Article Per Year (5 Year)
p-Index From 2021 - 2026
8.558
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Robotics and Automation (IJRA) IAES International Journal of Artificial Intelligence (IJ-AI) Bulletin of Electrical Engineering and Informatics Jurnal Informatika Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Journal of ICT Research and Applications JUITA : Jurnal Informatika MUSTEK ANIM HA Scientific Journal of Informatics JOIV : International Journal on Informatics Visualization Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) SISFOTENIKA Wikrama Parahita : Jurnal Pengabdian Masyarakat IT JOURNAL RESEARCH AND DEVELOPMENT JURNAL REKAYASA TEKNOLOGI INFORMASI SINTECH (Science and Information Technology) Journal JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi MIND (Multimedia Artificial Intelligent Networking Database) Journal KOMPUTIKA - Jurnal Sistem Komputer TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol Building of Informatics, Technology and Science JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Informatika dan Rekayasa Elektronik Journal of Innovation Information Technology and Application (JINITA) Infotek : Jurnal Informatika dan Teknologi SKANIKA: Sistem Komputer dan Teknik Informatika Innovation in Research of Informatics (INNOVATICS) Jurnal Teknik Informatika (JUTIF) Jurnal PTI (Jurnal Pendidikan Teknologi Informasi) Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Transformasi PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer JOMPA ABDI: Jurnal Pengabdian Masyarakat Jurnal Pengabdian Masyarakat Intimas (Jurnal INTIMAS): Inovasi Teknologi Informasi Dan Komputer Untuk Masyarakat Data Sciences Indonesia (DSI) Journal Of Artificial Intelligence And Software Engineering Jurnal INFOTEL Journal of Computer Science and Information Technology Inovasi Teknologi Masyarakat Jurnal Pengabdian Siliwangi
Anindita Septiarini, Anindita
Mulawarman University
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering 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 Mathematics Mechanical Engineering Physics Social Sciences Other

Published : 78 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 78 Documents
Search

 4   5   6   7   8 
Classification for Determining the Level of Drugs Dependence Using the Naïve Bayes Classifier Puspitasari, Novianti; Ajay, Muhammad; Wati, Masna; Septiarini, Anindita
IT Journal Research and Development Vol. 9 No. 1 (2024)
Publisher : UIR PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25299/itjrd.2024.16319

Abstract

Drug users or abusers are people who use narcotics or psychotropic drugs without supervision or medical indication from a doctor. Before undergoing rehabilitation, drug users must first undergo an examination to determine their level of drug dependence so that they can receive medical treatment according to their level of drug dependence. Determining the level of drug dependence requires a technique that can provide labels or categories of data for drug users based on the user's condition or influential criteria. This study applies the Naïve Bayes Classifier method to a system to determine the level of drug dependence. This study uses medical record data from 220 drug users. The user's medical record data is processed using data mining stages consisting of data selection, data cleaning, data transformation, and division of training and test data to produce 120 training data and 100 test data. The results of the Naive Bayes Classifier method calculation resulted in 29 users having a trial level of dependence (mild), 42 identified as having a regular level of dependence (moderate), and 29 others as users with a severe level of dependence. The confusion matrix testing was very accurate, namely, 94% accuracy, 95% precision value, and 92% recall. Meanwhile, the system that has been built can run very well. Based on the results of the research that has been conducted, this research can contribute to determining the level of dependence of drug addicts objectively so that related parties can provide rehabilitation or appropriate treatment to drug addicts.
Image analysis for classifying coffee bean quality using a multi-feature and machine learning approach Septiarini, Anindita; Hamdani, Hamdani; Ery Burhandeny, Aji; Nurcahyono, Damar; Eka Priyatna, Surya
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 13, No 4: December 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v13.i4.pp4241-4248

