Article Per Year (5 Year)
p-Index From 2021 - 2026
13.956
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 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) 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
Ramadhanu, Agung -
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 : 132 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 132 Documents
Search

 5   6   7   8   9 
IMPLEMENTASI HYBRID INTELLIGENCE SYSTEM UNTUK KLASIFIKASI BIJI-BIJIAN DENGAN ALGORITMA PCA DAN KNN Chan, Fajri Rinaldi; Ramadhanu, Agung
INTI Nusa Mandiri Vol. 19 No. 2 (2025): INTI Periode Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/inti.v19i2.6397

Abstract

Food security has become a pressing global issue with the increasing population and food consumption needs. Red kidney beans, peanuts, and sunflower seeds play a crucial role in meeting the nutritional needs of society and serving as raw materials for various industries. This study aims to develop a seed classification system based on the Principal Component Analysis (PCA) and K-Nearest Neighbor (KNN) algorithms. The system is designed to recognize three types of seeds—red kidney beans, peanuts, and sunflower seeds—to improve the efficiency and accuracy of the classification process compared to manual methods. The dataset consists of 58 seed image samples, divided into training data (48 samples) and test data (10 samples). The research stages include image preprocessing (cropping, background removal, and thresholding segmentation), feature extraction using PCA to reduce data dimensionality, and classification with KNN based on Euclidean distance. A value of K=3 is used in the KNN algorithm to determine the proximity between data points. The test results show a classification accuracy of 90%, with 9 out of 10 test data correctly classified. PCA successfully simplified high-dimensional data into two main components without significant information loss, while KNN demonstrated strong capability in distinguishing the three types of seeds. This research contributes to the development of an AI-based automatic classification system for the food industry, with broader potential applications in high-dimensional data processing across various fields.
IMPLEMENTASI HYBRID INTELLIGENT SYSTEM UNTUK KLASIFIKASI JENIS BOLA BERBASIS COMPUTER VISION Saputra, Riyan; Ramadhanu, Agung
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5368

Abstract

Salah satu domain utama dalam bidang kecerdasan buatan adalah visi komputer, yang memfasilitasi kapasitas komputer untuk menganalisis dan menafsirkan data visual yang berasal dari lingkungan fisik. Aplikasi yang signifikan dari visi komputer adalah klasifikasi objek, yang dapat digunakan di beragam objek, termasuk bentuk bola. Penelitian ini berusaha untuk menerapkan sintesis berbagai metodologi dalam kecerdasan buatan untuk mengkategorikan berbagai jenis bola, khususnya bola basket, bola voli, dan bola tenis. Dataset visual terdiri dari 16 gambar yang digunakan untuk pelatihan dan 10 gambar yang disediakan untuk pengujian. Kerangka prosedural mencakup pra-pemrosesan gambar, ekstraksi fitur yang berfokus pada warna dan ukuran, normalisasi data melalui Z-Score, pengurangan dimensi melalui Analisis Komponen Utama (PCA), pembelajaran mesin menggunakan algoritma K-Nearest Neighbors (KNN), yang berpuncak pada fase pengujian. Temuan penelitian ini menunjukkan tingkat akurasi 90%, menunjukkan bahwa klasifikasi jenis bola dapat secara efektif memanfaatkan Sistem Intelijen Hibrida.
IMPLEMENTASI METODE K-MEANS CLUSTERING DENGAN TEKNIK PENGOLAHAN CITRA UNTUK MENGIDENTIFIKASI JENIS SEPATU Selvia, Dina; Ramadhanu, Agung
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5428

