Article Per Year (5 Year)
p-Index From 2021 - 2026
6.644
P-Index
This Author published in this journals
All Journal JOIN (Jurnal Online Informatika) Jurnal Mirai Management JOIV : International Journal on Informatics Visualization JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Syntax Literate: Jurnal Ilmiah Indonesia Jurnal Teknoinfo JSiI (Jurnal Sistem Informasi) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) J-Dinamika: Jurnal Pengabdian Kepada Masyarakat IJIES (International Journal of Innovation in Enterprise System) Jurnal Teknologi Informasi dan Pendidikan Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Indonesia : Manajemen Informatika dan Komunikasi JURNAL REKAYASA INFORMASI SWADHARMA (JRIS) Prosiding Konferensi Nasional PKM-CSR eProceedings of Engineering Jurnal INFOTEL Journal of Community Service and Society Empowerment Jurnal Indonesia : Manajemen Informatika dan Komunikasi Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) The Indonesian Journal of Computer Science SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan
Faqih Hamami
Telkom University, Bandung
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Nursing Public Health Social Sciences Other

Published : 50 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search
Journal : eProceedings of Engineering

 1   2 
Implementasi Data Mining Untuk Product Bundling Pada Coffee Shop Aziz, Abdurrahman; Hamami, Faqih; Yulizar, Iqbal
eProceedings of Engineering Vol. 12 No. 1 (2025): Februari 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Di era sekarang dalam menjalankan bisniscoffee shop sudah terbantu dengan layanan pengantaranmakanan dan minuman, seperti Gojek dan Grab. Dalammenjalankan bisnis coffee shop perlu merancang strategi agarpenjualan produk meningkat. Strategi pemasaran yang umumdilakukan yaitu menggunakan product bundle. Productbundle dilakukan dengan menjual dua produk atau lebihdalam 1 paket, biasanya disertai dengan potongan harga.Dalam penelitian ini, penulis melakukan data mining padadata penjualan milik Authen Café & Space untukmenghasilkan product bundle. Penelitian ini menggabungkanclustering dan association rules mining dalam menghasilkanproduct bundle. Hasil dari proses clustering diperoleh clusterefektif sebanyak tiga cluster. Setiap cluster kemudiandilakukan association rules mining. Association rules miningmenggunakan algoritma fp-growth dengan lift ratio minimalbernilai 1 pada dataset cluster pertama menghasilkan 6 rules,dataset cluster kedua menghasilkan 4 rules dan dataset clusterterakhir menghasilkan 8 rules. Berdasarkan hasil associationrules mining maka saran product bundle yang dapatditerapkan dengan mengambil nilai confidence dan lifttertinggi pada hasil association rules mining setiap cluster. Kata kunci — Product bundle, Clustering, Associationrules, K-means, Fp-growth
Klasifikasi Multi-Label Pada Soal Berdasarkan Kategori Topik Menggunakan Metode Support Vector Machine Novanza, Alvin Renaldy; Pratiwi , Oktariani Nurul; Hamami , Faqih
eProceedings of Engineering Vol. 12 No. 1 (2025): Februari 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak — Pendidikan, sebagai bagian penting dalamkehidupan manusia, senantiasa mengalami perkembanganseiring dengan adanya kemajuan ilmu pengetahuan danteknologi (IPTEK). Salah satu inovasi penting dalam pendidikanadalah e-learning, yang memungkinkan siswa belajar tanpaterikat ruang kelas. Namun, dengan semakin banyaknya soalkuis yang beragam topiknya, terutama dalam mata pelajaranIPA yang mencakup berbagai konsep ilmiah, pengelolaan soalsecara manual menjadi