Article Per Year (5 Year)
p-Index From 2021 - 2026
10.242
P-Index
This Author published in this journals
All Journal Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) SITEKIN: Jurnal Sains, Teknologi dan Industri InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING JMM (Jurnal Masyarakat Mandiri) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Nasional Komputasi dan Teknologi Informasi Data Science: Journal of Computing and Applied Informatics JURNAL MUTIARA AKUNTANSI bit-Tech JATI (Jurnal Mahasiswa Teknik Informatika) Community Development Journal: Jurnal Pengabdian Masyarakat Ihsan: Jurnal Pengabdian Masyarakat Journal of Computer Science, Information Technology and Telecommunication Engineering (JCoSITTE) Indonesian Journal of Education, Social Sciences and Research (IJESSR) Jurnal Fibonaci: Jurnal Pendidikan Matematika Jurnal Ilmiah Wahana Pendidikan Djtechno: Jurnal Teknologi Informasi INCODING: Journal of Informatics and Computer Science Engineering Proceeding International Seminar of Islamic Studies Bulletin of Information Technology (BIT) J-Intech (Journal of Information and Technology) Jurnal Pengabdian Pada Masyarakat Indonesia (JPPMI) sudo Jurnal Teknik Informatika Hello World Jurnal Pengabdian Masyarakat Gemilang (JPMG) Blend Sains Jurnal Teknik Wahana Factory Jurnal Industri, Manajemen dan Rekayasa Sistem Industri QISTINA: Jurnal Multidisiplin Indonesia Jurnal Multidisiplin Teknologi dan Arsitektur Indonesian Journal of Education and Development Research Jurnal Ecotipe (Electronic, Control, Telecommunication, Information, and Power Engineering) Journal of Accounting Law Communication and Technology Journal of Citizen Research and Development Journal of Education Transportation and Business Al'Adzkiya International of Computer Science and Information Technology Journal
Ramadhani, Fanny
Universitas Negeri Medan
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 82 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 82 Documents
Search

 5   6   7   8   9 
ANALISIS SENTIMEN MASYARAKAT TERHADAP LARANGAN PENGECER MENJUAL LPG 3 KG BERSUBSIDI MENGGUNAKAN ALGORITMA NAÏVE BAYES Hidayatul Arifin, Muhammad; Amelia Vega S. Meliala, Ruth; Amanah, Fadilla; Aulia, Windy; Arnita, Arnita; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13883

Abstract

Kebijakan pemerintah yang melarang pengecer untuk menjual gas LPG 3 kg bersubsidi menghasilkan berbagai komentar di media sosial, terutama YouTube, di mana banyak komentar mengungkapkan kekhawatiran tentang kesulitan akses dan dampak ekonomi terhadap masyarakat kecil. Dengan menggunakan algoritma Naive Bayes, penelitian ini mengkaji sentimen publik terhadap kebijakan tersebut. Data dikumpulkan melalui proses scraping komentar YouTube; setelah itu, IndoBERT digunakan untuk melakukan pelabelan otomatis dan pembersihan data. Teknik SMOTE digunakan untuk mengatasi ketidakseimbangan kelas dalam dataset, sedangkan metode TF-IDF digunakan untuk mengekstraksi fitur teks. Hasil analisis menunjukkan bahwa 70% komentar bersentimen negatif, dan model multinomial Naive Bayes mencapai akurasi 85,67%. Penggunaan oversampling juga terbukti meningkatkan recall untuk kelas sentimen positif dan netral. Hasilnya menunjukkan bahwa untuk membuat kebijakan yang diterapkan lebih mudah dipahami dan diterima oleh masyarakat, pemerintah harus merevisi strategi komunikasi dan distribusi LPG bersubsidi.
PENERAPAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN TWITTER TERHADAP EFISIENSI ANGGARAN Ananda Hafika, Rizky; Agus Waruwu, Stefen; Advis Ambrosius Sitohang, Yuda; Yazid Noor, Muhammad; Haikal Al Majid, Muhammad; Arnita, Arnita; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13894

