Article Per Year (5 Year)
p-Index From 2021 - 2026
7.032
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) TELKOMNIKA (Telecommunication Computing Electronics and Control) Transformasi: Jurnal Pengabdian Masyarakat CESS (Journal of Computer Engineering, System and Science) Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi AWLADY Jurnal Pendidikan Anak Faktor Exacta Indonesian Journal of Artificial Intelligence and Data Mining PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Informatika Universitas Pamulang Premiere Educandum: Jurnal Pendidikan Dasar dan Pembelajaran Riau Journal of Empowerment Jurnal Nasional Komputasi dan Teknologi Informasi GERVASI: Jurnal Pengabdian kepada Masyarakat JSR : Jaringan Sistem Informasi Robotik Diseminasi : Jurnal Pengabdian kepada Masyarakat Journal of Electrical Power Control and Automation (JEPCA) Information System Journal (INFOS) Djtechno: Jurnal Teknologi Informasi Jurnal Sains Teknologi dan Sistem Informasi Decode: Jurnal Pendidikan Teknologi Informasi KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika MATHunesa: Jurnal Ilmiah Matematika Jurnal Teknologi Sistem Informasi Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Teknik Informatika Jakiyah : Jurnal Ilmiah Umum dan Kesehatan Aisyiyah Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Pemberdayaan: Publikasi Hasil Pengabdian kepada Masyarakat (JPM ITTC ) J-Icon : Jurnal Komputer dan Informatika SATIN - Sains dan Teknologi Informasi Jurnal Pengabdian Masyarakat Pinang Masak Jurnal Sistem Informasi dan Ilmu Komputer Jurnal Informatika: Jurnal Pengembangan IT IT-Edu: Jurnal Information Technology and Education EdLib Journal (Education and Library Journal) Sinergi : Jurnal Ilmiah Multidisiplin Smatika Jurnal : STIKI Informatika Jurnal Jurnal Publikasi Teknik Informatika
Khaira, Ulfa
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 56 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 56 Documents
Search

 2   3   4   5   6 
Penerapan Support Vector Machine dan Latent Dirichlet Allocation dalam Analisis Sentimen Terhadap Pengalaman Pengguna Aplikasi Alfagift Desi Hartati; Ulfa Khaira; Rizqa Raaiqa Bintana

Publisher :

