Article Per Year (5 Year)
p-Index From 2021 - 2026
17.647
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA JURNAL SISTEM INFORMASI BISNIS Voteteknika (Vocational Teknik Elektronika dan Informatika) Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) JUITA : Jurnal Informatika Jurnas Nasional Teknologi dan Sistem Informasi Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Riau Journal of Computer Science JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research RABIT: Jurnal Teknologi dan Sistem Informasi Univrab INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Jurnal Penelitian Pendidikan IPA (JPPIPA) Indonesian Journal of Artificial Intelligence and Data Mining Rang Teknik Journal ILKOM Jurnal Ilmiah MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Journal of Information Technology and Computer Engineering Jambura Journal of Informatics ComTech: Computer, Mathematics and Engineering Applications Jusikom: Jurnal Sistem Informasi Ilmu Komputer bit-Tech Systematics Jurnal Sistem informasi dan informatika (SIMIKA) Jurnal Sistim Informasi dan Teknologi Jurnal Informasi dan Teknologi Jurnal Informatika Ekonomi Bisnis Journal of Robotics and Control (JRC) Journal of Applied Engineering and Technological Science (JAETS) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmiah Manajemen Kesatuan Dinasti International Journal of Digital Business Management JUKI : Jurnal Komputer dan Informatika Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Journal of Applied Data Sciences Jurnal Computer Science and Information Technology (CoSciTech) Journal of Applied Computer Science and Technology (JACOST) Journal of Computer Scine and Information Technology Bulletin of Computer Science Research Jurnal Penelitian Inovatif Jurnal Ipteks Terapan : research of applied science and education Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Teknoif Teknik Informatika Institut Teknologi Padang Jurnal Komtekinfo Jurnal Sistim Informasi dan Teknologi Jurnal Administrasi Sosial dan Humaniora (JASIORA) Innovative: Journal Of Social Science Research e-Jurnal Apresiasi Ekonomi Jurnal Informatika Ekonomi Bisnis RJOCS (Riau Journal of Computer Science) SmartComp Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) JR : Jurnal Responsive Teknik Informatika Jurnal Responsive Teknik Informatika
Sarjon Defit
Universitas Putra Indonesia YPTK Padang
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 195 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 195 Documents
Search

 11   12   13   14   15 
Metode Rough Set Dan SVM Untuk Penilaian Kinerja Kepegawaian Dan Rekomendasi Jabatan Sani, Rafikasani; Defit, Sarjon; Nurcahyo, Gunadi Widi
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.581