Abstract

Penelitian ini membahas implementasi metode K-Means Clustering dengan teknik pengolahan citra untuk mengidentifikasi jenis sepatu berdasarkan karakteristik visualnya. Proses identifikasi dilakukan dengan memanfaatkan pengolahan citra digital, seperti segmentasi, ekstraksi fitur, dan klasifikasi, yang kemudian digabungkan dengan algoritma K-Means untuk mengelompokkan data gambar ke dalam kategori jenis sepatu. Tujuan utama dari penelitian ini adalah meningkatkan akurasi dan efisiensi dalam mengidentifikasi jenis sepatu, terutama dalam aplikasi e-commerce atau inventarisasi produk. Hasil penelitian dengan menggunakan Metode K-Means Clustering yang dikombinasikan dengan teknik pengolahan citra sangat efektif untuk mengidentifikasi dan mengklasifikasi jenis sepatu yaitu sepatu formal dan sepatu santai berdasarkan karakteristik visualnya. Penelitian menggunakan 8 citra yang mana terdiri dari 4 citra untuk sepatu formal dan 4 citra untuk sepatu santai. Menghasilkan akurasi sebesar 97 % dimana 7 dari 8 citra berhasil diidentifikasi dengan benar. Proses klasifikasi dilakukan dengan tahapan konversi ruang warna ke LAB, segmentasi citra menggunakan K-Means Clustering, dan ekstraksi fitur bentuk serta tekstur. Parameter-parameter ekstraksi citra seperti metric, eccentricity, contrast, correlation, energy, dan homogeneity menjadi kunci utama dalam proses identifikasi. Hasil pengujian menunjukkan bahwa metode ini mampu mengelompokkan jenis sepatu dengan tingkat akurasi yang tinggi. Penelitian ini memberikan kontribusi signifikan dalam mengembangkan solusi berbasis teknologi untuk otomasi pengelompokan produk visual.
Klasifikasi Penggunaan Helm pada Citra Pengendara Sepeda Motor Menggunakan K-Means Clustering dan GLCM Antoni, Antoni; Ramadhanu, Agung
Algoritme Jurnal Mahasiswa Teknik Informatika Vol 5 No 2 (2025): April 2025 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/algoritme.v5i2.10921

Abstract

The safety of motorcycle riders is a critical issue, particularly in countries with high traffic accident rates. In Indonesia, motorcycles make up the majority of personal vehicles, with over 130 million units as of June 2023, but many riders fail to comply with helmet usage regulations. Helmets significantly reduce the risk of fatal head injuries, yet the compliance rate remains low. To address this issue, an image classification system for motorcycle riders using helmets is proposed, leveraging image processing techniques and machine learning. By leveraging the K-Means Clustering algorithm, the system segments motorcycle images into two categories: riders with helmets and those without. The images are pre-processed, converted from RGB to LAB color space, and K-Means clustering is used to segment background and object areas. Feature extraction is applied using GLCM (Gray-Level Co-occurrence Matrix) to identify key characteristics such as texture and shape. The system compares the extracted features using Euclidean distance to classify whether a rider is wearing a helmet. Results show an accuracy rate of 94% in classifying helmet usage from 50 test images. This method can serve as an efficient and cost-effective alternative to more computationally intensive techniques like deep learning, with potential for real-time traffic surveillance applications.
PENERAPAN HYBRID INTELLIGENCE SYSTEM UNTUK KLASIFIKASI EYLINER, LIPSTIK DAN HANDBODY MENGGUNAKAN METODE KNN DAN PCA Dila, Rahmah; Ramadhanu, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13099

Abstract

Kosmetik adalah produk yang digunakan untuk memperindah tubuh, terutama wajah, dengan tujuan meningkatkan kepercayaan diri dan estetika. Penelitian ini bertujuan mengembangkan sistem otomatis untuk mengklasifikasikan produk kosmetik berdasarkan citra visual menggunakan metode Hybrid Intelligence, yaitu kombinasi K-Nearest Neighbor (KNN) dan Principal Component Analysis (PCA). Sistem Hybrid Intelligence efektif diterapkan dalam berbagai bidang pengolahan citra, termasuk klasifikasi produk kosmetik. Metode yang diusulkan melibatkan PCA untuk mereduksi dimensi fitur citra, sehingga mengurangi kompleksitas komputasi dan meningkatkan efisiensi pemrosesan. KNN digunakan untuk mengenali produk berdasarkan kedekatannya dengan data pelatihan. Dataset yang digunakan meliputi 16 data latih (7 eyeliner, 4 handbody, 5 lipstik) dan 10 data uji (4 eyeliner, 3 handbody, 3 lipstik). Hasil menunjukkan sistem hybrid ini mampu mencapai akurasi 96,15% dalam pengujian validasi, dengan nilai parameter K terbaik adalah 3. Sistem ini berhasil mengklasifikasikan eyeliner, lipstik, dan handbody dengan tingkat akurasi tinggi, memberikan solusi efisien dan efektif dalam mendeteksi produk kosmetik berdasarkan citra. Penelitian ini memberikan kontribusi penting bagi pengembangan aplikasi pengenalan citra dalam industri kecantikan, terutama pada sistem deteksi dan rekomendasi produk.
KLASIFIKASI DAN PENGELOMPOKKAN PADA DOMPET, TAS, DAN BUKU MENGGUNAKAN HYBRID INTELIGENCE SYSTEM Chairunnissa Deliva Akbar, Syifa; Ramadhanu, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13111