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i5.9866

Abstract

Abstrak − Aplikasi alfagift merupakan salah satu aplikasi belanja online yang banyak diunduh di Google Play Store, menerima ribuan ulasan dari pengguna setiap harinya. Proses meninjau ulasan ini secara manual menjadi tidak efisien karena keterbatasan tenaga dan waktu, sehingga berpotensi memperlambat respons tim dalam mengambil keputusan strategis. Untuk mengoptimalkan proses ini, penerapan model machine learning sangat diperlukan untuk mengotomatisasi analisis sentimen dan identifikasi tema utama dalam ulasan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Alfagift menggunakan metode Support Vector Machine (SVM) dan mengidentifikasi topik utama dalam ulasan dengan pendekatan Latent Dirichlet Allocation (LDA) . Dataset yang digunakan telah melalui proses preprocessing berupa case folding , tokenizing, filtering , dan stemming . Hasil evaluasi menunjukkan bahwa model SVM dengan kernel polynomial memberikan akurasi tertinggi sebesar 95,9%, menandakan kemampuan yang baik dalam membedakan ulasan positif dan negatif. Pendekatan Latent Dirichlet Allocation (LDA) berhasil mengidentifikasi topik dominan, dengan nilai koherensi optimal sebesar 0,3164 (ulasan positif, 8 topik) dan 0,3177 (ulasan negatif, 7 topik). Berdasarkan analisis, mayoritas pengguna menyampaikan ulasan positif terkait kemudahan belanja dan promo menarik, meskipun beberapa masalah teknis masih menjadi keluhan. Penelitian ini menunjukkan bahwa kombinasi SVM dan LDA efektif untuk mengevaluasi kepuasan pengguna serta mengidentifikasi area perbaikan layanan Alfagift.Kata Kunci: Alfagift; Analisis Sentimen; LDA; SVM; Ulasan Pengguna; Abstract − The Alfagift app is one of the most downloaded online shopping apps on the Google Play Store, receiving thousands of user reviews daily. Manually reviewing these reviews is inefficient due to limited resources and time, potentially slowing down the team's ability to make strategic decisions. To optimize this process, implementing machine learning models is essential to automate sentiment analysis and identify key themes within reviews. This research aims to analyze the sentiment of user reviews of the Alfagift application using the Support Vector Machine (SVM) method and to identify the main topics in the reviews using the Latent Dirichlet Allocation (LDA) approach. The dataset used has undergone preprocessing including case folding, tokenization, filtering, and stemming. The evaluation results show that the SVM model with a polynomial kernel provides the highest accuracy of 95.9%, indicating a good ability to differentiate between positive and negative reviews. The Latent Dirichlet Allocation (LDA) approach successfully identified dominant topics, with an optimal coherence value of 0.3164 (positive reviews, 8 topics) and 0.3177 (negative reviews, 7 topics). Based on the analysis, the majority of users provided positive reviews regarding the ease of shopping and attractive promotions, although some technical issues remain a complaint. This study demonstrates that the combination of SVM and LDA is effective for evaluating user satisfaction and identifying areas for service improvement at Alfagift.Keywords: Alfagift; Sentiment Analysis; LDA; SVM; User Reviews;
Penerapan Model YOLO Untuk Deteksi Kerusakan Jalan Berdasarkan Citra Visual Amanda Iza Sofiani; Nazwa Eka Hervy; Fitri Dwi Lestari; M. Rizky Ardiansyah Putra; Mutia Fadhila Putri; Ulfa Khaira; Pradita Eko Prasetyo Utomo
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p196-204

Abstract

Kerusakan jalan seperti retak dan lubang menjadi permasalahan infrastruktur yang mengganggu keselamatan dan kelancaran lalu lintas. Metode identifikasi manual yang selama ini digunakan dinilai kurang efisien. Penelitian ini bertujuan untuk menerapkan model YOLOv8 dalam mendeteksi kerusakan jalan secara otomatis melalui citra visual. Metode yang digunakan adalah pendekatan kuantitatif eksperimental dengan pelatihan model deep learning menggunakan 200 citra yang dianotasi secara manual. Data dibagi ke dalam skema pelatihan, validasi, dan pengujian (70:20:10). Hasil pelatihan menunjukkan bahwa YOLOv8 mampu mendeteksi dua jenis kerusakan utama, yaitu retak dan berlubang, dengan performa yang cukup baik. Model menunjukkan peningkatan nilai precision hingga 0.4 dan recall lebih dari 0.3. Sementara itu, nilai mAP50 mencapai sekitar 0.27, dan mAP50-95 lebih dari 0.1. Temuan ini mengindikasikan bahwa model cukup andal dalam mengenali kerusakan jalan dengan akurasi memadai, serta memiliki potensi untuk diintegrasikan dalam sistem monitoring infrastruktur secara real-time. Kata Kunci: citra visual, deep learning, deteksi kerusakan jalan, object detection, YOLOv8
Rancang Bangun Aplikasi Pengelolaan Data Statistik Sosial Berbasis Web menggunakan Metode Kanban Odista Dwi Putra; Ulfa Khaira; Rizqa Raaiqa Bintana
Jurnal Publikasi Teknik Informatika Vol. 5 No. 2 (2026): Mei: Jurnal Publikasi Teknik Informatika
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jupti.v5i2.7101

