Article Per Year (5 Year)
p-Index From 2021 - 2026
12.824
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika JSI: Jurnal Sistem Informasi (E-Journal) Jurnal Edukasi dan Penelitian Informatika (JEPIN) Annual Research Seminar CESS (Journal of Computer Engineering, System and Science) Jurnal Ilmiah KOMPUTASI Sistemasi: Jurnal Sistem Informasi Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JTT (Jurnal Teknologi Terpadu) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab IJIE (Indonesian Journal of Informatics Education) Jurnal Manajemen STIE Muhammadiyah Palopo MBR (Management and Business Review) JITK (Jurnal Ilmu Pengetahuan dan Komputer) JOURNAL OF APPLIED INFORMATICS AND COMPUTING METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jiko (Jurnal Informatika dan komputer) Digital Zone: Jurnal Teknologi Informasi dan Komunikasi The IJICS (International Journal of Informatics and Computer Science) JURIKOM (Jurnal Riset Komputer) JURTEKSI JOISIE (Journal Of Information Systems And Informatics Engineering) INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi Building of Informatics, Technology and Science Zonasi: Jurnal Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) SOSIOEDUKASI : JURNAL ILMIAH ILMU PENDIDIKAN DAN SOSIAL Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Darma Agung Jurnal Bisnis, Manajemen, dan Ekonomi Jurnal Generic Jurnal Pendidikan dan Teknologi Indonesia Djtechno: Jurnal Teknologi Informasi Jurnal Algoritma Jurnal Teknologi dan Manajemen Industri Terapan Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia Indonesian Journal Computer Science (ijcs) Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Indonesia Sosial Teknologi The Indonesian Journal of Computer Science Management Analysis Journal Scientific Journal of Informatics Journal of Mathematics, Computation and Statistics (JMATHCOS) Buffer Informatika JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Ken Ditha Tania
Jurusan Sistem Informasi, Universitas Sriwijaya
Humanities 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 Materials Science & Nanotechnology Mathematics Mechanical Engineering Social Sciences Other

Published : 111 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 111 Documents
Search

 8   9   10   11   12 
ANALISIS POLA GEJALA PCOS MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Cantika Aulia; M Tsabita Robani; Muhammad Fakhri Nadrota Acta; Khalid Al Mas Ud; Marco Saputra; Ken Ditha Tania; Winda Kurnia Sari
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol. 9 No. 1 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i1.4939

Abstract

Penelitian ini menerapkan algoritma K-Means untuk mengelompokkan pasien PCOS berdasarkan intensitas gejala. PCOS adalah gangguan hormonal yang sulit didiagnosa karena gejalanya beragam. Dengan menggunakan algoritma K-Means, hasil clustering menunjukkan tiga kategori utama: ringan, sedang, dan berat. Setiap klaster mencerminkan kombinasi gejala seperti siklus menstruasi tidak teratur, pertumbuhan rambut berlebih, dan perubahan suasana hati. Pendekatan ini efektif dalam membantu pemahaman pola distribusi gejala PCOS serta mendukung pengambilan keputusan medis yang lebih tepat.
ANALISIS KOMPARATIF MODEL DATA MINING DALAM PREDIKSI KETEPATAN PENYELESAIAN SERVICE LEVEL AGREEMENT Aisyah Fatimah; Ken Ditha Tania; Allsela Meiriza
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol. 9 No. 1 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i1.4943

Abstract

Kepatuhan terhadap Service Level Agreement (SLA) sangat penting dalam manajemen layanan teknologi informasi untuk menjamin kualitas layanan dan mengatur ekspektasi penyelesaian insiden. Namun, banyak organisasi kesulitan memprediksi apakah tiket insiden akan memenuhi SLA, yang dapat menyebabkan ketidakpuasan pengguna, eskalasi masalah, dan beban kerja tinggi bagi tim IT. Tingginya volume tiket harian membuat identifikasi manual terhadap tiket berisiko tinggi menjadi tidak efektif. Penelitian ini bertujuan mengembangkan model klasifikasi berbasis machine learning untuk memprediksi kepatuhan tiket terhadap SLA. Empat algoritma dievaluasi: XGBoost, Random Forest, Decision Tree, dan Logistic Regression. Tahapan mencakup preprocessing, encoding fitur kategorikal, seleksi fitur berbasis Random Forest, penyeimbangan data menggunakan SMOTE, dan hyperparameter tuning dengan Optuna. Hasil menunjukkan XGBoost memiliki performa terbaik dengan akurasi 99,98%, precision 0,9437, recall 0,9710, dan F1-score 0,9571. Selain akurat dan efisien, model ini unggul secara interpretatif melalui SHAP, yang menjelaskan kontribusi tiap fitur. Kesimpulannya, XGBoost direkomendasikan sebagai model paling andal untuk menjadi alat bantu strategis bagi manajer layanan TI dalam mengidentifikasi insiden yang berisiko tinggi gagal memenuhi SLA.
ANALISIS KLASTERISASI JUMLAH PENDERITA PENYAKIT MENGGUNAKAN K-MEANS SEBAGAI DASAR DISTRIBUSI LAYANAN RUMAH SAKIT UMUM DI SUMATERA SELATAN ; Eka Therina Lakeisyah; Siti Hariza Marshella; Naila Raihana Putri; M. Fadhil Rahman; Aliyananda Risyahputri; Rahmat Maulana; Ken Ditha Tania; Winda Kurnia Sari
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol. 9 No. 1 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i1.4959