tidak efisien. Oleh karena itu,diperlukan sistem klasifikasi yang dapat mengorganisasi danmengelompokkan soal secara otomatis dan efisien, sehingga bisameningkatkan pemahaman siswa, khususnya pada matapelajaran IPA. Penelitian ini memiliki tujuan untukmengimplementasikan algoritma Support Vector Machinedalam proses klasifikasi soal multi-label pada mata pelajaranIPA tingkat SMP. Proses klasifikasi mencakup pembersihandata, case folding, tokenisasi, stopword removal, stemming, danpembobotan atau ekstraksi fitur teks menggunakan TF-IDF.Pemodelan menggunakan pendekatan problem transformationdengan metode label powerset untuk mengubah soal denganmulti-label menjadi bentuk multi-class sehingga bisa dilakukanklasifikasi biner oleh SVM. Evaluasi model dilakukanmenggunakan confusion matrix untuk menganalisis performaklasifikasi dan K-Fold Cross Validation untuk memastikankeakuratan dan generalisasi model. Hasil penelitianmenunjukkan bahwa SVM dapat diterapkan untuk klasifikasisoal multi-label dengan akurasi 67%, serta presisi, recall, danF1-score masing-masing sebesar 75%. Analisis confusion matrixmengungkapkan bahwa model memiliki beberapa kesalahanklasifikasi, mengindikasikan ruang untuk perbaikan lebihlanjut. Meskipun demikian, model SVM menunjukkan potensiyang baik. Penelitian ini juga mengidentifikasi beberapa areauntuk perbaikan, termasuk peningkatan kualitas data danpemilihan parameter model yang lebih optimal. Oleh karena itu,metode SVM layak dipertimbangkan dalam sistem pendidikanuntuk pengembangan bank soal dan sistem evaluasi berbasisteknologi, meskipun diperlukan perbaikan lebih lanjut pada model dan data. Kata kunci— bank soal, confusion matrix e-learning, klasifikasi multi-label, K-Fold Cross Validation, Support VectorMachine.
Klasifikasi Kualitas Udara Pada Provinsi Dki Jakarta Menggunakan Alogritma Random Forest Al amudi, Farhan Hasan; Hamami , Faqih; Almaarif, Ahmad
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Udara merupakan salah satu unsur penting bagi lingkungan dan menjadi lebutuhan utama untuk menopang kehidupan makhluk hidup. Proses metabolisme pada makhluk hidup tidak mungkin berlangsung tanpa oksigen yang diambil dari udara. Selain oksigen, udara juga mengandung zat lain seoerti karbon monoksida, kabron diaksida, formaldehhida, jamur, virus, dan sebagainya. Zat-zat tersebut masih dapat dinetralisir selama berada dalam batas aman, namu ketika melebihi ambang batas, proses netralisasi akan terganggu. Peningkatan kandungan zat-zat tersebut di udara umumnya diakibatkan oleh aktivitas manusia. Di tahun 2019 indonesia mencapai titik pencemaran udara terburuk yang sudah mencapai titik merah yang menandakan tidak sehat nya udara yang ada pada DKI Jakarta. Salah satu cara untuk memantau informasi mengenai kualitas udara adalah dengan menggunakan metode klasifikasi. Pada penelitian ini klasifikasi dilakukan menggunakan dataset ISPU pencemaran udara Provinsi DKI Jakarta dari tahun 2019 sampai tahun 2022. Klasifikasi yang tepat dapat sangat membantu pemerintah dalam merumuskan kebijakan. Kebijakan ini bertujuan untuk mengendalikan polusi agar sesuai dengan standar kualitas udara yang bermanfaat bagi kelangsungan hidup makhluk hidup. Dalam penelitian ini, model klasifikasi yang digunakan adalah random forest, dengan lima atribut yaitu PM10, SO2,NO, O3, dan CO2, serta kategori sebagai target label. Kata kunci— Udara, DKI Jakarta, ISPU, Klasifikasi, Random Forest
Analisis Klasifikasi Kualitas Udara Menggunakan Metode Algoritma K-Nearest Neighbor Pada Provinsi Dki Jakarta Deandra, Valen; Hamami, Faqih; Darmawan, Irfan