Abstract

Price and customer satisfaction depend on coffee bean quality. The coffee industry must analyze coffee bean quality. Global demand for robusta coffee is high. Coffee industry professionals mostly understand coffee bean quality. Thus, an image analysis using a computer vision-based approach for classifying robusta coffee bean quality is required. Image acquisition, region of interest (ROI) detection, pre-processing, segmentation, feature extraction, feature selection, and classification are covered in this study. A multi-feature derived based on color, shape, and texture features was employed in feature extraction, followed by feature selection using principal component analysis (PCA). Several machine-learning methods classified the coffee beans. The method performance was assessed using precision, recall, and accuracy. The selected features using the backpropagation neural network (BPNN) classifier outperformed others with 98.54% accuracy.
Penerapan Metode Naïve Bayes Untuk Klasifikasi Kepuasan Masyarakat Terhadap Kualitas Pelayanan Firyal, Tasya Nadina; Hamdani, Hamdani; Septiarini, Anindita
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 8, No 2 (2024): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v8i2.11301

Abstract

Makalah ini melakukan penerapan metode Naïve Bayes sebagai model untuk mengklasifikasikan kepuasan masyarakat terhadap kualitas pelayanan menggunakan data sekunder berupa data SKM milik DPMPTSP Kabupaten Berau pada tahun 2020 hingga 2021. Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu (DPMPTSP) merupakan salah satu instansi pemerintahan yang bergerak dalam penyelenggara di bidang pelayanan publik. Mengutip dari laporan Survey Kepuasan Masyarakat (SKM) milik DPMPTSP pada tahun 2021 menjelaskan bahwa masih adanya keluhan-keluhan yang disampaikan oleh masyarakat melalui berbagai media massa dan jejaring sosial lainnya perihal pelayanan yang telah diberikan. Berdasarkan keluhan tersebut dapat dikatakan jika kualitas pelayanan menjadi salah satu faktor dalam meningkatkan kepuasan masyarakat. Pengujian yang dilakukan pada metode Naïve Bayes menggunakan 300 dataset dengan komposisi pembagian data 70:30 di mana 210 data urut awal digunakan sebagai data training sedangkan 90 data urut akhir digunakan sebagai data testing. Hasil pengujian dengan confusion matrix multi-class pada komposisi data 70:30 diperoleh Accuracy sebesar 0,8111. Selain itu, penelitian ini menggunakan komposisi data 80:20 dan 60:40 sehingga Accuracy yang diperoleh pada masing-masing komposisi adalah 0,8666 dan 0,8583. Selanjutnya, pengujian sistem ini juga dilakukan dengan blackbox testing, sehingga diperoleh sistem yang berjalan dengan sesuai harapan. Penelitian selanjutnya diharapkan menggunakan hybrid metode untuk melakukan klasifikasi tingkat kepuasan masyarakat untuk memperoleh hasil akurasi yang lebih baik.
Diagnosis of Diseases in Rubber Stems Using the Dempster Shafer Method Sukmono, Yudi; Pratiwi, Sinthya Ayu; Hatta, Heliza Rahmania; Septiarini, Anindita; Padmo Azam Masa, Amin; Wijayanti, Arini
JOIV : International Journal on Informatics Visualization Vol 8, No 4 (2024)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.8.4.3474

Abstract

Rubber (Hevea Brasiliensis) is a non-timber forest product originating from the Americas and is currently widely distributed worldwide, including in East Kalimantan, Indonesia. In their management in East Kalimantan, farmers often encounter diseases in rubber plants, especially diseases of the stems, which can cause plant death. This disease requires treatment, but if it is too severe, it can harm farmers economically and in production, so it is essential for farmers to recognize the symptoms of this disease early from changes in the rubber plant stems. This study aims to diagnose diseases of rubber stems using the Dempster Shafer method. Dempster Shafer is a relevant method for overcoming the uncertainty of symptoms and rules, enabling expert systems to generate conclusions with certainty. This method has advantages in solving various problems and simultaneously combining evidence (facts) from several sources. This research was conducted by analyzing a dataset of 80 data, covering 7 types of diseases and 27 different symptoms. The accuracy test results show that the research has an accuracy rate of 96.25%. The implications of this research are significant. It is hoped that it can significantly help rubber plantation farmers in East Kalimantan and also make a valuable contribution to agricultural and plantation extension agents in overcoming the challenges faced due to diseases in rubber plant stems. Thus, this research could increase the productivity and sustainability of the rubber plantation sector in this region.
Prediction of Budget Planning Using the Long Short Term Memory Ambari, Nasser; Puspitasari, Novianti; Septiarini, Anindita
Journal of Artificial Intelligence and Software Engineering Vol 5, No 1 (2025): March
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i1.6428

