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 50 Documents
Search

 1   2   3   4   5 
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
Sentiment Analysis of Genshin Impact on Twitter Using Naïve Bayes Puruhita, Maretha Fitrie; 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

Abstract—During the COVID-19 pandemic that interferesnormal life around the world, people have an obligation to stay athome and quarantine themselves. This has led to an increase inthe consumption of entertainment, especially online gaming whichis known to be less harmful than other stress and aversiveemotions. And Genshin Impact is one of the online games that wonGoogle Play's the Best Game of 2020 award when pandemichappening. Released in September 2020 by China video gamedeveloper, miHoYo. Co., Ltd, Genshin Impact has been a hottrend on the microblogging platform, Twitter. The purpose of thisresearch is to provide information regarding people's opinionemotion in their tweets toward Genshin Impact and thisinformation will be a helpful resource for game improvement andcan be used as reference of future research. By using sentimentanalysis to help analyze the emotion contained in the text, theresult will be categorized into three categories: positive, negative,or neutral sentiment. The data is gained through text mining thenwill be processed as text classified using Naive Bayes algorithm.Thus, the model will be going through evaluation of model'sperformance to measure how accuracy it is. The result of it statedthat the best ratio between training and test set is 60:40 with71.80% test accuracy, yet the accuracy between 3 others ratio isnot much difference. That’s why using hyperparameter tuningcan find the optimal result. After finding the optimal result, thehighest result it can get is 72.14%. Besides that, people on Twittermostly perceive the game in neutral sentiment. Keywords—Sentiment Analysis, Genshin Impact, Naïve Bayes Classifier
Application of SMOTE Method on Topic Based Question Classification Using Naïve Bayes Algorithm Orvalamarva; Oktariani Nurul Pratiwi; Faqih Hamami
The Indonesian Journal of Computer Science Vol. 13 No. 4 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i4.4179

Abstract

In today's digital era, the utilization of technology in education is essential to support the learning process. This research discusses the classification of junior high school mathematics questions using the Naïve Bayes method. The use of an automated system in question classification helps reduce time and effort in grouping questions based on topics. The Naïve Bayes method was chosen because of its simplicity and ability to process data. The results showed that Naïve Bayes with SMOTE and Math symbols achieved 69% accuracy, while without SMOTE, the accuracy was lower. Cross-validation showed that the classification without symbols attained an accuracy of 89.35%, slightly superior to the classification using symbols, which was 88.79%. This result indicates that Naïve Bayes with SMOTE is more effective. Although the difference in accuracy with or without symbols is slight 0.56%, the performance is relatively equivalent, with an accuracy of 89%.
PENERAPAN ALGORITMA K-MEANS UNTUK MEMETAKAN PERSEBARAN FASILITAS DAN TENAGA KESEHATAN DI KOTA BANDUNG Hamami, Faqih; Dahlan, Iqbal Ahmad
JRIS : Jurnal Rekayasa Informasi Swadharma Vol 4, No 2 (2024): JURNAL JRIS EDISI JULI 2024
Publisher : Institut Teknologi dan Bisnis (ITB) Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jris.vol4no2.561

Abstract

Good health facilities and personnel are important elements in realizing public health. Several health facilities, such as hospitals, health centers, clinics, and pharmacies, act as a platform for health services. An unbalanced distribution of health facilities and personnel creates disparities in health quality. Population growth in Bandung City is a challenge for the distribution of health facilities. Inequality in each neighborhood has an impact on the difficulty of accessing health services and the quality of those services. Several studies have segmented health facilities separately from health workers. This study aims to map the distribution of health facilities and health workers together in Bandung City using the K-Means algorithm. Segmentation of facilities and health workers in the city of Bandung is done with the stages of data collection, data cleansing, data transformation, and data modeling, and then segmentation using a clustering approach with the K-Means algorithm. The results of the study, using the number k = 3, then formed clusters with low, middle, and high categories. Based on the segmentation results, a cluster was obtained consisting of 21 sub-districts that were lacking in health resources; 8 sub-districts were quite good, and 1 sub-district was abundant.Fasilitas dan tenaga kesehatan yang baik merupakan elemen penting dalam mewujudkan kesehatan masyarakat. Beberapa fasilitas kesehatan seperti rumah sakit, puskesmas, klinik dan apotek berperan sebagai wadah dalam layanan kesehatan. Distribusi fasilitas dan tenaga kesehatan yang tidak berimbang akan menciptakan kesenjangan dan kualitas kesehatan. Pertumbuhan penduduk di Kota Bandung menjadi tantangan untuk distribusi sarana kesehatan. Ketidakmerataan di setiap kecamatan mempunyai dampak kesulitan akses layanan kesehatan dan kualitas layanan yang rendah. Beberapa penelitian yang telah dilakukan banyak melakukan segmentasi fasilitas kesehatan secara terpisah dari tenaga kesehatan. Penelitian ini bertujuan untuk memetakan persebaran fasilitas dan tenaga kesehatan secara bersama-sama di Kota Bandung dengan menggunakan algoritma K-Means. Segmentasi fasilitas dan tenaga kesehatan di kota Bandung dilakukan dengan tahapan data collection, data cleansing, data transformation dan data modeling kemudian dilakukan segmentasi menggunakan pendekatan clustering dengan algoritma K-Means. Hasil penelitian dengan menggunakan jumlah k = 3 maka terbentuk kluster dengan kategori low, middle dan high. Berdasarkan hasil segmentasi diperoleh cluster yang terdiri dari 21 kecamatan yang kurang dalam sumber daya kesehatan, 8 kecamatan cukup baik dan 1 kecamatan yang berlimpah.
Analyzing Twitter Sentiments on Booster Vaccination with Support Vector Machine (SVM) Method Fauzi, Rahmat; Hamami, Faqih; Maulana, Fakhri Hassan; Kuswandi, Brillian Adhiyaksa; Ramli, Muhammad Ayyub
International Journal of Innovation in Enterprise System Vol. 8 No. 2 (2024): International Journal of Innovation in Enterprise System
Publisher : School of Industrial and System Engineering, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/ijies.v8i02.648

Abstract

The Indonesian government has implemented various measures to prevent the spread of the COVID-19 virus, one of which is through a vaccination program with two doses (the first dose and the second dose). However, new variants of the virus have emerged, reducing the effectiveness of the initial vaccinations. To address this, the government introduced a booster vaccination program aimed at enhancing immunity by up to 80%. The government's plan for booster vaccination has received both positive and negative opinions from the public through various media platforms, including Twitter. This study analyzes public opinions on the booster vaccination plan into three classes: positive, negative, and neutral. SVM is a classification method in machine learning categorized as supervised learning, which involves finding an optimal line (hyperplane) as a separator for two different data classes. The stages of this research include data collection, data cleaning, data transformation, and data classification using the Support Vector Machine (SVM) method. The results of this study indicate that the accuracy of the SVM model reaches 80.42%.
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