Article Per Year (5 Year)
p-Index From 2020 - 2025
6.886
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jupiter TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal IPTEK Jurnal Informatika Upgris Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Informatika IJCIT (Indonesian Journal on Computer and Information Technology) Jurnal CoreIT Abdimas Talenta : Jurnal Pengabdian Kepada Masyarakat Indonesian Journal of Artificial Intelligence and Data Mining JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat) AMALIAH: JURNAL PENGABDIAN KEPADA MASYARAKAT Jurnal Teknik dan Informatika Jurnal Kridatama Sains dan Teknologi Jurnal Manajemen Informatika dan Sistem Informasi Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA ) Jurnal Sains dan Teknologi JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) TRIDARMA: Pengabdian Kepada Masyarakat (PkM) JATI (Jurnal Mahasiswa Teknik Informatika) INFOKUM Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Bulletin of Information Technology (BIT) PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Pendidikan Matematika Malikussaleh Blend Sains Jurnal Teknik Jurnal Teknologi Informasi INPAFI (Inovasi Pembelajaran Fisika) Innovative: Journal Of Social Science Research JS (Jurnal Sekolah) Jurnal Sistem Informasi dan Ilmu Komputer Journal of Informatics and Data Science (J-IDS) Jurnal Pendidikan IPA Indonesia SISFOTENIKA JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
Kana Saputra S
Program Studi Ilmu Komputer, FMIPA, Universitas Negeri Medan
Agriculture, Biological Sciences & Forestry Arts 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 Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search

 2   3   4   5   6 
KLASIFIKASI MOTIF PADA TENUN TRADISIONAL TARUTUNG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN PERANCANGAN VISUAL PRODUCT GUIDE BERBASIS WEBSITE Eka Nainggolan, Rinay; Yandra Niska, Debi; Iskandar Al Idrus, Said; Saputra S, Kana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13053

Abstract

Tarutung merupakan salah satu wilayah di Sumatera Utara yang masih aktif dalam melestarikan tradisi tenunnya. Desain kain tenun Tarutung terus berkembang dengan motif yang lebih bervariasi, mencerminkan dinamika budaya yang menggabungkan tradisi dan tren kontemporer. Hasil wawancara yang dilakukan peneliti dengan 25 pemasok songket di Tarutung menunjukkan 72% (18 orang) mengalami kesulitan mengidentifikasi jenis tenun, terutama penjual baru dan sales promotor yang perlu menjelaskan detail produk kepada pelanggan. Hasil wawancara juga menunjukkan 80% (20 orang) penjual kesulitan mengetahui kegunaan tenun karena keberagaman yang ada. Pembeli sering bertanya tentang penggunaan yang tepat, seperti untuk pakaian, upacara adat, keagamaan, atau dekorasi, sehingga penjual perlu memberikan informasi yang akurat. Kesulitan membedakan jenis tenun disebabkan oleh kemiripan pola akibat perbedaan satu atau dua lidi dalam proses mamutik (pembuatan motif). Penjual biasanya berdiskusi dengan sesama penjual atau memeriksanya ke pengrajin, yang tentunya memakan waktu lama. Ketidakakuratan informasi dapat mengurangi kepercayaan pelanggan, menurunkan pendapatan, dan mempersulit penentuan harga. Penjual harus memastikan informasi produk akurat untuk menghindari kerugian. Penelitian ini bertujuan untuk membangun model klasifikasi tenun Tarutung berdasarkan motif menggunakan metode Convolutional Neural Network (CNN), yang diintegrasikan ke dalam sebuah website untuk mengidentifikasi jenis kain yang diunggah pengguna. Selain itu, website juga menyediakan informasi relavan yang memudahkan akses pengguna ke berbagai fitur yang tersedia. Penelitian ini menghasilkan model CNN dengan akurasi sebesar 94%, precision 96%, recall 94%, dan F1-score 94%.
EFEKTIFITAS BAHAN AJAR FISIKA DASAR BERBASIS AUGMENTED REALITY (AR) PADA MATERI KINEMATIKA GERAK Ramadhani, S.Pd., M.Pd, Irham; Saputra S., Kana; Purwanto; Simanjuntak, Yanthy Leonita Perdana; Tuti Hardianti
INPAFI (Inovasi Pembelajaran Fisika) Vol. 13 No. 2 (2025): INPAFI
Publisher : UNIVERSITAS NEGERI MEDAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/inpafi.v13i2.65181

