p-Index From 2021 - 2026
13.746
P-Index
This Author published in this journals
All Journal JURNAL SISTEM INFORMASI BISNIS EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi CESS (Journal of Computer Engineering, System and Science) JURNAL PENGABDIAN KEPADA MASYARAKAT Jurnal Ilmiah KOMPUTASI Sistemasi: Jurnal Sistem Informasi Sinkron : Jurnal dan Penelitian Teknik Informatika JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING JURNAL MEDIA INFORMATIKA BUDIDARMA SMARTICS Journal Indonesian Journal of Artificial Intelligence and Data Mining IJIS - Indonesian Journal On Information System JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Teknik Informatika UNIKA Santo Thomas JurTI (JURNAL TEKNOLOGI INFORMASI) Jiko (Jurnal Informatika dan komputer) ALGORITMA : JURNAL ILMU KOMPUTER DAN INFORMATIKA JISTech (Journal of Islamic Science and Technology) JURNAL TEKNOLOGI DAN OPEN SOURCE Jurnal Teknologi Sistem Informasi dan Aplikasi IJISTECH (International Journal Of Information System & Technology) JOURNAL OF SCIENCE AND SOCIAL RESEARCH Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jurnal Dedikasi Pendidikan EDUMATIC: Jurnal Pendidikan Informatika METIK JURNAL Jurnal Mantik Progresif: Jurnal Ilmiah Komputer Jurnal Ilmiah Sains dan Teknologi Zonasi: Jurnal Sistem Informasi Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Jatilima : Jurnal Multimedia Dan Teknologi Informasi Journal of Intelligent Decision Support System (IDSS) G-Tech : Jurnal Teknologi Terapan JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) INFOKUM Jurnal Sistem Komputer dan Informatika (JSON) TIN: TERAPAN INFORMATIKA NUSANTARA Brahmana : Jurnal Penerapan Kecerdasan Buatan Journal of Computer Science, Information Technology and Telecommunication Engineering (JCoSITTE) Journal of Computer Networks, Architecture and High Performance Computing IJISTECH Journal La Multiapp Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Instal : Jurnal Komputer Jurnal Info Sains : Informatika dan Sains Journal of Dinda : Data Science, Information Technology, and Data Analytics Jurnal Mandiri IT Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Algoritma Edu Society: Jurnal Pendidikan, Ilmu Sosial dan Pengabdian Kepada Masyarakat SENTRI: Jurnal Riset Ilmiah Malcom: Indonesian Journal of Machine Learning and Computer Science STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer International Journal of Science and Environment SmartComp VISA: Journal of Vision and Ideas Da'watuna: Journal of Communication and Islamic Broadcasting Future Academia : The Journal of Multidisciplinary Research on Scientific and Advanced The Indonesian Journal of Computer Science Teknologi : Jurnal Ilmiah Sistem Informasi
Claim Missing Document
Check
Articles

Stock Information System for All Smartphone Brands Using Barcode Wini Istya Sari Lubis; Rakhmat Kurniawan
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 5 No 1 (2025): February
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/dinda.v5i1.1790

Abstract

In the era of globalization, rapid development in technology that brings convenience and speed in completing human tasks. A barcode is a collection of optical data that is read by a machine. In fact, this barcode collects data in width (lines) and parallel line spacing and can be referred to as a linear or 1D (1-dimensional) barcode or symbology. Stock reports on purchases and sales of a period are useful for helping employees to assess the amount of inequality in purchasing flows, monitor stock/inventory of goods, and provide reports, both purchase reports, sales reports, and stock condition reports. ALL BRAND SMARTPHONE is a company engaged in the sale of electronic equipment. The process of checking stock at ALL BRAND SMARTPHONE has not implemented a barcode application, but is only done by checking stock manually by conducting manual checks between incoming and outgoing goods, then the final stock of goods will be calculated. Manual calculations or checks allow errors to occur in the creation or input of data. The purpose of designing this inventory information system is to be able to build a web-based inventory system that is expected to minimize errors or manipulation of inventory data using barcodes. And assist companies and employees in managing incoming goods data and outgoing goods data. The research method used involves data collection through observation, interviews, and literature studies, system development with a waterfall methodology approach.
Analisis Sentimen Mengenai Penerimaan Calon Pegawai Negeri Sipil Tahun 2024 Menggunakan Support Vector Machine Khairunissabina, Khairunissabina; Kurniawan, Rakhmat
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1: Februari 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2583

