Article Per Year (5 Year)
p-Index From 2021 - 2026
22.858
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA JURNAL SISTEM INFORMASI BISNIS Voteteknika (Vocational Teknik Elektronika dan Informatika) Elektron Jurnal Ilmiah Jurnal Sains dan Teknologi Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Teknologi Informasi dan Ilmu Komputer Telematika Jurnal Edukasi dan Penelitian Informatika (JEPIN) Prosiding Semnastek JUITA : Jurnal Informatika Jurnas Nasional Teknologi dan Sistem Informasi Jurnal Ilmiah Rekayasa dan Manajemen 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 JITK (Jurnal Ilmu Pengetahuan dan Komputer) 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 International Journal of Informatics and Computation Dinasti International Journal of Education Management and Social Science 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 Indonesian Journal of Electrical Engineering and Computer Science JUKI : Jurnal Komputer dan Informatika Jurnal Perangkat Lunak Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal Computer Science and Information Technology (CoSciTech) Journal of Applied Computer Science and Technology (JACOST) Jurnal Manajemen Sains 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 SATIN - Sains dan Teknologi Informasi RJOCS (Riau Journal of Computer Science) SmartComp Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) JR : Jurnal Responsive Teknik Informatika Jurnal Responsive Teknik Informatika Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Journal of Soft Computing Exploration
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 Environmental Science 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 : 246 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 246 Documents
Search

 12   13   14   15   16 
Penerapan Algoritma Fuzzy C-Means untuk Clustering Penilaian Laporan Kinerja Dosen pada UIN Imam Bonjol Padang Alvi Dwi Wahyuni; Sarjon Defit; Gunadi Widi Nurcahyo
Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Vol 5, No 2 (2024): Edisi April
Publisher : LPPM STIKOM Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/kesatria.v5i2.359

Abstract

-
Penerapan Algoritma K-Means Dalam Pengklasteran Hasil Evaluasi Akademik Mahasiswa Fitri Safnita; Sarjon Defit; Gunadi Widi Nurcahyo
Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Vol 5, No 2 (2024): Edisi April
Publisher : LPPM STIKOM Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/kesatria.v5i2.360

Abstract

Several institutions that have utilized computer-based information systems for many years certainly have quite large amounts of data. The data generated and stored in a computer system is designed to be fast and accurate in both operation and administration. This data is designed for reporting and analysis that uses that data. It turns out that there is a lot of data available, with so much data we are increasingly faced with the question, "What knowledge can we gain from this data?" The K-Means algorithm is an iterative clustering algorithm that partitions a data set into a number of clusters that are initially determined. The K-Means algorithm is an iterative clustering algorithm that partitions a data set into a number of clusters that are initially determined. The K-Means algorithm is easy to implement and run, relatively fast, easy to adapt, commonly used in practice. The parameter that must be entered when using the K-Means algorithm is the K value. The K value is generally used based on previously known information regarding how many clusters appear in This research aims to group students based on academic evaluation results. The method used to manage student academic data uses the Data Mining method with the K-Means Clustering Algorithm. The dataset processed in this research comes from the Faculty of Engineering, Informatics Engineering Study Program, Islamic University of Riau. The dataset consists of 180 student data starting from semester 1 to semester 4. The results obtained from this research are in the form of grouping students based on the achievement student cluster, there are 104 students with a percentage of 57.72%, the student cluster with potential for achievement is 62 students with a percentage of 34 .41%, the potentially problematic student cluster has 10 students with a percentage of 5.55%, and the problematic student cluster has 4 students with a percentage of 2.22%. Therefore, it is hoped that the results of this research will provide new knowledge that can be used as a source of information and function as a reference model for academic planners to monitor and predict the development of each student's academic performance.
Penerapan Framework Ltsa Untuk Mengembangkan Lms Berbasis Blended Learning Untuk Proses Pembelajaran Aflili Sari; Sarjon Defit; S Sumijan
Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Vol 5, No 2 (2024): Edisi April
Publisher : LPPM STIKOM Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/kesatria.v5i2.365