Abstract

Penelitian ini membahas mengenai penerapan Hybrid Intelligence System untuk klasifikasi dan pengelompokan dompet, tas, dan buku menggunakan kombinasi metode Principal Component Analysis (PCA) dan K-Nearest Neighbor (KNN). Hal ini diperlukan untuk meningkatkan optimalisasi klasifikasi objek berbasis citra, terutama dalam manufaktur, perdagangan, dan sistem inventarisasi. Dengan meningkatnya kebutuhan sistem digitalisasi yang mampu mengenali dan mengelompokkan objek secara cepat dan akurat, pengembangan sistem berbasis hybrid intelligence menjadi relevan. PCA digunakan untuk menyederhanakan dimensi data citra sehingga hanya fitur yang relevan yang dipertahankan, sementara KNN digunakan untuk menentukan kelas dari masing-masing produk berdasarkan fitur yang telah sederhanakan. Penelitian ini melibatkan data kuantitatif berupa citra dompet, tas, dan buku dengan total 26 data latih dan data uji. Hasil penelitian menunjukkan bahwa kombinasi dari PCA dan KNN mampu meningkatkan akurasi klasifikasi hingga 90%. Sistem ini juga terbukti efektif dalam menangani data yang tidak bersih dan menghasilkan klasifikasi yang konsisten serta dapat diandalkan. Temuan ini menunjukkan potensi besar dalam pengembangan sistem berbasis citra digital untuk berbagai aplikasi, khususnya dalam klasifikasi produk.
PENERAPAN METODE HYBRID KNN DAN PCA DALAM KLASIFIKASI CABAI MERAH, CABAI HIJAU DAN JERUK MANDARIN Yasmin, Nabilla; Ramadhanu, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13147

Abstract

Sistem klasifikasi otomatis berbasis citra digital semakin dibutuhkan dalam sektor pertanian untuk meningkatkan efisiensi seleksi dan distribusi produk. Pengklasifikasian cabai merah, cabai hijau, dan jeruk mandarin secara manual sering kali memakan waktu lama dan rentan terhadap kesalahan manusia. Oleh karena itu, penelitian ini mengusulkan penggunaan kombinasi Principal Component Analysis (PCA) dan K-Nearest Neighbors (KNN) untuk mengklasifikasikan ketiga jenis objek tersebut. Data yang digunakan terdiri dari 16 citra latih dan 10 citra uji, yang diproses melalui tahapan segmentasi, ekstraksi fitur, dan reduksi dimensi menggunakan PCA. Hasil klasifikasi menunjukkan tingkat akurasi mencapai 96,20%, dengan satu data jeruk mandarin yang gagal terdeteksi. Temuan ini membuktikan bahwa metode PCA dan KNN efektif dalam mengklasifikasikan citra dengan akurasi tinggi, memberikan kontribusi terhadap sistem klasifikasi otomatis yang dapat meningkatkan efisiensi dalam distribusi dan seleksi produk agrikultur serta mengurangi potensi kesalahan dalam penilaian kualitas produk secara manual.
KLASIFIKASI CITRA DIGITAL BATU KERIKIL DAN BATU KALI DENGAN METODE K-MEANS DAN TEKNIK PENGOLAHAN CITRA Gafari, Abuzar; Ramadhanu, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13170

