Article Per Year (5 Year)
p-Index From 2021 - 2026
4.959
P-Index
This Author published in this journals
All Journal Infotech Journal JITEK (Jurnal Ilmiah Teknosains) Format : Jurnal Imiah Teknik Informatika IJCIT (Indonesian Journal on Computer and Information Technology) Indonesian Journal on Software Engineering (IJSE) JIEET (Journal of Information Engineering and Educational Technology) InComTech: Jurnal Telekomunikasi dan Komputer Jurnal ULTIMA Computing JURIKOM (Jurnal Riset Komputer) KOMPUTEK Majalah Ilmiah UNIKOM Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Infortech Djtechno: Jurnal Teknologi Informasi Computer Science (CO-SCIENCE) IMTechno: Journal of Industrial Management and Technology Simpatik: Jurnal sistem Informasi dan Informatika JUSTIN (Jurnal Sistem dan Teknologi Informasi) Journal of Artificial Intelligence and Digital Business International Journal of Advanced Science Computing and Engineering Journal Medical Informatics Technology Jurnal Informatika: Jurnal Pengembangan IT Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Waeisul Bismi
Universitas Bina Sarana Informatika
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences Veterinary Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Menerapkan Algoritma Djikstra dan Metode Heuristic Dalam Menentukan Jalur Terpendek Menuju Kampus Noor, Mohamad; Bismi, Waeisul; Gata, Windu
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 6, No 2 (2021): IJCIT November 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (430.18 KB) | DOI: 10.31294/ijcit.v6i2.9887

Abstract

AbstrakKemacetan adalah situasi atau keadaan tersendatnya atau bahkan terhentinya lalu lintas yang disebabkan oleh banyaknya jumlah kendaraan yang melebihi kapasitas jalan. Kemacetan banyak terjadi di kota-kota besar, terutama kota yang tidak mempunyai transportasi publik yang baik atau kurang memadai. Bisa juga tidak seimbangnya kebutuhan jalan dengan kepadatan penduduk. Banyak langkah-langkah yang sudah dilakukan oleh pemerintah untuk mengatasi kemacetan. Akan tetapi, kemacetan tetap saja masih terjadi. Oleh karena itu pengguna jalan harus menemukan cara sendiri untuk mengatasi masalah tersebut. Salah satu cara yang efektif yaitu mencari jalur alternatif terpendek yang dapat dilalui dengan menggunakan Algoritma Dijkstra. Penggunaan Algoritma Dijkstra dan metode Heuristic dapat memberikan peluang solusi, karena Algoritma Dijkstra yang dipaduakan dengan metode Heuristic ini memberikan keluaran berupa jalur tercepat dan terpendek dari tempat asal menuju tempat tujuan. Dalam penelitian ini peneliti mendapati jalur terpendek dari wilayah bojong kulur menuju tempat tujuan yaitu kampus Universitas Nusa Mandiri dengan menerapkan  Algortitma Djikstra  dan metode Heuristic yakni dengan jarak 26,1 Km.Kata Kunci: algoritma dijkstra, Heuristic, jalur terpendekAbstractCongestion is a situation or condition of traffic jams or cessation of traffic caused by the large number of vehicles that exceed the capacity of the road. Congestion occurs a lot in big cities, especially cities that do not have good or inadequate public transportation. It could also be that the road needs are not balanced with the population density. Many steps have been taken by the government to overcome congestion. However, traffic jams still occur. Therefore, road users must find their own way to solve the problem. One effective way is to find the shortest alternative path that can be traversed using Dijkstra's Algorithm. The use of Dijkstra's Algorithm and Heuristic methods can provide solution opportunities, because Dijkstra's Algorithm combined with this Heuristic method provides output in the form of the fastest and shortest path from the origin to the destination. In this study, researchers found the shortest path from the bojong kulur area to places, namely the Nusa Mandiri University campus by applying the Djikstra algorithm and Heuristic methods, with a distance of 26.1 Km. Keywords: dijkstra algorithm, Heuristics, shortest path
Prediksi Harga Saham Netflix Inc. (NFLX) di Nasdaq menggunakan Algoritma Machine Learning berbasis Data Mining Bismi, Waeisul; Siregar, Aris Parnius; Qomaruddin, Muhammmad
KOMPUTEK Vol. 9 No. 2 (2025): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v9i2.3452