Abstract

Mata kuliah Fisika Dasar merupakan matakuliah wajib yang diajarkan di FMIPA Unimed dan menjadi dasar bagi berbagai disiplin ilmu lainnya. Namun, masih rendahnya pemahaman mahasiswa non-Fisika terhadap konsep fisika menunjukkan perlunya inovasi dalam pembelajaran. Salah satu upaya yang dapat dilakukan adalah dengan mengembangkan bahan ajar berbasis teknologi Augmented Reality (AR) untuk membantu visualisasi konsep fisika yang abstrak. Penelitian ini merupakan bagian dari penelitian pengembangan ADDIE pada tahapan implementasi. Bahan ajar di ujicobakan pada mahasiswa jurusan fisika untuk melihat efektifitas bahan ajar dari respon mahasiswa. Hasil penelitian menunjukkan bahwa pemanfaatan bahan ajar Fisika berbasis Augmented Reality (AR) pada topik kinematika gerak terbukti efektif dalam mendukung kegiatan perkuliahan, dengan hasil evaluasi yang termasuk dalam kategori baik. Temuan ini menegaskan bahwa bahan ajar yang dikembangkan mampu memenuhi kebutuhan belajar mahasiswa, baik dari segi isi maupun cara penyampaian materi. Sebagai upaya pengembangan lanjutan, disarankan agar bahan ajar tersebut terus diperbaiki dan disempurnakan untuk lebih meningkatkan kualitas pembelajaran serta membantu mahasiswa dalam mencapai kompetensi secara optimal.
Pemanfaatan Teknik Machine Learning dalam Memprediksi Kepadatan Lalu Lintas Guna Efisiensi Transportasi Muslim Sinaga, Rizal; Rosyid Fauzan, Muhammad; Pratama, Ega; Rizki Alfahri , Muhammad; Saputra, Kana
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 12 No. 2 (2025): Prosisko Vol. 12 No. 2 Juli 2025
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jt032w43

Abstract

Kemacetan lalu lintas di kota-kota besar semakin meningkat akibat pertumbuhan jumlah kendaraan yang tidak sebanding dengan kapasitas jalan. Kondisi ini berdampak pada peningkatan waktu perjalanan, polusi udara, serta risiko kecelakaan. Penelitian ini bertujuan untuk memprediksi tingkat kepadatan lalu lintas di Kota Medan menggunakan metode pembelajaran mesin. Tiga algoritma yang digunakan dalam penelitian ini adalah regresi linear, random forest, dan XGBoost. Data yang digunakan mencakup informasi lalu lintas dan cuaca yang diperoleh dari sumber terbuka. Tahapan penelitian meliputi eksplorasi data, pra-pemrosesan, rekayasa fitur, pelatihan model, dan evaluasi menggunakan beberapa metrik pengukuran kesalahan. Hasil penelitian menunjukkan bahwa algoritma Random Forest dengan penyesuaian parameter memiliki performa terbaik dibandingkan dengan algoritma lainnya. Model ini dapat digunakan sebagai alternatif dalam pengelolaan lalu lintas guna meningkatkan efisiensi mobilitas di kawasan perkotaan.
KLASIFIKASI PENYAKIT MIGRAIN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Wahyudi, Rizky; Impana Manik, Kristin; Alfin, Muhammad; Bush Henrydunan, John; Haikal Al Majid, Muhammad; Saputra, Kana
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 2 (2025): MISI Juni 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i2.1587