Abstract

Perkembangan teknologi informasi yang pesat seperti kecerdasan buatan, sedikit banyaknya menjadi pemicu inovasi di berbagai bidang, termasuk pengolahan citra, salah satu penerapannya adalah identifikasi dan pengelompokan objek dalam citra digital yang dapat digunakan di berbagai bidang, dan bidang konstruksi merupakan salah satunya. Pada pekerjaan konstruksi, material yang sering digunakan diantaranya dalah batu kerikil dan batu kali. Penggunaan teknik manual untuk mengklasifikasikan material berpotensi menghasilkan kesalahan dari sisi manusianya, juga membutuhkan banyak waktu dan tenaga pekerja. Penerapan metode K-means Clustering pada klasifikasi batu kerikil dan batu kali memberikan solusi baru pada otomatisasi yang efisien, dan juga mendukung pengelolaan material yang baik, meningkatkan kualitas hasil konstruksi serta dapat mengurangi dampak kerusakan lingkungan. Oleh sebab itu, penelitian ini dilakukan guna pengembangan model klasifikasi citra digital batu kerikil dan batu kali menggunakan metode K-means Clustering dan dilengkapi dengan teknik pengolahan citra guna memberikan kontribusi nyata dalam otomatisasi klasifikasi material konstruksi. Secara umum, hasil penelitian dapat disimpulkan bahwa identifikasi jenis batu material konstruksi menggunakan metode K-means dan teknik pengolah citra sangat akurat dan efektif dalam membedakan jenis batu kali da batu kerikil.
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR(KNN) DAN PCA UNTUK KLASIFIKASI APEL HIJAU, APEL FUJI DAN JERUK Rosa, Imelda; Ramadhanu, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13309

Abstract

Buah-buahan seperti apel hijau, apel Fuji, dan jeruk memiliki karakteristik visual yang berbeda berdasarkan tektur, bentuk, dan warnanya. Klasifikasi otomatis buah ini sangat berguna dalam industri pertanian dan perdagangan, seperti dalam proses sortir otomatis, deteksi kualitas buah, dan pengemasan yang lebih efisien. Teknik pengolahan citra dan machine learning dapat membantu mengklasifikasikan buah secara otomatis berdasarkan fitur visualnya. Pada penelitian metode yang digunakan untuk klasifikasi tiga jenis buah, yaitu apel hijau, apel Fuji, dan jeruk adalah K-Nearest Neighbor (KNN) dan Principal Component Analysis (PCA) untuk. PCA digunakan untuk mereduksi dimensi data fitur citra buah seperti warna, tekstur, dan bentuk, sehingga meningkatkan efisiensi proses klasifikasi. Algoritma KNN diterapkan untuk mengklasifikasikan buah berdasarkan hasil reduksi fitur yang diperoleh dari PCA. Uji coba dilakukan pada dataset citra buah dengan berbagai kondisi pencahayaan dan sudut pengambilan gambar. Dari 30 gambar (10 apel Fuji 10 apel hijau, dan 10 jeruk), hasil menunjukkan bahwa 2 apel fuji tidak teridentifikasi dengan benar, dengan akurasi mencapai 93%. Hasil penelitian menunjukkan bahwa kombinasi PCA dan KNN mampu mencapai tingkat akurasi tinggi dalam mengklasifikasikan ketiga jenis buah tersebut, dengan tingkat akurasi terbaik sebesar 93%. Kombinasi metode ini dapat diandalkan sebagai solusi dalam sistem klasifikasi otomatis berbasis citra digital.
KLASIFIKASI BAWANG MERAH, BAWANG PUTIH, DAN TOMAT DENGAN HYBRID INTELLIGENCE SYSTEM BERBASIS KNN DAN PCA Permata, Edo; Ramadhanu, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13559

