Article Per Year (5 Year)
p-Index From 2021 - 2026
3.215
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) JUTI: Jurnal Ilmiah Teknologi Informasi Transformasi: Jurnal Pengabdian Masyarakat Seminar Nasional Informatika (SEMNASIF) Register: Jurnal Ilmiah Teknologi Sistem Informasi Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) SISFOTENIKA Paradigma JURNAL MEDIA INFORMATIKA BUDIDARMA Masyarakat Telematika Dan Informasi : Jurnal Penelitian Teknologi Informasi dan Komunikasi Jurnal Sisfokom (Sistem Informasi dan Komputer) INTEK: Jurnal Penelitian Jurnal Linguistik Komputasional EDUMATIC: Jurnal Pendidikan Informatika Building of Informatics, Technology and Science Jurnal Teknologi Informasi dan Terapan (J-TIT) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Charity : Jurnal Pengabdian Masyarakat KLIK: Kajian Ilmiah Informatika dan Komputer eProceedings of Engineering Jurnal INFOTEL
Moch Arif Bijaksana
Universitas Telkom, Bandung, Indonesia
Religion Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Mathematics Social Sciences

Published : 107 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 107 Documents
Search

 5   6   7   8   9 
Analisis Dan Implementasi Algoritma Graph-basedk-nearest Neighbour Untuk Klasifikasi Spam Pada Pesan Singkat Gde Surya Pramartha; Shaufiah Shaufiah; Moch. Arif Bijaksana
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak : Pesan singkat atau Short Message Service (SMS) adalah salah satu layanan komunikasi yang sangat populer pada mobile phone saat ini karena kemudahan penggunaan, sederhana, cepat, dan murah. Meningkatnya penggunaan mobile phone ini dimanfaatkan oleh banyak pihak untuk mendapatkan keuntungan, salah satunya adalah mengirimkan spam melalui SMS. Spam biasanya berisikan iklan dari suatu produk, promosi, atau malware yang sangat mengganggu pengguna mobile phone. Oleh sebab itu, dalam tugas akhir ini dibuatlah SMS spam filter untuk menyaring SMS yang menggunakan algoritma Graph-based K- Nearest Neighbour (GKNN). SMS yang didapatkan terlebih dahulu di preprocessing kemudian data akan direpresentasikan ke dalam model graf berbobot dan berarah. Pengujian algoritma dilakukan dengan menggunakan skenario pembagian data 5-fold dan 10-fold dan didapatkan hasil dengan rata-rata akurasi mencapai 99,06% untuk 5-fold dan 99,13% untuk 10-fold. Kata Kunci : spam, spam filtering, preprocessing, klasifikasi, k-nearest neighbour, graph- based k-nearest neighbour
Analisis Dan Implementasi Pengukuran Semantic Relatedness Menggunakan Salient Semantic Analysis Dengan Keyword Extraction Sebagai Preprocessing Bagus Ardisaputra; Moch. Arif Bijaksana; Siti Sa'adah
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Pengukuran besar relasi antar kata atau teks mempunyai kendala pada pengimplementasian sistem yaitu memerlukan pengetahuan dalam jumlah banyak. Sistem yang ada juga harus dapat melakukan abstraksi dan generalisasi. Pengukuran ini yang disebut sebagai semantic relatedness. Semantic relatedness adalah salah satu pengukuran dalam text mining yang merepresentasikan hubungan antar kata atau teks. Pada tugas akhir ini digunakan metode salient semantic analysis dan keyword extraction untuk mendapatkan nilai semantic relatedness antar kata dan antar teks. Metode ini dipilih karena mampu menghitung nilai semantic relatedness antar kata dan teks dengan tingkat akurasi yang baik. Dari uji skenario yang dilakukan, didapatkan nilai korelasi tertinggi untuk antar kata sebesar 0.2137 dan akurasi tertinggi untuk antar teks sebesar 83.3%. Kata kunci : semantic relatedness, salient semantic analysis, keyword extractio
Pemeringkatan Jawaban Pada Community Question Answering Dengan Tekstual Fitur Dan Pemodelan Topik Luh Putri Ayu Ningsih; Ade Romadhony; Moch. Arif Bijaksana