Abstract

Keputusan merupakan elemen kunci dalam manajemen perusahaan, karena perencanaan yang baik menjadi faktor penentu kesuksesannya. Salah satu aspek penting dalam perencanaan adalah prediksi penjualan. Sebuah perusahaan properti dapat mengalami kesulitan aliran kas akibat over budget, sehingga memaksa perusahaan untuk meninjau kembali strategi pemasaran. Penelitian ini menggunakan Long Short Term Memory (LSTM) untuk membantu perusahaan dalam mengurangi risiko over budget di masa depan. Metode Long Short Term Memory (LSTM) mampu menghasilkan model prediksi dengan akurasi tinggi. Data penelitian berupa data pendapatan penjualan properti dari sebanyak 107 data. Hasil pengujian menunjukkan bahwa penggunaan LSTM dengan perbandingan data latih dan data uji sebesar 90:10, 200 epoch, dan learning rate sebesar 0.005 menghasilkan nilai Root Mean Square Error (RMSE) terendah sebesar 0.128883554. Hasil prediksi menunjukkan pendapatan penjualan yang terus menurun selama tiga tahun.
Perbandingan Metode KNN dan Naive Bayes untuk Klasifikasi Kelulusan Mahasiswa Pada Mata Kuliah Probstat Yuyun Nabilawati Rumbia; Raihanfitri Adi Kalipaksi; Alvito Gabbriel Saputra; Muhammad Dzacky; Alif Rifa’i; Septiarini, Anindita; Puspitasari, Novianti
JURNAL PTI (PENDIDIKAN DAN TEKNOLOGI INFORMASI) FAKULTAS KEGURUAN ILMU PENDIDIKAN UNIVERSITA PUTRA INDONESIA "YPTK" PADANG Vol. 12 (2025) No.1
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/jpti.v12i1.228

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma klasifikasi data mining, yaitu K-Nearest Neighbor (KNN) dan Naive Bayes, dalam mengklasifikasikan kelulusan mahasiswa pada mata kuliah Probabilitas dan Statistika angkatan 2022 Program Studi Informatika Universitas Mulawarman. Dataset yang digunakan merupakan data asli yang diberikan oleh dosen pengampu probas, terdiri atas 136 entri yang dibagi dengan rasio 70:30 menggunakan library Scikit-learn. Penelitian ini secara khusus menguji performa klasifikasi pada data numerik mentah tanpa melalui proses normalisasi. Metode KNN dan Naive Bayes dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score untuk mengukur tingkat keakuratan dalam memprediksi kelulusan mahasiswa. Hasil evaluasi menunjukkan bahwa KNN memiliki performa yang lebih unggul dibandingkan Naive Bayes dalam seluruh metrik pengujian. KNN memperoleh akurasi sebesar 94,87%, sementara Naive Bayes hanya mencapai 87,80%, sehingga dapat disimpulkan bahwa KNN lebih efektif dalam menangani klasifikasi pada data numerik yang tidak dinormalisasi.
PENERAPAN FUZZY INFERENCE SYSTEM METODE TSUKAMOTO UNTUK PENGUKURAN TINGKAT INFLASI SUATU NEGARA Anggari, Ricky; Muhammad Ifandi; Nanda Arianto; Anindita Septiarini; Masna Wati
Journal of Computer Science and Information Technology Vol. 2 No. 3 (2025): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v2i3.2311

