Article Per Year (5 Year)
p-Index From 2021 - 2026
13.685
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer Teknika Jurnal Informatika Sinergi Telematika Jurnal Informatika dan Teknik Elektro Terapan InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Sistemasi: Jurnal Sistem Informasi Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal CoreIT Information Management For Educators And Professionals (IMBI) Informatika Pertanian Jurnal SOLMA JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Komtika (Komputasi dan Informatika) JTAM (Jurnal Teori dan Aplikasi Matematika) Jurnal Inotera Jurnal Infomedia MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Informatika Kaputama (JIK) Jurnal Sistem Informasi Kaputama (JSIK) Jurnal Sains Riset Jurnal Sosial Humaniora Sigli JTIK (Jurnal Teknik Informatika Kaputama) JOURNAL OF INFORMATICS AND COMPUTER SCIENCE G-Tech : Jurnal Teknologi Terapan Jurnal Sistem Komputer dan Informatika (JSON) Medika Teknika : Jurnal Teknik Elektromedik Indonesia Idealis : Indonesia Journal Information System International Journal of Engineering, Science and Information Technology JUTECH : Journal Education and Technology Conten : Computer and Network Technology Brilliance: Research of Artificial Intelligence Jurnal Teknik Informatika dan Elektro (JURTIE) TECHSI - Jurnal Teknik Informatika Sisfo: Jurnal Ilmiah Sistem Informasi Jurnal Energi Elektrik Jurnal Bangun Abdimas IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Journal Of Artificial Intelligence And Software Engineering Jurnal Malikussaleh Mengabdi Jurnal Komtika (Komputasi dan Informatika) Jurnal Informatika Proceedings of International Conference on Multidisciplinary Engineering (ICOMDEN) Jurnal Pengabdian Masyarakat Teknologi Informasi (PERANTI)
Nurdin Nurdin
Universitas Malikussaleh
Religion 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 Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 131 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 131 Documents
Search

 10   11   12   13   14 
PKM PENGAJIAN SHALAT TASBIH VIA MULTIMEDIA Nurdin Nurdin; Munirul Ula; Said Fadlan Anshari; Adzuha Desmi
Jurnal Pengabdian Masyarakat Teknologi Informasi (PERANTI) Vol 2 No 1 (2026): Jurnal Pengabdian Masyarakat Teknologi Informasi
Publisher : LPPM Unimal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.0330/peranti.v2i1.27452

Abstract

Peningkatnya minat masyarakat terhadap ilmu agama beriringan bersamaan dengan meluasnya pemanfaatan teknologi dalam segala sektor kehidupan, telah memunculkan ide-ide baru terutama dalam membantu masyarakat meningkatkan penguasaannya akan ilmu. Pengabdian ini diajukan dengan mengkombinasikan kedua keadaan di atas. Pengabdian pengajian shalat tasbih dilakukan dengan memanfaatkan teknologi multimedia ditujukan kepada masyarakat di seputaran kota Lhokseumawe. Media dibangun dengan seramah mungkin agar masyarakat awam mampu dan mudah menggunakannya, Setelah dilakukan evaluasi terhadap para peserta, diperoleh adanya peningkatan minat dan percepatan masyarakat peserta dalam pembelajaran tata cara shalat tasbih. Hasil evaluasi menunjukkan bahwa 40% (A1) dan 50% (A2) dari total peserta berhasil menyelesaikan praktek shalat tasbih dan dianggap layak, selanjutnya 40% (A1) dan 40% (A2) peserta berhasil menyelesaikan praktek shalat tasbih dan telah dianggap layak setelah pengujian kedua dan 20% (A1) dan 10% (A2) sisanya setelah pengujian ketiga. Kata kunci : Shalat Tasbih, Multimedia
Analisis sentimen pengguna tiktok terhadap program makan bergizi gratis menggunakan metode naive bayes Iza Rifna; Nurdin Nurdin
IT Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Vol 5 No 2 (2026): IT-Explore Juni 2026
Publisher : Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/itexplore.v5i2.2026.pp241-251