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak : Udara sangat penting bagi keberlangsunganmakhluk hidup, udara membuat makhluk hidup bisaberaktifitas dengan baik. Namun dengan meningkatnyapencemaran udara seiring waktu karena besar nyapertumbuhan pada bidang industri dan banyaknyamasyarakat memiliki kendaraan bermotor. Pada tahun2019 indonesia termasuk pada titik pencemaran udaraterburuk yang sudah mencapai titik merah yangmenandakan tidak sehat nya udara yang ada pada DKIJakarta serta memburuknya udara membuat ProvinsiDKI Jakarta menduduki posisi ke 5 pencemaran udaraterburuk pada IQair dunia. Untuk mengetahui danmonitoring serta mendeteksi informasi kualitas udaramaka yang dapat dilakukan klasifikasi. Klasifikasidigunakan karena dapat memonitor informasi kualitasudara berdasarkan pengolahan data ISPU yang sudahmemiliki label target. Klasifikasi dilakukan denganmenggunakan dataset ISPU pencemaran udara ProvinsiDKI Jakarta dari tahun 2019 sampai 2022. Padapenelitian ini akan mengklasifikasikan data ISPUmenggunakan algoritma K-Nearest Neighbor. Denganmenggunakan 5 atribut PM10, SO2, NO, O3, dan CO2serta kategori sebagai target label dalam penelitian ini.Hasil dari penelitian menunjukan algoritma KNNmendapatkan akurasi tertinggi pada pengujian awaldengan rasio 80:20 dengan ketetanggaan K = 5 dengannilai akurasi sebesar 90.98%. pengujian kedua dengantuning hyperparameter yang menghasilkan akurasitertinggi pada rasio 80:20 dengan ketetanggan k = 7dengan kombinasi parameter weight <distance=, p <1=sebesar 91,37%, presisi 82,87%, recall 85,22% dan f1-score 84.03%. dan validasi algoritma menggunakan KFold Cross Validation dengan jumlah fold 10menghasilkan rata rata sebesar 89,43%. Kata kunci— Udara, klasifikasi, KNN, DKI Jakarta
Analisis Klasifikasi Kualitas Udara Pada Tahun 2022 Menggunakan Metode Support Vector Machine Jauhari, M.Habib; Hamami, Faqih; Fa’rifah, Riska Yanu
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak - Kondisi udara merujuk pada kondisi atmosfer di sekeliling kita, baik itu murni atauterkontaminasi. Kualitas atmosfer yang optimal tidakhanya sangat penting bagi manusia, melainkan jugamemiliki arti yang besar bagi makhluk hidup lainnyaseperti flora, air, dan lingkungan tanah. Dengan adanyakebijakan penduduk Jakarta banyak melakukan kegiatandiluar ruangan. Maka, dibutuhkan klasifikasi untukmendapatkan informasi kualitas udara pada Kota Jakarta.Jadi, salah satu cara melakukan klasifikasi untuk mengetahuiinformasi kualitas udara ialah menggunakan data mining.Data mining adalah langkah- langkah untuk mengambildata atau pola yang sebelumnya diketahui, secara tersirat,dan dianggap tidak memiliki nilai sebagai informasi ataupengetahuan berharga dari data dalam jumlah yang besar.Metode data mining klasifikasi digunakan karena dapatmengubah data parameter ISPU menjadi informasi yangmenunjukkan kualitas udara hariannya. Data kualitasudara dikumpulkan dalam penelitian ini pada BulanJanuari hingga November tahun 2022 dan data tersebutdiuji dengan algoritma Support Vector Machine untukmelakukan klasifikasi kualitas udara Kota Jakartaberdasarkan nilai akurasi, presisi, recall, dan skor F1.Hasil didapat dari algoritma SVM dengan rasio terbaikuntuk klasifikasi kualitas udara Kota Jakarta denganperbandingan 80:20 mendapatkan nilai precision 15%, nilai recall 54%, accuracy 90%. Kata kunci— Data Mining, Klasifikasi, Kualitas Udara, Support Vector Machine
Analisis Sentimen Berbasis Aspek Terhadap Richeese Factory pada Platform Twitter Menggunakan Algoritme Naïve Bayes dan Menggunakan Marketing Mix 4P Firzania, Heidea Yulia; Pratiwi, Oktariani Nurul; Hamami , Faqih
