Article Per Year (5 Year)
p-Index From 2021 - 2026
7.853
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Jurnal Ilmiah Kursor Scan : Jurnal Teknologi Informasi dan Komunikasi Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Informatika dan Teknik Elektro Terapan JIEET (Journal of Information Engineering and Educational Technology) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Journal of Information System, Applied, Management, Accounting and Research Jurnal Mantik Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi bit-Tech JATI (Jurnal Mahasiswa Teknik Informatika) Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Bertuah : Jurnal Syariah dan Ekonomi Islam Journal of Applied Data Sciences International Journal Of Computer, Network Security and Information System (IJCONSIST) Jurnal Informatika Teknologi dan Sains (Jinteks) ILTEK : Jurnal Teknologi Jurnal Informatika Polinema (JIP) Repeater: Publikasi Teknik Informatika dan Jaringan Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi Uranus: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika Jurnal Informatika Dan Tekonologi Komputer Jati Emas (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat)
Achmad Junaidi
Universitas Pembangunan Nasional Veteran Jawa Timur
Religion Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mechanical Engineering Public Health Social Sciences Other

Published : 65 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 65 Documents
Search

 1   2   3   4   5 
OPTIMASI ALGORITMA K-NEAREST NEIGHBOR DENGAN ALGORITMA GENETIKA PADA DETEKSI PENYAKIT DIABETES MELLITUS Darmawan, Marcellinus Aditya Vitro; Haromainy, M. Muharrom Al; Junaidi, Achmad
JATISI Vol 12 No 2 (2025): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v12i2.11353

Abstract

This study discusses the optimization of the K-Nearest Neighbor (KNN) algorithm using Genetic Algorithm (GA) in detecting diabetes mellitus. The research includes stages of collecting datasets on diabetes mellitus symptoms, data preprocessing through normalization and dataset alignment, model implementation, and testing with various scenarios to achieve the highest accuracy. The data used consists of the Pima Indians Diabetes Database as dataset 1 and the Early Stage Diabetes Risk Prediction Dataset as dataset 2. The evaluation is conducted by comparing the accuracy results between KNN without optimization and KNN optimized using Genetic Algorithm. The study's results indicate that optimization is performed by finding the optimal combination of the k-value and the features used in classification. The Genetic Algorithm produces individuals with the best fitness based on the combination of k-values and features that yield the highest accuracy. Testing was conducted on two datasets with two different fold values. The best accuracy was obtained in the 10-fold test, where the accuracy for dataset 1 increased from 74.2% to 79.1% after optimization. Meanwhile, for dataset 2, the accuracy improved from 97.5% to 98.2% after optimization. There was an increase in accuracy for dataset 1, whereas for dataset 2, the improvement was not significant. The conclusion of this study is that optimizing the KNN algorithm using Genetic Algorithm has proven to enhance the accuracy of diabetes mellitus detection, especially in numerical datasets with more complex features.
Penerapan Gated Recurrent Unit dengan Bayesian Optimization dalam Prediksi Harga Saham Sektor FMCG Mas Diyasa, I Gede Susrama; Akmal, Mohammad Faizal; Junaidi, achmad
JIEET (Journal of Information Engineering and Educational Technology) Vol. 9 No. 1 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v9n1.p36-41

Abstract

Peningkatan partisipasi investor muda terutama dari Generasi Z dan Milenial menciptakan kebutuhan mendesak untuk menggunakan metode prediksi yang lebih akurat guna meminimalkan risiko investasi. Penelitian ini bertujuan untuk mengembangkan model prediksi harga saham pada sektor Fast-Moving Consumer Goods (FMCG) di Indonesia dengan memanfaatkan algoritma Gated Recurrent Unit (GRU) yang dioptimalkan menggunakan teknik Bayesian Optimization. Metode penelitian ini dimulai dengan pembagian data saham PT Hanjaya Mandala Sampoerna Tbk (HMSP) dari tahun 2019 hingga 2025, yang dibagi menjadi data train (60%), data validation (20%), dan data test (20%). Selanjutnya, dilakukan preprocessing data berupa normalisasi dan sequencing untuk mempersiapkan data. Model GRU yang diterapkan diuji dengan menggunakan metrik evaluasi seperti Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE), yang menghasilkan akurasi prediksi yang tinggi dengan RMSE 17.07, MAE 11.50, dan MAPE 1.48%. Penelitian ini menunjukkan bahwa penerapan Bayesian Optimization dapat memberikan efektivitas pemilihan hyperparameter menghasilkan model yang lebih presisi dalam memprediksi harga saham FMCG di Indonesia dan memberikan panduan yang lebih andal bagi investor dalam pengambilan keputusan investasi
KLASIFIKASI PERULANGAN KANKER TIROID MENGGUNAKAN STACK ENSEMBLE DAN SMOTE Rahmanda Putri, Endin; Arman Prasetya, Dwi; Junaidi, Achmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13616