Abstract

The Free Nutritional Meal Program (MBG) is a government policy that is widely discussed by the public through social media, especially TikTok. Various comments that have emerged indicate differences in public opinion towards the program, so an analysis is needed to determine the tendency of public sentiment. This study aims to analyze TikTok user sentiment towards the Free Nutritional Meal Program using the Naive Bayes method. The research method is carried out through several steps, namely collecting TikTok comment data, preprocessing text, labeling sentiment data into positive, negative, and neutral, feature transformation using TF-IDF, and classification using the Naive Bayes algorithm. Based on the analysis of 500 comment data, the results show that positive sentiment dominates public opinion by 42% (210 data), followed by negative sentiment by 36% (180 data), and neutral sentiment by 22% (110 data). Testing the classification model using Naive Bayes produces excellent performance with an accuracy rate of 86%, precision of 84%, recall of 85%, and F1-score of 84%. The conclusion of this study shows that the Naive Bayes method is effective as an approach in social media sentiment analysis to map public responses to government policies.
Firewall Analytics in DNS and SYN Flood Protection on Mikrotik CCR in the North Aceh District Government Nanda Imanda; Dahlan Abdullah; Fajriana Fajriana; Nurdin Nurdin; Munirul Ula
International Journal of Engineering, Science and Information Technology Vol 5, No 4 (2025)
Publisher : Malikussaleh University, Aceh, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52088/ijesty.v5i4.1791

Abstract

This study investigates the implementation of an analytical firewall on the Mikrotik Cloud Core Router (CCR) device for network protection against Domain Name System (DNS) and Synchronise Flood (SYN Flood attacks in the information technology infrastructure of the North Aceh Regency Government. DNS-based attacks and SYN Flood have demonstrated a significant disruptive capacity for the continuity of electronic public services, illustrating the urgency of robust security protocols on government infrastructure. The study implemented a quantitative-experimental approach, with methodological triangulation in empirical data acquisition through controlled attack simulations, firewall log analysis, and semi-structured interviews with technical personnel. Experiments are designed with variations in attack intensity to evaluate system resilience thresholds, while firewall log analysis facilitates the identification of anomalous patterns through detection algorithms. The analytics process applies parametric evaluation to temporal mitigation metrics, packet processing capacity, and operational implications on network performance, complemented by descriptive statistical analysis that explores data distribution and temporal trends. The results indicate the differential effectiveness of the specific firewall configuration against a specific attack typology, with an empirical determination of optimisation parameters for real-time mitigation. This research contributes to the corpus of knowledge regarding the security of government networks through the derivation of protective models that are adaptive to the operational characteristics of public infrastructure. The findings have substantive implications for cybersecurity policy formulation in the administrative context of local governments, with extensive significance for the implementation of network architectures that are resilient to volumetric attacks and protocol exploitation.
PERBANDINGAN ALGORITMA REGRESI LINEAR DAN REGRESI LOGISTIK DALAM ANALISIS SENTIMEN KOMENTAR TIKTOK TERHADAP FILM SLINE Nurhabsah Nurhabsah; Nurdin Nurdin
JUTECH : Journal Education and Technology Vol 7, No 1 (2026): JUTECH JUNI (IN PRESS)
Publisher : STKIP Persada Khatulistiwa Sintang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31932/jutech.v7i1.6628

Abstract

Penelitian ini bertujuan untuk membandingkan performa algoritma Regresi Linear dan Regresi Logistik dalam analisis sentimen komentar TikTok terhadap film Sline. Meningkatnya penggunaan media sosial sebagai sarana penyampaian opini publik mendorong penerapan metode machine learning untuk mengklasifikasikan sentimen pengguna secara otomatis. Dataset yang digunakan berupa komentar TikTok yang diproses melalui tahapan preprocessing teks, tokenisasi, pembersihan data, dan ekstraksi fitur menggunakan TF-IDF. Model Regresi Linear dan Regresi Logistik kemudian diimplementasikan serta dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Regresi Logistik memiliki performa klasifikasi yang lebih baik dibandingkan Regresi Linear dalam mengidentifikasi sentimen positif dan negatif pada komentar TikTok. Penelitian ini menyimpulkan bahwa Regresi Logistik lebih efektif digunakan pada permasalahan klasifikasi sentimen karena dirancang khusus untuk prediksi data kategorikal. Hasil penelitian diharapkan dapat memberikan kontribusi dalam pengembangan penelitian analisis sentimen berbasis data media sosial.
PERBANDINGAN PERFORMA NAÏVE BAYES DAN MODIFIKASI NAIVE BAYES DENGAN LAPLACE CORRECTION PADA KLASIFIKASI POTENSI BANJIR MENGGUNAKAN DATA CURAH HUJAN Wan Dinulaqli; Nurdin Nurdin
JUTECH : Journal Education and Technology Vol 7, No 1 (2026): JUTECH JUNI (IN PRESS)
Publisher : STKIP Persada Khatulistiwa Sintang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31932/jutech.v7i1.6660