Abstract

Pergerakan harga saham yang fluktuatif membuat prediksi harga saham menjadi aspek penting dalam pengambilan keputusan investasi. Netflix Inc. (NFLX), sebagai salah satu emiten teknologi terkemuka yang terdaftar di NASDAQ, menunjukkan pola pergerakan harga saham yang dinamis dan dipengaruhi oleh berbagai faktor internal dan eksternal. Penelitian ini bertujuan untuk menerapkan algoritma machine learning berbasis data mining dalam memprediksi harga saham Netflix Inc., dengan menggunakan perangkat lunak Orange Data Mining yang bersifat visual dan mendukung berbagai metode klasifikasi. Metode penelitian terdiri dari lima tahapan utama, yaitu: pengumpulan data, pra-pemrosesan data, implementasi model, pengujian model, dan evaluasi kinerja. Dataset yang digunakan diperoleh dari Investing.com dalam periode Januari 2022 hingga Desember 2023, dengan total 501 data harian yang mencakup fitur seperti harga pembukaan, harga penutupan, harga tertinggi, harga terendah, dan volume transaksi. Algoritma klasifikasi yang digunakan meliputi Support Vector Machine (SVM), Neural Network, dan Naive Bayes. Data dibagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil pengujian menunjukkan bahwa algoritma Neural Network memberikan performa terbaik dengan nilai AUC sebesar 0,937, akurasi (CA) 88%, dan nilai MCC sebesar 0,759. Algoritma SVM menghasilkan akurasi 84,3% dan MCC 0,690, sedangkan Naive Bayes memiliki akurasi 83% dengan MCC 0,660. Evaluasi menggunakan confusion matrix memperlihatkan bahwa model mampu mengenali pola klasifikasi naik atau turun dengan tingkat kesalahan yang minim. Dengan demikian, penerapan algoritma machine learning pada data mining terbukti efektif dalam melakukan prediksi harga saham, dan dapat digunakan sebagai acuan dalam pengambilan keputusan investasi di pasar modal berbasis data historis.
SISTEM INFORMASI PANGGIL KULI PROYEK (SIPAKUPROY) BERBASIS WEBSITE MENGGUNAKAN FRAMEWORK CODEIGNITER Bismi, Waeisul; Febriyani, Anisa; Ramadhan, Farid
(JITEK)Jurnal Ilmiah Teknosains Vol 9, No 2/Nov (2023): JiTek
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jitek.v9i2/Nov.16198

Abstract

The development of Website-based information systems has provided significant benefits in terms of distance, time, and accessibility, particularly in the construction industry for finding skilled and experienced construction workers. However, challenges arise in finding qualified workforce due to the phenomenon of globalization. To overcome this issue, SIPAKUPROY is designed as an information system that supports these needs. Through SIPAKUPROY, users can access multiple construction worker teams, obtain detailed pricing information, and follow an efficient payment process. The transition process from manual to digital sales systems, known as digitalization, is a crucial key in implementing SIPAKUPROY, which requires suitable and reliable software and hardware. In the design of SIPAKUPROY, user-friendly design is the main focus, aiming to provide an easy and comfortable user experience. Overall, SIPAKUPROY offers a solution for individuals seeking reliable construction workers without personal connections in the industry. Thus, SIPAKUPROY makes a positive contribution in addressing the challenges faced in finding trustworthy construction workers in this era of globalization.
Pengembangan Aplikasi Prediksi Harga Emas Berbasis Web Menggunakan Model Time Series Abdullah, Fikrian Nur; Nurardian, Ridwana Septian; Liya, Amel; Saputra, Ari Setia; Saputra, Atio Wahyudi; Bismi, Waeisul
Jurnal Informatika: Jurnal Pengembangan IT Vol 10, No 4 (2025)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v10i4.9165