Abstract

Kanker tiroid berdiferensiasi (Differentiated Thyroid Cancer/DTC) memiliki tingkat perulangan sekitar 20%, sehingga identifikasi sejak dini menjadi krusial untuk intervensi dan rencana perawatan terhadap kekambuhan. Penelitian ini menggunakan dataset dari UCI Machine Learning Repository yang berisi 17 atribut klinis pasien dengan proporsi data latih dan uji 80:20. Untuk menangani ketidakseimbangan kelas, diterapkan Synthetic Minority Over-sampling Technique (SMOTE). Model Decision Tree, Support Vector Machine (SVM), dan Logistic Regression digunakan sebagai base learner, sementara meta learner dipilih dari salah satu algoritma tersebut untuk membentuk Stack Ensemble Learning. Decision Tree adalah model paling stabil, dengan akurasi 97% baik sebagai model tunggal, dengan SMOTE, maupun sebagai meta learner dalam Stack Ensemble. SVM memiliki akurasi 83% pada dataset asli, yang meningkat menjadi 94% setelah diterapkan SMOTE. Logistic Regression menunjukkan akurasi 96% di semua skenario. Stack Ensemble dengan meta learning Decision Tree dan Logistic Regression mempertahankan akurasi 97%, sedangkan SVM sebagai meta learner menunjukkan penurunan AUC. Analisis kurva ROC (Receiver Operating Characteristics) menunjukkan bahwa Stack Ensemble dan SMOTE meningkatkan AUC untuk Logistic Regression dan Decision Tree, namun SVM sebagai meta learner dengan dataset SMOTE mengalami penurunan performa dengan nilai terendah 0,94. Hasil ini membuktikan bahwa kombinasi Stack Ensemble dan SMOTE efektif dalam menangani ketidakseimbangan data pada dataset Differentiated Thyroid Cancer Recurrence.
KLASIFIKASI TUTUPAN LAHAN PADA CITRA SENTINEL-2 DI KAWASAN IKN MENGGUNAKAN GOOGLE EARTH ENGINE Al Fathoni, Hanif; Junaidi, Achmad; Prima Aditiawan, Firza
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13652

Abstract

Pemerintah Indonesia telah meresmikan pemindahan Ibu Kota Negara (IKN) ke Nusantara melalui Undang-Undang Nomor 3 Tahun 2022. Nusantara dirancang sebagai simbol identitas nasional dan pusat pertumbuhan ekonomi dengan konsep keberlanjutan. Pemindahan ini berdampak pada tata ruang, infrastruktur, dan lingkungan, sehingga analisis tutupan lahan menjadi krusial untuk memastikan perencanaan yang efisien. Penelitian ini bertujuan untuk mengklasifikasikan tutupan lahan di kawasan IKN menggunakan citra satelit Sentinel-2 dan teknologi Google Earth Engine (GEE). Algoritma yang digunakan adalah Random Forest (RF) dan Support Vector Machine (SVM), dengan ekstraksi fitur berbasis indeks spektral NDVI, NDBI, dan NDWI. Teknik cloud masking dengan QA Band diterapkan untuk meningkatkan kualitas data sebelum analisis lebih lanjut. Tahapan penelitian meliputi pengumpulan dan pre-processing data citra Sentinel-2, ekstraksi fitur, pembuatan dataset latih dan validasi, serta proses klasifikasi menggunakan algoritma RF dan SVM. Evaluasi dilakukan dengan metrik akurasi, presisi, recall, dan F1-score untuk menentukan model terbaik. Hasil penelitian menunjukkan bahwa model RF dengan 100 pohon (RF_100trees) dan SVM dengan kernel linear (SVM_LINEAR) memiliki akurasi validasi terbaik sebesar 88%. RF unggul dalam kestabilannya dengan jumlah pohon yang besar, sementara SVM lebih sensitif terhadap pemilihan parameter kernel. Kesimpulannya, kedua model ini efektif dalam klasifikasi tutupan lahan kawasan IKN.
Segmentasi Optic Cup dan Optic Disc Menggunakan U-Net Backbone Resnet50 Bachtiar Riza Pratama; Fetty Tri Anggraeny; Achmad Junaidi
Jurnal Informatika Polinema Vol. 11 No. 4 (2025): Vol. 11 No. 4 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i4.7352