Abstract

Migrain adalah gangguan neurologis yang dapat menurunkan kualitas hidup penderitanya. Diagnosis migrain umumnya dilakukan secara klinis berdasarkan riwayat medis pasien, namun metode ini sering bersifat subjektif dan berisiko mengalami kesalahan klasifikasi. Tujuan dari penelitian ini adalah untuk membuat model klasifikasi migrain berbasis Support Vector Machine (SVM) untuk diagnosis yang lebih tepat. Tahapan penelitian dimulai dengan pengumpulan dataset migrain dari Kaggle. Selanjutnya dilakukan analisis deskriptif untuk memahami karakteristik data. Pada tahap preprocessing, nilai yang hilang ditangani, outlier dideteksi dan dihapus menggunakan Interquartile Range (IQR) dan Winsorization, serta fitur numerik dinormalisasi dengan StandardScaler. Ketidakseimbangan kelas dalam dataset diatasi menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Model SVM dioptimalkan menggunakan GridSearchCV dengan parameter C, Gamma, dan kernel RBF. Tiga skema pembagian data yaitu 70:30, 80:20, dan 90:10 digunakan untuk mengevaluasi model menggunakan Akurasi, F1-Score, dan ROC-AUC.  Dengan akurasi sebesar 75,00%, F1-Score 70,03%, dan ROC-AUC 84,28%, hasil optimal dicapai pada rasio 70:30.  Temuan ini menunjukkan seberapa baik model SVM dapat mengkategorikan migrain.  Penelitian ini memajukan penggunaan pembelajaran mesin untuk diagnosis migrain yang lebih tepat dan dapat dipercaya.
Implementation of Convolutional Neural Network in Detecting Avocado Ripeness Level Luge, Miclyael; Indra, Zulfahmi; Syahputra, Hermawan; Al Idrus, Said Iskandar; S, Kana Saputra
Jurnal IPTEK Vol 29, No 1 (2025)
Publisher : LPPM Institut Teknologi Adhi Tama Surabaya (ITATS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.iptek.2025.v29i1.6737

Abstract

Squeezing avocados to determine ripeness can cause physical damage or bruising, reducing the fruit’s quality and resulting in losses for sellers and buyers. This research aims to develop an Android-based mobile application to detect avocado ripeness based on skin color, avoiding physical damage to the fruit. The study uses three simple Convolutional Neural Network architectures to evaluate the algorithm’s ability to detect avocado ripeness. The dataset includes 385 images across four classes: immature, half-ripe, ripe, and overripe (74 images each), and an additional 89 images for the non-avocado class. The model was trained with learning rates of 0.001, 0.0001, and 0.00001. The architecture with the most convolutional layers achieved the best performance with a 0.001 learning rate, yielding a test accuracy of 94.15%, a test loss of 19.28%, and an F1-score of 94.0%. The best model was then converted to TFLite format and successfully integrated into an Android application that functions effectively.
KLASIFIKASI SENTIMEN PUBLIK TERHADAP PPN 12% DI MEDIA SOSIAL X MENGGUNAKAN NAÏVE BAYES Syahri, Alfin; Ramadhan Manik, Albert; Irya Shakila Syukron, Ananda; Budi Akbar, Muhammad; Amelia Br Siregar, Ririn; Saputra, Kana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13949

Abstract

Program Makan Siang Gratis yang diperkenalkan dalam Pemilihan Presiden 2024 menjadi sorotan publik dengan berbagai tanggapan positif dan negatif di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen netizen di media sosial X terhadap program ini menggunakan algoritma Naïve Bayes. Data dikumpulkan melalui proses crawling menggunakan Twitter API, kemudian dilakukan preprocessing, ekstraksi fitur dengan Term Frequency-Inverse Document Frequency (TF-IDF), dan klasifikasi sentimen ke dalam tiga kategori: positif, negatif, dan netral. Hasil evaluasi menunjukkan bahwa model Naïve Bayes memiliki akurasi 65%, dengan sentimen negatif mendominasi (45%), diikuti oleh sentimen netral (35%) dan positif (20%). Analisis lebih lanjut mengungkapkan bahwa sentimen negatif umumnya berkaitan dengan kekhawatiran terhadap efektivitas dan transparansi program, sementara sentimen positif berasal dari optimisme terhadap manfaat program dalam mengatasi masalah gizi dan stunting. Temuan ini menunjukkan perlunya strategi komunikasi dan sosialisasi yang lebih baik agar program lebih diterima oleh masyarakat.
PENGEMBANGAN SISTEM INFORMASI AKADEMIK ROBONESIA UNTUK MENINGKATKAN PEMBELAJARAN DI BIDANG ROBOTIK Yoakim Telaumbanua, Louders; Afif Nashi Ulwan, Mhd; Dewi, Sri; Saputra S, Kana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13959

