Article Per Year (5 Year)
p-Index From 2021 - 2026
7.853
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 Nasional Komputasi dan Teknologi Informasi Energi & Kelistrikan Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika CSRID (Computer Science Research and Its Development Journal) 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 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 Mandiri IT J-Intech (Journal of Information and Technology) 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) Jurnal Ilmiah Sistem Informasi Bulletin of Artificial Intelligence Riau Jurnal Teknik Informatika Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK) Journal of Information Technology Jurnal Teknoinfo Komputasi : Jurnal Ilmiah Ilmu Komputer dan Matematika
Sumanto, Sumanto
Universitas Bina Sarana Informatika
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 : 83 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 83 Documents
Search

 5   6   7   8   9 
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.
Penerapan Algoritma Random Forest Untuk Prediksi Tingkat Stres Dari Aktivitas Media Sosial Umar, Muhammad Hussein; Antony Pangaribuan, Rizky Daud; Primadana, Raihan; Sumanto, Sumanto; Budiawan, Imam; Pakpahan, Roida
Jurnal Media Informatika Vol. 6 No. 6 (2025): Edisi Desember 2025
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i6.7765

Abstract

Penelitian ini bertujuan untuk memprediksi tingkat stres pengguna berdasarkan data numerik yang merepresentasikan perilaku dan kebiasaan sehari-hari, seperti kualitas tidur, durasi penggunaan media sosial, frekuensi olahraga, durasi layar harian, dan indeks kebahagiaan. Pemodelan dilakukan menggunakan algoritma Random Forest melalui workflow pada Orange Data Mining yang mencakup pemuatan dataset, pemilihan atribut, penyesuaian tipe data, pelatihan model, serta evaluasi performa. Pengujian menggunakan Test and Score menunjukkan bahwa Random Forest mampu memberikan performa klasifikasi yang stabil. Visualisasi Bar Plot memperlihatkan distribusi metrik evaluasi yang konsisten, sementara Confusion Matrix menunjukkan bahwa sebagian besar prediksi berada pada kelas medium. Analisis hasil prediksi juga memperkuat kecenderungan model dalam memetakan data ke kategori stres dominan. Secara keseluruhan, penelitian ini menunjukkan bahwa metode Random Forest efektif digunakan untuk deteksi tingkat stres berbasis data numerik perilaku pengguna, serta berpotensi menjadi dasar pengembangan sistem pemantauan kesehatan mental berbasis data.
Prediksi Penyakit Jantung Menggunakan Algoritma Machine Learning Berdasarkan Indikator Kesehatan Karo-Karo, Julkarnaen; Syakir, Adryan Raihan; Raihan, Raihan; Sumanto, Sumanto; Budiawan, Imam; Pakpahan, Roida; Christian, Ade
Jurnal Ilmiah Sistem Informasi Vol. 5 No. 1 (2026): January: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/1tgz3234

Abstract

Penyakit jantung tetap menjadi penyebab utama kematian di seluruh dunia, sehingga menekankan perlunya deteksi dini dan langkah pencegahan aktif melalui pendekatan yang didasarkan pada analisis data. Penelitian ini bertujuan untuk memprediksi kemungkinan terjadinya penyakit jantung dengan memanfaatkan berbagai metode pembelajaran mesin, yang bergantung pada indikator kesehatan seperti nilai tekanan darah, tingkat kolesterol, indeks massa tubuh, serta pengukuran denyut nadi. Penelitian ini menerapkan teknik pembelajaran terawasi, meliputi Regresi Logistik, Pohon Keputusan, Hutan Acak, dan Mesin Vektor Pendukung, untuk mengevaluasi efektivitas masing-masing model dalam menentukan kondisi kesehatan pasien. Data yang digunakan berasal dari repositori kesehatan yang dapat diakses secara gratis, mencakup 303 catatan medis pasien, di mana setiap catatan ditandai oleh 14 atribut kesehatan yang berbeda. Untuk memastikan keandalan data, beberapa langkah pra-pemrosesan diterapkan, seperti normalisasi, seleksi fitur, dan penanganan data yang hilang. Temuan eksperimen mengungkapkan bahwa algoritma Hutan Acak menunjukkan akurasi tertinggi sebesar 92,3%, mengungguli model lainnya dalam aspek presisi, recall, dan skor F1. Hal ini menandakan bahwa metode Hutan Acak unggul dalam mendeteksi pola dan faktor yang memperbesar risiko penyakit jantung. Penelitian ini berkontribusi pada pengembangan sistem diagnostik cerdas, yang dapat mendukung tenaga medis dalam pengambilan keputusan awal yang didasarkan pada bukti kuat. Kesimpulan dari studi ini menyoroti pentingnya memasukkan teknologi pembelajaran mesin ke dalam ekosistem layanan kesehatan digital guna meningkatkan ketepatan diagnosis dan memperbaiki hasil kesehatan pasien.
Implementasi Data Mining Pada Gangguan Tidur Berdasarkan Gaya HidupMenggunakan Metode K-Means Clustering Zalmi, Indah Oktavia; Faatin, Safinah; Yunardus, Yunardus; Sumanto, Sumanto; Budiawan, Imam; Pakpahan, Roida
Jurnal Ilmiah Sistem Informasi Vol. 5 No. 1 (2026): January: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/fvjn4865