Abstract

Banjir merupakan salah satu bencana alam yang sering terjadi di Kerala, India, dan menimbulkan dampak sosial, lingkungan, serta ekonomi yang signifikan. Berbagai metode machine learning telah digunakan untuk klasifikasi banjir, namun penelitian yang membandingkan Naïve Bayes standar dan Modifikasi Naïve Bayes dengan Laplace Correction pada data curah hujan Kerala masih terbatas. Oleh karena itu, penelitian ini bertujuan membandingkan performa kedua metode dalam mengklasifikasikan potensi banjir berdasarkan data curah hujan. Dataset yang digunakan adalah Kerala Flood Prediction Dataset yang terdiri atas 118 data historis periode 1901–2018. Data diproses melalui transformasi label dan diskretisasi berbasis kuartil, kemudian dibagi menjadi 82 data pelatihan (70%) dan 36 data pengujian (30%). Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Naïve Bayes dan Modifikasi Naïve Bayes dengan Laplace Correction menghasilkan performa yang sama, yaitu accuracy 88,89%, precision 85,00%, recall 94,44%, dan F1-score 89,47%. Meskipun berhasil mengatasi permasalahan zero probability pada atribut Annual Rainfall, Laplace Correction tidak meningkatkan performa klasifikasi. Temuan ini menunjukkan bahwa Laplace Correction mampu meningkatkan stabilitas perhitungan probabilitas tanpa memberikan peningkatan performa klasifikasi pada dataset curah hujan Kerala.
PERBANDINGAN KLASIFIKASI ALGORITMA DECISION TREE DAN RANDOM FOREST PADA DATASET INDEX PRESTASI SEMESTER MAHASISWA (IPS) Siti Hajar; Nurdin Nurdin
JUTECH : Journal Education and Technology Vol 7, No 1 (2026): JUTECH JUNI (IN PRESS)
Publisher : STKIP Persada Khatulistiwa Sintang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31932/jutech.v7i1.6625

Abstract

Perkembangan teknologi data mining memberikan kontribusi besar dalam pengolahan data akademik pada perguruan tinggi, khususnya dalam memprediksi tingkat keberhasilan studi mahasiswa. Salah satu penerapan data mining yang banyak digunakan adalah teknik klasifikasi untuk menentukan status kelulusan mahasiswa berdasarkan performa akademik. Penelitian ini bertujuan untuk membandingkan performa algoritma Decision Tree dan Random Forest pada klasifikasi dataset indeks prestasi semester mahasiswa. Dataset yang digunakan terdiri dari atribut akademik mahasiswa seperti jenis kelamin, status mahasiswa, umur, status pernikahan, nilai IPS semester 1 hingga semester 8, serta nilai IPK sebagai indikator performa akademik mahasiswa. Tahapan penelitian meliputi preprocessing data, transformasi atribut, pembentukan model klasifikasi, serta evaluasi performa menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Pengujian dilakukan menggunakan data training dan data testing untuk mengetahui kemampuan generalisasi model terhadap data baru. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memperoleh nilai accuracy sebesar 92,41%, precision sebesar 91,87%, recall sebesar 90,35%, dan F1-score sebesar 91,10%. Sementara itu, algoritma Random Forest menghasilkan performa yang lebih baik dengan accuracy sebesar 95,17%, precision sebesar 94,62%, recall sebesar 93,84%, dan F1-score sebesar 94,22%. Berdasarkan hasil pengujian tersebut, Random Forest dinilai lebih unggul dibandingkan Decision Tree karena mampu menghasilkan model yang lebih stabil dan memiliki kemampuan generalisasi yang lebih baik terhadap variasi data. Selain itu, atribut IPK dan IPS semester akhir menjadi faktor dominan dalam menentukan status kelulusan mahasiswa. Penelitian ini membuktikan bahwa metode klasifikasi berbasis ensemble learning dapat digunakan secara efektif sebagai sistem pendukung keputusan akademik dalam memantau potensi keterlambatan kelulusan mahasiswa.
PERBANDINGAN ALGORITMA NAIVE BAYES DAN MODIFIED NAIVE BAYES DALAM KLASIFIKASI TINGKAT STRES MAHASISWA Irwansyahputra Irwansyahputra; Nurdin Nurdin
JUTECH : Journal Education and Technology Vol 7, No 1 (2026): JUTECH JUNI (IN PRESS)
Publisher : STKIP Persada Khatulistiwa Sintang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31932/jutech.v7i1.6627