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Community question answering(CQA), seperti qatar living forum telah menjadi salah satu tempat bagi pengguna in- ternet untuk mendapatkan informasi. Satu pertanyaan pada CQA dapat memiliki banyak jawaban, namun pengguna harus memilih jawaban yang paling sesuai dengan pertanyaannya secara manual yang membutuhkan waktu cukup lama.Permasalahan ini dapat diatasi dengan membangun sistem pemeringkatan jawaban dari list jawaban yang telah ada dimana jawaban yang sesuai dengan pertanyaan diatas jawaban yang tidak sesuai dengan pertanyaan. Proses per- tama yang akan dilakukan dalam penelitian yaitu teks preprocessing.Setelah data teks menjadi lebih teratur dilakukan ekstraksi fitur , dimana fitur yang akan digunakan adalah tekstual fitur dan pemodelan topik .Tekstual fitur adalah mengidentifikasi ciri ciri sebuah jawaban yang Good dan bad dengan melihat elemen-elemen teksnya seperti melihat apakah sebuah jawaban mengandung tanda tanya(?), emotikon,link atau kata-kata tertentu.Pemodelan topik meru- pakan pemodelan data tekstual yang bertujuan menemukan variabel tersembunyi.  Dalam Penelitian ini akan fokus pada penggunaan pemodelan topik untuk mencari kemiripan antar pertanyaan dan jawaban. Hasil ekstraksi fitur ini akan dijadikan inputan untuk classfier untuk membuat model yang akan digunakan oleh data uji. Pada pengerjaan tu- gas akhir ini mengunakan Support Vector Machine (SVM) dan logistic regression untuk mendapatkan score klasifikasi dimana score ini yang menentukan peringkat sebuah jawaban untuk setiap pertanyaan. Berdasarkan hasil evaluasi dari penelitian yang dilakukan penulis didapatkan bahwa sistem pemeringkatan yang dibuat memiliki nilai mean avarage precision sebesar 71.9. Hasil ini didapatkan mengunakan logistic regression sebagai classifiernya. Jika dibandingkan dengan hasil peserta SemEval 2016 task 3 hasil yang didapatkan dalam penelitian ini berada di rangking 8 dari 13 peserta. Kata Kunci: community question answering,tekstual fitur, pemodelan topik,ekstraksi fitur,Peringkat
Analisis Dan Implementasi Pengklasifikasian Pesan Singkat Pada Penyaringan Sms Spam Menggunakan Algoritma Multinomial Naïve Bayes Muhammad Budi Hartanto; Shaufiah Shaufiah; Moch. Arif Bijaksana
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak  Maraknya penggunaan SMS membuat pihak tertentu memanfaatkan hal tersebut dengan menyebar SMS ke berbagai pihak demi keuntungannya sendiri. SMS tersebut disebut juga dengan SMS Spam. Bagi sebagian orang, hal tersebut sangat mengganggu. Oleh sebab itu, maka dibangunlah SMS Spam Filter yang bertujuan untuk menyaring SMS. Dalam tugas akhir ini, dilakukan penelitian tentang SMS Spam Filter, yang akan mengklasifikasikan SMS menjadi Spam dan Ham(Tidak Spam). Isi SMS yang berupa teks dan cenderung tidak teratur, membuat data yang akan digunakan untuk klasifikasi perlu dilakukan preprocessing terlebih dahulu. Preprocessing yang digunakan dalam tugas akhir ini adalah Slang Handling, Stopword Elimination, Stemming, dan Tokenization. Setelah semua data dilakukan preprocessing maka algoritma yang akan mengklasifikasikan SMS-nya adalah algoritma multinomial naïve bayes. Tugas akhir ini akan menggunakan 2 sumber data yaitu: The SMS Spam Collection v.1 dan British SMS. Yang keduanya akan dikomposisikan sesuai pengujian. Pengujian yang dilakukan yaitu membandingkan beberapa skenario pengujian berdasarkan penggunaan preprocessingnya. Dan telah didapatkan hasil terbaik dengan akurasi mencapai 98.15% dengan pemilihan preprocessing Stopword Elimination dengan Stemming. Kata Kunci  Klasifikasi, SMS Spam Filter, Slang, Stopword Elimination, Stemming, Multinomial Naïve Bayes.