Abstract

Glaukoma merupakan penyakit mata serius yang dapat menyebabkan kebutaan permanen. Salah satu indikator penting dalam diagnosis glaukoma adalah nilai Cup to Disc Ratio (CDR), yang diperoleh dari segmentasi area optic disc (OD) dan optic cup (OC) pada citra fundus retina. Penelitian ini mengembangkan model segmentasi berbasis U-Net dengan backbone ResNet50 untuk mendeteksi area OD dan OC secara otomatis. Data yang digunakan adalah dataset REFUGE sebanyak 1200 citra fundus dan mask ground truth. Sebelum pelatihan, dilakukan tahap pra-pemrosesan yang mencakup ekstraksi ROI optic disc menggunakan metode Normalized Cross-Correlation (NCC) dan peningkatan kontras dengan CLAHE.Model dievaluasi menggunakan metrik Dice Coefficient dan Intersection over Union (IoU) untuk mengukur akurasi segmentasi. Hasil segmentasi menunjukkan bahwa model menghasilkan nilai Dice Coefficient sebesar 0,9175 dan IoU sebesar 0,8976 untuk segmentasi optic disc, serta Dice sebesar 0,8924 dan IoU sebesar 0,8057 untuk segmentasi optic cup. Guna memperhalus bentuk kontur, diterapkan metode ellipse fitting pada hasil segmentasi sebelum perhitungan CDR. Nilai CDR yang diperoleh kemudian digunakan untuk mengklasifikasikan tingkat keparahan glaukoma.
Analisa Komparasi Algoritma Machine Learning dan Deep Learning Dalam Klasifikasi Citra Ras Kucing Royan Fajar Sultoni; Achmad Junaidi; Eva Yulia Puspaningrum
Neptunus: Jurnal Ilmu Komputer Dan Teknologi Informasi Vol. 2 No. 3 (2024): Agustus: Neptunus: Jurnal Ilmu Komputer Dan Teknologi Informasi
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/neptunus.v2i3.251

Abstract

Cats (Felis catus) are a type of carnivorous mammal from the Felidae family that was domesticated and has been one of the animals that has mingled with humans since time immemorial. Domestic cats are broadly divided into 2 types, namely village cats and purebred cats. Purebred cats have quite a varied number of types. Therefore, confusion often occurs in determining the type or breed of cat. Meanwhile, in practice, each race does not have the same treatment (especially in the aspect of care). In digital image processing, Machine Learning and Deep Learning are the main aspects in the process of applying technology that can overcome this problem, so research related to this problem was designed. This research was conducted to add insight for further research in a more sophisticated and effective image recognition process. In the experiments carried out in this research, the SVM, KNN, and CNN methods were tested with the Xception and EfficientNet-B1 architectures. Based on the final results obtained from this test, the CNN method with the Xception architecture is the best model. By using fine-tuning and a learning-rate of 1e-5, this method produces a micro average value of 0.974, on a cat breed image dataset of 13 classes and 7800 images. Meanwhile, the method that produces the fastest ETA Training and Testing is obtained by the KNN method, with an ETA Training time of 0.194 seconds, and an ETA Testing time of 1.782 seconds.
IMPLEMENTASI K-MEANS CLUSTERING DALAM SEGMENTASI PELANGGAN BERDASARKAN USIA, PENDAPATAN, DAN MODEL RFM (STUDI KASUS: LANTIKYA STORE JOMBANG) kristanti, beni tiyas; Junaidi, Achmad; Mandyartha, Eka Prakarsa
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4677