Abstract

Statistical data is a crucial foundation for evidence-based government policymaking and public accountability. The Social Statistics Division of Badan Pusat Statistik (BPS) Jambi Province currently manages its data through fragmented Microsoft Excel files, causing inefficiencies such as difficulty locating tables, vulnerability to manual entry errors, and the absence of a structured verification pathway before data reaches external users. This study designed and developed SISTADISS (Sistem Pengelolaan Data Statistik Sosial), a web-based application for social statistics data management, using the Kanban agile development method. The system was built using Next.js, Neon PostgreSQL, Prisma ORM, and Tailwind CSS. Authentication is implemented through an SSO integration for internal BPS staff and a bcryptjs-JWT mechanism for external users. Development was conducted across four iterative cycles: user authentication, dynamic statistical table display, data management via a change-request workflow, and a multi-level verification module. All nineteen functional requirements were validated through black-box testing, yielding a 100% pass rate across three user roles: Admin Verifikasi, Petugas, and Pengguna. The system was deployed on Vercel and is accessible at the BPS Jambi Province institutional domain.
Analisis Teori Permainan Dalam Menentukan Strategi Persaingan Pada Platform E-Commerce Shopee Dan TikTok Shop Aliyah, Rihhadatul; Valerina Noa Verent; Lesianda Junitia; Ulfa Khaira; Hasanatul Iftitah
IT-Edu : Jurnal Information Technology and Education Vol. 11 No. 01 (2026): Volume 11 No. 01 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/it-edu.v11i01.73647

Abstract

Abstrak: Persaingan pesat saat ini terutama pada platform e-commerce antara Shopee dan TikTok Shop semakin terus berkembang, hal ini dapat dianalisis lebih lanjut dengan menggunakan pendekatan Teori Permainan untuk dapat melihat kedua platform tersebut dalam menentukan strategi yang lebih berdaya saing. Analisis tersebut dilihat dari penilaian strategi berdasarkan produk, harga, kemudahan dalam akses, promosi dan pelayanan yang telah dikumpulkan dari 40 responden dengan penyebaran kuesioner. Perhitungan menggunakan strategi murni untuk mengetahui nilai Saddle Point sebagai indeks yang stabil dari strategi, lalu hasilnya diuji kembali menggunakan Software POM QM for Windows untuk memastikan kesamaan. Dari hasil yang telah ditemukan, Saddle Point berada pada nilai 16 yang artinya permainan tersebut mencapai strategi optimal, kondisi optimal berada pada X3 (Shopee) dan Y1 (TikTok Shop). Analisis ini telah memberikan aspek kuantitatif terkait persaingan antara kedua platform untuk menghadapi kompetisi yang lebih serius di masa depan. Kata Kunci: Teori Permainan, Strategi Murni, Persaingan;
Sentiment Analysis of User Reviews on Line Bank Digital Application Using Support Vector Machine Rizki Daffa Muttaqin; Ulfa Khaira; Daniel Arsa
SMATIKA JURNAL : STIKI Informatika Jurnal Vol 16 No 01 (2026): SMATIKA Jurnal : STIKI Informatika Jurnal
Publisher : LPPM Universitas Bhinneka Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/smatika.v16i01.1762