Abstract

The 2024 Civil Servants Candidates (CPNS) recruitment has attracted public attention with various opinions reflecting societal sentiment. This study applies machine learning and text mining techniques to analyze sentiment based on comments collected from various sources. The process begins with text preprocessing, including tokenization, stopword removal, and text transformation using TF-IDF. The Support Vector Machine (SVM) model is used to classify sentiment into positive and negative categories. The data is divided into training and testing sets to evaluate the model's performance. Experimental results show that the model achieves an accuracy of 82.5%, indicating a fairly good performance in recognizing public opinion patterns. This analysis provides insights into aspects that are appreciated or criticized by the public regarding the 2024 CPNS recruitment. These findings can be utilized by policymakers to develop more responsive strategies that address public needs and expectations in the CPNS selection process.Keyword: Machine Learning; Text Mining; Civil Servants Candidates; Support Vector Machine AbstrakPenerimaan Calon Pegawai Negeri Sipil (CPNS) 2024 menarik perhatian publik dengan berbagai opini yang mencerminkan sentimen masyarakat. Penelitian ini menerapkan machine learning dan teknik text mining untuk menganalisis sentimen berdasarkan komentar yang dikumpulkan dari berbagai sumber. Proses dimulai dengan pra-pemrosesan teks, termasuk tokenisasi, penghapusan stopwords, serta transformasi teks menggunakan TF-IDF. Model Support Vector Machine (SVM) digunakan untuk mengklasifikasikan sentimen menjadi positif dan negatif. Data dibagi menjadi data pelatihan dan pengujian dengan perbandingan 80% data training dan 20% data uji guna mengevaluasi kinerja model. Hasil eksperimen menunjukkan bahwa model mencapai akurasi 82,5%, menandakan kinerja yang cukup baik dalam mengenali pola opini masyarakat. Analisis ini memberikan wawasan mengenai aspek yang diapresiasi maupun dikritik oleh publik terkait penerimaan CPNS 2024. Temuan ini dapat dimanfaatkan oleh pemangku kebijakan untuk merancang strategi yang lebih responsif terhadap kebutuhan dan harapan masyarakat dalam proses seleksi CPNS.Kata kunci: Machine Learning; Text Mining; Calon Pegawai Negeri Sipil; Support Vector Machine
SISTEM INFORMASI PREDIKSI HASIL PANEN KELAPA SAWIT BERDASARKAN DATA PRODUKSI TBS DENGAN MENGGUNAKAN METODE DOUBLE EKSPONENTIAL SMOOTHING Asnawi, Azi; Kurniawan, Rakhmat
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.v7i1.5549

Abstract

Kelapa sawit merupakan komoditas strategis dalam perekonomian Indonesia, namun fluktuasi hasil panen akibat faktor internal dan eksternal sering menjadi tantangan dalam pengelolaan stok dan perencanaan produksi. Penelitian ini mengembangkan sistem informasi berbasis web untuk memprediksi hasil panen kelapa sawit di PTPN IV Bah Jambi dengan menerapkan metode Double Eksponential Smoothing(DES). Sistem dirancang menggunakan metode waterfall, bahasa pemograman PHP, dan basis data MySQL. Serta memanfaatkan data historis hasil panen selama 2019 – 2023. Metodologi melibatkan analisis data historis untuk menangkap pola musiman dan tren, dengan akurasi model dievaluasi menggunakan MAPE, MAD, MSE, dan RMSE. Hasil menunjukkan metode DES lebih akurat dengan nilai MAPE lebih rendah. Sistem ini mendukung prediksi hasil panen yang efektif, meningkatkan efisiensi operasional, dan memberikan kontribusi signifikan dalam pengelolaan produksi serta perencanaan stok.
PENERAPAN ALGORITMA K-MEANS CLUSTERING DALAM MENENTUKAN PELUANG MASUK SISWA KE UNIVERSITAS NEGERI Kurniawan, Wahyu; Kurniawan, Rakhmat
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.v7i1.5586