Abstract

Nowadays everyone is able to learn about anything, anywhere, and at any time because of the internet. Many schools have started implementing learning via E-learning. The development of E-learning as application software can be done using various methodologies or frameworks and one of them is the Learning Technology System Architecture (LTSA) framework which is standard 1484.1-2013 from the Institute of Electrical and Electronics Engineers (IEEE) for learning technology. This LTSA framework is applied with the aim of mapping the current and proposed systems, including mapping sub-systems and their relationships with external systems. The objectives to be achieved in this research include designing a Learning Management System at SMAN 2 Gunung Talang using the LTSA framework. Implementation of Blended Learning at SMAN 2 Gunung Talang by utilizing a Learning Management System designed with the LTSA framework to improve the quality of learning and Application of the LTSA framework to build a Learning Management System synchronized with learning at SMAN 2 Gunung Talang. There are 5 layers implemented in creating a Learning Management System using the LTSA framework. Layer 1: Learner interaction with the environment. Layer 2: The influence the learner has on the system. Layer 3: Component system. Layer 4: Identify stakeholder priorities and perspectives. Layer 5: Operational components and interoperability. The results of this research show that the existence of a Learning Management System based on the LTSA framework can create more focused, structured and well-archived learning at SMAN 2 Gunung Talang. The application of the LTSA framework in building a Learning Management System that is appropriate and in harmony with learning at SMAN 2 Gunung Talang has shown significant results in improving the quality of learning at SMAN 2 Gunung Talang.
IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN ALAT KONTRASEPSI DENGAN METODE AHP DAN TOPSIS (STUDI KASUS DI PUSKESMAS GUNUNG LABU) Pipin Refina Afindania; Sarjon Defit; Sumijan
Jurnal Teknoif Teknik Informatika Institut Teknologi Padang Vol 12 No 1 (2024): TEKNOIF APRIL 2024
Publisher : ITP Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21063/jtif.2024.V12.1.1-9

Abstract

The problem that is often faced is that many mothers of couples of childbearing age do not understand how to choose a contraceptive method that is suitable for use. To address this problem among couples of reproductive age in choosing the most appropriate contraceptive method, the Analytical Hierarchy Process  (AHP)-Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) method is proposed to be utilized. It is expected to be beneficial in aiding the selection of a suitable contraceptive method for users. The objective of this research is to implement the AHP-TOPSIS method in a decision support system for choosing contraceptive methods for couples of reproductive age at the Gunung Labu Community Health Center. The results of the analysis using the AHP-TOPSIS method indicate that the appropriate contraceptive methods for couples of reproductive age are Implan, IUD, Birth Control Injection, and Birth Control Pills. The combination of AHP-TOPSIS in contraceptive method selection yields the conclusion that the Decision Support System (DSS) built in this research is expected to facilitate midwives in recommending contraceptive methods for couples of reproductive age. AHP method is employed to calculate the weights of each contraceptive method criterion. The results of the priority weight calculations for all criteria used in this study yielded a Consistency Index (CI) of 0.07. The analysis using the AHP-TOPSIS method resulted in Implan, IUD, Birth Control Injection, and Birth Control Pills being identified as the appropriate contraceptive methods for couples of reproductive age.
Enhancing the Decision Tree Algorithm to Improve Performance Across Various Datasets Putra, Pandu Pratama; Anam, M Khairul; Defit, Sarjon; Yunianta, Arda
INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Vol 8 No 2 (2024): August 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/intensif.v8i2.22280

Abstract

Background: The Village Fund is an initiative by the central government to promote equitable regional development. However, it has also led to corruption. Many Indonesians share their opinions on the Village Fund on social media platforms like X, and news coverage is extensive on portals like detik.com. Objective: This study aims to classify data from social media and news coverage to enhance understanding. Methods: The research improves the decision tree algorithm by integrating other algorithms and techniques such as XGBoost and SMOTE. Ensuring high accuracy is vital for the credibility of machine learning classifications among the public. The study uses two different datasets, necessitating varied testing approaches. For the news portal dataset, a single test with seven labels is conducted, followed by enhancement with XGBoost. The X dataset undergoes two tests with datasets of 1200 and 3078 entries, using three labels. Conclusion: The evaluation results indicate that the highest accuracy achieved with the news portal data was 82%, thanks to a combination of decision tree algorithms with various parameters and the balancing effect of SMOTE. For the Twitter dataset with 3078 entries, the highest accuracy reached 95%, attributed to the application of ensemble techniques, particularly boosting.
Penerapan Metode K-Means dalam Klasterisasi Status Desa terhadap Keluarga Beresiko Stunting Dayla May Cytry; Defit, Sarjon; Nurcahyo, Gunadi
Jurnal KomtekInfo Vol. 10 No. 3 (2023): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v10i3.423