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pengukuran tingkat inflasi suatu negara menggunakan pendekatan Fuzzy Inference System (FIS) metode Tsukamoto. Pendekatan ini dipilih karena kemampuannya dalam menangani ketidakpastian dan ketidaklinieran data ekonomi makro. Sistem dirancang berdasarkan tiga parameter utama: nilai tukar mata uang, Produk Domestik Bruto (GDP), dan suku bunga, dengan data diperoleh dari World DataBank tahun 2022. Fungsi keanggotaan berbentuk segitiga dan bahu digunakan untuk merepresentasikan input linguistik, dan aturan fuzzy berbasis IF-THEN dikembangkan untuk proses inferensi. Implementasi dilakukan menggunakan bahasa pemrograman Python. Hasil pengujian menunjukkan bahwa mayoritas negara (90,41%) berada dalam kategori inflasi "Sedang", sementara sebagian kecil dikategorikan "Rendah" dan "Tinggi". Sistem ini terbukti fleksibel dalam menghadapi variasi data ekonomi, namun masih memiliki keterbatasan dalam menangani data yang tidak lengkap. Penelitian ini menyimpulkan bahwa metode Tsukamoto efektif untuk klasifikasi inflasi negara dan berpotensi dikembangkan lebih lanjut melalui integrasi dengan metode hibrida guna meningkatkan akurasi dan ketepatan hasil.
Peningkatan Pemahaman dan Keterampilan Pembuatan Curriculum Vitae Melalui Sosialisasi dan Praktik Menggunakan Website CVCEPAT Bagi Siswa SMKN 5 Samarinda Ifnu Umar; Muhammad Nur Ramadhan; Kalingga Dwindra Putraka; Fahrozi, Muhammad Naufal; Adi Muhammad Syifai; Anindita Septiarini; Ummul Hairah
Jompa Abdi: Jurnal Pengabdian Masyarakat Vol. 4 No. 2 (2025): Jompa Abdi: Jurnal Pengabdian Masyarakat
Publisher : Yayasan Jompa Research and Development

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57218/jompaabdi.v4i2.1545

Abstract

Lulusan Sekolah Menengah Kejuruan (SMK) diharapkan siap memasuki dunia kerja, namun seringkali terkendala dalam penyusunan Curriculum Vitae (CV) yang profesional dan menarik. Minimnya pelatihan khusus mengenai pembuatan CV di SMKN 5 Samarinda menjadi latar belakang dilaksanakannya kegiatan pengabdian kepada masyarakat ini. Tujuan kegiatan ini adalah untuk meningkatkan pemahaman dan keterampilan siswa SMKN 5 Samarinda dalam menyusun CV yang efektif menggunakan website CVCEPAT. Metode yang digunakan adalah sosialisasi dan pelatihan dengan pendekatan Learning by Doing yang melibatkan 20 siswa. Kegiatan dibagi menjadi tiga tahap: edukasi, praktik langsung pembuatan CV dengan CVCEPAT, dan evaluasi menggunakan post-test serta kuesioner feedback. Hasil kegiatan menunjukkan peningkatan pemahaman siswa, dibuktikan dengan skor rata-rata post-test sebesar 76.5 dan tingkat kelulusan 90% (KKM 70). Kuesioner feedback menunjukkan bahwa 81% peserta merasa CVCEPAT mudah digunakan dan 81% merasa kegiatan praktik membantu memahami cara menyusun CV, dengan tingkat kepuasan keseluruhan yang tinggi (76,2% memberikan skor 5 dari 5). Kegiatan ini berhasil meningkatkan pemahaman dan keterampilan siswa dalam membuat CV secara efektif dan praktis melalui website CVCEPAT.
KLASIFIKASI INTENSITAS HUJAN DI SAMARINDA MENGGUNAKAN LOGIKA FUZZY MAMDANI Putri, Septi Aulia; Asmita, Rizka; Nggotu, Antonieta Aryuka Paskalia; Hutapea, Vedra Dian Sierrafina; Septiarini, Anindita; Wati, Masna
TRANSFORMASI Vol 21, No 1 (2025): TRANSFORMASI
Publisher : STMIK BINA PATRIA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56357/jt.v21i1.422

Abstract

This study aims to classify rainfall intensity in the Samarinda area into three categories: light rain, moderate rain, and heavy rain based on three meteorological variables: temperature (in °C), air pressure (in hPa), and rainfall (in mm) to provide a more adaptive and accurate classification of rainfall intensity based on local weather conditions in Samarinda, which is prone to disasters due to high rainfall intensity. The data used in this study was obtained from the Meteorology, Climatology, and Geophysics Agency (BMKG) Samarinda for the period of October to December 2024. This study implements the Mamdani Fuzzy Logic method, which consists of the stages of fuzzification, rule base application, inference, and defuzzification. Fuzzy logic was chosen due to its ability to handle data that is ambiguous and uncertain, which is common in weather phenomena. Testing results on 50 random weather condition data samples indicate that the developed Mamdani fuzzy model achieved an accuracy of 100% on the test data, demonstrating consistency between the resulting rainfall intensity classification and actual data. Based on these findings, this model can be utilized as a support tool for decision-making, both by individuals and local government agencies, in efforts to monitor and mitigate extreme weather conditions in Samarinda, East Kalimantan.Keywords : Fuzzy Logic, Mamdani Method, Rainfall Intensity, Classification
Clustering Status Keberlanjutan Karyawan Kontrak Menggunakan Algoritma K-Medoids Ramadhaniaty, Dinda; Puspitasari, Novianti; Septiarini, Anindita
TELKA - Telekomunikasi Elektronika Komputasi dan Kontrol Vol 10, No 2 (2024): TELKA
Publisher : Jurusan Teknik Elektro UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/telka.v10n2.97-108