Abstract

Media sosial, khususnya Twitter, menjadi wadah utama bagi masyarakat untuk mengekspresikan opini terhadap kebijakan pemerintah, termasuk efisiensi anggaran. Analisis sentimen berbasis machine learning diperlukan untuk memahami respons publik secara otomatis. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat di Twitter terhadap kebijakan efisiensi anggaran menggunakan metode Support Vector Machine (SVM). Data yang digunakan telah melalui tahap preprocessing, labeling manual, dan untuk memastikan kualitas analisis. Sentimen yang diklasifikasikan terdiri dari tiga kategori: negatif, netral, dan positif. Hasil penelitian menunjukkan bahwa mayoritas sentimen masyarakat terhadap kebijakan ini bersifat negatif, menandakan ketidakpuasan atau ketidaksetujuan. Dalam perbandingan performa model SVM, Kernel Linear menunjukkan akurasi terbaik sebesar 81.46%, sedikit lebih tinggi dibandingkan Kernel RBF yang memperoleh 81.17%. Kernel Linear terbukti lebih stabil dalam mengklasifikasikan sentimen negatif dan netral, sementara Kernel RBF lebih unggul dalam menangani pola data yang kompleks tetapi kurang stabil dalam mengklasifikasikan sentimen positif. Oleh karena itu, model SVM dengan Kernel Linear dipilih sebagai model terbaik dalam penelitian ini. Penelitian ini memberikan wawasan mengenai persepsi publik terhadap kebijakan pemerintah serta menunjukkan efektivitas SVM dalam analisis sentimen media sosial.
PENERAPAN MODEL HYBRID MACHINE LEARNING ARIMA-LSTM (LONG SHORT-TERM MEMORY) DALAM PREDIKSI HARGA EMAS 5 TAHUN KE-DEPAN Zulfahrizan, Atta; Alby Savana HSB, Muhammad; Putra Paskah Halawa, Sovantri; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13914

Abstract

Emas merupakan aset lindung nilai yang banyak digunakan dalam investasi, namun prediksi harganya menjadi tantangan karena dipengaruhi oleh berbagai faktor ekonomi dan geopolitik. Fluktuasi harga yang tinggi menyebabkan perlunya model prediksi yang akurat untuk membantu pengambilan keputusan investasi. Penelitian ini bertujuan untuk mengembangkan model hybrid ARIMA-LSTM guna meningkatkan akurasi prediksi harga emas dalam lima tahun ke depan.Metode yang digunakan mencakup pengumpulan dan preprocessing data harga emas dari sumber daring. Model ARIMA diterapkan untuk menangkap pola linier dalam data historis, sedangkan LSTM digunakan untuk mengenali pola non-linier serta volatilitas harga. Evaluasi dilakukan dengan membandingkan performa model hybrid dengan model tunggal menggunakan metrik RMSE dan MAE.Hasil penelitian menunjukkan bahwa model hybrid ARIMA-LSTM memiliki tingkat akurasi lebih tinggi dibandingkan model ARIMA atau LSTM secara terpisah. Prediksi harga emas dalam lima tahun ke depan menunjukkan tren penurunan, dengan perkiraan harga akhir sebesar 1727.31 USD/troy ounce atau sekitar 832.477.500 RP/kg. Model ini diharapkan dapat memberikan wawasan yang lebih baik bagi investor dan pemangku kebijakan dalam pengambilan keputusan investasi.
Sebuah Evanthe, Hansel; Fhadillah, Fhadillah; Fauzan, Rosyid; Farezi, Nazwar; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13992

Abstract

Pasar saham merupakan indikator penting dalam ekonomi, dengan harga saham yang fluktuatif mencerminkan berbagai faktor seperti sentimen pasar dan kondisi perusahaan. NVIDIA Corporation (NVDA) menjadi salah satu perusahaan teknologi yang menarik perhatian investor karena pertumbuhan signifikannya dalam industri semikonduktor dan AI. Namun, volatilitas tinggi menjadi tantangan dalam menentukan strategi investasi. Penelitian ini bertujuan untuk menganalisis pola pergerakan harga saham NVIDIA menggunakan klasterisasi K-Means dan memprediksi harga saham dengan model Long Short-Term Memory (LSTM). Permasalahan utama adalah kesulitan model prediksi dalam lonjakan harga ekstrem dan ketergantungan pada data historis. Tujuan penelitian adalah mengidentifikasi pola harga saham melalui klasterisasi dan menguji akurasi prediksi LSTM dengan berbagai skenario data latih. Metode yang digunakan meliputi pengumpulan data historis NVIDIA (2020–2025) dari Yahoo Finance, preprocessing data, klasterisasi K-Means dengan penentuan klaster optimal menggunakan metode Elbow, serta prediksi time-series dengan LSTM. Evaluasi dilakukan menggunakan RMSE dan MAPE. Hasil klasterisasi menunjukkan tiga klaster optimal dengan Silhouette Score 0.579, mengindikasikan pengelompokan yang cukup baik. Prediksi LSTM menghasilkan RMSE dan MAPE terendah pada 60% data latih (70.18 dan 9.61%), namun kesalahan meningkat seiring penambahan data latih akibat ketidakmampuan model menangkap lonjakan harga ekstrem. Disarankan untuk menambahkan fitur seperti volume perdagangan guna meningkatkan akurasi prediksi.
PENERAPAN POHON KEPUTUSAN C4.5 UNTUK MEMPREDIKSI TREN POPULARITAS GAME DI PLATFORM STEAM Drilanang, Mhd Ilyasyah; Sapta Warman Zai, Tri; Juliana Silalahi, Feby; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14083