Abstract

Tingkat stres mahasiswa merupakan salah satu permasalahan yang dapat memengaruhi prestasi akademik dan kesehatan mental. Berbagai penelitian telah menerapkan algoritma machine learning untuk klasifikasi tingkat stres, namun penelitian yang membandingkan Naive Bayes dan Modified Naive Bayes (Laplace Corrected Naive Bayes) masih terbatas. Penelitian ini bertujuan membandingkan performa kedua algoritma dalam klasifikasi tingkat stres mahasiswa berdasarkan faktor psikologis dan akademik. Dataset yang digunakan adalah Student Stress Factors: A Comprehensive Analysis dari Kaggle yang terdiri atas 1.100 data dengan 20 atribut prediktor dan 1 atribut target (stress level). Data dibagi menjadi data training dan testing dengan rasio 80:20. Tahapan penelitian meliputi preprocessing data, klasifikasi menggunakan Naive Bayes dan Modified Naive Bayes, serta evaluasi menggunakan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Naive Bayes memperoleh accuracy 84%, precision 83%, recall 82%, dan F1-score 82%, sedangkan Modified Naive Bayes memperoleh accuracy 89%, precision 88%, recall 87%, dan F1-score 87%. Hasil tersebut menunjukkan bahwa penerapan Laplace Correction mampu meningkatkan performa klasifikasi dengan mengurangi permasalahan zero probability. Dengan demikian, Modified Naive Bayes lebih efektif digunakan untuk klasifikasi tingkat stres mahasiswa.
Application of the Random Forest Algorithm for Classifying Children's Nutritional Status Rahma Jihan Ananta; Nurdin Nurdin
Journal of Artificial Intelligence and Software Engineering Vol 6, No 2 (2026): Juni (OnProgress)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v6i2.8655

Abstract

Status gizi yaitu suatu kondisi terkait gizi yang bisa diukur dan merupakan hasil dari adanya keseimbangan kebutuhan gizi pada tubuh dengan asupan gizi dari makanan. Klasifikasi yaitu teknik yang digunakan dalam data mining, untuk menganalisis data yang kemudian dijadikan kedalam beberapa kategori sesuai dengan variabel-variabel yang terkait. Pada Metode yang akan digunakan merupakan Algoritma Random Forest digunakan untuk klasifikasi klasifikasi status gizi anak berdasarkan data Dinas Kesehatan Lhokseumawe. Tujuan penelitian adalah untuk menerapkan Algoritma Random Forest untuk melakukan klasifikasi status gizi anak serta mengetahui tingkat akurasi dan efektivitas Random Forest dalam melakukan klasifikasi status gizi anak. Metode penelitian yang digunakan dalam penelitian ini adalah metode pengumpulan data dan metode perancangan sistem, dalam metode pengumpulan data penulis mengumpulkan sample data, observasi, wawancara, dan studi literatur, kemudian dalam metode perancangan sistem penulis melakukan analisa kebutuhan sistem, dan analisa metode perancangan sistem. Sistem klasifikasi status gizi balita di Dinas Kesehatan Kota Lhokseumawe menggunakan algoritma Random Forest berhasil dikembangkan dengan dataset antropometri 2185 sampel yang terdiri dari variabel jenis kelamin (L0, P1), usia bulan, berat badan, tinggi badan, dan indeks massa tubuh (IMT) yang telah melalui preprocessing lengkap berupa label coding dan normalisasi Min-Max Scaling ke rentang, menghasilkan kinerja sebesar 97,89% pada dashboard produksi yang konsisten dengan perhitungan manual 75,51% menggunakan bootstrap sampling dan mayoritas voting dari 3 pohon ansambel. Tahapan pemodelan data mencakup transformasi kategorikal status_gizimenjadi numerik (obesitas0, stunting1, underweight2, wasting3) serta pembagian dataset 80:20 (350 data latih, 87 data uji) dengan stratified sampling yang mempertahankan proporsi kelas realistis sesuai prevalensi gizi buruk di Indonesia, di mana underweight dominan diikuti stunting dan wasting minoritas
Decision Support System for Motorcycle Credit Eligibility Assessment Using the Simple Multi-Attribute Rating Technique Sri Kurnia; Dahlan Abdullah; Nurdin Nurdin
Journal of Artificial Intelligence and Software Engineering Vol 6, No 2 (2026): Juni (OnProgress)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v6i2.8963