Abstract

Dengan semakin populernya penggunaan bank digital, ulasan pengguna menjadi sumber data penting untuk memahami pengalaman dan sentimen pengguna terhadap layanan yang diberikan. Line Bank, sebagai salah satu bank digital, juga menerima berbagai ulasan dari penggunanya yang mencerminkan kepuasan maupun ketidakpuasan terhadap layanan mereka. Permasalahan yang dihadapi adalah bagaimana menganalisis sentimen dari ulasan pengguna secara efektif dan akurat untuk memberikan wawasan yang lebih baik tentang kualitas layanan Line Bank. Penelitian ini menggunakan algoritma machine learning Support Vector Machine untuk menganalisis sentimen ulasan pengguna Line Bank. Kinerja kedua metode dievaluasi berdasarkan metrik akurasi, presisi, recall, dan F1-score. Pengujian dilakukan dengan beberapa skenario pembagian data (data split), dan hasilnya menunjukkan bahwa Support Vector Machine memiliki kinerja yang baik. Pada skenario pembagian data 90:10, Support Vector Machine mencapai akurasi 89,61%. Selain itu, Support Vector Machine juga menunjukkan performa baik dalam metrik presisi, recall, dan F1-score. Analisis visualisasi hasil menunjukkan dominasi sentimen negatif pada ulasan pengguna Line Bank, yang mengindikasikan adanya ruang untuk perbaikan layanan. 
Penerapan K-Means Clustering untuk Pengelompokan Data Industri Kecil Menengah di Provinsi Jambi Bimo Ariansah; Ulfa Khaira; Zainil Abidin
Jurnal Teknologi Sistem Informasi Vol 6 No 2 (2025): Jurnal Teknologi Sistem Informasi
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v6i2.13553

Abstract

Industri Kecil dan Menengah (IKM) memiliki peran penting dalam perekonomian daerah, namun di Provinsi Jambi masih terdapat ketimpangan antarwilayah. Penelitian ini menerapkan algoritma K-Means Clustering untuk mengelompokkan data IKM periode 2021–2023 berdasarkan nilai investasi, jumlah produksi, dan nilai produksi. Data diproses melalui pembersihan, normalisasi, serta deteksi outlier. Evaluasi menggunakan Elbow Method, Silhouette Coefficient, dan Davies-Bouldin Index menunjukkan bahwa dua cluster merupakan hasil optimal dengan Silhouette 0,70 dan DBI 0,47.Hasilnya terbentuk dua kelompok utama. Cluster 1 merepresentasikan IKM Belum Berkembang dengan investasi dan produksi rendah, dominan di Tanjung Jabung Barat, Bungo, dan Kerinci. Cluster 2 menunjukkan IKM Berkembang dengan investasi tinggi serta kontribusi ekonomi signifikan, ditunjukkan oleh Kota Jambi, Sarolangun, dan Merangin. Visualisasi peta interaktif dan barchart memperjelas distribusi spasial dan tren antar tahun.Penelitian ini menegaskan bahwa mayoritas IKM di Jambi masih tergolong belum berkembang. Oleh karena itu, diperlukan intervensi berupa peningkatan akses permodalan, pelatihan, dan penguatan infrastruktur agar sektor IKM dapat tumbuh lebih merata.
Pemodelan Prediksi Magnitudo Gempa Bumi di Indonesia Periode 2023–2025 Menggunakan Algoritma Naive Bayes M. Faris Daffarindra; Akhiyar Waladi; Pradita Eko Prasetyo Utomo; Ulfa Khaira
KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika Vol 7, No 1 (2026)
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.kernel.2026.v7i1.8399

Abstract

Prediksi gempa bumi sangat penting untuk mitigasi bencana di Indonesia sebagai salah satu negara paling aktif seismik di dunia. Penelitian ini menerapkan algoritma Gaussian Naïve Bayes untuk mengklasifikasikan magnitudo gempa menggunakan data BMKG periode 2023-2025. Setelah pra-pemrosesan 30.000 rekaman, diperoleh 23.979 data valid dengan enam variabel prediktor: lintang, bujur, kedalaman, phasecount, azimuth gap, dan jenis magnitudo. Magnitudo dikelompokkan menjadi Ringan ( 3,0), Sedang (3,0-4,9), dan Kuat (≥ 5,0). Model mencapai akurasi 71,68% dengan precision 0,77 dan recall 0,66 pada kelas Sedang, serta recall 0,78 pada kelas Ringan. Validasi 5-fold cross-validation menghasilkan rata-rata akurasi 68,78% (±7,32%). Perbandingan dengan Random Forest (83,63%) dan SVM (79,15%) menunjukkan hanya Naïve Bayes yang mampu mendeteksi kelas Kuat (precision = 0,18; recall = 0,25). Kebaruan penelitian ini terletak pada evaluasi komparatif tiga algoritma dan analisis kritis asumsi independensi fitur Naïve Bayes terhadap data seismik nyata. Model ini layak sebagai alat skrining awal dalam sistem peringatan dini.
Application of Extreme Programming in the Design and Development of a Web-Based Inventory Information System at the Kerinci District Communication and Information Office Eastyanda Putra Kesuma; Ulfa Khaira; Muhammad Razi A
Faktor Exacta Vol 18, No 3 (2025)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v18i3.27532