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Pembatasan pengunjung di gerai makanan membuat masyarakat memesan makanan dan minuman darirumah sehingga popularitas brand tersebut meningkat. Makabanyak brand bersaing terutama brand makanan cepat saji.Richeese Factory adalah brand makanan cepat saji Indonesiayang menyajikan makanan pedas, saus keju dan satu-satunyabrand makanan yang bersaing dengan brand luar negeri, tetapibrand tersebut masih kalah dengan brand luar negeri. Denganmenggunakan analisis sentimen dan aspek teori Marketing Mix4p yang didapat dari ulasan pelanggan pada Twitter, dapatmeningkatkan minat masyarakat kepada brand RicheeseFactory. Sistematika penyelesaian menggunakan KnowledgeDiscovery in Database, tahapan pertama adalah data selection,pada tahap tersebut, peneliti menentukan keywordpengambilan data dari Twitter, yang kemudian data diambildengan cara crawling data. Hasil dari implementasi AlgoritmeNaïve Bayes perbedaan max features dan test size memilikiperan penting pada hasil akurasi. Algoritme Gaussian danMultinomial Naïve Bayes memiliki hasil akurasi yang lebihtinggi daripada Algoritme Bernoulli Naïve Bayes, akan tetapisebagian besar akurasi tertinggi pada Algoritme MultinomialNaïve Bayes dengan nilai 84%. Berdasarkan tingkat akurasidari implementasi Algoritme Naïve Bayes jika nilai max featuressemakin tinggi nilai akurasi juga semakin tinggi. Kata kunci— Richeese Factory, Analisis Sentiment, Marketing Mix, Naïve Bayes
Analisis Sentimen Terhadap Objek Wisata Di Provinsi Jawa Timur, Jawa Tengah, Jawa Barat, Banten, Dan Dki Jakarta Pada Platform Google My Business Menggunakan Algoritma Decision Tree Ramdani, Dwi Fickri Insan; Andreswari, Rachmadita; Hamami , Faqih
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Pariwisata merupakan salah satu sektor pentingdan unggulan yang memberikan kontribusi terhadap ekonominasional. Tingkat kepuasan wisatawan terhadap sebuah objekwisata dapat dilihat dari review yang diberikan, salah satunyaplatform yang dapat digunakan untuk melihat reviewwisatawan adalah Google My Business. Penerapan analisissentimen mengunakan tiga sentimen, positif, negatif, dan netral.Dengan penerapan sentiment analysis dan multidimensionalmenggunakan metode Decision tree dapat diketahui sentimenyang diberikan wisatawan terhadap sebuah objek wisata.Seperti pada penelitian ini, review terhadap objek wisata yangada di provinsi Jawa Timur, Jawa Tengah, Jawa Barat, Banten,dan DKI Jakarta didapatkan data sebanyak 12.680. kemudiansetelah dilakukan preprocessing dan labeling menghasilkandata bersih sebanyak 8.615. pelabelan menggunakan dualibrary yaitu transformer dan textblob serta untuk setiaplibrary akan dicoba dengan tiga split data yang berbeda yaitu70:30, 80:20, dan 90:10 yang bertujuan untuk mengetahuikombinas yang pas untuk pembuatan model machine learningini. Dari hasil analisis sentiment menggunakan algoritmadecision tree dengan pelabelan menggunakan librarytransformer dan split data 70:30 didapatkan nilai akurasisebesar 78%. Hasil prediksi akan ditampilakan pada dashboardmenggunakan Power BI untuk memudahkan dalam memahami data Kata kunci— Sentiment Analisis, Multidimensional Analisis, Decision tree, Transformer, Textblob, Power BI
Extractive Text Summarization Terhadap Artikel Berita Indonesia Berbasis Machine Learning Hadwirianto, Muhammad Raihan; Hamami, Faqih; Pratiwi, Oktariani Nurul