Abstract

Gaya hidup sehat (GHS) memiliki peran penting dalam menjaga kesejahteraan fisik dan mental, khususnya pada kalangan mahasiswa dan pekerja. Namun, tren gaya hidup modern yang semakin bersifat sedentari telah secara signifikan meningkatkan risiko munculnya berbagai masalah kesehatan seperti stres, penurunan konsentrasi, obesitas, dan penyakit kronis. Penelitian ini bertujuan untuk mengidentifikasi dan mengelompokkan individu berdasarkan profil gaya hidup dan kualitas tidur mereka menggunakan metode K-Means Clustering. Variabel yang dianalisis mencakup durasi tidur, tingkat stres, aktivitas fisik, indeks massa tubuh (BMI), serta pola gangguan tidur. Analisis dilakukan dengan memanfaatkan dataset Sleep Health and Lifestyle untuk mengungkap pola tersembunyi dalam kebiasaan perilaku dan kesehatan responden. Proses pengelompokan menghasilkan tiga kelompok utama, yaitu: (1) individu dengan gaya hidup sehat optimal yang ditandai dengan tidur yang cukup, pola makan seimbang, dan aktivitas fisik teratur; (2) individu dengan risiko sedang yang memiliki kebiasaan hidup tidak teratur dan tingkat stres menengah; serta (3) individu berisiko tinggi yang dicirikan oleh kualitas tidur yang buruk, stres tinggi, dan kebiasaan hidup yang kurang sehat. Temuan ini menunjukkan bahwa algoritma K-Means efektif dalam mengklasifikasikan individu ke dalam kelompok gaya hidup yang bermakna, sehingga mampu memberikan representasi yang akurat terhadap profil kesehatan populasi. Hasil penelitian ini diharapkan dapat membantu lembaga pendidikan, organisasi kesehatan, dan tempat kerja dalam merancang program promosi kesehatan yang lebih terarah dengan menekankan pengelolaan tidur yang baik, nutrisi seimbang, serta aktivitas fisik rutin untuk meningkatkan kesejahteraan dan produktivitas secara keseluruhan.
Perbandingan Algoritma Naive bayes dan KNN dalam analisis sentimen Twitter tentang Depresi di Indonesia Respati Putra, Micho; Wina Ningsih; Souisa, Juanny Cheristy; Asy'ari, Muhammad Rifqi; Sumanto; Budiman, Ade Surya
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.666

Abstract

Depresi merupakan gangguan mental yang menjadi perhatian global, dengan prevalensi tinggi khususnya di kalangan usia muda. Media sosial seperti Twitter menjadi ruang ekspresi yang potensial dalam mencerminkan kondisi psikologis masyarakat. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis sentimen publik terkait isu depresi di Indonesia melalui data Twitter menggunakan dua algoritma pembelajaran mesin, yakni Naïve Bayes dan k-Nearest Neighbours (kNN). Data dikumpulkan melalui proses web scraping terhadap 1.342 tweet, yang kemudian disaring menjadi 873 tweet relevan berbahasa Indonesia. Tahapan analisis meliputi praproses teks, ekstraksi fitur, dan klasifikasi sentimen menjadi tiga kategori: positif, negatif, dan netral. Evaluasi kinerja model dilakukan dengan metrik AUC, akurasi, presisi, recall, F1-score, dan Matthews Correlation Coefficient (MCC). Hasil menunjukkan bahwa algoritma kNN memiliki kinerja unggul dengan akurasi 96,4% dan MCC 0,645, sementara Naïve Bayes mencatatkan AUC tertinggi sebesar 0,985. Distribusi data memperlihatkan dominasi sentimen negatif, mengindikasikan bahwa Twitter kerap digunakan sebagai wadah pelampiasan emosi negatif terkait depresi, terutama di kalangan usia produktif. Temuan ini menegaskan bahwa media sosial berpotensi digunakan sebagai alat skrining awal untuk memantau kesehatan mental masyarakat secara dinamis dan real-time. Implikasi dari studi ini membuka peluang pengembangan sistem pemantauan berbasis kecerdasan buatan untuk mendukung intervensi dini dalam penanganan isu depresi di Indonesia.
Analisis Prediksi Kualitas Udara dengan Metode Random Forest Berdasarkan Data Cuaca Aprilyanto, Ryan Dwi; Gustian, Riansyah; Hernawan, Muhammad Hendra; Budiman, Ade Surya; Sumanto
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.670

