Article Per Year (5 Year)
p-Index From 2021 - 2026
10.772
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Industri Pertanian JUTI: Jurnal Ilmiah Teknologi Informasi Seminar Nasional Informatika (SEMNASIF) JOIN (Jurnal Online Informatika) Abdimas Pedagogi: Jurnal Ilmiah Pengabdian kepada Masyarakat JOIV : International Journal on Informatics Visualization Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Jurnal Ecodemica : Jurnal Ekonomi Manajemen dan Bisnis Jurnal Teknik Informatika STMIK Antar Bangsa JITK (Jurnal Ilmu Pengetahuan dan Komputer) Jurnal Ekonomi, Manajemen Akuntansi dan Perpajakan (Jemap) J I M P - Jurnal Informatika Merdeka Pasuruan Applied Information System and Management Jurnal Teknoinfo JURNAL PENDIDIKAN TAMBUSAI Jurnal Nasional Komputasi dan Teknologi Informasi Energi & Kelistrikan Indonesian Journal of Applied Informatics Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Jurnal Literasiologi CSRID (Computer Science Research and Its Development Journal) Industri Inovatif : Jurnal Teknik Industri Jurnal Ilmu Komputer dan Bisnis Aisyah Journal of Informatics and Electrical Engineering Jurnal Sistem Informasi dan Informatika (SIMIKA) Journal of Innovation and Future Technology (IFTECH) TIN: TERAPAN INFORMATIKA NUSANTARA JURNAL AKTUAL AKUNTANSI KEUANGAN BISNIS TERAPAN (AKUNBISNIS) Journal of Intelligent Computing and Health Informatics (JICHI) Jurnal Sistem Informasi Journal of Industrial and Engineering System Jurnal Sains Indonesia Bulletin of Computer Science Research Journal of Students‘ Research in Computer Science (JSRCS) Journal Software, Hardware and Information Technology Jurnal Media Informatika JURNAL ELEKTRO DAN INFORMATIKA SWADHARMA (JEIS) Jurnal Mandiri IT J-Intech (Journal of Information and Technology) Jurnal Pustaka Mitra : Pusat Akses Kajian Mengabdi Terhadap Masyarakat Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Sains dan Teknologi Jurnal Sains Informatika Terapan (JSIT) Paradigma Indonesian Journal Computer Science (ijcs) Jurnal Ilmiah Teknik Informatika dan Komunikasi Innovative: Journal Of Social Science Research Jurnal Komputer dan Teknologi (JUKOMTEK) CHAIN: Journal of Computer Technology, Computer Engineering and Informatics Jurnal Ilmiah Sistem Informasi Bulletin of Artificial Intelligence Riau Jurnal Teknik Informatika International Journal of Education, Vocational and Social Science Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK) Journal of Information Technology Jurnal Teknoinfo Komputasi : Jurnal Ilmiah Ilmu Komputer dan Matematika Jurnal Ilmiah Sistem Informasi Akuntansi (JIMASIA) Jurnal Teknik Informatika dan Teknologi Informasi
Sumanto Sumanto
Universitas Bina Sarana Informatika, Indonesia
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 106 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 106 Documents
Search

 6   7   8   9   10 
Prediksi Pertumbuhan Penduduk Kota Jakarta Timur Menggunakan Metode Regresi Linear Anita Adelia Syahfitri; Sumanto Sumanto
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 4 (2025): Agustus 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i4.9431