Abstract

High gold price volatility due to global economic instability poses challenges in investment decision-making. This research aims to develop a web-based gold price prediction application using a time series model, focusing on the Gated Recurrent Unit (GRU) algorithm. This application is designed to present real-time, accurate, and easily accessible gold price predictions, thereby increasing the efficiency and transparency of information for investment decision making. The development process starts from collecting and preprocessing daily gold price data for the period 2013-2023, then comparing four predictive models: LSTM, GRU, ARIMA, and XGBoost. Evaluation is performed using MAE, RMSE, and R² metrics. Results showed that GRU provided the best performance with an RMSE value of 17.76 and R² of 0.9410. The GRU model is integrated into a web application using the Flask framework, with an interactive HTML-based interface and Chart.js visualization. This application presents real-time gold price predictions and can be accessed by general users and investors. The results of this study show that the time series approach with GRU is effective in projecting gold prices, and can be a relevant tool in supporting data-based investment decisions.
Implementasi YOLOv8 dan FaceNet untuk Sistem Keamanan Real-Time Berbasis IoT Kurniawan, Ery; Rahmandhani, Rifqi; Rizkiansyah, Dimas; Kurniawati, Ika; Bismi, Waeisul; Fahlapi, Riza
FORMAT Vol 15, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.009

Abstract

Sistem keamanan CCTV konvensional umumnya hanya berfungsi sebagai perekam pasif tanpa kemampuan analisis otomatis, yang menyebabkan keterlambatan deteksi karena proses identifikasi dilakukan secara manual. Keterbatasan ini menimbulkan latensi tinggi dan akurasi deteksi yang rendah, sehingga menjadi masalah krusial dalam kebutuhan keamanan modern. System keamanan yang baik dapat mencegah tindak kejahatan yang bisa merugikan penghuni rumah baik fisik maupun materiil. Penelitian ini mengusulkan pengembangan sistem keamanan cerdas berbasis Internet Of Things (IoT) dengan integrasi deteksi wajah menggunakan YOLOv8 dan pengenalan wajah FaceNet menggunakan modul ESP32-CAM. Sistem ini dirancang untuk mendeteksi wajah secara real-time, identifikasi individu secara otomatis, serta pengiriman notifikasi instan melalui Telegram ketika terdeteksi wajah yang tidak dikenal. Metode penelitian ini meliputi perancangan arsitektur IoT, pengambilan dataset wajah, preprocessing menggunakan MTCNN, FaceNet untuk menghasilkan facial embeddings, serta implementasi YOLOv8 sebagai detektor wajah real-time. Evaluasi kinerja pengenalan wajah dilakukan dengan menerapkan metode 5-fold cross-validation pada dataset embedding FaceNet menggunakan pengklasifikasi k-NN. Hasil eksperimen menunjukan bahwa sistem mampu mendeteksi wajah dengan tingkat respon tinggi dan mengenali individu dengan akurasi yang konsisten pada pencahayaan dan jarak bervariasi. Hasil pengujian training rata-rata accuracy Top-1 mencapai 0.96 dan rata-rata accuracy Top-5 sebesar 0.99, YOLOv8 menunjukkan kemampuan deteksi wajah yang akurat dan cepat dengan waktu respon 1,86 detik pada server berbasis CPU Intel Core i5 dan GPU Intel UHD Graphics 620. Performa pengujian akurasi FaceNet dengan pengklasifikasi k-NN menghasilkan akurasi 99.35%, presisi 99,35%, recall 98,94%, F1-score 99,11%, dan FPR (False Positive Rate) 0,08%, hal ini menunjukkan bahwa sistem memiliki akurasi pengenalan wajah yang sangat tinggi dan konsisten. Sistem yang dikembangkan mampu memberikan peringatan instan kepada pengguna melalui Telegram saat terdeteksi wajah yang tidak dikenal, sehingga meningkatkan waktu respons terhadap potensi ancaman. Dengan performa yang stabil dan tangguh serta biaya implementasi yang rendah, sistem ini menawarkan solusi keamanan modern yang lebih adaptif, proaktif, efektif, dan efisien dibandingkan CCTV konvensional.
Analisis Sentimen dan Kepuasan Pengguna Aplikasi Pinjaman Online Berdasarkan Ulasan Di Google Play Bela, Sintia; Harianja, Putri Alletheia; Bismi, Waeisul; Kurniawati, Ika; Fahlapi, Riza
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4245