Abstract

Penelitian ini bertujuan untuk memprediksi suhu rata-rata harian (TAVG) di Kota Jakarta menggunakan algoritma Machine Learning Random Forest. Data yang digunakan berasal dari Stasiun Meteorologi Kemayoran dengan periode pengamatan 1 Januari 2024 hingga 30 Mei 2025 dan mencakup tujuh atribut cuaca seperti suhu, kelembapan, curah hujan, dan kecepatan angin. Proses penelitian melibatkan tahapan pengumpulan data, persiapan, pemodelan, dan evaluasi menggunakan metrik regresi seperti Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²). Hasil evaluasi menunjukkan performa model yang cukup baik, dengan nilai MSE sebesar 0.398, RMSE 0.631, MAE 0.488, MAPE 1.7%, dan R² sebesar 0.653. Visualisasi distribusi data menunjukkan kecocokan antara prediksi dan data aktual, yang menandakan model mampu menangkap pola cuaca secara akurat. Dengan demikian, model Random Forest dinilai efektif dan andal untuk digunakan dalam prediksi cuaca serta memiliki potensi untuk dikembangkan lebih lanjut dalam mendukung pengambilan keputusan di berbagai sektor.
Penerapan Naive Bayes Untuk Analisis Opini Publik Indonesia Terhadap Gencatan Senjata Di Palestina Ramadhani, Dwiki Gilang; Tito, Herdinan; Sumanto; Budiman, Ade Surya
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.672