Abstract

Dalam era digital, institusi pendidikan perlu mengoptimalkan sistem manajemen akademik agar lebih efisien dan adaptif. Robonesia Medan, sebagai lembaga pendidikan robotika, menghadapi tantangan dalam pengelolaan administrasi, manajemen kelas, serta penyebaran informasi akademik yang efektif. Penelitian ini bertujuan mengembangkan sistem informasi akademik berbasis web yang terintegrasi untuk meningkatkan efisiensi operasional dan transparansi data. Metode yang digunakan adalah model Waterfall, yang terdiri dari analisis kebutuhan, desain, implementasi, pengujian, dan pemeliharaan. Sistem ini dikembangkan menggunakan framework modern dengan pendekatan Content Management System (CMS), serta memanfaatkan Use Case Diagram dan Sequence Diagram untuk pemetaan interaksi pengguna. Hasil pengujian menunjukkan bahwa sistem diterima dengan baik oleh pengguna dengan rata-rata skor kepuasan di atas 4 dari skala 5. Uji performa menggunakan Google PageSpeed Insights juga menunjukkan kinerja yang cukup optimal, khususnya pada versi desktop. Dengan demikian, sistem ini berhasil meningkatkan pengelolaan akademik secara terstruktur dan siap dikembangkan lebih lanjut melalui integrasi kecerdasan buatan serta teknologi blockchain guna memperkuat keamanan dan efisiensi data.
EFISIENSI ANGGARAN DALAM WACANA PUBLIK: ANALISIS SENTIMEN PLATFORM X DENGAN NAÏVE BAYES Ananda Hafika, Rizky; Hafiz, Alvin; Agus Waruwu, Stefen; Yazid Noor, Muhammad; Advis Ambrosius Sitohang, Yuda; Saputra, Kana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13967

Abstract

Efisiensi anggaran merupakan isu krusial dalam pengelolaan keuangan negara yang sering menjadi sorotan publik, khususnya di media sosial seperti Twitter. Opini masyarakat yang tersebar di platform tersebut mencerminkan tingkat kepercayaan terhadap keterbukaan dan akuntabilitas pemerintah. Namun, data opini yang bersifat tidak terstruktur menimbulkan tantangan dalam analisis sentimen publik secara menyeluruh. Penelitian ini bertujuan untuk mengevaluasi opini masyarakat mengenai efisiensi anggaran menggunakan algoritma Naïve Bayes. Sebanyak 1.610 tweet dikumpulkan dan diproses melalui tahap preprocessing yang meliputi pembersihan data, case folding, tokenisasi, normalisasi, penghapusan stopword, dan stemming. Setelah preprocessing, data diberi label secara manual untuk klasifikasi sentimen. Selanjutnya, dilakukan ekstraksi fitur menggunakan metode TF-IDF dan pembagian data menjadi 80% untuk pelatihan dan 20% untuk pengujian model. Hasil analisis menunjukkan bahwa opini publik cenderung negatif dengan distribusi 58,4% negatif, 23,5% netral, dan 18,1% positif. Model klasifikasi menghasilkan akurasi sebesar 73,29%, dengan nilai F1-score tertinggi pada sentimen negatif (0,82) dan terendah pada sentimen netral (0,06), yang mengindikasikan adanya ketidakseimbangan data. Penelitian ini menyimpulkan bahwa algoritma Naïve Bayes cukup efektif dalam mengidentifikasi sentimen negatif, namun memerlukan perbaikan dalam mendeteksi sentimen netral, antara lain melalui teknik penyeimbangan data dan eksplorasi algoritma lain di masa mendatang.
PERKEMBANGAN PROJEK RANCANGAN SISTEM REKOMENDASI FILM DENGAN MODEL DEEP LEARNING BERBASIS GNN Zulfahrizan, Atta; Prana Walidin, Adamsyach; Ilyasyah Drilanang, Mhd; Raffi Akbar Tjg, Muhammad; Saputra, Kana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14108