Abstract

Sistem Pendukung Keputusan (SPK) merupakan sistem berbasis komputer yang digunakan untuk membantu proses pengambilan keputusan dengan memanfaatkan data, model analisis, dan antarmuka pengguna secara terintegrasi. Penerapan SPK diperlukan dalam proses evaluasi kelayakan kredit sepeda motor agar keputusan yang dihasilkan lebih objektif dan akurat. Pada PT XYZ Kota Lhokseumawe, proses penilaian kelayakan kredit masih dilakukan secara manual sehingga memerlukan waktu yang lama dan berpotensi menimbulkan kesalahan dalam pengambilan keputusan. Penelitian ini bertujuan untuk menerapkan metode SMART (Simple Multi-Attribute Rating Technique) dalam sistem pendukung keputusan untuk menentukan kelayakan kredit sepeda motor. Metode penelitian meliputi pengumpulan data, penentuan kriteria dan bobot, perhitungan nilai utility, serta perhitungan nilai preferensi untuk menentukan tingkat kelayakan calon pelanggan. Hasil penelitian menunjukkan bahwa dari 103 calon pelanggan, sebanyak 45 pelanggan (44%) dinyatakan layak memperoleh kredit dengan nilai preferensi ≥ 0,60, sedangkan 58 pelanggan (56%) dinyatakan tidak layak. Metode SMART mampu membantu perusahaan dalam meningkatkan akurasi evaluasi kredit.
IMPLEMENTASI MACHINE LEARNING UNTUK KLASIFIKASI DATA PENERIMA BANTUAN PASCA BANJIR HIDROMETEOROLOGI ACEH MENGGUNAKAN ALGORITMA DECISION TREE Aflizar Aflizar; Nurdin Nurdin
Jurnal Energi Elektrik Vol. 15 No. 1 (2026): Jurnal Energi Elektrik
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/jee.v15i1.27611