Abstract

The Indonesian government issued Presidential Regulation of the Republic of Indonesia Number 72 of 2021 concerning the acceleration of stunting reduction with a prevalence target of 14% by 2024. Stunting has now become a national issue and is of particular concern to the government to overcome the risks it poses. One action that can be taken to prevent stunting is to provide intervention to families at risk of stunting. This intervention is carried out in the form of clustering of sub-districts or villages consisting of babies under two years (baduta), babies under five years (toddlers), and pregnant women with inadequate environmental aspects (sanitation and clean water). Based on this, this research aims to conduct a cluster analysis of sub-districts or villages that are at risk of stunting. The cluster analysis method uses the K-Mean algorithm with reference to 3 clusters, namely low, medium, and high. This research uses a dataset of 71 sub-districts or villages that are at risk of stunting. The research results show that the performance of the K-Means method in cluster analysis produces 32 low-risk sub-districts or villages, with a percentage of 45.07%, 36 medium risks with a percentage of 50.70%, and 3 high risk with a percentage of 4. 23%. Based on these results, this research can contribute to the relevant government in dealing with the spread of stunting
Analisis Data Mining Menggunakan Algoritma C4.5 Untuk Prediksi Harga Pasar Mobil Bekas Mulyanda, Sandy; Defit, Sarjon; Sumijan
Jurnal KomtekInfo Vol. 10 No. 3 (2023): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v10i3.427

Abstract

Tingginya minat masyarakat terhadap mobil bekas membuat bisnis jual beli mobil bekas semakin meningkat, hal ini ditandai dengan banyaknya showroom mobil bekas yang ada di beberapa Kota, diantaranya showroom - showroom yang ada di Kota Bukittinggi seperti showroom AutoFallen. Beberapa faktor yang dapat mempengaruhi harga mobil bekas itu sendiri antara lain, tahun produksi, jenis mobil, transmisi, bahan bakar, kapasitas mesin, dan jarak tempuh. Disamping hal itu, didapatkan informasi dari pihak showroom dimana ada beberapa faktor yang mungkin berpengaruh terhadap daya beli masysrakat, diantaranya minat masyarakat terhadap suatu merk mobil, selain itu harga mobil juga dapat dipengaruhi oleh tingkat kepercayaan masyarakat terhadap suatu showroom tertentu, dengan kata lain, harga mobil bekas untuk satu merk, satu tahun rakitan dan lain sebagainya belum bisa diprediksi apakah harganya akan terus stabil atau tidak untuk ke depannya. Klasifikasi merupakan salah satu metode dalam menganalisis data mining dimana hasil dari klasifikasi tersebut dapat digunakan untuk memprediksi harga mobil bekas. Dengan menggunakan Algoritma C4.5 maka akan diketahui prediksi kestabilan dari harga mobil bekas pada beberapa tahun kedepan. Data yang diolah dalam penelitian ini sebanyak 100 data penjualan yang didapat dari showroom AutoFallen Bukittinggi. Selanjutnya data diolah menggunakan software Rapidminer. Hasil dari pengujian terhadap metode ini adalah dapat memprediksi harga pasar mobil bekas, sehingga tingkat akurasinya sebesar 99.00%. Dengan menggunakan metode Algoritma C4.5 dapat memprediksi harga pasar mobil bekas dengan akurat.
Implementasi Metode AHP Dan Maut untuk Rekomendasi Produk Tupperware Terlaris Okmarizal, Bisma; Defit, Sarjon; Sumijan
Jurnal KomtekInfo Vol. 10 No. 3 (2023): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v10i3.430