Abstract

Data Mining adalah teknik krusial untuk mengolah dataset besar dan kompleks guna menemukan pola tersembunyi yang mendukung keputusan strategis. Penelitian ini menerapkan teknik Data Mining dengan fokus pada metode Rough Set dan Support Vector Machine (SVM) untuk meningkatkan penilaian kinerja pegawai dan memberikan rekomendasi promosi jabatan yang lebih efektif dan objektif. Metode Rough Set digunakan untuk melakukan seleksi atribut dari data evaluasi kinerja pegawai, mencakup tujuh atribut utama seperti pengalaman kerja, pendidikan, usia, jenis jabatan, golongan ruang, hasil kerja, dan perilaku kerja. Data yang digunakan berasal dari laporan evaluasi kinerja 8.457 pegawai di Badan Kepegawaian dan Pengembangan Sumber Daya Manusia (BKPSDM) Kota Padang. Setelah atribut-atribut penting terpilih, data tersebut digunakan sebagai input dalam model SVM yang diimplementasikan menggunakan software Weka. Model ini berhasil mencapai tingkat akurasi sebesar 99,6216%, yang diperoleh dengan membagi jumlah data yang diklasifikasikan dengan benar oleh sistem dengan jumlah total data pegawai yang digunakan. Berdasarkan hasil confusion matrix, kelas "sangat baik" menunjukkan precision 1,000, recall 0,952, dan F-Measure 0,975; kelas "baik" dengan precision 0,996, recall 1,000, dan F-Measure 0,998; serta kelas "sangat kurang" menunjukkan precision 0,990, recall 0,987, dan F-Measure 0,988. Sebanyak 317 instance terklasifikasi benar sebagai "sangat baik," 7.722 instance sebagai "baik," dan 386 instance sebagai "sangat kurang," namun tidak ada instance yang terklasifikasi benar sebagai "perlu perbaikan." Penelitian ini juga melakukan perhitungan manual menggunakan sampel 26 data, di mana perhitungan menggunakan 3 data untuk testing. Hasil perhitungan manual menunjukkan bahwa data 1 dan data 2 termasuk dalam kategori "butuh perbaikan," sementara data 3 termasuk dalam kategori "sangat kurang." Berdasarkan aturan pemetaan, di mana hasil klasifikasi dengan nilai sign negatif mendekati -114 dikategorikan sebagai "sangat kurang," ketiga data testing tersebut konsisten dalam kategori "sangat kurang." Perbandingan hasil perhitungan manual dengan aplikasi menunjukkan akurasi 33,33%, di mana 1 dari 3 data testing sesuai antara manual dan aplikasi. Meskipun ada tantangan dalam mengidentifikasi beberapa kelas, sistem penilaian ini dapat membantu manajemen dalam membuat keputusan promosi yang lebih baik. Penelitian ini menggambarkan potensi besar teknik Data Mining dalam memperbaiki proses penilaian kinerja dan rekomendasi jabatan dalam organisasi.
Implementasi Algoritma C4.5 Untuk Prediksi Penerima Beasiswa Program Indonesia Pintar Tesa Vausia Sandiva; Defit, Sarjon; Nurcahyo, Gunadi Widi
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.582

Abstract

Pendidikan merupakan fondasi utama dalam pengembangan sumber daya manusia dan berperan penting dalam meningkatkan kualitas hidup. Namun, hambatan finansial sering kali menjadi penghalang bagi banyak keluarga kurang mampu untuk melanjutkan pendidikan ke jenjang yang lebih tinggi. Program Indonesia Pintar (PIP) adalah inisiatif pemerintah Indonesia yang dirancang untuk memberikan bantuan keuangan kepada siswa yang memenuhi kriteria tertentu, sehingga mereka dapat melanjutkan pendidikan tanpa kendala ekonomi. Penelitian ini bertujuan untuk mengembangkan model prediksi penerima beasiswa PIP dengan menggunakan Algoritma C4.5, yang telah terbukti efektif dalam menangani masalah klasifikasi. Penelitian ini menggunakan 50 data siswa, yang diperoleh dari Sistem Dapodik Sekolah Dasar. Data ini dianalisis untuk menemukan pola-pola yang relevan dalam menentukan kelayakan penerima beasiswa, yang kemudian digunakan untuk membangun model prediksi. Pola utama yang ditemukan menunjukkan bahwa status siswa sebagai penerima Kartu Indonesia Pintar (KIP) sangat menentukan prediksi model C4.5 siswa penerima KIP cenderung diprediksi menerima beasiswa PIP. Hasil penelitian menunjukkan bahwa model klasifikasi yang dihasilkan memiliki tingkat akurasi yang sangat tinggi, yaitu sebesar 96.00%. Selain itu, precision dan recall untuk kategori penerima beasiswa masing-masing mencapai 95.65%, sementara precision dan recall untuk kategori bukan penerima beasiswa tercatat sebesar 96.30%. Temuan ini menunjukkan bahwa model prediksi berbasis Algoritma C4.5 dapat berfungsi sebagai metode yang dapat diandalkan untuk mendukung pengambilan keputusan di sektor pendidikan, serta memiliki potensi untuk diterapkan dalam berbagai konteks yang memerlukan prediksi berbasis data yang akurat. Dengan demikian, penelitian ini tidak hanya memberikan kontribusi signifikan terhadap pengembangan ilmu pengetahuan, tetapi juga memiliki dampak nyata dalam upaya pemerataan pendidikan di Indonesia.
Penerapan Algoritma Apriori dalam Menentukan Pola Penjualan Barang Jufri, Fikri Ramadhan; Defit, Sarjon; Nurcahyo, Gunadi Widi
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.583