Abstract

Pentingnya analisis sentimen pengguna dalam meningkatkan kualitas layanan semakin menonjol seiring dengan pesatnya perkembangan layanan fintech di Indonesia, khususnya pada aplikasi pinjaman online. Penelitian ini bertujuan untuk mengukur tingkat kepuasan pengguna terhadap lima aplikasi pinjaman online, yaitu AdaPundi, Julo, IndoDana, AdaKami, dan BantuSaku, berdasarkan ulasan pengguna di Google Play Store. Metode yang digunakan dalam penelitian ini adalah analisis sentimen dengan algoritma K-Nearest Neighbor (KNN). Data ulasan yang dikumpulkan melalui Google Play Store terlebih dahulu melalui tahap text preprocessing, termasuk pembersihan data dan normalisasi teks. Selanjutnya, ekstraksi fitur dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Untuk mengatasi ketidakseimbangan kelas data sentimen, pendekatan Synthetic Minority Over-sampling Technique (SMOTE) diterapkan sebelum proses pelatihan model KNN. Hasil penelitian yang diolah menggunakan Google Collab dan Bahasa pemrograman Python menunjukkan bahwa algoritma KNN mampu memberikan kinerja klasifikasi yang baik pada seluruh aplikasi yang dianalisis. BantuSaku memperoleh akurasi tertinggi sebesar lebih dari 93%, diikuti oleh AdaPundi (>93%), IndoDana (91%), serta AdaKami dan Julo dengan akurasi sekitar 84–85%. Selain itu, BantuSaku juga memiliki proporsi sentimen positif tertinggi, yaitu sebesar 83,2%, yang menunjukkan tingkat kepuasan pengguna paling tinggi. Dengan demikian, penelitian ini menyimpulkan bahwa KNN efektif digunakan dalam analisis sentimen dan mampu membandingkan tingkat kepuasan pengguna pada berbagai aplikasi fintech pinjaman online
ANALISIS SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN GEMINI AI DENGAN METODE MACHINE LEARNING Rosandi, Rivana; Febrianto, Ade Ilham; Gibran, Afrizal Achmad; Bismi, Waeisul; Kurniawati, Ika; Fahlapi, Riza
Djtechno: Jurnal Teknologi Informasi Vol 6, No 3 (2025): Desember
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i3.7962

Abstract

Meningkatnya popularitas Gemini AI sebagai platform percakapan digital besutan Google mendorong perlunya memahami bagaimana masyarakat Indonesia menilai kehadirannya. Namun, kajian mengenai persepsi publik berbasis data empiris dalam konteks layanan AI generatif masih terbatas. Penelitian ini bertujuan mengisi kesenjangan tersebut dengan menganalisis sentimen pengguna terhadap Gemini AI menggunakan 10.000 ulasan dari Google Play Store. Data diolah melalui tahapan praproses teks dan pelabelan sentimen, kemudian diklasifikasikan menggunakan beberapa model machine learning untuk memperoleh gambaran yang lebih komprehensif. Hasil penelitian menunjukkan bahwa model SVM memberikan performa paling unggul sebesar 96,34%, precision 0,97%, recall 0,95%, dan F1-score 0,96% mengungguli secara signifikan Naive Bayes (94,76%), Logistic Regression (94,24%), dan Random Forest (93,19%) dan mengindikasikan kecenderungan sentimen positif masyarakat terhadap Gemini AI. Temuan ini memberikan gambaran awal bagi pengembang untuk meningkatkan kualitas layanan dan pengalaman pengguna secara berkelanjutan, khususnya dalam menghadapi persaingan teknologi AI yang semakin dinamis.
PERBANDINGAN ALGORITMA MACHINE LEARNING UNTUK SENTIMEN ULASAN APLIKASI JOBSTREET Fadhil Marzuqi; Yerico Purba; Thalut Syaputra; Waeisul Bismi; Ika Kurniawati; Riza Fahlapi
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16609