Abstract

Teknologi merupakan suatu metode ilmiah untuk mencapai tujuan praktis. Kemajuan teknologi berkembang sangat pesat saat ini. Saat ini teknologi merupakan suatu hal yang sangat penting dalam kehidupan manusia. Di mana teknologi dapat membantu dalam berbagai hal, seperti menyelesaikan suatu masalah. Dengan adanya teknologi, manusia dapat melakukan aktivitas secara efisien dan lebih mudah. ??Pesatnya perkembangan teknologi sistem informasi membuat banyak instansi memanfaatkan teknologi untuk mengelola data. Penelitian ini bertujuan untuk mengelompokkan atau menentukan mahasiswa yang berpeluang masuk ke perguruan tinggi negeri ternama ini. Metode yang digunakan untuk membagi data series ke dalam beberapa kelompok berdasarkan kesamaan yang telah ditentukan sebelumnya adalah bentuk Clustering dengan menggunakan Algoritma K-Means Clustering. Penelitian ini menghasilkan suatu sistem yang dapat mengelompokkan mahasiswa yang berpeluang dan mahasiswa yang kurang berpeluang masuk ke perguruan tinggi negeri melalui jalur SNBP. Penulis berharap sistem informasi yang dibangun dapat memudahkan guru untuk mengetahui mahasiswa yang berpeluang masuk ke perguruan tinggi negeri dan juga memudahkan siswa untuk mengetahui apakah dirinya berpeluang masuk ke perguruan tinggi negeri atau tidak. Berdasarkan hasil perhitungan manual, jumlah mahasiswa yang berpeluang masuk sebanyak 86 mahasiswa dan mahasiswa yang tidak berpeluang masuk sebanyak 435 mahasiswa.
Application of the C4.5 Algorithm for Predicting Banana Chips Production Demand (Case Study at UD. Sinar Sejahtera Medan) M. Teguh wijaya; Rakhmat Kurniawan R
JURNAL TEKNOLOGI DAN OPEN SOURCE Vol. 7 No. 2 (2024): Jurnal Teknologi dan Open Source, December 2024
Publisher : Universitas Islam Kuantan Singingi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36378/jtos.v7i2.3975

Abstract

The rapid advancement of science and technology significantly impacts various aspects of life, including business operations. Technology plays a vital role in providing information and simplifying human tasks, addressing challenges faced by growing companies, particularly in managing sales fluctuations. Factors such as market competition, product quality, and consumer interest are critical for evaluating and improving sales strategies. UD. Sinar Sejahtera Medan, a food processing industry specializing in banana chips, faces challenges such as fluctuating raw material supply, impacting production and sales. To address this, a prediction system for raw material demand was developed, leveraging the C4.5 algorithm. The C4.5 algorithm was selected for its ability to generate decision trees from historical data, providing interpretable results and high accuracy in forecasting categorical outcomes. By analyzing past trends in raw material availability and usage, the algorithm predicts future supply needs, optimizing production planning and supporting sustainable business operations. This study's findings are expected to align with previous research, offering insights for better production and sales management.
Sentiment Analysis of Public Comments on Coldplay Concerts on Twitter Using the Naïve Bayes Method Dwisyahputra, Achmad Adbillah; Kurniawan, Rakhmat
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 3 (2024): Articles Research Volume 6 Issue 3, July 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i3.4202