Abstract

Untuk melakukan pemesanan barang tupperware pada unit simabur indah, sering terjadi ketidaksesuaian antara permintaan barang dengan barang yang di pesan sehingga terjadinya penumpukan barang dan kekosongan stok barang. Untuk meningkatkan efektifitas jual beli maka dibutuhkanlah sebuah sistem informasi untuk rekomendasi barang terlaris sebagai pendukung keputusan. Metode yang digunakan adalah AHP dan MAUT, pembuat keputusan adalah 5 star manager dan data yang digunakan adalah data katalog bulan maret 2023 sebanyak 20 data dan kriteria yang digunakan adalah 6 kriteria. Implementasi metode AHP dan MAUT menghasilkan A9, A20, A8, A13, A7 dengan nilai 0,916077, 0,842113, 0,831385, 0,768166, 0,768166 sebagai alternatif yang disarankan untuk pembelian di bulan berikutnya. Dengan membandingkan antara keputusan perusahaan didapatkanlah satu hasil rekomendasi yang berbeda sehingga akurasi didapatkan sebanyak 80%.
Penerapan Data Mining Menggunakan Algoritma FP-Growth Dalam Analisis Data Penjualan Rustam, Camila; 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.v11i4.547

Abstract

Pertumbuhan data penjualan dari waktu ke waktu yang signifikan terlebih pada bisnis berskala besar dengan melakukan analisa secara manual dapat menjadi tidak efesien dan kurang mampu mengungkapkan pola yang tersembunyi. Perubahan pola pembelian konsumen dapat mempengaruhi strategi penjualan. CV Tiga Putra adalah perusahaan yang bergerak di bidang makanan ringan dan minuman. Berbagai barang yang tersedia di perusahaan tersebut tanpa adanya pengelompokkan antara barang yang diminati dan yang tidak diminati oleh konsumen dengan jumlah barang yang tidak releva sehingga terjadi penumpukan barang dan penjualan barang yang mengakibatkan kerugian. Penelitian ini bertujuan untuk meningkatkan strategi penjualan dan mengoptimalkan hasil analisis data penjualan dengan memanfaatkan algoritma FP Growth. Data Mining adalah metode yang umum digunakan untuk mencari informasi dalam big data. FP-Growth adalah salah satu dari algoritma yang diterapkan untuk mengidentifikasi catatan yang sering muncul dalam kumpulan data. Data yang digunakan data penjualan selama 2 minggu pada bulan Maret 2024 dengan 30 item barang dan 12 data transaksi. Metode yang digunakan adalah algoritma FP-Growth. Dengan menerapkan nilai minimum support 75% dan nilai minimum confidence 80%. Hasil Analisa ialah terdapat 36 pengetahuan dari kombinasi 2 item yang memenuhi nilai minimum support dan confidence. Salah satu rule asosiasinya yakni ‘Jika membeli Spix Mie Goreng 500 (K26) maka akan membeli Golda (K8)’ dengan nilai support 75% dan nilai confidence 82%. Penelitian ini berhasil menerapkan Data Mining menggunakan algoritma FP-Growth untuk meningkatkan strategi penjualan CV Tiga Putra, sehingga perusahaan dapat ebih efektif dalam mengurangi kerugian, dan meningkatkan keuntungan secara signifikan. Oleh karena itu, CV Tiga Putra dapat meningkatkan penjualan dan mengoptimalkan hasil analisis data penjualan.
Metode K-Means dalam Mengukur Tingkat Pemahaman Materi Mata Kuliah Inti dan Penilaian Mahasiswa di Prodi Informatika Deti Karmanita; Defit, Sarjon; Sumijan
Jurnal KomtekInfo Vol. 11 No. 3 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i3.551