Abstract

Abstrak - Pertumbuhan penduduk merupakan fenomena alami yang ditandai dengan peningkatan atau penurunan jumlah populasi di suatu wilayah. Sebagai wilayah dengan distribusi penduduk tertinggi di Provinsi DKI Jakarta, Kota Jakarta Timur menghadapi tantangan dalam penyediaan infrastruktur publik serta pengelolaan sumber daya akibat tingginya tingkat pertumbuhan penduduk. Penelitian ini bertujuan untuk melakukan prediksi terhadap jumlah penduduk Kota Jakarta Timur di masa mendatang menggunakan metode regresi linear sederhana. Data yang digunakan berupa data deret waktu (time series) jumlah penduduk pada periode 2010 hingga 2024. Hasil penelitian menunjukkan bahwa model regresi linear memiliki tingkat akurasi sangat baik dengan R-Squared sebesar 0,956. Nilai ini menunjukkan 95,6% variasi jumlah penduduk dapat dijelaskan oleh variabel tahun. Selain itu, hasil uji hipotesis menunjukkan variabel tahun memiliki pengaruh signifikan terhadap pertumbuhan jumlah penduduk di Kota Jakarta Timur.Kata Kunci: Pertumbuhan Penduduk; Prediksi; Regresi Linear; Jakarta Timur;  Abstract - Population change is a natural occurrence reflected in the rising or declining number of inhabitants within a specific area. As the area with the highest population concentration in DKI Jakarta Province, East Jakarta experiences notable challenges in delivering adequate public facilities and managing regional resources, primarily driven by its rapid demographic expansion. This research is conducted to forecast the future population of East Jakarta using a simple linear regression technique. The dataset consists of time series records on the number of residents spanning from 2010 to 2024. The findings reveal that the applied regression model achieves a high prediction accuracy, with an R-Squared value of 0,956. This indicates that 95,6% of the variability in population figures can be attributed to the year variable. Moreover, hypothesis testing confirms that the time variable significantly influences that increase in population size in East Jakarta.Keywords: Population Growth; Prediction; Linear Regression; East Jakarta;
SISTEM PERINGATAN DINI KANTUK PENGEMUDI MENGGUNAKAN MODEL YOLOV11N BERBASIS CITRA WAJAH Adi Supriyatna; Deny Kurniawan; Mochamad Wahyudi; Lise Pujiastuti; Sumanto Sumanto; Dedi Triyanto
Jurnal Teknoinfo Vol. 19 No. 2 (2025): July 2025 Period
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/teknoinfo.v19i2.732

Abstract

Kecelakaan lalu lintas akibat kantuk saat mengemudi merupakan salah satu penyebab utama kematian di jalan raya dan menjadi isu keselamatan yang krusial. Studi menunjukkan bahwa 20–30% kecelakaan disebabkan oleh pengemudi yang mengantuk, sehingga diperlukan sistem peringatan dini yang mampu mendeteksi kondisi ini secara akurat dan real-time. Penelitian ini bertujuan untuk mengembangkan model deteksi kantuk berbasis visi komputer menggunakan algoritma YOLOv11n, yang dikenal sebagai varian ringan dan cepat dari keluarga YOLO. Model dilatih menggunakan dataset citra wajah yang telah diproses dan diaugmentasi melalui platform Roboflow, dengan tujuan untuk mendeteksi tanda-tanda kantuk secara visual. Hasil evaluasi model menunjukkan performa yang sangat baik, dengan nilai mAP50 sebesar 0,9710 dan mAP50-95 sebesar 0,6796. Selain itu, precision mencapai 0,9382 dan recall sebesar 0,9280, yang mengindikasikan kemampuan deteksi yang tinggi serta tingkat kesalahan yang rendah. Temuan ini membuktikan bahwa YOLOv11n dapat diimplementasikan secara efektif dalam sistem peringatan dini untuk meningkatkan keselamatan pengemudi, bahkan pada perangkat dengan sumber daya terbatas. Penelitian ini tidak hanya menjawab tantangan efisiensi dan akurasi deteksi kantuk, tetapi juga memberikan kontribusi nyata bagi pengembangan sistem keselamatan kendaraan berbasis kecerdasan buatan. Ke depan, pengembangan sistem deteksi multimodal yang menggabungkan citra wajah dengan data fisiologis seperti EOG dan detak kepala disarankan untuk meningkatkan keandalan sistem dalam kondisi nyata.
KOMPARASI ALGORITMA K-NEAREST NEIGHBOR, SUPPORT VECTOR MACHINE, DAN NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT DAUN JERUK Deny Kurniawan; Dedi Triyanto; Mochamad Wahyudi; Lise Pujiastuti; Sumanto Sumanto; indra Chaidir
Jurnal Teknoinfo Vol. 19 No. 2 (2025): July 2025 Period
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/teknoinfo.v19i2.751