Abstract

Social media platform Twitter had become one of the most popular platforms for communication and information sharing. In the context of entertainment events such as music concerts, Twitter became a bustling place with various comments and opinions from the public regarding their experiences attending a concert. Many fans shared their experiences about Coldplay concerts on Twitter. These comments were highly varied and required a thorough understanding to interpret the overall public sentiment. Event organizers and Coldplay's band managers needed to understand public feelings about their concerts. This information was crucial for the evaluation and improvement of future events. Comments on Twitter were often brief and diverse, making manual data processing inefficient and necessitating automated tools to understand the sentiment within them. Sentiment analysis, or opinion mining, was the process used to understand, extract, and process text data automatically to gather information about the sentiment contained in opinion sentences. Research on sentiment analysis frequently focused on opinions that contained positive or negative sentiments. To classify these positive and negative sentiments, the Naive Bayes (NB) classification method was employed. The purpose of this study was to analyze the sentiment of public comments about Coldplay concerts on Twitter using the Naive Bayes method. The expected outcome was to provide insights into public sentiment towards Coldplay concerts, which would be valuable for event organizers and the band's managers in evaluating and improving future events.
Analisis Sentimen Terhadap Kinerja Program Walikota Medan pada Media Sosial X Menggunakan Support Vector Machine: Sentiment Analysis of The Performance of Medan Mayor Program on Social Media X Using Support Vector Machine Sari, Desliana; Kurniawan, Rakhmat
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 4 (2024): MALCOM October 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i4.1685

Abstract

Kepemimpinan adalah proses dan seni dalam menciptakan interaksi yang mempengaruhi para pengikut untuk mencapai tujuan yang telah ditetapkan. Kepemimpinan penting untuk menciptakan keteraturan dan kesesuaian antara pemimpin dan pengikutnya. Penelitian ini mengangkat tentang kinerja Walikota Medan yaitu bapak Muhammad Bobby Afif Nasution, S.E., M.M. Terdapat 5 program prioritas Walikota Medan yaitu Bidang Kesehatan, Penanganan Infrastruktur, Penanganan Banjir, Kebersihan, dan Pembenahan Kawasan Heritage sekaligus Pemberdayaan UMKM. Penerapan teknik Support Vector Machine (SVM) bertujuan untuk menemukan fungsi pemisah yang paling optimal di antara berbagai fungsi yang ada guna membedakan dua jenis objek. Analisis sentimen atau opinion mining adalah proses otomatis untuk memahami, mengekstrak, dan memproses data tekstual guna memperoleh informasi tentang sentimen yang terkandung dalam kalimat opini. Hasil dari penelitian ini menunjukkan bahwa SVM mampu mencapai tingkat akurasi yang sangat baik dalam mengolah data sentimen, sehingga dapat membantu mahasiswa dan penulis dalam menganalisis pandangan publik terhadap aplikasi ini. Analisis sentimen terhadap data pada aplikasi X mengenai kinerja program Walikota Medan dapat dilakukan menggunakan metode Support Vector Machine dengan accuracy 81 %, precission 84%, recall 90% dan f1-score 87%.
Analisis Sentimen pada Ulasan Aplikasi Sirekap di Google Play Menggunakan Algoritma Naive Bayes: Sentiment Analysis on Sirekap App Reviews on Google Play Using Naive Bayes Algorithm Hanafi, Muhammad Rizky; R, Rakhmat Kurniawan
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 4 (2024): MALCOM October 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i4.1693