Abstract

Lantikya Store Jombang merupakan salah satu toko retail di Kabupaten Jombang yang belum menerapkan strategi pemasaran yang memberikan pelayanan yang berbeda berdasarkan karakteristik dan tipe pelanggan. Segmentasi pelanggan adalah proses membagi pelanggan kedalam kelompok berdasarkan karakteristik atau perilaku yang berbeda untuk menunjukkan tingkat keragaman di antara pelanggan. Karakteristik dan perilaku pelanggan dilihat berdasarkan usia, pendapatan, rencency (terakhir melakukan transaksi), frequency (jumlah kedatangan), dan monetery (jumlah uang yang dikeluarkan) atau disebut dengan RFM (Rencency, Frequency, dan Monetery). Pengelompokkan dilakukan dengan salah satu algoritma yaitu K-Means dengan jumlah data yaitu 1140 data. Pada penelitian ini menghasilkan 4 kelompok berdasarkan perbandingan hasil dari metode pencarian kelompok yaitu elbow method, silhouette method, dan gap statistic. Analisis yang dilakukan untuk menyususun startegi pemasaran dihitung berdasarkan nilai variabel dengan metode Analytic Hierarchy Process (AHP) dan Customer Lifetime Value (CLV). Karakteristik dan tipe pelanggan yang dihasilkan dari 4 kelompok pelanggan yaitu usia generasi milenial yang memiliki pendapatan tinggi dengan tipe pelanggan untuk retensi umum dan pelanggan bernilai penting, serta usia generasi Z yang memiliki pendapatan rendah dengan tipe pelanggan untuk pengembangn umum dan pelanggan yang hilang.
KLASIFIKASI INDEKS STANDAR PENCEMARAN UDARAN (ISPU) MENGGUNAKAN ALGORITMA XGBOOST DENGAN TEKNIK IMBALANCED DATA (SMOTE) Sajiwo, Achmad Fauzihan Bagus; Rahmat, Basuki; Junaidi, Achmad
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4699

Abstract

Polusi udara adalah masuknya zat-zat berbahaya ke atmosfer, yang dapat disebabkan oleh tindakan manusia, serta oleh peristiwa alam. Menurut Air Quality Live Index (AQLI) pada bulan April 2021, DKI Jakarta sebagai ibu kota negara, menempati posisi keenam di dunia dengan kota tingkat kualitas udara yang paling buruk. Untuk menghadapi masalah polusi udara yang terus memburuk, perlu diambil tindakan yang tepat, satu diantaranya adalah melakukan penelitian klasifikasi indeks standar pencemaran udara (ISPU). Penerapan klasifikasi ISPU membutuhkan metode yang dapat mengolah dan menganalisis pola data dari sensor-sensor yang mengukur tingkat polutan udara. Metode yang digunakan pada penelitian ini adalah eXtreme Gradient Boosting (XGBoost). Untuk membantu menyeimbangkan data, pada penelitian ini menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Data yang digunakan adalah ISPU DKI Jakarta tahun 2022-2023. Hasil klasifikasi indeks standar pencemaran udara menggunakan algoritma XGBoost dengan teknik SMOTE, didapatkan akurasi sebesar 99.63%.
KLASIFIKASI CITRA PENYAKIT KANKER MULUT MENGGUNAKAN ARSITEKTUR RESNET50 OPTIMASI ADAM DAN SGD Fauzan Novriandy, Muhammad; Rahmat, Basuki; Junaidi, Achmad
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4732

Abstract

Kanker mulut merupakan salah satu kanker terbanyak yang terjadi di dunia dan tercatat menempati urutan keenam pada kategori kanker yang sering terjadi serta kanker yang paling banyak menyebabkan kematian. Klasifikasi penyakit kanker mulut menggunakan 5.000 data gambar untuk 2 kelas yaitu Normal dan Oral Squamous Cell Carcinoma (OSCC). Peneliti menggunakan arsitektur Resnet50 dengan optimizer Adam dan SGD untuk melakukan klasifikasi pada dataset yang terbatas. Hasil Penelitian menggunakan model Resnet50 memiliki hasil akurasi lebih baik apabila menggunakan Optimasi SGD, Akuisisi Data 80 % dan 20 %, menggunakan Batch Size 32 dengan akurasi sebesar 0.95 daripada Optimasi Adam dengan akurasi tertinggi pada penerapan model Resnet50 menggunakan Optimasi Adam pada akuisisi data 70 % dan 30 % menggunakan Batch Size 32 dengan memperoleh akurasi sebesar 0.84. Pada pelatihan dan pengujian dengan data uji/validasi, model Resnet50 menggunakan Optimasi SGD, pada Akuisisi Data 70 % dan 30 %, dan menggunakan Batch Size 32. mencapai hasil klasifikasi gambar terbaik. Kelas normal berhasil diklasifikasikan dengan benar sebanyak 470 gambar, sedangkan terdapat 26 gambar yang salah diklasifikasikan. Untuk kelas OSCC, terdapat 473 gambar yang diklasifikasikan dengan benar dan hanya 37 gambar yang salah diklasifikasikan.
PENENTUAN PUSAT KLASTER SECARA OTOMATIS PADA ALGORITMA DENSITY PEAKS CLUSTERING BERBASIS METODE INTER QUARTILE RANGE Efendi, Ridwan; Junaidi, Achmad; Rizki, Agung Mustika
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4997