Abstract

Jeruk merupakan salah satu buah tropis yang banyak dikonsumsi masyarakat karena kandungan nutrisinya yang tinggi, khususnya vitamin C. Namun, produksi jeruk kerap mengalami penurunan akibat serangan penyakit, terutama pada bagian daun. Identifikasi penyakit secara manual dinilai kurang efisien dan rawan kesalahan, sehingga diperlukan sistem otomatis berbasis machine learning untuk membantu proses deteksi secara cepat dan akurat. Penelitian ini bertujuan untuk membandingkan tiga algoritma klasifikasi K-Nearest Neighbor (KNN), Support Vector Machine (SVM), dan Neural Network (NN) dalam mengidentifikasi penyakit daun jeruk berdasarkan fitur tekstur. Dataset yang digunakan terdiri dari lima kategori: Black Spot, Canker, Greening, Melanose, dan Healthy, dengan total 609 citra daun yang dibagi secara proporsional untuk pelatihan dan pengujian. Hasil evaluasi menunjukkan bahwa model Neural Network memberikan performa terbaik dengan akurasi 87,5%, diikuti oleh SVM sebesar 82,4%, dan KNN sebesar 77,5%. Penelitian ini menunjukkan bahwa pendekatan machine learning, khususnya Neural Network, efektif dalam klasifikasi penyakit daun jeruk dan berpotensi untuk diimplementasikan lebih lanjut dalam bentuk aplikasi praktis bagi petani.
Decision Support System for Determining Strategic Warehouse Locations Using a Combination of the WENSLO Weighting and RAWEC Method Junhai Wang; Setiawansyah Setiawansyah; Temi Ardiansah; Faruk Ulum; Sumanto Sumanto
JUTI: Jurnal Ilmiah Teknologi Informasi Vol. 24, No. 1, January 2026
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v24i1.a1456

Abstract

Determining the location of a strategic warehouse is a crucial decision in supply chain management as it directly affects distribution efficiency, logistics costs, and service levels. This problem is multi-criteria and complex, requiring an approach that can accommodate differences in the importance of criteria as well as variations in performance among alternatives objectively. This study aims to develop a Decision Support System to determine a strategic warehouse location by combining the Weights by Envelope and Slope (WENSLO) weighting method and the Ranking of Alternatives with Weights of Criterion (RAWEC) ranking method. The WENSLO method is used to generate criteria weights based on the nonlinear strength of each criterion, while the RAWEC method is applied to calculate the final values and determine the ranking of warehouse location alternatives. A case study was conducted on eleven alternative locations with the main criteria including location cost, accessibility, safety, distribution travel time, and proximity to suppliers. The study results showed that Location TR obtained the highest final score of 0.9673 and was designated as the top priority warehouse location, followed by Location RD with a score of 0.6235 and Location HO with a score of 0.338, while Location QC had the lowest score of −0.975. These findings demonstrate that the combination of the WENSLO and RAWEC methods can produce rankings that are objective, consistent, and easy to interpret, making them a reliable decision-support tool for determining strategic warehouse locations and potentially applicable to other logistics and distribution problems.
Analisis Pendeteksian dan Klasifikasi Produk di Lingkungan Supermarket Menggunakan Dataset Roboflow Yamani, Teuku Arrasy; Rofiqi, Ainur; Fauzan, Muhammad Indra; Sumanto, Sumanto; Taufiq, Ghofar; Kumalasari, Kumalasari
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 2 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i2.1468