Abstract

Pengembang dan penerbit game menghadapi kesulitan dalam menentukan game mana yang dapat menjadi populer atau trending seiring dengan meningkatnya jumlah game yang tersedia di platform distribusi digital seperti Steam. Banyak faktor yang memengaruhi popularitas suatu game, serta kurangnya alat prediksi yang efektif untuk membantu membuat keputusan tentang pengembangan dan pemasaran produk, menyebabkan masalah ini. Dengan menggunakan algoritma pohon keputusan C4.5, tujuan penelitian ini adalah untuk membangun model yang dapat memprediksi tren popularitas game. Pengumpulan data dari platform Steam digunakan. Data ini termasuk jumlah rekomendasi, ulasan positif, pencapaian game, dan harga. Setelah itu, data diproses melalui tahapan preprocessing, pemilihan fitur, dan pembagian dataset. Untuk pelatihan dan pengujian, rasio 80:20 digunakan. Untuk mencegah overfitting, model dibangun menggunakan DecisionTreeClassifier dengan parameter optimasi seperti kriteria pemisahan entropy dan kedalaman maksimum lima level. Hasil evaluasi menunjukkan bahwa model memiliki akurasi sebesar 92 persen, dengan jumlah rekomendasi dan ulasan positif yang paling penting. Studi ini dapat membantu pengembang game dan analis pasar memahami faktor utama yang memengaruhi popularitas game. Ini juga dapat menjadi dasar untuk membuat strategi pemasaran dan pengembangan produk yang lebih baik. Disarankan untuk ditambahkan fitur baru, seperti kategori game, dan teknik ensemble untuk meningkatkan prediksi.
OLAH DATA EKUASI MENGGUNAKAN KOMBINASI GRAPH NEURAL NETWORK (GNN) DALAM MACHINE LEARNING Prana Walidin, Adamsyach; Pebiana Putri, Fahra; Raffi Akbar, Muhammad; Fahmi Sagala, Khairul; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14096

Abstract

Pengolahan Data ini dikembangkan sebagai platform edukasi berbasis kecerdasan buatan yang membantu pengguna dalam menyelesaikan tugas akademik, seperti penyelesaian ekuasi matematis. Sistem ini memanfaatkan Graph Neural Network (GNN) untuk mengubah soal matematika menjadi representasi graf, memungkinkan model untuk memahami dan menyelesaikan persamaan secara lebih efektif. Implementasi awal telah mencapai Minimum Viable Product (MVP) dengan hasil yang menunjukkan bahwa pendekatan berbasis graf dapat diterapkan dalam konteks pendidikan. Menggunakan dataset soal ekuasi, dengan susunan graf yang didukung model machine learning, Ekuasi ditentukan menggunakan operator matematis yang sudah dideklarasikan pada model. Namun, masih terdapat beberapa tantangan, seperti validasi input dan optimasi model agar lebih akurat. Didapatkan hasil latih model dengan epoch error loss terbaik sebesar 0.374512 dalam pelatihan model. Model juga diukur menggunakan pertanyaan matematis dengan hasil yang akurat terhadap soal dengan tingkat akurasi sebesar 93,36%. Ke depannya, penelitian lebih lanjut dapat dilakukan dengan meningkatkan akurasi model, serta mengeksplorasi kombinasi GNN dengan Large Language Models (LLMs) untuk meningkatkan pemahaman terhadap soal yang lebih kompleks. Dengan pengembangan yang berkelanjutan, inovatif dalam membantu pelajar dan pengajar mengakses solusi berbasis AI yang lebih interaktif dan cerdas.
EVALUASI PERBANDINGAN TEKNIK OVERSAMPLING TERHADAP KINERJA RANDOM FOREST DALAM MENDETEKSI TRANSAKSI HARI SPESIAL DI E-COMMERCE Muslim Sinaga, Rizal; Afrrahman S. Effendi, Ali; Latifah Hasibuan, Najwa; Asro Harahap, Fatimah; Ramadhani, Fanny
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.v9i3.14156