Analisis Monolingual Alignment Dalam Mengukur Nilai Kesamaan Teks Semantik Pada Pasangan Ayat Al-quran Dengan Penambahan Sistem Supervised Learning Sang Made Naufal Caesarya Mahardhika; Moch. Arif Bijaksana; Siti Sa’adah
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Penelitian terkait pengukuran nilai semantik dan korelasi pada pasangan ayat Al-Quran masih sangat sedikit. Penelitian masih terbatas pada pencarian ayat-ayat yang dibagi menjadi level 0, level 1, dan level 2 pada penelitian Qursim. Oleh karena itu, perlu adanya metode lain salah satunya yaitu metode monolingual alignment. Pada penelitian tugas akhir ini digunakan metode monolingual alignment dan penambahan sistem supervised learning dalam mengukur nilai kesamaan semantik pada pasangan ayat-ayat Al-Quran. Hasil pengujian penelitian sistem fitur-fitur alignment pada dataset 2016 mendapatkan nilai korelasi tertinggi yaitu 0,728 dan pada dataset 2017 yaitu 0,698. Sedangkan untuk sistem fitur-fitur alignment yang ditambahkan sistem supervised learning, nilai korelasi tertinggi pada dataset testing 2016 yaitu 0,728 dan pada dataset testing 2017 yaitu 0,7. Berdasarkan hasil tersebut, disimpulkan bahwa fitur identical words sebagai fitur dasar alignment masih menjadi fitur terbaik dibandingkan fitur lainnya yaitu PPDB dan WordNet. Nilai korelasi dari penambahan supervised learning berhasil mendekati nilai korelasi dari sistem alignment.
Klasifikasi Argumen Semantik Menggunakan Kombinasi Fitur Named Entities In Constituent, Head Word Pos, Dan Syntactic Frame Nisaa' 'Ainulfithri; Moch. Arif Bijaksana; Siti Sa'adah
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak  Natural Language Processing (NLP) merupakan salah satu cabang ilmu komputer yang berfokus pada pengolahan bahasa natural/bahasa manusia. Sebagian besar task NLP   seperti Question Answering, Semantic Role Labeling, dan Information Extraction memerlukan informasi 5W (Who, What, Where, When, Why)  dan  1H  (How)  untuk  mengekstrak  informasi  yang  dibutuhkan.  Klasifikasi  argumen  semantik merupakan proses pelabelan argumen berdasarkan aturan semantik dimana aturan semantik dapat merepresentasikan informasi 5W+1H tersebut. Dalam melakukan klasifikasi argumen semantik diperlukan fitur-fitur yang dapat membantu proses klasifikasi. Pada penelitian ini, fitur yang akan digunakan adalah fitur dasar dan tiga fitur tambahan yaitu Named Entities in Constituent, Head Word POS, dan Syntactic Frame. Penggunaan ketiga fitur tambahan tersebut terbukti dapat meningkatkan akurasi. Algoritma yang digunakan dalam proses klasifikasi adalah Sequential Minimum Optimization (SMO) yang merupakan pengembangan dari Support Vector Machine (SVM). Algoritma SMO dapat mengatasi permasalahan multi-class dan dapat melakukan proses learning dengan waktu yang lebih singkat daripada SVM. Berdasarkan pengujian yang telah dilakukan, penggunaan tiga fitur tambahan yaitu Named Entities in Constituent, Head Word POS, dan Syntactic Frame dapat meningkatkan hasil akurasi dengan kenaikan akurasi sebesar 11,82%. Kata  kunci  :  klasifikasi  argumen  semantik,  Sequential  Minimum  Optimization  (SMO),  Natural Language Processing (NLP), Named Entities in Constituent, Head Word POS, Syntactic Frame
Analisis Dan Implementasi Perhitungan Semantics Similarity Pada Ayat Al-quran Dengan Pendekatan Word Alignment Berdasarkan Support Vector Regression Agung Wardhana Z. Nasution; Moch. Arif Bijaksana; Said Al Farab
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Al-Quran adalah kitab suci yang menjadi pedoman hidup bagi umat islam. Pada Al-Quran terdapat pengulangan ayat yang sama pada ayat lain. Salah satu cara untuk memahami Al-Quran adalah dengan mencari kesamaan dan keterkaitan antar ayat. Oleh karena itu, diperlukan penelitian yang dapat menilai kesamaan antar ayat dengan ayat lainnya. Salah satu penelitian dalam penyejajaran kata-kata yang memiliki kesamaan adalah word alignment. Word alignment memperhatikan kesamaan konteks dalam penyejajaran berdasarkan identical word sequence, named entities, word dependency dan surrounding words. Pada penelitian ini dilakukan penambahan database parafrase yang berhubungan dengan Al-Quran. Selain itu dalam penyejajaran ayat dapat dilakukan dengan merepresentasikan kedalam bentuk vektor dengan menggunakan word2vec. Untuk pengukuran nilai kemiripan berdasarkan vektor dapat menggunakan perhitungan cosine similarity [1]. Evaluasi yang dilakukan menggunakan Support Vector Regression (SVR) untuk mengukur nilai prediksi data pasangan ayat Al-Quran terjemahan bahasa Inggris berdasarkan alignment dan word2vec. Penggunaan metode word alignment, word2vec berdasarkan SVR pada penelitian ini menghasilkan nilai pearson correlation 0,81221. Kata kunci: Al-Quran , kesamaan semantik, word alignment, word2vec, svr, pearson correlation.