Abstract

Kemajuan teknologi visi komputer telah memberikan kontribusi signifikan dalam bidang ritel, khususnya dalam pendeteksian dan klasifikasi produk di supermarket. Penelitian ini menganalisis kinerja model You Only Look Once (YOLO) dalam mengidentifikasi berbagai produk menggunakan dataset Roboflow yang berisi 1.200 citra dengan 10 kelas produk. Dataset mencakup variasi kondisi nyata, seperti perubahan pencahayaan, orientasi objek, serta kemunculan latar yang kompleks. Model dievaluasi menggunakan metrik precision, recall, dan mean Average Precision (mAP). Hasil menunjukkan bahwa YOLO mencapai mAP50 sebesar 0,95 dan mAP50–95 sebesar 0,89, menandakan akurasi deteksi yang tinggi. Sebagai kontribusi utama, penelitian ini membandingkan performa YOLO dengan arsitektur deteksi ringan seperti MobileNet-SSD, di mana YOLO menunjukkan hasil lebih stabil pada kondisi visual yang bervariasi. Temuan ini menegaskan bahwa YOLO efektif digunakan untuk otomatisasi inventori dan pemantauan stok di lingkungan ritel modern.Kata kunci: Deteksi objek, YOLO, Visi komputer, Klasifikasi produk supermarket, Dataset Roboflow.
Implementasi Lightweight Neural Network Berbasis YOLOv8n untuk Klasifikasi Sampah Real-Time Ali, Muhamad Hafis; Sulaiman, Sulaiman; Ardiyansyah, Rizqi; Sumanto, Sumanto; Taufiq, Ghofar; Kumalasari, Jefina Tri
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8895

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sampah real-time yang efisien pada perangkat edge dengan memanfaatkan arsitektur Deep Learning ringan berbasis YOLOv8. Klasifikasi sampah otomatis merupakan solusi krusial dalam Smart Waste Management, namun model jaringan saraf tiruan yang kompleks sering terkendala oleh keterbatasan sumber daya komputasi pada perangkat IoT. Penelitian ini menerapkan model YOLOv8n (nano) menggunakan teknik Transfer Learning untuk menyeimbangkan akurasi deteksi dan efisiensi komputasi. Dataset yang digunakan bersumber dari repositori publik Roboflow sebanyak 1.123 citra yang telah melalui proses augmentasi. Hasil pelatihan selama 50 epoch menunjukkan performa impresif dengan nilai mean Average Precision (mAP@50) mencapai 0.995, Presisi 0.998, dan Recall 1.0. Selain itu, model memiliki ukuran file yang sangat ringkas (±6 MB) dengan kecepatan inferensi yang memadai untuk operasi real-time. Hasil penelitian ini membuktikan bahwa algoritma lightweight neural network mampu diimplementasikan secara efektif untuk mendukung sistem pemilahan sampah cerdas berbasis Computer Vision.
Klasifikasi Penyakit Daun Tanaman Berbasis Citra Menggunakan Convolutional Neural Network Data Augmentation Suci, Bintang Dyas; Musfiroh, Musfiroh; Sefriani, Shintia Putriayu; Sumanto, Sumanto; Pakpahan, Roida; Budiawan, Imam
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8894

Abstract

Penelitian ini membahas penerapan Convolutional Neural Network (CNN) yang dikombinasikan dengan teknik augmentasi data untuk klasifikasi penyakit daun tanaman berbasis citra. Permasalahan utama penelitian ini adalah keterbatasan jumlah data latih yang dapat memengaruhi kinerja model klasifikasi. Tujuan penelitian adalah mengevaluasi efektivitas augmentasi data dalam meningkatkan performa model CNN pada dataset berskala terbatas. Dataset yang digunakan adalah Plant Disease Recognition Dataset yang terdiri dari 1.523 citra dengan tiga kelas, yaitu Healthy, Powdery Mildew, dan Rust. Penelitian ini menggunakan metode eksperimen dengan tahapan praproses data, augmentasi data, pelatihan model, serta evaluasi performa yang seluruhnya dilakukan menggunakan Google Colab. Teknik augmentasi yang diterapkan meliputi rotasi, zoom, dan horizontal flip. Hasil penelitian menunjukkan bahwa model CNN mampu mencapai akurasi validasi yang baik, meskipun performa klasifikasi antar kelas masih bervariasi, khususnya pada kelas Rust yang memiliki karakteristik visual kompleks, sebagaimana ditunjukkan melalui confusion matrix dan classification report. Selain itu, penelitian ini mengimplementasikan skema prediksi real-time sebagai proof-of-concept. Secara keseluruhan, hasil penelitian menunjukkan bahwa kombinasi CNN dan augmentasi data efektif untuk klasifikasi penyakit tanaman pada kondisi keterbatasan data dan sumber daya komputasi.
Analisis Kinerja Model Yolov8 Berbasis Roboflow pada Deteksi Sampah Plastik Non-Plastik Otomatis Alghiffary, Muhammad Adya; Saputra, Yusup; Ali, Satrio Nur; Sumanto, Sumanto; Taufig, Ghofar; Kumalasari, Jefina Tri
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8896