Abstract

Data mining yaitu proses pengumpulan informasi yang bermanfaat dari suatu data yang diolah sehingga dapat menghasilkan informasi yang berguna bagi perusahaan. Algoritma Apriori merupakan algoritma dalam data mining yang digunakan untuk menemukan asosiasi atau hubungan antara item dalam kumpulan data transaksi. Algoritma ini memfokuskan pada penemuan aturan asosiasi, yang menyatakan bahwa jika sebuah kelompok item tertentu muncul dalam transaksi, maka item lainnya juga cenderung muncul dalam transaksi yang sama. Algoritma Apriori bekerja dengan cara mengidentifikasi item-item yang sering muncul bersama (itemset) dalam transaksi dan kemudian membangun aturan asosiasi berdasarkan itemset ini. Market basket analysis atau analisis keranjang belanja merupakan sebuah analisis terhadap perilaku pelanggan dalam melakukan kegiatan transaksi jual beli. Analisis keranjang belanja menghasilkan temuan asosiasi atau keterhubungan satu barang dengan barang lainnya, dimana barang-barang tersebut berada dalam satu keranjang pelanggan. Tujuan penelitian ini untuk menentukan pola penjualan pada Aciak mart, dengan menerapkan algoritma apriori dapat mengetahui barang-barang mana saja yang dibeli persamaan oleh pelanggan Aciak mart dengan nilai minimum support sebesar 6% dan nilai minimum confidence sebesar 15% yang menjadi acuan. Hasil aturan asosiasi yang didapat adalah Jika membeli AQUA 600ML maka juga membeli SAMPOERNA MILD 16 dengan nilai support sebesar 10,00 % dan nilai confidence sebesar 15,15 %, Jika membeli SAMPOERNA MILD 16 maka juga membeli SURYA 16 dengan nilai support sebesar 10,00 % dan nilai confidence sebesar 35,71 %, Jika membeli SAMPOERNA MILD 16 maka juga membeli FOODRTD GOLDA DOLCE LATTE 200 ML dengan nilai support sebesar 8,00 % dan nilai confidence sebesar 28,57 %. Berdasarkan hasil pembahasan dapat disimpulkan algoritma apriori dapat menentukan barang mana saja yang dibeli secara bersamaan oleh pelanggan dengan nilai confidence tertinggi sebesar 35,71 % untuk pembelian SAMPOERNA MILD 16 dan SURYA 16. Kata kunci: Data mining, algoritma apriori, market basket analysis, nilai minimum support, nilai minimum confidence
Penerapan Algoritma TOPSIS pada Sistem Pendukung Keputusan dalam Penentuan Pemilihan Jurusan Irsyad, As'Ary Sahlul; Defit, Sarjon; Ramadhanu, Agung
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.585