Implementasi Dan Analisis Kesamaan Semantik Antar Kata Berbahasa Inggris Dengan Metode Second Order Co-occurrence Pointwise Mutual Information I Komang Resnawan Tri Putra; Moch. Arif Bijaksana; Mohamad Syahrul Mubarok
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Keterkaitan semantik mengacu pada sejauh mana dua konsep atau kata-kata yang terkait (atau tidak), sedangkan kesamaan semantik adalah kasus khusus atau bagian dari keterkaitan semantik. Kesamaan kata (word similarity) adalah pengukuran seberapa mirip sebuah pasangan kata secara semantik, dengan adanya hubungan sinonim maka pasangan kata tersebut memiliki nilai tertinggi. Pointwise Mutual Information (PMI) merupakan salah satu pengukuran secara statistik untuk keterkaitan semantik dan kesamaan semantik yang telah banyak digunakan. Salah satu varian pada PMI ialah Second Order Co-ocurrence Pointwise Mutual Information (SOC- PMI). Hasil dari penelitian pada tugas akhir ini merupakan nilai korelasi antara skor kesamaan yang dihasilkan sistem dengan gold standard SimLex-999, WordSim353 dan Miller and Charles. Nilai korelasi tertinggi yaitu 0,2881 dengan menggunakan window size = 33 dan nilai δ = 6,5. Parameter yang menyebabkan korelasi terbaik dengan metode SOC-PMI ini ialah konteks katanya antara pasangan kata yang dibandingkan. Kata kunci : Kesamaan semantik, Pointwise Mutual Information, Second Order Co-occurrence Pointwise Mutual Information.
Analisis dan Implementasi Kesamaan Semantik Antar Kata Berbahasa Inggris Menggunakan Pointwise Mutual Information Max dengan Wikipedia Sebagai Corpus Shervano Naodias Siagian; Moch. Arif Bijaksana
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Sejumlah besar data informasi dapat disimpan dalam basis data di internet. Salah satu jenis data informasi yang sering digunakan oleh manusia adalah data dalam bentuk teks. Selama menggunakan data teks untuk mencari sesuatu di internet biasanya memanfaatkan kata kunci, padahal satu kata bisa saja memiliki makna yang berbeda. Misalnya mencari kata “bat” di internet, bisa saja search engine akan menampilkan artikel tentang kelelawar atau alat pemukul baseball. Seiring adanya kasus tersebut memicu penelitian yang terkait data teks meningkat, penelitian ini sering disebut dengan text mining. Salah satu implementasi dari penelitian data teks adalah semantic similarity yaitu melihat kemiripan makna pasangan kata dengan memberikan nilai similarity. Untuk menganalisis kemiripan makna pada pasangan kata diperlukan adanya suatu sistem yang dapat menghitung nilai kemiripan antara sepasang kata dengan menggunakan metode PMImax dan menggunakan gold standard untuk mendapatkan nilai korelasi sistem sebagai evaluasi. Dari hasil penelitian menggunakan korelasi pearson, didapat nilai korelasi terbesar yaitu 0.71 (Miller-Charles) dan nilai korelasi terkecil adalah -0.03 (SimLex-999). Hal tersebut disebabkan karena banyak pasangan kata yang ada didalam gold standard (Miller-Charles) ada didalam korpus wikipedia sehingga memiliki nilai similarity. Sedangkan untuk gold standard (SimLex-999) banyak pasangan kata yang tidak ada didalam korpus wikipedia, sehingga nilai similarity menghasilkan nilai 0.Kata kunci : Semantic Similarity, Pointwise Mutual Information Max, Wikipedia, GoldStandard, Pearson Correlation Abstract Majority of data information