Abstract

Meningkatnya jumlah sampah plastik menuntut adanya sistem pemilahan yang lebih efisien dan akurat. Pemilahan sampah secara manual masih memiliki keterbatasan dari segi waktu dan ketelitian. Oleh karena itu, diperlukan sistem deteksi otomatis berbasis computer vision menggunakan model YOLOv8 dan Roboflow untuk membedakan sampah plastik dan non-plastik secara efektif. Penelitian ini berfokus pada evaluasi kinerjamodel YOLOv8 untuk mengotomasi deteksi sampah Plastik dan Non-Plastik, sebuah langkah krusial dalam pengelolaan limbah modern. Menggunakan dataset yang disediakan Roboflow, model dikembangkan dan diuji coba seluruhnya di lingkungan Google Colab. Model YOLOv8 menunjukkan hasil yang sangat memuaskan, dengan capaian mean Average Precision (mAP) mencapai 95,2% dan akurasi 94,5%. Kinerja tinggi ini didukung oleh nilai presisi dan recall yang kuat, menandakan kemampuan klasifikasi yang handal. Studi ini menyimpulkan bahwa YOLOv8 adalah pilihan yang efektif dan efisien untuk penerapan dalam teknologi pemilahan sampah otomatis, yang berpotensi meningkatkan produktivitas dan keberlanjutan pengelolaan sampah di berbagai skala.
Analisis Tren Popularitas Musik Spotify Menggunakan Chi-Square, Regresi Linear & Anova Sentanu, Quinn Abrar Athallah; Alamsyah, Muhammad Arkan; Rivaldi, Muhammad; Sumanto, Sumanto; Taufiq, Ghofar
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8897

Abstract

Musik adalah fenomena budaya yang dinamis, dengan platform streaming seperti Spotify merevolusi konsumsi. Penelitian ini bertujuan menganalisis tren karakteristik akustik dan popularitas musik menggunakan Dataset Spotify dari tahun 2018 hingga 2022, periode krusial dominasi digital. Pentingnya topik ini terletak pada identifikasi pergeseran selera digital dan faktor-faktor yang mendorong keberhasilan musikal kontemporer. Penelitian ini menggunakan metode analisis statistik deskriptif dan pemodelan deret waktu pada metrik popularitas serta karakteristik akustik seperti danceability, energy, dan valence.Genre R&B dan Indie mencatat pertumbuhan popularitas yang paling signifikan. Disimpulkan bahwa dalam era streaming, danceability telah menjadi prediktor kuat popularitas, menandakan preferensi pendengar terhadap musik yang lebih berirama, sebuah temuan penting bagi produser musik dan pemasar
Analisis Klaster Tingkat Stres Generasi Z Berdasarkan Pola Tidur dan Aktivitas Media Sosial Menggunakan Metode K-Means Clustering Putra, Imam Hanif; Nurrahman, Alvin; Saputra, Sabita Abigail; Sumanto, Sumanto; Budiawan, Imam; Pakpahan, Roida
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8898