Abstract

ABSTRAK Analisis sentiment digunakan untuk mengidentifikasi opini pengguna terhadap aplikasi digital berdasarkan teks ulasan. JobStreet sebagai platform rekrutmen yang populer memiliki ribuan ulasan pada Google Play Store, sehingga sesuai untuk dianalisis menggunakan pendekatan machine learning. Penelitian ini membandingkan empat algoritma—Naïve Bayes, Support Vector Machine (SVM), Logistic Regression, dan Random Forest—untuk menentukan model terbaik dalam klasifikasi sentimen ulasan JobStreet. Sebanyak 5.000 ulasan dikumpulkan menggunakan google-play-scraper, kemudian diproses melalui preprocessing yang meliputi casefolding, tokenizing, stopword removal, normalisasi, dan stemming. Setelah pembersihan, 3.846 ulasan valid direpresentasikan menggunakan TF-IDF. Evaluasi dilakukan dengan skema train-test split 80:20 dan 5-Fold Cross Validation. Hasil menunjukan bahwa Naïve Bayes memperoleh akurasi tertinggi 85.19%, diikuti Logistic Regression 84.42%, Random Forest 82.60%, dan SVM 81.69%. hasil dalam memproses teks pendek. Penelitian ini memberikan Gambaran komprehensif mengenai model terbaik untuk menganalisis sentimen aplikasi rekrutmen digital berbasis ulasan pengguna.
PENDEKATAN MODEL REGRESI LINIER DALAM MEMPREDIKSI HARGA RUMAH DI WILAYAH TANGERANG Dava Al Riziq; Muhamad Abdul Salam; Dhiaulhaq Ramadhan; Waeisul Bismi; Ika Kurniawati; Rizal Fahlapi
INFOTECH journal Vol. 12 No. 1 (2026)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v12i1.17335

Abstract

Harga rumah di wilayah perkotaan dipengaruhi oleh berbagai karakteristik fisik bangunan dan lahan yang bersifat kompleks. Penelitian tujuannya menilai kinerja algoritma regresi linier memperkirakan harga rumah di Kota Tangerang berdasarkan data fisik rumah. Variabel dipergunakan meliputi luas tanah, luas bangunan, jumlah kamar tidur, jumlah kamar mandi. Dataset didapat pada situs properti daring dengan 220 data awal, setelah preprocessing menghasilkan 196 data bersih. Pemodelan dilakukan menggunakan RapidMiner pembagian data 80% data latih dan 20% data uji. Evaluasi dilakukan menggunakan MAE, RMSE, R². Temuan penelitian melihatkan nilai MAE 702.585.838, RMSE sebesar 1.263.497.273, R² 0,839. Nilai error relatif besar melihatkan regresi linier belum mampu mencapai tingkat akurasi yang tinggi, namun nilai R² menunjukkan kemampuan model dalam menjelaskan sebagian besar variasi harga rumah. Oleh karena itu, regresi linier masih layak digunakan sebagai model dasar dalam prediksi harga rumah.
PENERAPAN MACHINE LEARNING UNTUK ANALISIS SENTIMEN PROGRAM MBG PADA PLATFORM X DAN YOUTUBE Putra Muamar Kadafi; Hildan Zafa Riyadi; Raka Satria Gumilang Raya; Ika Kurniawati; Waeisul Bismi; Riza Fahlapi
INFOTECH journal Vol. 12 No. 1 (2026)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v12i1.17472