stored in the internet nowadays are based on texts, this system ease the internet users to search with keywords they attemp for search engine, e.g. word ”bat” would probably show up as animal or in the otherhand would probably show up as with the article about baseball. Over the existence of such cases trigger has also increased the text data related research, which is often referred to as text mining. One of the implementations on the data text research is the semantic similarity, that by giving couples the value of the similarity to measure the resemblance of the meaning of the word-pairs. To analyze the similarity of meaning to the word-pairs, a system was built that can calculate the value of the similarity between a pair of words semantically using Pointwise Mutual Information Max (PMImax) and use the gold standard to evaluate and to get the value of the correlation system. The result of PMImax method, obtained the largest correlation value i.e. 0.71 with gold standard dataset Miller-Charles use Pearson Correlation. While the smallest correlation value is -0.03 with the gold standard dataset of (SimLex-999). This is because many of the gold standard dataset Miller-Charles word-pairs were also be found in the wikipedia corpus. consequently, these word-pairs will obtain their similarity value. Consequently, for those word-pairs that were of gold standard dataset SimLex-999 but they were not be in the wikipedia corpus, they will produces a similarity value of 0.Keywords: Semantic Similarity, Pointwise Mutual Information Max, Wikipedia, Gold Standard, Pearson Correlation
Analisis Dan Implemetasi Similiarity Dengan Monolingual Alignment Pada Kisah Nabi Musa Dalam Kitab Agama Islam (al-qur’an) Dan Kitab Agama Kristen (alkitab) Wahyu Purbaningrum; Moch. Arif Bijaksana; Said Al Faraby
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Dalam kitab agama, tertulis beberapa kisah nabi. Kisah nabi yang tertulis di satu kitab agama tertentu, beberapa juga tertulis di kitab agama lain serta memiliki kesamaan dan kemiripan. Sebagai contoh adalah kisah Nabi Musa antara kitab agama Islam yaitu Al-Qur’an dan kitab agama Kristen yaitu Injil atau yang sekarang sering disebut dengan Alkitab. Adanya kemiripan dan kesamaan dari beberapa kisah nabi yang tertulis dalam kedua kitab tersebut telah banyak menjadi topik bahasan ditengah masyarakat. Oleh karena itu, diperlukan pengetahuan untuk menimbang dan melihat sisi kesamaan dan kemiripan kisah nabi yang termuat antara kedua kitab tersebut untuk mengetahui persamaan dan perbedaan kisah nabi yang tertulis didalamnya. Dengan menerapkan konsep kesamaan semantik antar teks, monolingual alignment dan natural languange processing akan dilakukan perbandingan kisah antara kedua kitab. Dalam penelitian ini, digunakan Kisah Nabi Musa sebagai dataset. Data masukan dalam tugas akhir ini adalah berupa pasangan ayat AlQur’an dan Alkitab mengenai kisah Nabi Musa dengan tingkat kemiripan berbeda-beda dan ada pula ayat yang tidak berpasangan dikarenakan tidak terdapat di dalam kitab yang berlawanan. Dataset didapatkan dari kisah Nabi Musa dari ayat-ayat AlQur’an dengan merujuk pada buku Kisah Nabi Tafsir Ibnu Katsir dan kisah Nabi Musa di Alkitab (buku Keluaran). Hasil dari penelitian adalah berupa nilai (angka) kemiripan dari penerapan metode monolingual alignment