Abstract

Penelitian ini bertujuan untuk mengidentifikasi pola kecenderungan stres pada Generasi Z melalui analisis klaster berbasis perilaku tidur dan penggunaan media sosial. Data yang digunakan berasal dari dataset kesehatan mental publik tahun 2025 yang terdiri dari 5.000 data responden, dengan dua variabel utama yaitu durasi tidur harian dan lama penggunaan media sosial. Pendekatan kuantitatif eksploratori diterapkan menggunakan metode unsupervised learning, tanpa melibatkan label kelas. Proses analisis dilakukan melalui tahap pembersihan data, normalisasi, dan klasterisasi menggunakan algoritma K-Means yang diimplementasikan pada aplikasi Orange Data Mining. Penentuan jumlah klaster optimal dilakukan dengan evaluasi Silhouette Score, yang menunjukkan bahwa konfigurasi enam klaster memberikan kualitas pemisahan terbaik dibandingkan variasi klaster lainnya. Hasil klasterisasi memperlihatkan perbedaan karakteristik yang jelas antar kelompok, mulai dari individu dengan durasi tidur rendah dan penggunaan media sosial tinggi hingga kelompok dengan pola tidur lebih seimbang dan aktivitas digital lebih terkendali. Temuan ini menunjukkan bahwa kombinasi pola tidur dan intensitas penggunaan media sosial dapat digunakan sebagai indikator awal dalam memetakan potensi stres pada Generasi Z, serta menjadi dasar bagi penelitian lanjutan terkait kesehatan mental berbasis perilaku digital.
Co-Authors Abdurrachman, Qais Achmad Rivai Syahputra Achmes Dade Ramadani Ade Budiman, Ade Ade Christian Adhiani, Budhi Adi Pangestu Adi Supriyatna Adinugroho, Wisnu Aditia Yudhistira Agung Wibowo Agus Buono Agus Santoso Ahmad Habibullah Ahmad Rais Ruli Ahmad Yani Ahmad Yani ahmad yani Ahmad Yani , Ahmad Yani Alamsyah, Muhammad Arkan Alghifar Firgiawan Alghiffary, Muhammad Adya Ali Mahmudi Ali, Muhamad Hafis Ali, Satrio Nur Alwan Kapi Muntaha Alya Avisa Andi Diah Kuswanto Andi Setiawan Andika Amansyah Andri Amico Anggreani, Namira Anita Adelia Syahfitri Antony Pangaribuan, Rizky Daud Apip Supiandi Aprillia, Dinda Aprilyanto, Ryan Dwi Ardiyansyah, Rizqi Ari Sulistiyawati Ari Sulistiyawati Ariskawati, Mila Arshad, Muhammad Waqas Arya, Yudi Asmawati Asmawati Asy'ari, Muhammad Rifqi Audy Aulia Azzahra Aulia Rachmat, Daffa Azkia, Farah Diba Bib Paruhum Silalahi Bismo Raharjo, Yohanes Aryo Budhi Adhiani Budhi Adhiani Christina Budi Santoso Budiman, Ade Surya Cahya, Titus Dwi Cahyani Ayu Sulistyawati Damayanti Damayanti Darmawi . Dedi Darwis Dedi Triyanto Dedi Triyanto Deny Kurniawan DENY KURNIAWAN Desiana Nuranudin Putri Dewi, Revinta Arrova Diah, Andi Dyah Ayu Megawaty Dyani Kalyana Mitta Eka Dyah Setyaningsih Eka Putri Alvi Syahrina Elisabeth Sri Hendrastuti Erlangga Rizki Ekaptra Faatin, Safinah Fahrian Fahroni, Aldiwa Alfa Thira Nur Faiz Djarot, Raihan Jamal Fajar Akbar Fajar Yoga Adiansyah Fajrian, Ihsan Fardha Hasykir Farhan Fadhilah Faris Syahrendra Farras Hilmy Ibrahim Faruk Ulum Fathur Rismansyah Fauzan Nawwir Andriansyah Fauzan, Muhammad Indra Ganda Wijaya Ganda Wijaya, Ganda Ghofar Taufiq Gibran, Muhamad Rendi Ginting Wibi Prasetyo Gustian, Riansyah Hafis Nurdin Harianto Harianto