Abstract

Penelitian ini bertujuan untuk mengetahui seperti apa pendapat masyarakat Indonesia terhadap isu gencatan senjata di Palestina dengan menganalisis data dari media sosial X (dulu Twitter). Data dikumpulkan menggunakan teknik web scraping, kemudian dianalisis menggunakan algoritma Naive Bayes dan diproses melalui perangkat lunak Orange Data Mining.Hasil analisis menunjukkan bahwa sebagian besar masyarakat Indonesia memiliki sentimen positif terhadap gencatan senjata, yang mencerminkan dukungan terhadap perdamaian. Model Naive Bayes yang digunakan mampu mengklasifikasikan data dengan cukup baik, dengan nilai AUC sebesar 91,5%, akurasi dan F1-score sebesar 73,4%, serta MCC sebesar 60,2%.Meskipun data hanya berasal dari media sosial dan belum tentu mewakili semua lapisan masyarakat, penelitian ini memberikan gambaran awal tentang opini publik terhadap isu Palestina. Ke depannya, penelitian dapat diperluas dengan jumlah data yang lebih besar dan kata kunci yang lebih beragam agar hasilnya lebih akurat dan menyeluruh.
Co-Authors Abdurrachman, Qais Achmad Rivai Syahputra Ade Budiman, Ade Ade Christian Ade Christian Ade Christian Ade Christian, Ade Adi Pangestu Adi Supriyatna Aditia Yudhistira Agung Wibowo Agus Buono Ahmad Habibullah Ahmad Yani ahmad yani Ahmad Yani , Ahmad Yani Alamsyah, Muhammad Arkan Alghiffary, Muhammad Adya Ali, Muhamad Hafis Ali, Satrio Nur Andi Diah Kuswanto Andri Amico Anggreani, Namira Anita Adelia Syahfitri Antony Pangaribuan, Rizky Daud Apip Supiandi Aprilyanto, Ryan Dwi Ardiyansyah, Rizqi Ari Sulistiyawati Ari Sulistiyawati Arshad, Muhammad Waqas Arya, Yudi Asy'ari, Muhammad Rifqi Aulia Rachmat, Daffa Azkia, Farah Diba Bib Paruhum Silalahi Bismo Raharjo, Yohanes Aryo Budhi Adhiani Christina Budi Santoso Budiman, Ade Surya Cahya, Titus Dwi Christian , Ade Damayanti Damayanti Dedi Darwis Dedi Triyanto Dedi Triyanto Deny Kurniawan DENY KURNIAWAN Dewi, Revinta Arrova Diah, Andi Dyah Ayu Megawaty Dyani Kalyana Mitta Eka Dyah Setyaningsih Eka Putri Alvi Syahrina Elisabeth Sri Hendrastuti Faatin, Safinah Fahrian Fahroni, Aldiwa Alfa Thira Nur Faiz Djarot, Raihan Jamal Fajar Akbar Fajrian, Ihsan Fardha Hasykir Faruk Ulum Fathur Rismansyah Fauzan, Muhammad Indra Ganda Wijaya Ganda Wijaya, Ganda Ghofar Taufiq, Ghofar Gustian, Riansyah Hafis Nurdin Harianto Harianto Hariyanto HARIYANTO HARIYANTO Hartanti Hartanti Hernawan, Muhammad Hendra Hidayat, Manarul Hilmy Ibrahim, Farras Imam Budiawan Indah Purwandani Indra Chaidir, Indra Indra, Ahmad Indriani , Karlena Indriyanti, Zahra Kiky Dwi Insani Abdi Bangsa Jefina Tri Kumalasari Jumadi, Yakobus Linus Jumaryadi, Yuwan Junhai Wang Junhai Wang Kadir, Fauwas Abdul Kaisar Ages Querio Karlena Indriani Karlisa Priandana Karo-Karo, Julkarnaen Kotjek, Rafie Kumalasari Kumalasari Kuswanto, Andi Diah Laksono, Andriansyah Tri Laura Gabriel da Silva Lia Mazia, Lia Lise Pujiastuti Lise Pujiastuti Lita Sari Marita Maharani Rona Makom Mantriwira, Daniel Mardinawat Mardinawat Marundrury, Aberahamo Onoma Megawaty, Dyah Ayu Mochamad Wahyudi Muhammad Furqon Prasetyo Musfiroh Musfiroh, Musfiroh Nabilla, Adinda Naufal Hermawan, Rezan Nirwana Hendrastuty Noviyanto Nur Rachmat Nugraha Nurfia Oktaviani Syamsiah Nurrahman, Alvin Oprasto, Raditya Rimbawan Paduloh Paduloh Pakpahan, Roida Pasaribu, A. Ferico Octaviansyah Permata, Permata Prasetyo, Romadhan Edy Pribadi, Denny Pricillia Primadana, Raihan Pujiastuti, Lise Putra, Imam Hanif Rachmat Adi Purnama Rafi Kurniawan Raihan Raihan, Raihan Ramadani, Achmes Dade Ramadhan, Muhammad Gilang Ramadhani, Dwiki Gilang Ramadhani, Varla Octavia Rani, Maulidina Cahaya Rasendriya, Rafi Ratiyah* Ratiyah Respati Putra, Micho Reynaldi , Reynaldi Rian Hidayat Rifda Ilahy Rosihan Riska Aryanti Riska Aryanti Rivaldi, Muhammad Rizal Maulana Rizqi Ramadhani, Muhammad Rofiqi, Ainur Roida Pakpahan Ruhul Amin Ruli , Ahmad Rais Rumidjan Rumidjan, Rumidjan Rusda Wajhillah Ryan Randy Suryono Sanriomi Sintaro Saputra, Sabita Abigail Saputra, Yusup Sefriani, Shintia Putriayu Sentanu, Quinn Abrar Athallah Setiawan, Dandi Setiawansyah Setiawansyah Siregar, Denny Solihin Solihin Souisa, Juanny Cheristy Sri Hendrastuti, Elisabeth Sri Sugiharti Suci, Bintang Dyas SUKAMTI . Sulaiman Sulaiman Sumarna Sumarna Sumarna Sumarna Syakir, Adryan Raihan Taufig, Ghofar Teguh Budhi Santosa Temi Ardiansah Teuku Vaickal Rizki irdian Tito, Herdinan Tri Widian Ratnasari Ulum, Faruk Umam, Hairul Umar, Muhammad Hussein Ummu Radiyah, Ummu 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 Zalmi, Indah Oktavia Zidan, Muhammad `Diah Kuswanto, Andi