Abstract

Peningkatan jumlah penderita penyakit dalam beberapa tahun terakhir pada Provinsi Sumatera Selatan berimbas kepada evaluasi pendistribusian layanan kesehatan yang merata di setiap daerah. Penelitian ini menyoroti ketidakmerataan fasilitas kesehatan berupa layanan rumah sakit umum yang tersebar di masing-masing wilayah yang ada di Provinsi Sumatera Selatan. Tujuan dari penelitian ini adalah untuk memberikan wawasan berbasis data sebagai acuan bagi pemerintah dalam pengambilkan kebijakan pendistribusian layanan kesehatan agar dapat lebih merata. Penelitian ini menggunakan dataset yang berasal dari BPS Provinsi Sumatera selatan dan diolah dengan algoritma K-Means melalui rapid miner dan python. Hasil dari analisis data tersebut adalah mengelompokkan wilayah Kabupaten/Kota kedalam 3 kluster yakni kluster 0 (rendah) terdiri dari 11 wilayah, kluster 1 (tinggi) terdiri dari 1 wilayah, dan kluster 2 (sedang) terdiri dari 5 wilayah. Interpretasi dari klasterisasi dan pengolahan data menunjukkan adanya ketimpangan dalam pendistribusian fasilitas kesehatan terutama antara layanan kesehatan di wilayah Kota Palembang dengan Kabupaten/Kota lainnya. Sehingga, dari temuan tersebut direkomendasikan bagi pemerintah untuk melakukan kebijakan ulang terkait pendistribusian layanan dan tenaga kesehatan di tiap daerah secara merata dan dapat menerapkan inovasi layanan kesehatan dengan pendekatan knowledge management yang dapat mengoptimalisasi pemerataan layanan kesehatan di Sumatera Selatan.
Hybrid Machine Learning for Knowledge Discovery in E-Commerce Reviews Jeremiah Alwin Siahaan; Lailla Syal Syabilla; M. Thoriqul Fadli; Mei Intan Natasyah; Allsela Meiriza; Ken Ditha Tania; Ahmad Rifai
Journal of Applied Informatics and Computing Vol. 10 No. 3 (2026): June 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i3.12635

Abstract

The rapid growth of e-commerce platforms like Tokopedia has triggered a massive accumulation of over 65,000 customer reviews, yet it is often accompanied by information pollution in the form of non-informative reviews that hinder consumer decision-making processes. This research aims to extract new knowledge regarding these review characteristics through the implementation of the Knowledge Discovery in Database (KDD) framework, integrating a hybrid K-Means Clustering and Random Forest algorithm. Diverging from conventional classification approaches, this study utilizes K-Means as an exploratory instrument to naturally map six latent topic patterns of reviews based on their textual structure. Experiments were conducted on 35,000 data samples using TF-IDF features enriched by cluster labels as structural predictors. The results indicate that the hybrid model achieves 94.41% accuracy with an F1-score of 0.90 for the non-informative class, showing high stability via 5-Fold Cross-Validation (94.56% ± 0.19%) . The most crucial knowledge discovery is evidenced through SHAP analysis, where the cluster feature ranks 7th out of 1,001 predictor features, confirming that semantic grouping provides a richer structural context than pure lexical features . Furthermore, error analysis reveals specific linguistic challenges such as sarcasm and semantic ambiguity as constraints in automated review detection . This research provides a managerial contribution to e-commerce platforms in enhancing information quality and mitigating information overload issues.
Knowledge Discovery of AI Usage Dependency Patterns in Learning Activities Using Random Forest, XGBoost, Logistic Regression with SHAP-Based Interpretation Fidela Tertia Alfino; Puti Chalisa Wardhana; A. Salwa Aurelya Putri; Athiyyah Nuha Rotifa; Ken Ditha Tania; Ahmad Rifai; Dedy Kurniawan
Journal of Applied Informatics and Computing Vol. 10 No. 3 (2026): June 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i3.12745