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak — Terciptanya internet, jejaring sosial, forum, danteknologi informasi yang tersebar secara cepat, menyebabkaninteraksi terhadap informasi semakin sulit untuk dipahami,dibuat, dikembangkan, dan disimpan. Dengan luasnyainformasi sehingga hampir tidak mungkin untuk seorang pununtuk memproses dan meringkas semua data informasi yangtersedia. Indonesia memiliki literasi yang sangat rendah darinegara lain dengan beberapa faktor seperti tidak membiasakandiri untuk membaca buku dari rumah, perkembanganteknologi yang semakin pesat, minimnya sarana untukmembaca, kurangnya motivasi untuk membaca, dan sifat malasuntuk mengembangkan ide. Automatic text summarizationadalah salah satu alternatif teknologi yang bisa digunakanuntuk menyelesaikan masalah tersebut. Automatic textsummarization merupakan bagian dari bidang NaturalLanguage Processing (NLP) yang bertujuan untukmerepresentasikan dokumen teks yang panjang menjadi lebihringkas, sehingga pengguna dapat dengan mudah memahamiinformasi dengan cepat. Berbagai metode telah dilakukanuntuk mengatasi masalah peringkasan teks otomatis untukobjek berbahasa Indonesia, yaitu berbasis extractive danabstractive. Untuk mengatasi masalah ini, pada penelitiandigunakan extractive text summarization berbasis machinelearning. Pada penelitian ini menggunakan dataset publik yangbisa digunakan untuk penelitian-penelitian selanjutnya. Metodeyang digunakan untuk mendapatkan hasil summarizationdengan menggunakan metode Word2Vec dengan penerapanmodel Continous Bag-of-Word (CBOW) dan Skip-Gram. Metodeyang digunakan untuk evaluasi akurasi hasil ringkasan adalahRecall-Oriented Understudy for Gisting Evaluation (ROUGE). Kata kunci— Automatic Text Summarization, Word2Vec,Continous Bag-of-Words, Skip-Gram, Recall-OrientedUnderstudy for Gisting Evaluation
Penerapan Sentimen Analisis Melalui Data Komentar Pada Kanal Youtube Untuk Mengetahui Wisata Kuliner Pada Kota Bandung Menggunakan Metode Klasifikasi Naive Bayes Lubis, Rizki Aulia Akbar; Murahartawaty, Murahartawaty; Hamami , Faqih
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak — Analisis data sentimen dilakukan untukmendapatkan hasil berupa opini atau pendapat masyarakattentang suatu hal. di penelitian ini peneliti menggunakanmetode Naive Bayes dalam menganalisa data sentimen kulinerdi kota bandung, yang bertujuan untuk membantu pemerintahdapat mengetahui reputasi kuliner dan merekomendasikannyapada wisatawan yang ada di kota Bandung. Data yangdigunakan dalam penelitian ini berupa komentar - komentarterkait kuliner kota Bandung yang ada di kanal youtubetanboykun. pengambilan media sosial youtube dikarenakanyoutube merupakan salah satu media sosial yang seringdigunakan oleh masyarakat untuk penyebaran informasiterutama rekomendasi rekomendasi kuliner. Dalam penelitianini demi menunjang algoritma Naive Bayes adapun prosesproses yang dijalankan sebelum ke tahap klasifikasi,diantaranya yaitu Case folding, Tokenizing, StopwordRemoval, dan TF IDF. setelah dilakukannya pengoptimalanmenggunakan K Fold, namun hasil dari K Fold sendiri dapatdikatakan kurang bagus dikarenakan hasil akurasi yangdidapatkan lebih kecil dibandingkan dengan hasil model NaiveBayes sendiri. Hasil yang didapatkan dari model Naive Bayessendiri dengan menggunakan partisi dataset pertama denganrasio 70 data training dan 30 data testing didapatkan hasilakurasi sebesar 89,74% dan rata-rata classification reportdataset pertama sebesar 95% precision, 56% recall, dan F1-score 57%. Kata kunci— Naive Bayes, Analisis Sentimen, K Fold, TFIDF, Klasifikasi kuliner bandung, Youtube
Optimasi Topologi Jaringan Untuk Meningkatkan Ketahanan Jaringan Dan Mitigasi Kemacetan Pada Jaringan Pt Xyz Arrahmani, Farras Hilmy; Hamami, Faqih; Fa’rifa, Riska Yanu