Abstract

Perkembangan pesat e-commerce, khususnya pada event-event spesial seperti Harbolnas dan Black Friday, mengarah pada permasalahan ketidakseimbangan data dalam klasifikasi transaksi. Pada hari biasa, jumlah transaksi lebih banyak dibandingkan dengan hari spesial, yang menyebabkan model machine learning cenderung bias. Penelitian ini bertujuan untuk membandingkan teknik-teknik oversampling seperti Random Oversampling, SMOTE, ADASYN, dan Borderline-SMOTE untuk menyeimbangkan data dalam klasifikasi transaksi e-commerce. Metode yang digunakan dalam penelitian ini adalah pendekatan kuantitatif, di mana dataset transaksi e-commerce diproses dengan berbagai teknik oversampling untuk memperbaiki ketidakseimbangan kelas. Data yang telah diproses kemudian digunakan untuk pelatihan model klasifikasi dengan algoritma Random Forest. Evaluasi dilakukan dengan metrik Precision, Recall, dan F1-Score untuk mengukur kinerja model dalam mengklasifikasikan data yang telah disesuaikan. Hasil penelitian menunjukkan bahwa teknik SMOTE memberikan hasil yang lebih baik dalam meningkatkan keseimbangan antara Precision, Recall, dan F1-Score, dibandingkan dengan teknik oversampling lainnya. Penelitian ini menyarankan penggunaan teknik SMOTE untuk meningkatkan akurasi dalam klasifikasi transaksi e-commerce pada hari spesial
Spatial Clustering Analysis of Stunting in North Sumatra Based on Environmental Factors Using K-Means Algorithm Ramadhani, Fanny
Data Science: Journal of Computing and Applied Informatics Vol. 9 No. 2 (2025): Data Science: Journal of Computing and Applied Informatics (JoCAI)
Publisher : Talenta Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32734/jocai.v9.i2-17179

Abstract

This research aims to analyze the spatial grouping of stunting events in North Sumatra based on environmental factors using the K-Means algorithm. The data used in this research includes the incidence of stunting, environmental factors (such as access to health services, living environment conditions, water use and sanitation), and spatial data (geographical coordinates). The data comes from Basic Health Research (RISKESDAS 2018, then processed and normalized. The elbow method and silhouette analysis are used to determine the optimal number of clusters, resulting in four different clusters. The application of the K-Means algorithm produces the following cluster characteristics: Cluster 1, with good environmental conditions and access to health services, shows low levels of stunting; Cluster 2, with moderate environmental conditions, shows moderate levels of stunting; Cluster 3, which is characterized by poor living conditions and limited access to health services, has levels high stunting; and Cluster 4, with varied environmental conditions but very limited access to health and sanitation services, also shows a high stunting rate. Validation using the Silhouette Coefficient produces an average score of 0.65 which indicates good clustering quality shows that environmental factors, access to health services, and sanitation conditions have a significant impact on the incidence of stunting. Based on these findings, policy and intervention recommendations are focused on Clusters 3 and 4, which have high stunting rates. The interventions carried out include increasing access and quality of nutrition, health services, sanitation conditions, economic empowerment, and health education.
INTEGRASI MACHINE LEARNING DAN ANALISIS SPASIAL UNTUK PREDIKSI WILAYAH RAWAN TUBERKULOSIS DI PROVINSI SUMATERA UTARA Ramadhani, Fanny; Iskandar Al-Idrus, Said; Septiana, Dian; Arnita, Arnita; Retno Wahyuningrum, Diah
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6840