Abstract

Program Makan Bergizi Gratis (MBG) merupakan kebijakan nasional yang bertujuan meningkatkan kualitas gizi anak sekolah dan menekan angka stunting. Implementasi program ini menimbulkan beragam respons di media sosial yang mencerminkan persepsi publik terhadap efektivitas kebijakan. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap Program MBG berdasarkan data dari platform X dan YouTube serta membandingkan kinerja model Support Vector Machine (SVM), Random Forest, dan Long Short-Term Memory (LSTM).  Data dikumpulkan melalui teknik web scraping dan diproses melalui tahapan pra-pemrosesan dan ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), ulasan dikategorikan menjadi 3 kelas sentimen positif, negatif, dan netral. Evaluasi model diukur menggunakan metrik akurasi, presisi, recall, dan F1-score. Model Random Forest menunjukkan kinerja yang unggul, mencapai akurasi, sebesar 87,2%.  LSTM memperoleh performa yang cukup tinggi dengan akurasi, recall, dan recall sebesar 81,8% serta 81,7 untuk F1-score. Sementara SVM memiliki performa yang rendah dibanding kedua model lainnya, dengan akurasi, presisi, recall, dan F1-score sebesar 79,1%.  Hasil studi menunjukkan bahwa Random Forest terbukti lebih stabil terhadap variasi data seperti teks dan penanganan data tidak seimbang, serta lebih tahan terhadap overfitting.  Studi ini diharapkan dapat memberikan tinjauan komparatif dari tiga algoritma populer untuk analisis sentimen dan dapat digunakan sebagai referensi untuk memilih metode klasifikasi untuk ulasan bebahasa Indonesia.
Co-Authors Abdullah, Fikrian Nur Ade Setiawan Ade Setiawan Anisa Febriyani Anton . Arina Selawati Bela, Sintia Dava Al Riziq Deny Novianti Dhiaulhaq Ramadhan Dicky Hariyanto Dwiza Riana Dwiza Riana Fadhil Marzuqi Fahlapi, Riza Fajar Shidiq Farid Ramadhan Febrianto, Ade Ilham Febriyani, Anisa Firmansyah Firmansyah Gata, Windu Gibran, Afrizal Achmad Halawa, Jenianus Hani Harafani Harianja, Putri Alletheia Hewiz , Alya Shafira Hildan Zafa Riyadi Ika Kurniawati Ika Kurniawati Jordy Lasmana Putra Jufriadif Na`am, Jufriadif Kurniawan, Ery Liya, Amel Manampiring, Jim Maxwell Maysaroh, Maysaroh Mugi Raharjo Muhamad Abdul Salam Muhammad Qomaruddin muhammad qomaruddin Musriatun Napiah Noor, Mohamad Nurardian, Ridwana Septian Nurbaety Nurbaety Putra Muamar Kadafi Putri, Destiana Putri, Halimmatussa’diyah Putri, Halimmatussa’diyah Qomaruddin, Muhammmad Rachmat Adi Purnama Rachmawati Darma Astuti Rachmawati Darma Astuti Raharjo, Mugi Rahmandhani, Rifqi Raka Satria Gumilang Raya Ramadhan, Farid Rangga Wardhana RIZA FAHLAPI Rizal Fahlapi Rizkiansyah, Dimas Rosandi, Rivana Sakata, Yama Sulkhan Sandra Dewi Saraswati Saputra, Ari Setia Saputra, Atio Wahyudi Siregar, Aris Parnius Taufik Asra Thalut Syaputra Tommi Alfian Armawan Sandi Wijaya, Aryanata Yerico Purba Zai, Jefiri