Abstract

Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. KDD sering disebut juga sebagai penemuan pengetahuan dalam basis data. Data Mining memiliki lima fungsi utama, termasuk pengelompokan (clustering), klasifikasi (classification), asosiasi (association), urutan (sequencing) dan peramalan (forecasting). Algoritma clustering berupaya memisahkan kumpulan informasi yang ada menjadi kelompok-kelompok yang homogen atau sejenis. Tingkat kesamaan data di dalam suatu kelompok akan menghasilkan nilai yang semakin besar, sementara perbedaan antar kelompok akan menghasilkan nilai yang semakin kecil. Algoritma K-Means merupakan bagian dari clustering data mining, dimana algoritma K-Means dapat dipergunakan untuk pembentukan kelompok baru dari data. Pembentukan kelompok baru dari data pada algoritma K-Means dengan proses pembentukan cluster pada proses yang dilakukan. Penelitian ini bertujuan untuk mengetahui tingkat pemahaman materi mata kuliah inti pada program studi Informatika Universitas Dehasen yang diterima oleh mahasiswa. dimana peneliti menyebarkan kuisioner kepada mahasiswa untuk menentukan tingkat pemahaman materi mata kuliah inti menjadi 4 kelompok yaitu sangat baik, baik, cukup baik dan kurang baik. Metode yang digunakan adalah K-Means dengan tahapan yaitu pemilihan data, pra-pemrosesan, transformasi data, ekstraksi informasi dan evaluasi hasil. Data terdiri dari 46 mata kuliah inti yang di ambil dari kurikulum Prodi Informatika yang dinilai oleh mahasiswa dengan pemahaman materi mata kuliah Sangat Baik sebanyak 29%, Baik sebanyak 35%, Cukup Baik sebanyak 24%, Kurang Baik sebanyak 12%. Penelitian ini menunjukkan bahwa implementasi metode K-Means dengan dukungan aplikasi RapidMiner efektif dalam mengelompokkan data pemahaman materi mahasiswa dan hasilnya dapat digunakan untuk evaluasi dan peningkatan kualitas pengajaran.
Co-Authors Abdul Azis Said Abulwafa Muhammad Adawiyah, Quratih Ade, Ade Puspita Sari Adek Putri Adi Gunawan Adi Gunawan, Adi Adyanata Lubis Aflili Sari Afriosa Syawitri Agus Perdana Windarto Agustin, Riris Ahmad Zaki Ahmad Zaki Ahmad Zamsuri, Ahmad AHMADI Akbar, Muhamad Rafi Akbar, Syifa Chairunnissa Deliva Ali Ikhwan Alkhairi, Putrama Alvi Dwi Wahyuni Am, Andri Nofiar Amran Sitohang Anam, M Khairul Andema, Henky Andri Nofiar Angga Putra Juledi Anisya Anisya Anthony Anggrawan Arda Yunianta ardialis Ariandi, Vicky Arif Budiman Arif Budiman Arika Juwita Z Asri Hidayad Ayunda, Afifah Trista Bastola, Ramesh Billy Hendrik Bob Subhan Riza Bosker Sinaga Boy Sandy Dwi Nugraha.H Breinda, Engla Brestina Gultom Bufra, Fanny Septiani Chairun Nas Cyntia Trimulia Daeng Saputra Perdana Dahria, Muhammad Daniel Theodorus Dayla May Cytry Defi Pebriyanti Dendi Ferdinal Deno Yulfa Ardian Deti Karmanita Devia Kartika Devita, Retno Dhena Marichy Putri Dhio Saputra Dicky Novriansyah Dila, Rahmah Dinda Permata Sukma Dinul Akhiyar Dwi Utari Iswavigra Dwiki Aulia Fakhri Dwiprihatmo, Mohammad Reza Efendi, Akmar Efendi, Muhamad Efrizoni, Lusiana Eka Praja Wiyata Mandala Elda, Yusma Elfiswandi Elfiswandi eriwandi Fadillah, Riszki Fadlul Hamdi Faisal Roza Faizal Riza Faizal Riza Fajrul Islami Fajrul Islami Fanny Septiani Bufra Fatimah, Noor Fauzan Azim Fauzana, Rahmi Fauzi Erwis Febi Nur Salisah Febri Aldi Febri Hadi Febrina, Yerri Kurnia Firdaus Firdaus Firdaus, Muhammad Bambang Fitri Safnita Fitriani, Yetti Fristi Riandari Fuad El Khair Gaja, Rizqi Nusabbih Hidayatullah Ghea Paulina