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Peningkatan penggunaan internet dan aplikasi data secara global dalam dunia digital telah menyebabkan kemacetan jaringan data informasi yang signifikan, menyoroti kebutuhan mendesak akan layanan internet berkecepatan tinggi. Dalam mengatasi masalah ini, teknologi 5G diidentifikasi sebagai solusi yang mampu mengurangi kemacetan proses transmisi dan meningkatkan Kualitas Layanan (QoS) dalam pengadopsian layanan digital, termasuk mobile banking dan aplikasi lainnya. Untuk menghindari kemacetan transmisi data dengan mengelak titik-titik kegagalan kritis, diperlukan desain yang efektif, di mana Algoritma Bellman-Ford terbukti berhasil dalam menganalisa komunikasi data dengan menghindari lalu lintas dan node, sehingga meningkatkan aspek QoS seperti output, tingkat pengiriman paket, dan meminimalkan kehilangan data dari ujung ke ujung. PT. XYZ, perusahaan yang beroperasi dalam bidang digital dengan jaringan komunikasinya, juga menghadapi masalah serupa dan menemukan bahwa pemanfaatan Algoritma Bellman-Ford menyediakan solusi yang cukup akurat untuk mengatasi masalah yang dihadapi. Penambahan link baru sebagai strategi optimasi topologi secara signifikan meningkatkan efisiensi dan QoS jaringan PT XYZ. Evaluasi hasil simulasi menunjukkan bahwa penggunaan Algoritma Bellman-Ford dan Graph Metric Average Betweenness Centrality, yang menyarankan penambahan link baru di titik kemacetan, dapat meningkatkan kinerja jaringan dengan indikasi penurunan kehilangan paket sebesar 54,5% hingga 61%, tergantung pada skenario jumlah link baru yang ditambahkan, dan juga meningkatkan ketahanan jaringan. Kata kunci — Algoritma Bellman-Ford , Kualitas Layanan (QoS) , Kemacetan Jaringan, Optimalisasi Topolog
Co-Authors Agus Maolana Hidayat Ahmad, Mokhtarrudin Al amudi, Farhan Hasan Aldi Akbar Ambarita, Ruth Sesilya Anis Farihan Mat Raffei Arrahmani, Farras Hilmy Aziz, Abdurrahman Azzam Imaduddin, Muhammad Budi Rustandi Kartawinata Dahlan, Iqbal Ahmad Deandra, Valen Deden Witarsyah Dimas Raihan Zein Dina Meliana Saragi Fa'rifah, Riska Yanu Fabrianti Kusumasari, Tien Fadhil Hidayat Faishal Mufied Al Anshary Febrianti, Ferda Ayu Dwi Putri Ferda Ayu Dwi Putri Febrianti Ferda Ernawan Fetty Fitriyanti Lubis Firzania, Heidea Yulia Fitri Bimantoro Hadwirianto, Muhammad Raihan Helmayanti, Sheva Aditya Hidayati, Ilma Nur I Gede Pasek Suta Wijaya Iqbal Santosa Irfan Darmawan Ismail, Mohd Arfian Jauhari, M.Habib Joel Rayapoh Damanik Kardila, Yuni Kurniawan, Muhammad Rayhan Kuswandi, Brillian Adhiyaksa Lubis, Rizki Aulia Akbar Mangsor, Miza Mardika, Jody Mat Raffei, Anis Farihan Maulana, Fakhri Hassan Muhammad Bryan Gutomo Putra Muhammad Fahmi Hidayat, Muhammad Fahmi Muhammad Fauzan Nasrullah Muhammad Hafizh Murahartawaty Murahartawaty Nasrullah, Muhammad Fauzan Nicolaus Advendea Prakoso Indaryono Novanza, Alvin Renaldy Nuraliza, Hilda Nurul Hidayati Nuryatno, Edi Oktariani Nurul Pratiwi Orvalamarva Pratiwi, Oktaria Nurul Puruhita, Maretha Fitrie Puspitasari, Aprilia Mega Rachmadita Andreswari Raffei, Anis Farihan Mat Rahmah, Najma Syarifa Rahmat Fauzi Ramdani, Dwi Fickri Insan Ramli, Muhammad Ayyub Razali, Raja Razana Raja Rd. Rohmat Saedudin Salsabila Riswanti, Khairunnisa Satya Nugraha, Gibran Sheva Aditya Helmayanti Silmy Sephia Nurashila Sinung Suakanto Suhono Harso Supangkat Sujak, Aznul Fazrin bin Abu Syfani Alya Fauziyyah Tatang Mulyana Tien Fabrianti Kusumasari Vina Fadillah Widyadhari, Dinda Putri Yanu Fa'Rifah, Riska Yudo Husodo, Ario Yulizar, Iqbal Zahid, Azham