Abstract

Sistem Pendukung Keputusan (SPK) adalah suatu jenis sistem informasi yang dirancang khusus untuk mendukung manajemen dalam proses pengambilan keputusan yang terkait dengan masalah yang bersifat semi-terstruktur, dengan tetap mempertahankan peran pengambil keputusan dalam melakukan pengambilan keputusan. Salah satu metode dalam SPK adalah metode TOPSIS. Kemajuan teknologi telah meningkatkan kemampuan guru dan siswa untuk menggunakannya secara efektif, memungkinkan mereka untuk memahami pentingnya, manfaat, dan batasan-batasan legalitas. Upaya peningkatan mutu pendidikan di Indonesia senantiasa mendapat perhatian dari berbagai pihak. Perlu adanya penanganan khusus untuk meningkatkan pendidikan tersebut. Salah satu cara untuk meningkatkan pendidikan Indonesia adalah pemilihan jurusan yang tepat Penelitian ini bertujuan untuk alat bantu pendukung Keputusan pemilihan jurusan ini diharapkan dapat memberikan perhitungan yang tepat bagi siswa, sehingga Metode pendukung keputusan pemilihan jurusan ini diharapkan dapat menawarkan solusi yang tepat bagi siswa. Metode yang digunakan dalam penelitian ini adalah Algoritma TOPSIS yang dapat membantu siswa Sekolah Menengah Atas untuk pengambilan Keputusan dalam pemilihan jurusan. Dataset yang diolah dalam penelitian ini bersumber dari SMAN 1 Tanjung Tiram. Hasil penelitian ini dapat mengidentifikasi dan memberikan rekomendasi penentuan pemilihan jurusan kepada siswa yang akan menjadi bakal calon mahasiswa baru. Hasil perhitungan dengan Metode TOPSIS dengan data set terdiri dari 70 siswa dan 10 kriteria yang diuji, rekomendasi pemilihan jurusan yaitu dengan bobot tertinggi 0,619 dan paling terendah yaitu 0,221. Hasil data pengujian dengan membandingkan data awal dan data hasil sistem di peroleh tingkat keakuratan 71,42% . Dengan angka tersebut maka dapat dikatakan bahwa sistem ini cukup layak untuk digunakan di dalam lembaga, karena bagaimana pun juga sistem ini hanya sebagai pendukung keputusan suatu permasalahan dan pilihan tetap akan berada pada siswa tersebut.
Deep Learning Based Technical Classification of Badminton Pose with Convolutional Neural Networks Tukino, Tukino; Pratiwi, Mutiana; Defit, Sarjon
ILKOM Jurnal Ilmiah Vol 16, No 1 (2024)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v16i1.1951.76-86

Abstract

This research aims to identify and categorize badminton strategies using a Convolutional Neural Network (CNN) model combined with BlazePose architecture and Mediapipe Pose Solution tools, yielding understandable and practical results. The challenge of finding the best mobility strategy for badminton serves as the primary motivation for this study. The research employs an image recognition and supervised learning approach to classify poses in badminton training videos. The training data comprises various photos and images representing different badminton techniques, such as Service Technique and Smash Technique. After data processing, the CNN model is trained using the training data to identify and classify poses in badminton training videos. Testing is conducted using test data, and classification accuracy is evaluated using the CNN method. The results show that the CNN model implemented alongside BlazePose and Mediapipe Pose Solution achieves significant classification accuracy, ranging from 80% to 90%. Thus, this research presents an effective and practical method for classifying badminton strategies based on poses in training videos.
Enhancing Accuracy by Using Boosting and Stacking Techniques on the Random Forest Algorithm on Data from Social Media X Putra, Teri Ade; Ariandi, Vicky; Defit, Sarjon
ILKOM Jurnal Ilmiah Vol 16, No 2 (2024)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v16i2.2058.184-189

Abstract

Online loans (commonly referred to as Pinjol) have become a widespread phenomenon in Indonesia, both in legal and illegal forms. It is undeniable that this is in line with the rapid development and innovation of technology. Pinjol cannot be separated from public comments, both positive and negative, on social media X. The study examined the communication patterns of Indonesian people using a sentiment analysis approach. The research utilized the Random Forest algorithm to perform sentient analysis. This algorithm combined the output of several decision trees to achieve a more accurate result. In addition to using a random forest algorithm, this study also made improvements by using stacking and boosting. The results of this study indicated that the highest accuracy of 86% was obtained by the SMOTE+RF+Adaboost (Boosting) model. In contrast, the lowest accuracy  of 60% was obtained in the RF+Adaboost model with a stacking technique.
DETERMINING THE MARKETING STRATEGY OF STIE MAHAPUTRA RIAU USING THE K-MEANS CLUSTERING ALGORITHM METHOD Hidayat, Rahmadani; Defit, Sarjon; Menhard, Menhard
Jurnal Apresiasi Ekonomi Vol 12, No 3 (2024)
Publisher : Institut Teknologi dan Ilmu Sosial Khatulistiwa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31846/jae.v12i3.785