Abstract

Di tengah pesatnya perkembangan dunia digital, sistem rekomendasi film menjadi bagian penting dalam meningkatkan kenyamanan dan kepuasan pengguna saat mengakses platform hiburan. Namun, metode tradisional seperti collaborative filtering dan content-based filtering masih menghadapi kendala dalam memahami pola interaksi yang kompleks antara pengguna dan film. Penelitian ini hadir untuk menjawab tantangan tersebut dengan mengembangkan sistem rekomendasi berbasis deep learning menggunakan pendekatan Graph Neural Network (GNN). Tujuan utama dari penelitian ini adalah membangun model yang mampu merepresentasikan hubungan antara pengguna dan film secara lebih mendalam dan kontekstual. Dalam pengembangannya, digunakan dataset MovieLens untuk membentuk graf yang mencerminkan relasi rating antara pengguna dan film. Proses pelatihan model dilakukan dengan arsitektur GraphSAGE dua lapis yang mampu menyebarkan informasi antar node secara efektif dalam graf. Hasil evaluasi menggunakan Mean Squared Error (MSE) menunjukkan performa yang baik dengan nilai loss terbaik sebesar 0.2780. Selain itu, hasil uji menggunakan cosine similarity memperlihatkan bahwa model ini mampu merekomendasikan film yang relevan dengan preferensi pengguna. Temuan ini menunjukkan bahwa pendekatan GNN dapat menjadi solusi yang menjanjikan untuk meningkatkan kualitas rekomendasi serta pengalaman pengguna dalam menjelajahi konten digital.
IMPLEMENTASI METODE HAARCASCADE CLASSIFIER DALAM MENGIDENTIFIKASI OBJEK WAJAH MANUSIA Farhan Ramadhan, Haikal; Saputra S, Kana; Iskandar Al Idrus, Said; Indra, Zulfahmi; Taufik, Insan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14143