Abstract

Tuberkulosis (TBC) masih menjadi masalah kesehatan masyarakat yang serius di Provinsi Sumatera Utara. Prevalensi tinggi terutama di daerah padat penduduk dan terbatasnya akses layanan kesehatan menjadi tantangan utama dalam pengendalian TBC. Penelitian ini bertujuan untuk memprediksi wilayah rawan TBC dengan mengintegrasikan algoritma machine learning dan analisis spasial. Data sekunder diperoleh dari Sistem Informasi Tuberkulosis Nasional (SITB), Badan Pusat Statistik (BPS), dan shapefile administrasi wilayah kabupaten/kota di Sumatera Utara. Variabel prediktor meliputi kepadatan penduduk, status gizi, jumlah fasilitas kesehatan, tingkat kemiskinan, kualitas hunian, dan cakupan imunisasi. Model dikembangkan menggunakan algoritma Random Forest, sementara analisis spasial dilakukan menggunakan QGIS untuk menghasilkan peta risiko TBC. Hasil model menunjukkan akurasi sebesar 86,2% dengan variabel paling berpengaruh adalah kepadatan penduduk, kualitas hunian, dan akses fasilitas kesehatan. Peta risiko yang dihasilkan mengidentifikasi wilayah seperti Kota Medan, Deli Serdang, dan Labuhanbatu sebagai zona merah. Hasil penelitian ini diharapkan menjadi dasar perencanaan intervensi kesehatan yang lebih tepat sasaran di Sumatera Utara.
PENINGKATAN EFEKTIVITAS PEMASARAN SAPI MELALUI PLATFORM DIGITAL SILEMBU.COM Septiana, Dian; Ramadhani, Fanny; Nasution, Nadrah Afiati; Surbakti, Nurul Maulida; Sagala, Prihatin Ningsih
JMM (Jurnal Masyarakat Mandiri) Vol 8, No 5 (2024): Oktober
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v8i5.25802