Abstract

The difficulty of getting new prospective students requires STIE Mahaputra Riau to be able to design an effective and efficient marketing strategy. This study aims to determine a marketing strategy using the K-Means Clustering method. The K-Means Clustering algorithm method is to cluster data based on the attributes of student name, school of origin, area of origin and chosen study program, so that cluster data output is obtained that can be used in making marketing strategy decisions. The sample data used in this study are data from high school, vocational high school or equivalent students who are in the third grade in 2023, specifically for the province of Riau and its surroundings, totaling 750 data. The results of this study indicate that based on the total student data of 750 people, they are grouped into 3 clusters. Cluster 1 consists of 145 people from Rokan Hulu, Indragiri Hilir, Bengkalis, Kuantansingingi and West Sumatra Regencies. Cluster 2 consists of 344 people from Kampar and Indragiri Hulu Regencies. And cluster 3 as many as 261 people from Pelalawan, Siak and Rokan Hilir Regencies. It was also found in each cluster, the study program with the most interest was the S1 Management study program. So the marketing strategy implemented should pay attention to the area of origin and the study program chosen as the basis for implementing policies in accepting new prospective students.Keywords : Data Mining, Marketing Strategy, Clustering, K-Means Method
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN SISWA PENERIMA DANA BSM DENGAN MENGGUNAKAN METODE AHP Riyadi, Slamet; Lidya, Leoni; Defit, Sarjon
RJOCS (Riau Journal of Computer Science) Vol. 7 No. 2 (2021): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v7i2.1826

Abstract

Sistem Pendukung Keputusan dalam penentuan siswa yang menerima dana BSM membutuhkan beberapa kriteria yang dapat mewakili penilaian kriteria siswa yang lainnya dan diperlukan data yang akurat. Karena terbatasnya waktu dan kemampuan dalam melihat segala aspek keakuratan, sering menyebabkan terjadinya kesalahan dalam mengambil keputusan. Oleh karena itu, diperlukan suatu sistem untuk menentukan siswa yang menerima BSM dengan memperhatikan kriteria-kriteria aspek yang ada.Dengan mengimplementasikan metode Analytical Hierarchy Process (AHP)dan software Super Decisions,dapat dilakukan penilaian tingkat prioritas dari variabel-variabel yang diinginkan dengan membuat hirarki dari semua variabel yang ada. Membandingkan antaratiap-tiap kriteria dan diintegrasikan dengan penilaian kategori yang dibutuhkan, akan menghasilkan sebuah keputusan untuk penentuan siswa menerima BSM dari kriteria yang telah ditentukan dengan studi kasus di Dinas Pendidikan di Kota Pekanbaru Provinsi Riau. Dengan sistem pendukung keputusan yang dirancang ini diharapkan pihak Dinas Pendidikan dan sekolah dapat mengambil keputusan dalam menetukan siswa yang menerima BSM secara cepat, tepat dan akurat.
Perancangan Expert System Diagnosa Anak Penderita Autisme dengan Metode Forward Chaining Pulungan, Akhiruddin; Wahyu, Fungki; Olivia, Ladyka Febby; Indhira, Sonia; Defit, Sarjon
Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Vol 9, No 1 (2024): Edisi Februari
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/jurasik.v9i1.755

Abstract

Autism disorder in a person is generally suffered from birth, lack of parental sensitivity and knowledge about this is the problem so that the disorder is not detected quickly. For some people who are unfamiliar with this, it is very difficult to find information about places that provide this service. Because the process takes too long, or there is insufficient socialization for parents who do not understand this disorder. With the problems that exist at the Sungai Penuh Special School, Disability Services and Inclusive Education, they are still diagnosed by relying on experts. The author created an expert system that can diagnose children with autism using the forward chaining method, namely by answering questions related to the symptoms of autistic disorders according to the symptoms felt. It is hoped that the Sungai Penuh Special School with Disability Services and Inclusive Education can be helped, and with this system the service will be faster and also help the performance of employees at the Sungai Penuh Special School with Disability Services and Inclusive Education
Prediksi Kepuasan Pelanggan dengan Algoritma Rough Set Breinda, Engla; Defit, Sarjon; Nurcahyo, Gunadi Widi
Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Vol 9, No 1 (2024): Edisi Februari
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/jurasik.v9i1.735