Abstract

Seiring dengan perkembangan dan pemanfaatan teknologi baru, KPU membuat dan menggunakan aplikasi SIREKAP untuk membantu proses rekapitulasi suara secara berjenjang. Sistem Informasi Rekapitulasi Elektronik (SIREKAP) merupakan program komputer yang membantu proses penghitungan ulang hasil pemilu dan publikasi hasil pemilu. Sistem ini dibuat sesuai dengan Keputusan Komisi Pemilihan Umum Nomor 66 Tahun 2024. Untuk mendapatkan informasi mengenai ulasan aplikasi SIREKAP, data diambil dari Google Play (scraping).  Dalam investigasi ini, pelabelan sentimen dilakukan secara manual. Temuan menunjukkan bahwa sentimen terhadap aplikasi SIREKAP sebagian besar tidak menguntungkan (93,3%) dan positif (6,7%). Teknik Naive Bayes kemudian digunakan untuk memodelkan klasifikasi menggunakan data yang diberi label. Algoritma Naive Bayes memiliki accuracy rata-rata 90%, precision 98%, dan recall 81%, menurut data evaluasi. Konteks evaluasi pengguna untuk aplikasi SIREKAP dipahami melalui analisis visualisasi menggunakan wordcloud.
Peramalan Jumlah Permintaan Container Dengan Algoritma Regresi Linear Hsb, Khoiri Sutan; Kurniawan R, Rakhmat
Journal of Information System Research (JOSH) Vol 6 No 1 (2024): Oktober 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v6i1.6047

Abstract

The rapid growth of the logistics industry demands effective management of containers as essential transportation tools. Unpredictable container demand can lead to either overstocking or understocking, which impacts operational efficiency. This study aims to forecast container demand using the simple linear regression algorithm. The data used is historical data from PT. Bintika Bangunnusa (BBN) from January 2022 to August 2024. The independent variable used in the model is the amount of goods exported from Indonesia. The results of the study indicate that the simple linear regression algorithm is capable of predicting container demand with a reasonable level of accuracy. The model evaluation, using Root Mean Square Error (RMSE), shows that this model can serve as a decision support tool in container stock planning. However, the study also finds that the forecasting accuracy could be improved by incorporating additional external variables into the model. This research provides significant contributions to logistics management, particularly in container demand forecasting, which can help optimize the company's operational capacity.
Analisis Sentimen Menggunakan Metode Naïve Bayes Tentang Program Mudik Gratis Pemerintah Kota Medan 2024 Nurwana Nazla Saragih; Rakhmat Kurniawan
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 1 (2025): Januari 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i1.65930