Abstract

Clustering adalah sebuah metode untuk mengelompokkan data yang sejenis ke dalam satu bagian yang sama. Proses ini mampu membantu manusia untuk mendapatkan informasi secara lebih cepat. Dalam konteks media sosial misalnya, metode clustering dapat memberikan informasi terkait konten yang cenderung disukai dan kurang disukai. Algoritma Density Peaks Clustering (DPC) adalah salah satu algoritma yang cukup populer digunakan untuk mengelompokkan sebuah data. Sudah banyak penelitian yang menggunakan algoritma ini. Namun, algoritma DPC memiliki kekurangan dalam hal penentuan pusat klaster. Pusat Klaster dalam algoritma DPC masih dipilih secara manual melalui grafik keputusan. Pemilihan pusat klaster secara otomatis menambah subjektivitas dan ketidakstabilan dalam algoritma. Untuk mengatasi masalah tersebut, diusulkan sebuah algoritma ‘Penentuan Pusat Otomatis’ yang berbasis pada metode Inter Quartile Range (IQR). Algoritma ini diuji menggunakan dataset iris, aggregation, flame, dan spiral. Hasil pengujian menunjukkan bahwa algoritma yang diusulkan dapat memperoleh hasil clustering yang lebih baik dan lebih akurat.
Co-Authors Achmad Rozy Priambodo Afifudin, Muhammad Agung Mustika Rizki, Agung Mustika Akbar, Refansya Rachmad Akmal, Mohammad Faizal Al Fathoni, Hanif Andreas Nugroho Sihananto Andreas Nugroho Sihananto Anggraini Puspita Sari Anggraini Puspita Sari Anggraini Puspita Sari Ar Romandhon, Mitzaqon Gholizhan Ardiyansyah, Moh. Angga Arif Saifudin, Muhamad Ariq Musyaffah Ghufron, Althaf Arrisalah, Muhammad Baihaqi Bachtiar Riza Pratama Basuki Rahmat Basuki Rahmat Masdi Siduppa beni tiyas kristanti Ciptaagung Firjat Ardine Dafauzan Bilal Syaifulloh Darmawan, Marcellinus Aditya Vitro Diyasa, I Gede Susrama Mas Dunuroi Assuryani Dwi Arman Prasetya Efendi, Ridwan Eka Prakarsa Mandyartha Erik evranata Pardede Erik Iman Heri Ujianto Eva Yulia Puspaningrum Fatullah, Ryan Reynickha Fauzan Novriandy, Muhammad Fetty Tri Anggraeny Firza Prima Aditiawan Galan Ahmad Defanka Hafiyan Fazagi Adnanto Henni Endah Wahanani Henni Endah Wahanani I Gede Susrama Mas Diyasa Isworo, Muhamad Raihan Ramadhani Izzatul Fithriyah Kartini Kartini kristanti, beni tiyas Kurniawan, Muh. Irsyad Dwi Lesmana, Benedictus Rafael Mandyartha, Eka Prakarsa Maulana, Hendra Mochammad Yoga Firnanda Mohammad Haydir Awaludin Waskito Muhammad Azka Zaki Muhammad Muharrom Al Haromainy Muhammad Muharrom Al Haromainy Muhammad Muharrom Al Haromainy Mustika Rizki, Agung Mutiq Anisa Tanjung Muttaqin, Faisal Nugroho Sihananto, Andreas Nurlaili, Afina Lina Oktaviana, Dinda Friska Paramitha, Clara Diva Permanasari, Wahyu Melinda Prastyo, Kus Dwi Pratama, Novandi Kevin Prinafsika PW, Benar Setya Rachmadhany Iman Rafie Ishaq Maulana Rahmanda Putri, Endin Ratantja Kusumajati, Fatwa Rayya Ruwa'im Nafie Ridwan Efendi Riza Satria Putra Rizki, Agung Mustika Royan Fajar Sultoni Sajiwo, Achmad Fauzihan Bagus Salsabila, Belia Putri Sari, Allan Ruhui Fatmah Sebrina, Aida Fitriya Shahab, Muhammad Syaugi Sitompul, Pelean Alexander Jonas Syahbagus Radithya Haryo Santoso Thalita Syahlani Putri Tinambunan, Fernanda Vierino, Farrel Tiuraka Wahyu Gunawan, Rafif Ilafi Wardah Gracillaria Suharyono, Farra William Lijaya Therry, Renaldy Zaim, Mohammad Syarifuz