Abstract

Bukittinggi, located in West Sumatra Province, hosts approximately 25 computer shops scattered across its various areas. Statistics reveal a proportional distribution of one computer shop per square kilometer within the city limits, intensifying the competition among these establishments. The primary objective of this study is to assess customer satisfaction using the Rough Set Method. Maintaining high levels of customer satisfaction is crucial as it often leads to repeat purchases. The Rough Set Method, renowned for its effectiveness in Knowledge Discovery in Databases (KDD), comprises five key stages: Decision System, Equivalence Class, Discernibility Matrix, Discernibility Matrix Modulo D, Reduction, and General Rule. The dataset utilized in this research originates from HBC Computer Shop in Bukittinggi, comprising records of 96 customers. Through the analysis, a total of 257 rules were generated, facilitating the identification of customer satisfaction levels. Consequently, the findings of this study can serve as valuable insights for HBC Computer Store management in devising marketing strategies to uphold customer satisfaction and effectively compete with similar businesses.
Co-Authors Abdul Azis Said Adawiyah, Quratih Adek Putri Adi Gunawan Adi Gunawan, Adi Adyanata Lubis Afriyadi, Iqbal Agus Perdana Windarto Agustin, Riris Ahmad Zaki Ahmad Zamsuri, Ahmad Akbar, Muhamad Rafi Akbar, Syifa Chairunnissa Deliva Am, Andri Nofiar Amran Sitohang Anam, M Khairul Andema, Henky Andin, Silfia Andri Nofiar Angga Putra Juledi Anthony Anggrawan Arda Yunianta ardialis Ariandi, Vicky Arif Budiman Arif Budiman Arika Juwita Z Asri Hidayad Ayunda, Afifah Trista Bastola, Ramesh Bosker Sinaga Breinda, Engla Bufra, Fanny Septiani Daeng Saputra Perdana Dahria, Muhammad Daniel Theodorus Dayla May Cytry Dendi Ferdinal Deno Yulfa Ardian Deti Karmanita Devita, Retno Dhena Marichy Putri Dila, Rahmah Dinda Permata Sukma Dwi Utari Iswavigra Dwiki Aulia Fakhri Efendi, Akmar Efendi, Muhamad Efrizoni, Lusiana Eka Praja Wiyata Mandala Elda, Yusma eriwandi Fadlul Hamdi Faisal Roza Fajrul Islami Fanny Septiani Bufra Fatimah, Noor Fauzan Azim Fauzana, Rahmi Fauzi Erwis Febri Aldi Febri Hadi Febrina, Yerri Kurnia Firdaus, Muhammad Bambang Fitriani, Yetti Fristi Riandari Fuad El Khair Gaja, Rizqi Nusabbih Hidayatullah Gunadi Widi Nurcahyo Gunadi Widi Nurcahyo, Gunadi Guslendra, Guslendra Hadiyanto, Tegas Halifia Hendri Handika, Yola Tri Haris Kurniawan Hartati, Yuli Hasmaynelis Fitri Haviluddin Haviluddin Hazlita, H Hendrik, Billy Hendro Budiantoro Hengki Juliansa Henky Andema Hermanto Hidayad, Asri Hidayat, Rahmadani Honestya, Gabriela Huda, Ramzil Ikhbal