Suri Gunadi W Nurcahyo Gunadi Widi N. Gunadi Widi Nurcahyo Gunadi Widi Nurcahyo Guslendra Guslendra Guslendra, Guslendra Habdi, Habdi Hadiyanto, Tegas Halifia Hendri Hamsir hamsir Handika, Yola Tri Haris Kurniawan Hartati, Yuli Hasmaynelis Fitri Haviluddin Haviluddin Hazlita, H Hendrik, Billy Hendro Budiantoro Hengki Juliansa Henky Andema Hermanto Hidayad, Asri Honestya, Gabriela Huda, Ramzil Ikhbal Salam, Riyan Indah Savitri Hidayat Indhira, Sonia INTAN NUR FITRIYANI Iqbal Afriyadi Ira Nia Sanita Irsyad, As'Ary Sahlul Irzal Arief Wisky Ismail Virgo Istianingsih, Nanik Iswandi Saputra Jefdy Kurniawan Jeri Wandana Juansen, Monsya Jufri, Fikri Ramadhan Jufriadif Na`am, Jufriadif Juledi, Angga Putra Julius Santony Junadhi, Junadhi Kareem, Shahab Wahhab Khairul Azmi Kurniawan, Jefdy Kurniawan, Mhd Hary Lengga S. Sandy Leony Lidya Lidya, Leoni Lubis, Fitri Amelia Sari Lubis, Siti Sahara Lusiana Lusiana M Syahputra M. Ibnu Pati M. Iqbal Zuqron M. Syahputra Mardayatmi, Suci Mardian, Zurni 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 Dahria Muhammad Tajuddin MUHAMMAD TAJUDDIN Muhammad, Abulwafa Muhammad, L. J. Mukhlis Santoso Mulyanda, Sandy Mutiana Pratiwi Nadya Alinda Rahmi Nandan Limakrisna Nanik Istianingsih Nori Sahrun Nori Sahrun, Nori Novi Yanti Nur Aini Nurcahyo, Gunadi Nurcahyo, Gunadi Widi Nurdin, Yogi K Nurhadi Nurhidayat Nursyahrina Okfalisa, - Okmarizal, Bisma Olivia, Ladyka Febby Pandu Pratama Putra, Pandu Pratama Pati, Muhammad Ibnu Pipin Refina Afindania Pratiwi, Mutiana Pulungan, Akhiruddin Purnomo, Nopi Putra, Akmal Darman Putra, Rahman Arief Putra, Ramdani Bayu Putra, Surya Dwi Putri, Adek Putri, Dhena Marichy Putri, Yozi Aulia Putut Wicaksono, Putut R Rahmiyanti Radillah, Teuku Rafika Sani Rafiska, Rian Rafki, Rafnelly Rahmad Aditiya Rahmad Rahmad Rahmadani Hidayat Rahman Arief Putra Rahmi Fauzana Rahmi, Nadya Alinda Rakhmad Pribowo Hariputra Ramadhan, Mukhlis Ramadhanu, Agung - Randy Permana Rani, Larissa Navia Refina Afindania, Pipin Resnawita, R Rezki - Rezki Rusydi Rezti Deawinda Parinduri Rian Kurniawan Rianti, Eva Rico Anggara Rini Sovia Rini Sovia Rio Andika Malik Ritna Wahyuni Rizki Mubarak Roza Marmay Roza, Yesi Betriana Ruri Hartika Zain Rusdianto Roestam Rusdianto Roestam Rustam, Camila S Sumijan S Sumijan Sabil, Muhammad Said, Abdul Azis Saiful Nurarif Sandrawira Anggraini Sani, Rafikasani Sari, Imrah Sari, Laynita Selfi Melisa Septiano, Renil Setiawan, Adil Sharon Shaza Alturky Silfia Andin Sintia Sintia Siregar, Diffri Solihin Siregar, Fajri Marindra Siswahyudianto Sitanggang, Sahat Sonang Slamet Riyadi Sofika Enggari Sovia, Rini Sri Dewi Sri Dewi Sri Dewi, Apriandini Sri Rahmawati Suci Mardayatmi Suhefi Oktarian Sukardi Sulastri Sulastri Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan, S Surmayanti, Surmayanti Surya Dwi Putra Suryani, Vivi Susandri, Susandri Susriyanti, Susriyanti Syafri Arlis Syafrika Deni Rizki Syaljumairi, Raemon Syofneri, Nandel Tamaza, Muhammad Abyanda Teri Ade Putra Tesa Vausia Sandiva Tukino, Tukino 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 Yenila, Firna Yerri Kurnia Febrina Yetti Fitriani Yogi K. Nurdin Yoni Aswan Yuda Irawan Yudha Aditya Fiandra Yuhandri Yuhandri Yuhandri Yuhandri Yuhandri Yuhandri Yuhandri Yuhandri Yuhandri, Yuhandri Yul Antonisfia Yulasmi Yulasmi, Yulasmi Yuli Hartati Yulihartati, Sandra Yunus, Yuhandri Yusma Elda Zakir, Supratman Zia Rahimi, Hadisha Zulharbi Zulharbi Zulvitri, Z