Abstract

The management of inventory at the Department of Communication and Informatics in Kerinci Regency faced challenges due to centralized processes and the limitations of the existing desktop-based application, the Regional Management Information System, which did not meet user needs. To address this, a web-based inventory management system was developed to enhance operational efficiency, data accuracy, and real-time accessibility. The system was built using the Extreme Programming method over two iterations. The first iteration focused on inventory data management, item categorization, and asset history tracking, while the second iteration introduced features for reporting asset conditions, data validation, and recap reports. The development process included planning, design, coding, and testing phases. User acceptance testing and performance testing were conducted to ensure system quality and user satisfaction. The results demonstrated that the system functioned effectively, met user requirements, and supported efficient inventory management. This system is expected to improve transparency, operational efficiency, and public services at the Department of Communication and Informatics in Kerinci Regency.
Prediksi Nilai Ekspor Migas Indonesia menggunakan Metode ARIMA Hasby Kuswanto; Pradita Eko Prasetyo Utomo; Ulfa Khaira; Akhiyar Waladi
SATESI: Jurnal Sains Teknologi dan Sistem Informasi Vol. 5 No. 1 (2025): April 2025
Publisher : Yayasan Pendidikan Penelitian Pengabdian ALGERO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54259/satesi.v5i1.4103

Abstract

This study aims to predict Indonesia's oil and gas (migas) export values using the Seasonal Autoregressive Integrated Moving Average (SARIMA) and Long Short-Term Memory (LSTM) methods. Time series data from Statistics Indonesia (BPS) was utilized to develop an optimal prediction model. The selected SARIMA model, SARIMA(1,1,1)(1,1,1,12), was chosen based on the lowest Akaike Information Criterion (AIC) value. Meanwhile, the LSTM model was developed to capture more complex patterns in time series data. The forecasting results indicate that the SARIMA model provides higher accuracy compared to LSTM based on the Mean Absolute Percentage Error (MAPE), although LSTM demonstrated lower Mean Squared Error (MSE) and Root Mean Squared Error (RMSE). This study emphasizes that the choice of forecasting model should align with the characteristics of the data, where SARIMA is more suitable for oil and gas export data with seasonal patterns. These forecasting results can be utilized to support economic policy planning, optimize investments in the oil and gas sector, and mitigate global market fluctuation risks.
ANALISIS TEORI ANTRIAN PADA POM BENSIN NUSA INDAH JAMBI MENGGUNAKAN METODE SINGLE CHANNEL PHASE Agnela Amisha Dewi; Hana Oktavia Ramadhani; Selvi Ayu Ramadhani; Ulfa Khaira; Hasanatul Iftitah
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p377-384