Abstract

Sektor pertanian memiliki peran penting dalam meningkatkan ketersediaan pangan, kesejahteraan petani, serta menjaga kelestarian lingkungan. Komoditas seperti bawang putih, bawang merah, dan tomat berkontribusi dalam mendukung ketahanan pangan dan perekonomian petani. Penelitian ini bertujuan mengembangkan sistem otomatis untuk mengklasifikasikan bawang putih, bawang merah, dan tomat berdasarkan citra visual menggunakan metode Hybrid Intelligence, yaitu kombinasi K-Nearest Neighbor (KNN) dan Principal Component Analysis (PCA). Sistem Hybrid Intelligence efektif diterapkan dalam berbagai bidang pengolahan citra. Dataset yang digunakan meliputi 16 data latih (7 bawang putih, 4 bawang merah, 5 tomat) dan 10 data uji (4 bawang putih, 3 bawang merah, 3 tomat). Hasil menunjukkan sistem hybrid ini mampu mencapai akurasi 96,15% dalam pengujian validasi, dengan nilai parameter K terbaik adalah 3. Sistem ini berhasil mengklasifikasikan bawang putih, bawang merah, dan tomat dengan tingkat akurasi tinggi, memberikan solusi efisien dan efektif dalam mendeteksi berdasarkan citra
Co-Authors ., Ulfa Afriadi Afriadi Afriadi, A Agsera, Nilam Agus Salim, David Agusty, Dhia Fadhila Ahmad Syarif ahmad yani Akbar, Syifa Chairunnissa Deliva Al-arrafi, Muhammad Ikhsan Andry Novrianto Angga Angga Anggara Putra, Febri Antoni Antoni Arsyah Arsyah atiqah, sri Avezrima Rahmamuthi Bayuputra, Ramdani Berta Agus Petra Betriana Roza, Yesi Betriana, Yesi Chairunnissa Deliva Akbar, Syifa Chan, Fajri Rinaldi Delvi, Syerlin Aprilia Desi Permata Sari Desi Permata Sari Desi Permata Sari Desi Permata Sari Devi Maryuni Devita, Retno Dhia Fadhila Agusty Dicky Imansyah, Muhammad Dila, Rahmah Dinantia, Triend Dodi Guswandi Enggari, Sofika Erlanda, Hadrian Fadila Cahyani Putri Fajri Saputra, Charisman Fajrul Islami Febri Hadi Fiki Pratama Firmansyah, Ryan Firna Yenila Fitri Yeni Gafari, Abuzar Gunadi Widi Nurcahyo Hadi Syahputra Hadi Syahputra Hadi Syahputra Putra Halifia Hendri Hanna Pratiwi Harnaranda, Jefri Hasmaynelis Fitri 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 Kareem, Shahab Wahhab Karseno, Doni Khomsi, Ahmad Larissa Navia Rani M.Iqbal, M.Iqbal Maharani, Filsha Rifi Majid, Mazlina Abdul Mardison Mardison Mardison Mardison Mardison Marfalino, Hari Masri, Taufik Mokti Isra Mokti Isra Muhammad Idris Muhammad Raihan Zaky Muhammad Raihan Zaky Muhammad Yusuf Nabila Frisca Oktavia Nadia, Nadia Aini Hafizhah Nasution, Amir Salim Khairul Rijal Nasution, Annio Indah Lestari Negoro, Wahyu Saptha Neni Sri Wahyuni Nengsi Neni Sri Wahyuni Nengsi Neni Sri Wahyuni Nengsi Neni Sri Wahyuni Nengsih Neni Sri Wahyuni Nengsih Neni Sri Wayuni Ningsih Neni Sri Wayuni Ningsih Ningsih, Neni Sri Wayuni 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 Raja Ayu Mahessya Rani, Larissa Navia Repelita Witri Rheza Thresya Rianti, Eva Riati, Itin Rindy Citra Dewi Riyan Saputra, Riyan Rizky Gusrianto Rosa, Imelda Rosda Syelly Sajida, Mayang salim, alfajri Saputra, Charisman Fajri Saputra, Randy Sarjon Defit Selvia, Dina Silfia Andini, Silfia Sisi Hendriani Sofika Enggari Sofika Enggari Sofika Enggari Sovia, Rini Suci Wahyuni Sularno Sularno Sumijan, S Sutri, Ridwan Syafri Arlis Syafrika Deni Rizki Syafrika Deni Rizki, Syafrika Deni Syafril Syafril Syafril, S Syalsabilla, Adinda Teri Ade Putra Tesa Vausia Sandiva Tomi, Zebbil Billian Utama Putra, Kharisma Utari, Utari Armila Vidyanti, Angela Citra 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 Zubaidah, Rima Puti