dan kemudian dibandingkan dengan gold standard yang telah dibuat yaitu kemiripan pasangan ayat yang dibangun secara manual dengan intuisi manusia yaitu sebesar. Dari penelitian yang telah dilakukan diperoleh nilai korelasi sebesar 0.8164 untuk perhitungan dengan single proportion dan 0.8167 untuk perhitungan dengan separate proportion. Sehingga, dengan hasil penelitian yang didapatkan diketahui bahwa kisah Nabi Musa antara Al-Qur’an dan Alkitab teridentifikasi memiliki similarity atau kemiripan. Kata kunci : kisah, Nabi Musa, kesamaan, kemiripan, Al-Qur’an, Alkitab, monolingual alignment, gold standard
Co-Authors Abdul Raffi Malikul Mulki Abdurrahman, Azzam Ade Romadhony Adelya Astari Aditya Hanif Utama Ageng Prasetio Agni Octavia Agung Wardhana Z. Nasution Akip Maulana Al Faraby, Said Alfiya El Hafsa Alfredo Primadita Ali Ridho Fauzi Rahman Angelina Sagita Sastrawan Annisa Dian Muktiari annisa Imadi Puti Anugerah, Sri Mulyani Aqila, Neca Ardhi Akmaludin Jadhira Arie Ardiayanti Suryani Arie Ardiyanti Arie Ardiyanti Suryani Arief Fatchul Huda Arief Fatchul Huda Arief Fatchul Huda Arini Rohmawati Arlinda Dwi Ardiyani aulia khemas Heikhmakhtiar Bagus Ardisaputra Bambang Ari Wahyudi Bening Suryani Pratiwi Bhudi Jati Prio Utomo Darwiyanto , Eko Dea Delvia Arifin Dhafin Putra Aldi dina juni restina Djusnimar Zultilisna Donni Richasdy Dwi Marlina Sari Dzaky Ikram Dzidny, Dimitri Irfan Eki Rifaldi Eko Darwiyanto Fairuz Ahmad Hirzani Fakhruddin, Muhammad Rafi Falia Amalia Fauzan Ramadhan Fauziah, Salma Fernandy Marbun Floribertus Yericho Pramudya Galih Rizky Prabowo Gde Surya Pramartha Grace Duma Tambunan Hafsa, Alfiya El Huda, Arief Fatchul Huda, Arief Fatchul I Gusti Ayu Chandra Devi I Komang Resnawan Tri Putra I Made Darma Yoga I Nyoman Cahyadi Wiratama I Putu Prima Ananda Ibnu Asror Idzhari Syaeful Ma'mun - Ina Rofi’atun Nasihati Indra Lukmana Sardi Intan Khairunnisa Fitriani IZZAH, NURUL Jihan Ratnasari1 KD Krisna Dwipayana Kemas M Lhaksmana Kemas Muslim Lhaksmana Khalid kurnia sari lingga Kurniawan Adina Kusuma Luh Putri Ayu Ningsih Lukman Abdurrahman Meiditia Mustika Rani Miftahul Adnan Rasyid Mochamad Agung Permana Mohamad Syahrul Mubarok Mubaroq Iqbal Muhamad Jibril Muhammad Adib Imtiyazi Muhammad Althoof Nabalah Muhammad Aris Maulana Muhammad Budi Hartanto Muhammad Fakhri Ar-Razi Muhammad Faris Abdussalam Muhammad Haerunnur Syahnur Muhammad Rizki Chairulloh Muhammad Zidny Naf'an Munirsyah Munirsyah Muthia Virliani Mutia, Aufa Naufal Rasyad Neca Aqila Nisaa' 'Ainulfithri Nur Indrawati, Nur Nurul Izzah Patra , Gifaro Andyano Pramudita Oktaviani Prasetio, Ageng Puruhita Ananda Arsaningtyas Purwita, Naila Iffah Putri Cendikia Rahmad Geri Kurniawan Ramadhyni Rifani Ramanti Dwi Indrapurasih Rendy Andrian Saputra Retno Diah Ayu Ningtias Rifki Wijaya Riska Junia Wulandari Rizky Caesar Irjayana Ryan Fahreza Maliki Said Al Farab Sakinah Rahmi Sang Made Naufal Caesarya Mahardhika Saputro3,, Widyanto Adi Sarah Suryaningsih Sarja Asra Winata Sendika Panji Anom Shaufiah . Shervano Naodias Siagian Siti Sa'adah Siti Sa’adah Suryaningsih, Sarah Tegar Graha Adiwiguna Teuku Muhammad Ikhsan Totok Suhardijanto Triawati, Candra Valentino Rossi Fierdaus Wahyu Kurniawan Wahyu Purbaningrum Warih Maharani Widi Astuti Winda Eka Samodra Wiwin Aminah Yusuf Anugrah Putra Aditama ZK Abdurahman Baizal