Salam, Riyan Indah Savitri Hidayat Indhira, Sonia INTAN NUR FITRIYANI Ira Nia Sanita Irsyad, As'Ary Sahlul Irzal Arief Wisky Ismail Virgo Jefdy Kurniawan Jeri Wandana Juansen, Monsya Jufri, Fikri Ramadhan Juledi, Angga Putra Junadhi, Junadhi Kareem, Shahab Wahhab Khairul Azmi Kurniawan, Jefdy Kurniawan, Mhd Hary Leony Lidya Lidya, Leoni Lubis, Fitri Amelia Sari Lubis, Siti Sahara Lusiana Lusiana M Syahputra M. Ibnu Pati M. Syahputra Mardayatmi, Suci Mardison Mardison Mardison Marfalino, Hari Meilinda Sari Meilinda Sari Melissa Triandini Menhard, Menhard Mhd Hary Kurniawan Miftahul Hasanah Miftahul Hasanah, Miftahul Mike Zaimy Monsya Juansen MUHAMMAD TAJUDDIN Muhammad, L. J. Mulyanda, Sandy Nadya Alinda Rahmi Nandan Limakrisna Nanik Istianingsih Nori Sahrun, Nori Novi Yanti Nurcahyo, Gunadi Nurcahyo, Gunadi Widi Nurdin, Yogi K Nurhadi Nurhidayat Nursyahrina Okfalisa, - Okmarizal, Bisma Olivia, Ladyka Febby Pandu Pratama Putra, Pandu Pratama Parinduri, Rezti Deawinda Pati, Muhammad Ibnu Pebriyanti, Defi Pratiwi, Mutiana Pulungan, Akhiruddin Purnomo, Nopi Putra, Akmal Darman Putra, Rahman Arief Putra, Surya Dwi Putri, Adek Putri, Dhena Marichy Putri, Yozi Aulia Putut Wicaksono, Putut R Rahmiyanti Radillah, Teuku Rafika Sani Rafiska, Rian Rahmad Aditiya Rahmad Rahmad Rahmadani Hidayat Rahman Arief Putra Rahmi, Nadya Alinda Ramadhan, Mukhlis Ramadhanu, Agung Ramdani Bayu Putra Rani, Larissa Navia Refina Afindania, Pipin Resnawita, R Rezki - Rezki Rusydi Rian Kurniawan Rianti, Eva Rio Andika Malik Ritna Wahyuni Rizki Mubarak Roza Marmay Roza, Yesi Betriana Rusdianto Roestam Rustam, Camila S Sumijan Said, Abdul Azis Sandrawira Anggraini Sani, Rafikasani Saputra, Dhio Sari, Imrah Sari, Laynita Selfi Melisa Septiano, Renil Setiawan, Adil Sharon Shaza Alturky Siregar, Diffri Solihin Sitanggang, Sahat Sonang Slamet Riyadi Sofika Enggari Sovia, Rini Sri Dewi Sri Dewi Sri Rahmawati Suci Mardayatmi Suhefi Oktarian Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan, S Suri, Ghea Paulina Surmayanti Surya Dwi Putra Suryani, Vivi Susandri, Susandri Susriyanti, Susriyanti Syafri Arlis Syafrika Deni Rizki, Syafrika Deni Syaljumairi, Raemon Syofneri, Nandel Tamaza, Muhammad Abyanda Teri Ade Putra Tesa Vausia Sandiva Tukino, Tukino Veri, Jhon Veza, Okta Virgo, Ismail Vitriani, Vitriani Wahyu, Fungki Wanto, Anjar Wenni Afrodita Weri Sirait Y Yuhandri Yamin, Abdul Yamin Yemi, Leonardo Yerri Kurnia Febrina Yetti Fitriani Yogi K. Nurdin Yoni Aswan Yuda Irawan Yuhandri Yuhandri Yuhandri Yuhandri, Yuhandri Yulasmi Yulasmi, Yulasmi Yuli Hartati Yulihartati, Sandra Yunus, Yuhandri Yusma Elda Zakir, Supratman Zia Rahimi, Hadisha Zulvitri, Z Zuqron, M. Iqbal Zurni Mardian