto Rosa, Imelda Rosda Syelly Ryan Firmansyah Sajida, Mayang salim, alfajri Saputra, Charisman Fajri Saputra, Randy Sarjon Defit Selvia, Dina Silfia Andini Sisi Hendriani Sofika Enggari Sofika Enggari Sofika Enggari Sofika Enggari Sovia, Rini Suci Wahyuni Sularno Sularno Sumijan, S Sutri, Ridwan Syafri Arlis Syafri Arlis Syafrika Deni Rizki Syafril Syafril Syafril, S Syalsabilla, Adinda Taufik Masri Teri Ade Putra Tesa Vausia Sandiva Tomi, Zebbil Billian Utama Putra, Kharisma Utari, Utari Armila Vidyanti, Angela Citra Windra Yosfand Wiratama, Aditya Wirdawati, Wira Witri, Repelita Yagus Valentino Harefa Yanti, Rahma Yasmin, Nabila Yasmin, Nabilla Yemi, Leonardo Yesi Betriana Roza, yesibetriana_18 Yogi Wiyandra Yolanda Yolanda, Yolanda Yosfand, Windra Yuhandri Yuhandri, Yuhandri Yulihartati, Sandra Yusvi Diana Zakiya Hikmi Zebbil Billian Tomi Zubaidah, Rima Puti