Abstract

Abstrak: Dalam era digitalisasi, peternak sapi di Desa Tanjung Gusta menghadapi tantangan besar dalam pemasaran produk mereka, terutama terkait dengan keterbatasan akses dan pengetahuan tentang teknologi digital. Program pengabdian masyarakat ini bertujuan untuk meningkatkan hardskill peternak melalui pelatihan dan pendampingan dalam penggunaan platform Silembu.com dan teknik pemasaran digital untuk meningkatkan jangkauan pasar. Metode pelaksanaan meliputi pengembangan konsep platform, penyuluhan mengenai pentingnya pemasaran digital, workshop penggunaan Silembu.com dan integrasi dengan media sosial. dengan melibatkan 11 peternak dari Kandang Sapi Arfhan dan kelompok peternak di desa tersebut. Evaluasi dilakukan melalui observasi saat kegiatan, serta wawancara dan angket dengan total 9 pertanyaan pasca kegiatan. Hasilnya menunjukkan bahwa 60% peserta sangat puas dengan pelatihan, dengan peningkatan hardskill penggunaan platform digital sebesar 73% dan kebutuhan pendampingan lanjutan mencapai 73%. Program ini berhasil meningkatkan pemahaman peternak tentang digital marketing dan berpotensi meningkatkan penjualan sapi secara signifikan.Abstract: In the digital era, cattle farmers in Tanjung Gusta Village face significant challenges in marketing their products, primarily due to limited access and knowledge of digital technology. This community service program aims to enhance farmers' hard skills through training and support in using the Silembu.com platform and digital marketing techniques to enhance market reach. The implementation methods included the development of the platform concept, education on the importance of digital marketing, workshops on using Silembu.com, and integration with social media, involving 11 farmers from Kandang Sapi Arfhan and local farmer groups. Evaluation was conducted through observation during the activities, as well as interviews, and questionnaires with a total of 9 questions after the activities Results showed that 60% of participants were very satisfied with the training, with a 73% increase in digital platform hardskills and a 73% need for ongoing support. The program successfully enhanced farmers' understanding of digital marketing and has the potential to significantly boost cattle sales. 
Co-Authors Abadi Simanullang, Paskah Ade Amelia, Tasya Ade Setiawan Adhi Guna, Ekin Advis Ambrosius Sitohang, Yuda Afiati Nasution, Nadrah Africano, Fernando Afrrahman S. Effendi, Ali Agung Wijaya, Agung Agus Waruwu, Stefen Ahmad Rahmatika Al Hamidy Al Kautsar, Muhammad Zidane Al Khowarizmi Alby Savana HSB, Muhammad Alfin, Muhammad Amalia, Sisti Nadia Amanah, Fadilla Ambarwati, Nilasari Eka Amelia Br Siregar, Ririn Amelia Vega S. Meliala, Ruth Ananda Hafika, Rizky Ananta, Willy Pramudia Andika Maulana, Sandy Andy Satria Apandi, Khairul Aprilia, Adinda Putri Arnita Arnita Arnita Arnita Asri Angel Tumanggor Asro Harahap, Fatimah Audy Priscilia, Selfi Audy Priscillia, Selfi Aulia, Windy Ayu Sekar Ayu Syahfitri Ayu, Silvana Oyasi Azima Lubis, Fauzan Azmi Lubis, Fauzan br.Hutagalung, Fhadillah Budi Akbar, Muhammad Bush Henrydunan, John Daulay, Parhan Dedy Kiswanto Defiyanti, Aqilah Diah Retno Wahyuningrum Dian Damayanti Dian Septiana Dicky Apdilah Dimas Fadhlurohhman Dimas Prayoga Dina Aulia Djasmayena, Selvia Dly, Revidamurti Dobry Sianipar, Freyro Drilanang, Mhd Ilyasyah Dwi Zahra Putri, Raisya Elza Ahmad Erlangga, Farizi Evanthe, Hansel Evelyn Keisha Silalahi Fadilah, Putri Maulidina Fahmi Sagala, Khairul Farezi, Nazwar Fatma Hutagalung Fatma Sari Hutagalung Fauzan, M Rosyid Fauzan, Rosyid Fayadhilah, Muhammad Apta Fhadillah, Fhadillah Fitra, Muhammad Rizki Andrian Fransiska Sihombing, Esra Giovanni, Teuku Muhammad Hafiz, Alfin Haikal Al Majid, Muhammad Hapzi Ali Harahap, Fatimah Asro Hasan, Afrizal Hermawan Syahputra Hidayat, Muhammad Ferdiansyah Hidayatul Arifin, Muhammad Husna Batubara, Shabrina Hutagalung, Fatma Sari Ichwanul Muslim Karo Karo Impana Manik, Kristin Indah Purnama Sari Indah Purnama Sari Indriani.S, Dechy Deswita Insan Pratama Siagian, Raihan Irya Shakila Syukron, Ananda Islamia, Aulia Ismail Hanif Batubara Iwan Agi Berutu Jailani Arsad John Pardamean Hutabarat, Felix Juliana Silalahi, Feby Khildan Rifail Azis Khoiriah, Najwatul Latifah Hasibuan, Najwa Listia, Hijka Lubis, Muhammad Ghafur Rahman Lutfi Basit M. Fahri Fahroza Manurung, Asrar Aspia Mardiana Mardiana Maulana, Raihan Maulida Surbakti, Nurul Mei Lammi Malau Mhd. Basri Mufit, Muhammad Ilham Muhammad Habib Muhammad Naufal Musyafa Muhammad Ridho Muhammad Ridho Muhammad Rizki Alfahri Muslim Sinaga, Rizal Nadia Amalia, Sisti Nadrah Afiati Nasution Najwa Latifa Hasibuan Nasution, Nadrah Afiati Nico Pasaribu, Michael Nst, M. Fahri Fahroza Nurul Maulida Surbakti Nurul Sasti Diningsih Oktavia, Grace Oktaviani, Nadya Sisil Oris Krianto Sulaiman Pebiana Putri, Fahra Permata Putri Pasaribu, Yohanna Pipit Putri Hariani MD Prana Walidin, Adamsyach Pratama, Ega Prihatin Ningsih Sagala Putra Paskah Halawa, Sovantri Putra, Samuel Anaya Putri Harliana Putri Sartika Putri Tasya Agustina Raffi Akbar, Muhammad Rahma, Aulya Raihan Insan Pratama Siagan Ramadhan Manik, Albert Ramadhani, Sigi Pegi Ramadhani, Umaya Rangga Mahara Miko Ravindra Singh Richi, Alfina Rizki Andrian Fitra, Muhammad Rizki, Widya Selia Rushainy, Siti Raisha Sadion Tumpal Damanik Sagala, Khairul Fahmi Said . Iskandar salamah salamah Salamah Salamah Salsabila Zahra, Salsabila Sapta Warman Zai, Tri Siagian, Angel Agasari Siallagan, Sanri Yuliana Simbolon, Agata Putri Handayani Sinaga, Elya Juni Arta siti wulandari Sitompul, Dicky Sambora Sitorus, Rizki Risdah Situngkir, Silvia Wulandari Sri Dewi Sri Dewi Sri Dewi Steviana Viviola Wicesti Nasution Sumita Wardani Surianto, Stacyana Jesika Susanto, Raoul Syahri, Alfin Tanjung, Muhammad Raffi Akbar Todo Simanjuntak Trimuliani, Diva Tymoty Hutabarat, Peter Wahyu Pratama, Rangga Wahyudi, Rizky Wardaniah, Sabina Warjaya, Angga Yazid Noor, Muhammad Zai, Tri Sapta Warman Zaki Zain Zulfahrizan, Atta