Abstract

Karyawan kontrak adalah karyawan tidak tetap yang dipekerjakan untuk melakukan pekerjaan didalam perusahaan, dan tidak ada jaminan kelangsungan masa kerjanya. Penilaian terhadap karyawan tetap maupun karyawan kontrak dilakukan dengan cara menilai kinerja seorang karyawan tersebut. Oleh karena itu, perusahaan selalu melakukan evaluasi terhadap kinerja karyawannya. Penelitian ini bertujuan untuk mengelompokkan status karyawan kontrak yang layak diperpanjang atau tidak layak secara objektif sehingga mempermudah perusahaan dalam menganalisa data agar hasil lebih tepat dan dapat menghindari kecurangan dalam prosesnya. Algoritma yang digunakan dalam penelitian ini adalah K-Medoids menggunakan tiga metode pengukuran jarak yaitu Euclidean Distance, Manhattan Distance dan Chebyshev Distance. Sementara, untuk uji akurasi menggunakan Silhouette Coefficient (SC) dan Sum of Square Error (SSE). Data yang digunakan adalah data penilaian karyawan kontrak berjumlah 42 karyawan kontrak. Berdasarkan pengujian nilai SC diperoleh bahwa dari ketiga metode pengukuran jarak yang digunakan, chebyshev distance menghasilkan nilai yang mendekati 1 dengan nilai 0.3220214. Sedangkan, hasil uji cluster SSE diperoleh bahwa nilai error terkecil dimiliki oleh 2 cluster. Lebih lanjut, hasil pengelompokan status keberlanjutan karyawan kontrak menempatkan 20 data ke dalam kategori Tidak Layak (C1) dan 22 data ke dalam kategori Layak (C2). Contract employees are temporary workers hired to perform tasks within a company without any guarantee of tenure. Evaluations of both permanent and contract employees are conducted based on their performance, which is essential for the company's continuous performance assessment. This study aims to classify the status of contract employees to determine their eligibility for contract extension objectively. This objective classification facilitates the company's data analysis, resulting in more accurate outcomes and minimizing the risk of fraud in the evaluation process. The algorithm employed in this research is K-medoids, utilizing three distance measurement methods: Euclidean distance, Manhattan distance, and Chebyshev distance. The accuracy of the classifications was tested using the silhouette coefficient (SC) and sum of squares error (SSE). The data set comprised performance assessments of 42 contract employees. Testing the SC values revealed that among the three distance measurement methods, the Chebyshev distance yielded the closest value to 1, specifically 0.3220214. Additionally, the SSE cluster test results indicated that the smallest error value was achieved with 2 clusters. Consequently, the grouping results classified 20 employees as Ineligible (C1) and 22 employees as Eligible (C2) for contract extension.