Abstract

Pemerintah Kota Medan secara rutin mengadakan program mudik gratis bagi masyarakatnya, yang telah berlangsung selama tiga tahun berturut-turut (2022, 2023, dan 2024). Program ini mendapatkan respons beragam dari masyarakat, yang terekam melalui berbagai komentar di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap program mudik gratis tahun 2024 dengan menggunakan metode Naïve Bayes. Data yang digunakan berupa 394 komentar dari akun Instagram resmi Wali Kota Medan, yang diklasifikasikan ke dalam tiga kategori sentimen positif, negatif, dan netral. Metode penelitian meliputi pengumpulan data, preprocessing (cleaning, case folding, tokenizing, filtering, stopword removal, stemming), serta penerapan algoritma Naïve Bayes dengan teknik TF-IDF sebagai fitur ekstraksi. Evaluasi dilakukan menggunakan confusion matrix untuk mengukur akurasi, presisi, recall, dan F1-score. Hasil analisis menunjukkan bahwa dari total 394 komentar, terdapat 110 komentar positif, 107 komentar negatif, dan 177 komentar netral. Model Naïve Bayes yang digunakan mencapai akurasi sebesar 51,667%. Meskipun model mampu mengklasifikasikan data dengan tingkat keakuratan sedang, terdapat kelemahan dalam mendeteksi sentimen negatif, yang tercermin dari rendahnya recall pada kelas negatif. Faktor-faktor seperti ketidakseimbangan kelas, pemilihan fitur, dan kualitas data menjadi aspek yang perlu ditingkatkan untuk meningkatkan kinerja model di masa mendatang.
Co-Authors Abdul Halim Hasugian Agung Firmansyah Ahmad Fauzi Ahmad Taufik Al Afkari Siahaan Aidil Halim Aidil Halim Lubis Aidil Halim Lubis Aidil Halim Lubis Alhafiz, Akhyar Alwy Azyari Harahap Amelia, Dara Andre Gusli Agus Riadi Armansyah Armansyah Armansyah Armansyah Arrafiq, Muhammad Sunni Asnawi, Azi Ayyina, Ayyina Nurhidayah Azhari, Fajar Bahari, Mhd Raja Doly Bayhaqi, Abdullah Bisri, Cholil Br Rambe, Indri Gusmita Dandi, Muhammad Khairil Dasopang, Buyung Satrio Dwisyahputra, Achmad Adbillah Eva Darwisah Harahap Fadiga, Muhammad Fahrul Afandi Fakhriyah, Mardhiyah Fakhrizal, Fiqri Fatwa, Nursalimah Isnaina Fikri Aulia Habibie, Alief Fathul Haliem, Alexander Hanafi, Muhammad Rizky Harahap, Nita Maharani Harahap, Rina Syafiddini Harahap, Shopiah Henni Melisa Hidayat, Zulfy Hidayatullah, Catur HP, Kiki Iranda Hsb, Khoiri Sutan Ibsan, Muhammad Hanafi Ilham Rizki Ananda Ilka Zufria Imam Zaki Husein Nst Ivan Prayuda Julianti, Miranda Jusli, Dara Taqa Assajidah Kesuma Dwi Ningtyas Khairin Nadia Khairunissabina, Khairunissabina Khoiriah, Miftahul Lubis, Fahrian Zibran Lubis, Farhan Rusdy Asyhary M. Teguh wijaya Masdaliva, Fita Maulana, Fahmi Meilina, Indah Mey Hendra Putra Sirait Mhd Furqan Mhd Furqan Mhd. Furqan Furqan Mhd.Furqan Muhammad Abi Muzaki Muhammad Fahri, Muhammad Muhammad Ikhsan Muhammad Siddik Hasibuan Nasution, Fitri Handayani Nasution, Raihan Hafiz Noor Azizah Novita Jambak, Indah Nur Aini, Sakina Nurjanah, Trya Nurwana Nazla Saragih Padang, Bermiko Kasah Pravda, Michellia Delphi Isfahan Prayoga, Dio Putri Hanifah Putri, Raissa Ramanda Qasthari, Mohd. Wildan Rafli Bima Sakti Ramadhan, Alfan Ramadhan, Nuzul Ramadhan, Rio Fadli Ramadhan, Rizky Syahrul Ratna Dewi, Sri Reza Muhammad Rifansyah, Mhd. Roji Rifqi Alwanu Akmal Rina Filia Sari Rini Halila Nasution Rizki Ananda Putra Fajar Rizky Pratama Putra Rudi Riyandi Salsabillah, Ayna Sandira, Sri Delwis Saragih, Khoirul Azmi Saragih, Rafif Aprizki Sari, Desliana Sihombing, Rizki Andika Silva Ukhti Filla Silvi Joya Arditna Br Bukit Sinaga, Imam Adlin Sinaga, Muhammad Nabil Siregar, Muharram Soleh Siti Afifah Siregar Siti Ayu Hadisa Siti Nurul Aini, Siti Nurul Siti Sarah Harahap Siti Sumita Harahap Sri Marwah Badrin Sriani Sriani Sriani Sriani, S Stephani Silalahi Suhardi Suhardi Suhardi Suhardi, Suhardi Syahira, Melani Alka Syahputra, Pii Syahputra, Zidhane Syarifudin, Zaini Tbn, Ahmad Fauza Anshori Triase Triase Triase Triase, Triase Wahyu Kurniawan wijaya, M. Teguh Wini Istya Sari Lubis Yahya, Arfigo YENI SAFITRI Yudha, Muhammad Yudha Pratama Zahron, Almeranda Haryaveda Nurul