Hariyanto Hariyanto HARIYANTO HARIYANTO Hartanti Hartanti Hartono Hartono Heni Nur Kusumawati Hernawan, Muhammad Hendra Hidayat Putra, Rifki Nur Idha Rizqi Pratiwi Imam Budiawan Imam Budiawan Imam Wahyudi Indra Chaidir, Indra Indra, Ahmad Indriani , Karlena Indriyanti, Zahra Kiky Dwi Insani Abdi Bangsa Iqro Mukti Arto Jefina Tri Kumalasari Joko Tri Haryanto Joseph Melchior Nababan Jumadi, Yakobus Linus Jumaryadi, Yuwan Junhai Wang Junhai Wang Kadir, Fauwas Abdul Kaisar Ages Querio Karlena Indriani Karlisa Priandana Karo-Karo, Julkarnaen Kevin Dwi Satria Kotjek, Rafie Kumalasari Kumalasari Kuswanto, Andi Diah Laksono, Andriansyah Tri Laura Gabriel da Silva Lestari, Nindya Dwi Lia Mazia, Lia Lise Pujiastuti Lise Pujiastuti Lita Sari Marita Maharani Rona Makom Makom, Maharani Rona Manarul Hidayat Mantriwira, Daniel Mardinawat Mardinawat Mardinawati Mardinawati Mardinawati, Mardinawati Marundrury, Aberahamo Onoma Megawaty, Dyah Ayu Mochamad Wahyudi Muhammad Furqon Prasetyo Muhammad Raviansyah Musfiroh Musfiroh, Musfiroh Nabilla, Adinda Naufal Hermawan, Rezan Ningtyas, Listina Ade Widya Nirwana Hendrastuty Noviyanto Nur Rachmat Nugraha Nurfia Oktaviani Syamsiah Nurrahman, Alvin Oprasto, Raditya Rimbawan Paduloh Paduloh Pakpahan, Roida Pasaribu, A. Ferico Octaviansyah Paulus Paulus Permata, Permata Prasetyo Adi Suwignyo Prasetyo, Romadhan Edy Pribadi, Denny Pricillia Primadana, Raihan Pujiastuti, Lise Purwandani, Indah Putra Satria Putra, Imam Hanif Rachmat Adi Purnama Rafi Kurniawan Raihan Naufal Ramadhan Raihan Raihan, Raihan Ramadhan, Muhammad Gilang Ramadhani, Dwiki Gilang Ramadhani, Varla Octavia Rani, Maulidina Cahaya Rasendriya, Rafi Rasyid, Arnata Nur Ratiyah* Ratiyah Ratnasari, Arum Respati Putra, Micho Retno Winarti Reynaldi , Reynaldi Rian Hidayat Ridwan, Asrifia Rifda Ilahy Rosihan Riska Aryanti Rivaldi, Muhammad Rizal Maulana Rizqi Ramadhani, Muhammad Rofiqi, Ainur Roida Pakpahan Roida Pakpahan Roni Saputra Pratama Ruhul Amin Rumidjan Rumidjan, Rumidjan Rusda Wajhillah Ryan Randy Suryono Ryehan Alfiansyah Sanriomi Sintaro Santosa, Teguh Budi Saputra, Sabita Abigail Saputra, Yusup Saputri, Fifin Sefriani, Shintia Putriayu Sentanu, Quinn Abrar Athallah Sentot Achmadi Setiawan, Dandi Setiawansyah Setiawansyah Siregar, Denny Solihin Solihin Souisa, Juanny Cheristy Sri Hendrastuti, Elisabeth Sri Sugiharti Suci, Bintang Dyas SUKAMTI . Sulaiman Sulaiman Sulistyo Sulistyo Sumarna Sumarna Sumarna Sumarna Suparno Suparno Suwandi Suwandi Syakir, Adryan Raihan Tabrani, Tabrani Tanjung, Widya Viona Septi Tarmidzi Ibrahim Taufig, Ghofar Teguh Budhi Santosa Teguh Budi Santosa Temi Ardiansah Teuku Vaickal Rizki irdian Tito, Herdinan Tri Widian Ratnasari Ulum, Faruk Umam, Hairul Umar, Muhammad Hussein Ummu Radiyah, Ummu Vemi Januar Pratama Vera Agustina Yanti Virgiawan, Gilang Wahyudi, Agung Deni Wang, Junhai Wardani, Maidy Tri Wattilah, Florentina Wijaya, Filzah Wina Ningsih Yamani, Teuku Arrasy Yanuar Laik, Abraham Adrian Yunardus, Yunardus Yundari, Yundari Yuri Rahmanto Zahwa Asfa Rabbani Zaky, Faiz Najwan Zalmi, Indah Oktavia Zidan, Muhammad `Diah Kuswanto, Andi