Co-Authors Abdul Razak Aliudin Adi Muhammad Syifai Adnan, Fahrizal Afifah, Dinda Nur Agus Qomaruddin Munir AHMAD ANSYORI Ahmad Nur Fauzan Ajay, Muhammad Akhmad Masyudi Alameka, Faza Alif Rifa’i Alvito Gabbriel Saputra Ambari, Nasser Ambon, Matelda Yunanta Andri Syafrianto Anggari, Ricky Annisa Putri Novalianti Anton Prafanto ARIF HIDAYAT Arini Wijayanti Asmita, Rizka Aulia Rahman Awang Harsa Kridalaksana Awang Zheri Rhesvianur Az Zahrah, Rezha Nur Bandhaso, Victor Briyan Efflin Syahputra Budi Rahmani Budiman, Edy Cakra Dewandaru Christy Maulidiah Daffa Putra Mahardika Diana, Rita Didit Suprihanto, Didit Dwi Prasetio Dyna Marisa Khairina Edy Winarno Eka Priyatna, Surya Enny Itje Sela Ery Burhandenny, Aji Ery Burhandeny, Aji Evi Wildana Fahrozi, Muhammad Naufal Fairil Anwar Fajri, Muhamad Mushfa Hikmatal Fandi Alief Al Akbar Fathia Nuq Qamarina Fauzan, Ahmad Nur Fayza Virdana Addiza Firyal, Tasya Nadina Fornia, Daviana Dwitasari Enka Fuad, Natalie Gempar Panggih Dwi Gunawan, Ayu Lestari Hairah, Ummul Hairah, Ummul Hakim, Muhammad Irvan Hamdani Hamdani . Hamdani Hamdani Hamdani Hamdani Hamdani Hamdani Hamdani Hamdani Hanif, Ahmad Luthfi Hatta, Heliza Rahmania Haviluddin Haviluddin Haviuddin, Haviluddin Heliza Hatta Heliza Rahmania Hatta, Heliza Rahmania Henderi . Heni Sulastri Heru Ismanto Hidayat, Ahmad Nur Hutagalung, Wilson Boyaron Hutapea, Vedra Dian Sierrafina Ibnu Amri Thaher Ifnu Umar Indah Fitri Astuti Indah Wulan Lestari Irfan, Aliya Kalingga Dwindra Putraka Kamara, Rahmat Kamila, Vina Zahrotun Kiki Purwanti Laraswati, Sherina Lempas, Gidion Lili, Juniver Veronika M. Rizky Nilzamyahya Maharani, Agustina Dwi Mahendra, Dicky Alvian Masa, Amin Padmo Azam Masna Wati Masyudi, Akhmad Medi Taruk Mewengkang, Alfrina Muhamad Azhari Muhammad Abdillah Muhammad Abdillah Muhammad Andas Lesmana Muhammad Dzacky Muhammad Ifandi Muhammad Nur Ramadhan Muhammad Sofian Sauri Mu’nisah Assisi Nanda Arianto Nathaniela Aptanta Parama Nggotu, Antonieta Aryuka Paskalia Novianti Puspitasari Nupa, Joy Disanto Nur Madia Nurcahyono, Damar Nurhidayat, Rifki Nurmadewi, Dita Olivia Octavia Padmo Azam Masa, Amin Patricia Chandra Pebianoor, Pebianoor Prafanto, Anton Pramudya, Pranata Eka Pratiwi, Sinthya Ayu Puspitasari, Novianti Puspitasari, Novitanti Putra Ramdani, Aditya Putri, Septi Aulia Rafi Ichsanul Iqbal Raihanfitri Adi Kalipaksi Ramadhaniaty, Dinda Reski Harisma Dewi Barkah Reviansa Fakhruddin Aththar Risky Kurniawan Riswandi Syam Riyayatsyah, Riyayatsyah Rizqi Saputra Rondongalo Rismawati Rosmasari, Rosmasari Sadewa, Bintang Putra Saipul, Saipul Sakti, Dwi Nika Salsabila, Nur Maya Saragih, Muhammad Nabil Sarira, Brayen Tisra Satria Bagus Eka Chandra Saucha Diwandari Setiawan, Maulana Agus Sihombing, Yobel Fernanda Siti Retno Wulandari Sugandi Sugandi Sumaini Sumaini Supriyono Supriyono Supriyono Supriyono Syaffira Rizky Amalia Taruk, Medi Tejawati, Andi Tulili, Hadie Pratama Ummul Hairah Vicky Pranandika Wijaksana Viny Christanti M Wahyudi, Moh Ikhwan Wati, Masna Wibisono, Bramantyo Ardi Harimurti Widians, Joan Angelina Wintin, Chintia Liu Wiwien Hadikurniawati Yanuar Satria Gotama Yasmin, Annisa Yudi Sukmono, Yudi Yuyun Nabilawati Rumbia zahra salsabila Zainal Arifin