Abstract

Keamanan menjadi aspek esensial dalam berbagai sektor, terutama pada era teknologi modern yang menuntut sistem pengamanan canggih. Salah satu inovasi dalam identifikasi dan autentikasi adalah pengenalan wajah, metode yang andal, tidak invasif, dan sesuai berbagai konteks. Dalam penelitian ini, algoritma Haar Cascade Classifier dan arsitektur jaringan saraf Inception V3 digunakan untuk meningkatkan efisiensi serta akurasi pengenalan wajah. Penelitian ini merespons tiga permasalahan utama, yaitu kebutuhan sistem keamanan modern, kendala akurasi, dan keandalan teknologi pengenalan wajah saat ini. Penelitian bertujuan menganalisis kemampuan dan kinerja Haar Cascade Classifier dalam mendeteksi wajah dengan variasi pose, serta mengoptimalkan implementasinya untuk memenuhi kebutuhan aplikasi dunia nyata. Metodologi meliputi pengumpulan data berupa citra wajah, pra-pemrosesan data (normalisasi piksel, augmentasi data, segmentasi wajah), serta pemisahan dataset untuk pelatihan (80%) dan pengujian (20%). Proses implementasi melibatkan Haar Cascade Classifier untuk deteksi wajah dan arsitektur Inception V3 untuk pengenalan wajah. Hasil evaluasi menunjukkan bahwa dengan learning rate 10e-4, model mencapai akurasi 100%, jauh lebih tinggi dibandingkan learning rate 10e-6 yang hanya mencapai akurasi 56%.
Co-Authors Adidtya Perdana, Adidtya Advis Ambrosius Sitohang, Yuda Afif Nashi Ulwan, Mhd Agus Buono Agus Kembaren Agus Waruwu, Stefen Al-Areef, M. Hafizh Alfattah Atalarais Alfin, Muhammad Amanda Fitria Amelia Br Siregar, Ririn Ananda Hafika, Rizky anastasya, disty Anggi Tasari Anti Nada Nafisa Arnita Azizi, Nur Azqal Azkia Bambang Suseno Budi Akbar, Muhammad Bush Henrydunan, John Catur Kurniawan Chairunisah Chairunisah, Chairunisah citra, Citra Dede Yusuf, Dede Dewan Dinata Tarigan DIdi Febrian Dinda Farahdilla Dharma Dinda Kartika Eka Nainggolan, Rinay Erika Nia Devina Br Purba Fadhilah, Nazifatul Fahri Aulia Alfarisi Harahap Fajar Harahap, Muhammad Fajar Muharram Fajar Muharram Farhan Ramadhan, Haikal Fevi Rahmawati Suwanto Fitrahuda Aulia Fitri Aulia Fuzy Yustika Manik Fuzy Yustika Manik, Fuzy Yustika Hafiz Harahap, Fauzan Hafiz, Alvin Haikal Al Majid, Muhammad Halimatun Nisa Harahap, Muhammad Abarorya Hasibuan, Hanisah Hermawan Syahputra Hermawan Syahputra Hutagalung, Arif qaedi Ida Ayu Putu Sri Widnyani Ihsan Zulfahmi Ilyasyah Drilanang, Mhd Imam Ahmad Impana Manik, Kristin Indriani, Dechy Deswita Insan Taufik Irham Ramadhani Irya Shakila Syukron, Ananda Jasmidi Jasmidi Jeremia Manurung Josafat Simanjutak, Todo Jufita Sari Sitorus Karimuddin Hakim Hasibuan Kartika, Dinda Khonofi, Khoidir Khusnul Arifin Khusnul Arifin Latifah Hasibuan, Najwa Lidia Pebrianti Lubis, Afiq Alghazali Luge, Miclyael Maharani, Raysa Malik Fajri, Maulana MANSUR AS Manurung, Jeremia Mhd Hidayat Mhd Hidayat Mhd. Fadhillah Mochammad Iswan Mochammad Iswan Perangin-Angin Mochammad Iswan Perangin-Angin Mohammed Hafizh Al-Areef Muhammad Affandes, Muhammad Muhammad Ardiansyah Muhammad Badzlan Darari Muhammad Usman Muslim Sinaga, Rizal Nadilla Putri, Rezkya Nadya Ulfa Nasution, Hamidah . Neltriana Syafira Niska, Debi Yandra Nugraha, Zidan Indra Nur Hairiyah Harahap Nurul Adawiyah Putri Pane, Yeremia Yosefan Parapak, R Putri Angela Pinem, Josua Pittauli Ambarita Pizaini Pizaini, Pizaini Prana Walidin, Adamsyach Pratama, Ega Purwanto Putri, Alsya Adelia Putri, Rezkya Nadilla Raffi Akbar Tjg, Muhammad Raiyan Fairozi Ramadhan Manik, Albert Ramadhan, Taufiq Ramadhani, S.Pd., M.Pd, Irham Ratna Sari Dewi Reo Rizki Ananda Rifqi Maulana, Muhammad Rifqi Naufal, Muhammad Rizki Alfahri , Muhammad Ronaldo Mardianson Sinaga Rosyid Fauzan, Muhammad Ryan Ananda Nolly Sahrul Ramadhan Said . Iskandar Sanjaya, Aditia Sanusi Sasalia S, Putri Seget Tartiyoso Setiawan, Abi Simanjorang, Rio Givent A Siregar, Angginy Akhirunnisa Siringoringo, Andi Roi Berlian Siti Rahmah Sitompul, Sigun Putra Hasian Sri Adelila Sari Sri Adelila Sari* Sri Dewi Sri Wahyuni Suci Frisnoiry Syahri, Alfin Syarifuddin Syarifuddin Syawali, Yusfi Talib, Corrienna Abdul Tiur Malasari Siregar, Tiur Malasari Tuti Hardianti Valentino, Nicholas Wahyudi, Rizky Wisnu Ananta Kusuma Yanthy Leonita Perdana Simanjuntak Yazid Noor, Muhammad Yoakim Telaumbanua, Louders yola, beby Yulita Molliq Rangkuti Yulita Molliq Rangkuti Zaharani, Firna Zai, Samuel Anaya Putra Zulfahmi Indra, Zulfahmi Zulfahrizan, Atta