Abstract

Hydrometeorological floods hit Aceh on November 26, 2025, causing severe damage in several areas in Aceh. The central government, through the Regional Disaster Management Agency (BPBD), issued a decree on rapid flood management, enabling the Aceh Regional Disaster Management Agency (BPBD) to quickly collect data for post-flood aid distribution. However, many problems arose in post-flood aid distribution due to inaccurate targeting and numerous victims complaining that they had not received aid from the government. BPBD's process of determining recipients often faces inaccuracies due to the large volume of data and inefficient processing. Therefore, a classification model is needed to help more accurately and objectively identify issues related to post-flood aid recipient data. This study applies the Decision Tree algorithm to classify aid recipient data. The dataset used is a table with attributes such as age, income, number of dependents, damage conditions, marital status, and home ownership. The data was processed using Python and the scikit-learn library to build a classification model. The test results show a model accuracy of 98.53%. Evaluation metrics such as precision, recall, and F1-score indicate that the model is reliable in determining eligibility for aid recipients. This system supports a more transparent and efficient selection process.
Co-Authors - Miranda ., Muthmainah Adi Prasetyo Adzuha Desmi Afif Diapari Ma'aruf Lubis Afif Diapari Aflizar Aflizar Afrilia, Yesy Aidilof, Hafizh Al Kautsar Al Khaidar Alaiya, Azna Alqhifari, Azka Ama Zanati Amalia, Nova Amin Munthoha Aminsyah, Ansharulhaq Ananda Faridhatul Ulva Anas, Mukhtar Andri Alfitra Anggara, Aji Annisa Karima Arnawan Hasibuan Aynun, Aynun Aynun, Nur Azzanna, Maghriza bhakti wan khaledy Bustami Bustami Bustami Bustami Cesilia, Yolinda Chaeroen Niesa Chicha Rizka Gunawan Cut Agusniar Dadang Priyanto Dahlan Abdullah Dahlan Abdullah Darmansyah, Arif Desky, Muhammad Aulia Dewi Astika Erni Susanti Eva Darnila Fadlisyah Fadlisyah Fadlisyah Fahrozi, Fazar Fajriana Fajriana Fajriana, Fajriana Fasdarsyah Fasdarsyah fatimah Fatimah Fikhri, Aditya Aziz Fikran, Rifzan Fikri Fikri Gavinda, Virza Ginting, Andriyan gunawan, chicha rizka Gunawan, Chichi Rizka Hafizh Al Kautsar Aidilof Hafizh Al-Kautsar Aidilof Hamdhana, Defry Herman Fithra Hermansyah Hermansyah I Made Ari Nrartha Ilyana, Anis Imanda, Nanda Intan Nuriani Ira Wati Irwansyahputra Irwansyahputra Isa, Muzamir Ismun Naufal Iza Rifna Jessika, Jessika Jikti Khairina Julia Ulfah Khaidar, Al Khairina, Jikti Khairul Fuadi Khairul Khairul, Khairul Khairuni Khairuni Kurnia, Sri Kurniawati M Farhan Aulia Barus M Rizwan M Suhendri M. Ali, Rahmadi Marleni Marleni Maryana Maryana Maryana Maryana Maryana Maryana Maryana, Maryana Maulita, Maya Maya Juwita Dewi Maysura Meriatna Meriatna Muchlis ABD Muthalib Muchlis Abdul Muthalib Muhammad Daud Muhammad Faisal Muhammad fauzan Muhammad Fikry Muhammad Furqan, Muhammad Muhammad Hutomi Muhammad Iqbal Muhammad Johan Setiawan Muhammad Nasir Muhammad Riansyah Muhammad Ridha Mukti Qamal Muliana, Syarifah Munirul Ula Munirul Ula Mutammimul Ula Muzakir Nur Nadilla Baimal Puteri Nanda Imanda NELI SUSANTI, NELI Nunsina, Nunsina Nur, Muzakir Nurdin Nurdin Nurhabsah Nurhabsah Pradita, Cindy Cika Rahma Jihan Ananta Rahmad Rahmad Rahmad Rahmat Rahmat Raihan Putri Rasyada, Reza Dian Reza, Restu Rini Meiyanti Risawandi, Risawandi Riza Mirza Rizal S.Si., M.IT, Rizal Rizki Setiawan Rizki Suwanda Rizky Putra Fhonna Rizkya, Ghinni Robi Kurniawan Rusadi, Athirah Said Fadlan Anshari salamah salamah Salimuddin, Salimuddin Salsabila, Thifal Samudera, Brucel Duta Sapitri, Anggri Sari, Cut Jora Sayuti, Muhammad Siagian, Tania Annisa Siregar, Widyana Verawaty Siti Hajar Sri Kurnia Sri Kurnia Suci Fitriani, Suci Suhaili Sahibul Muna Sujacka Retno Sultan, Kana Suryana, Fitra Syahputra, Wawan Syandriani Harahap Taufik Taufik Taufiq Taufiq Taufiq Taufiq Taufiq Taufiq Uci Mutiara Putri Nasution Ulfah, Julia Ulva Fitriani Utomo, Muhammad Fikri Wahdana, Aldi Wan Dinulaqli Wan, Syahputra Wawan Wawan Yani, Muhamamd Yeni Yeni Yesy Afrilia Yesy Afrillia Yulisda, Desvina Zahrah, Violita Aditya Zahratul Fitri Zahratul Fitri, Zahratul Zalfie Ardian Zara Yunizar Zuraida Zuraida