Abstract

Penelitian ini menganalisis fenomena antrian pada Pom Bensin Nusa Indah, Jambi, dengan menggunakan metode single channel phase. Data dikumpulkan melalui observasi langsung selama 3 jam dengan total 152 kendaraan. Parameter antrian dihitung menggunakan perangkat lunak POM QM dan rumus klasik M/M/1 untuk mendapatkan tingkat utilisasi (ρ), probabilitas sistem kosong (P0), rata-rata jumlah pelanggan dalam antrian (Lq), rata-rata jumlah pelanggan dalam sistem (L), waktu tunggu rata-rata dalam antrian (Wq) dan waktu rata-rata dalam sistem (W). Hasil menunjukkan tingkat utilisasi ρ = 0,50; P0 = 0,50; Lq ≈ 0,51; L ≈ 1,02; Wq ≈ 0,01 jam (≈0,6 menit); W ≈ 0,02 jam (≈1,2 menit). Temuan ini menunjukkan performa pelayanan yang relatif memadai, tetapi masih ada peluang perbaikan dalam pengaturan jalur layanan dan staffing pada jam sibuk. Implikasi manajerial dan rekomendasi operasional disajikan untuk meningkatkan efisiensi pelayanan dan kepuasan pelanggan
Co-Authors Abidin, Zainil Agnela Amisha Dewi Akhiyar Waladi Aliyah, Rihhadatul Amanda Iza Sofiani Amanda Iza Sofiani Anisa Bella Panjaitan Anna Febriane Angelica Arsa, Daniel Aryani, Reni Benedika Ferdian Hutabarat Bimo Ariansah Bisma Aulia Bisma Aulia Cahya Syalom Cepi Ramdan Cepi Ramdan Christina Mutiara Ishak Dedy Setiawan Desi Hartati Desi Musfiroh Devi Listiani Safitri Dewi Lestari Dinda Fatimah Sarah Dinda Fatimah Sarah Eastyanda Putra Kesuma Edi Saputra Edi Saputra Eko Prasetyo Eko Prasetyo Utomo, Pradita Elfira Elfira Elsha Aureal Shopia Fitri Dwi Lestari Gema Fitria Anwar Ghaitsa Althafah Wandira Ghaitsa Althafah Wandira Guntoro, Guntoro Haezrah Oktavini Hana Oktavia Ramadhani Hasanatul Iftitah Hasby Kuswanto Hidayat Hidayat Imelda Raudati Imelda Raudati Indra Weni Indryani Indryani Insyra Inayah Putri Jefri Marzal Krisman Pratama Simanjuntak Lailan Syaufina Lesianda Junitia Lilian Putri Salsabila M. Faris Daffarindra M. Rizky Ardiansyah Putra Mardhotillah, Bunga Mauladi Mauladi Muazzomi, Nyimas Muhammad Alfares Muhammad Razi A Muhammad Razi A Muhammad Rumii Firnanditya Muksin Alfalah Mustakim Mustakim Mutia Fadhila Putri Mutia Fadhila Putri Mutia Fadhila Putri mutia fadhila putri, mutia fadhila Nabila Febrisa Anggraini Nasution, Afdal Aditya Nasution, Mukhtada Billah Nazwa Eka Hervy Nugroho Ardy Pramono Nyimas Azzahra Nur Saiyidah Nafisah Odista Dwi Putra Pebrianto, Dony Yusra Pikir Claudia Septiani Gulo Putra, Notasonda Soni Putri Hazmawati Qodri, Muhammad Amin Ragil Johanda Reza Wahyu Hardian Rio Gilang, Divo Riyan Ardani Rizki Daffa Muttaqin Rizki Surya Amanda Rizqa Raaiqa Bintana Robertus Herodian Sitanggang Robi Purnomo Rosyadi, Akhmad Fikri Samratul Fuady Selvi Ayu Ramadhani Sitanggang, Imas S. Sulistiyo, Urip Syalsabylla Syalsabylla Syamsyida Rozi Tasia Maidi Saputri Tasia Maidi Saputri Taufik Hidayat Tesa Ananda Putri Tri Suratno Uswatul Hasni Utomo, Pradita Eko Prasetyo Valerina Noa Verent Willy Bima Alfajri Wisard Widsli Kalengkongan Yanova, Shally Yolla Noverina Yosi Riduas Hais Yosi Riduas Hais Yosika Dian Saputri Yuanita Clark Lestari Simbolon Yurinanda, Sherli Zainil Abidin