Abstract

The increasing use of Artificial Intelligence (AI) in education has influenced various learning activities. However, excessive AI usage has the potential to create dependency patterns that may affect students’ learning independence and critical thinking abilities. This study aims to analyze patterns of AI usage dependency in learning activities using a machine learning approach and to interpret the factors influencing such dependency. The analysis was conducted using a publicly available dataset representing usage intensity, session duration, AI assistance level, repeated usage behavior, and students’ academic characteristics. The research stages consisted of data preprocessing, categorical variable encoding, feature engineering, the construction of the Knowledge Dependency Level variable, class imbalance handling using SMOTE, and model evaluation using Stratified 5-Fold Cross Validation. The dataset was divided into 80% training data and 20% testing data, then modeled using Logistic Regression, Random Forest, and XGBoost. The results showed that XGBoost achieved the best performance with an accuracy of 0.6845, precision of 0.7288, recall of 0.6845, F1-score of 0.7028, and an AUC value of 0.860, indicating better discrimination capability compared to Random Forest and Logistic Regression. To support the knowledge discovery process, an interpretative analysis using SHAP was conducted to identify the contribution of each feature to the classification results. The interpretation revealed that SatisfactionRating was the most dominant feature influencing the prediction of AI usage dependency levels, followed by FinalOutcome, while academic factors such as StudentLevel and Discipline contributed relatively less. These findings transform previously implicit AI usage behavior patterns into explicit knowledge.
ANALYSIS OF SEISMICITY ANOMALIES IN SULAWESI USING DBSCAN BASED ON USGS DATA (2021–2026) Muhammad Dzaky Hasyim; Muhammad Wahyu Hikmalsyah; Gabriel Sebastian Santoso; Ken Ditha Tania; Allsela Meiriza; Ahmad Rifai
JIKO (Jurnal Informatika dan Komputer) Vol 9 No 2 (2026)
Publisher : Program Studi Teknik Informatika Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v9i2.11728

Abstract

Sulawesi is one of Indonesia's most tectonically complex regions, situated at the meeting point of major plates and active fault systems, which results in significant seismic activity. This study aims to analyze seismicity anomalies in Sulawesi from 2021 to 2026 using the Density-Based Spatial Clustering of Applications with Noise (DBSCAN) algorithm applied to United States Geological Survey (USGS) data. The methodology involves a hybrid approach for parameter optimization, utilizing both the K-Distance Graph (KneeLocator) and Grid Search to ensure results are geologically representative. From an initial dataset of 859 events, 839 earthquake records were processed after geographic filtering, showing an average magnitude of 4.80 and an average depth of 70.15 km. The analysis reveals that the optimal parameters (ε = 0.2897 and MinPts = 3) produced 25 distinct clusters that align with real geological structures such as the Palu-Koro Fault and the Molucca Sea subduction zone. The algorithm successfully identified 66 points (7.87%) as seismic anomalies or noise, representing sporadic tectonic activity outside primary density zones. Furthermore, Convex Hull visualization identified a significant "seismic gap" between the Palu-Koro segment and Southeast Sulawesi, indicating a high-risk zone for potential future energy release. These findings demonstrate that density-based clustering is highly effective for mapping seismic hazards in complex tectonic regions, providing vital data for sustainable disaster mitigation planning in Sulawesi.
KNOWLEDGE DISCOVERY OF PUBLIC SATISFACTION ON E-HEALTH PLATFORM THROUGH ENSEMBLE LEARNING AND THEMATIC ANALYSIS Syakillah Nachwa; Ken Ditha Tania; Naretha Kawadha Pasemah Gumay
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol. 12 No. 1 (2026): JITK Issue August 2026
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/jitk.v12i1.7035

Abstract

As Indonesia’s national digital health platform, the SATUSEHAT application is central to the country's healthcare integration. However, maintaining user satisfaction remains a challenge. This study evaluates public sentiment by analyzing over 30,000 Google Play Store reviews using an ensemble approach of machine learning and thematic analysis. To address substantial data imbalance, five base classifiers were compared with three ensemble models using Random Under-Sampling and SMOTE. Results indicate that the Stacking Ensemble with SMOTE outperformed all other models, achieving an Accuracy of 91.1% and an AUC-ROC of 0.919. Sentiment analysis reveals a critical dissatisfaction rate, with 83.3% of reviews being negative. By mapping user complaints to the ISO/IEC 25010 software quality framework, it was identified that functional suitability and reliability account for 80.7% of the reported issues. This research contributes a robust methodology for Indonesian-language sentiment analysis and demonstrates the utility of ISO/IEC 25010 in translating raw user feedback into actionable software engineering requirements. Practically, the findings provide the Ministry of Health with an evidence-based roadmap to resolve critical barriers in authentication, OTP delivery, and certificate retrieval.
Segmentasi Pelanggan Kartu Halo Telkomsel Berbasis K-Means di Wilayah Sumbagsel: K-Means-Based Customer Segmentation of Telkomsel Kartu Halo in the Sumbagsel Muhammad Bayu Samudra; Alifa Putri Shahabiyah; Aliya Faiza; Edo Wicaksono; Ken Ditha Tania; Allsella Meiriza; Ahmad Rifai
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 2 (2026): MALCOM April 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i2.2607

Abstract

Perusahaan telekomunikasi dalam menjalankan operasionalnya harus mengelola banyak data pelanggan, karena penggunaan layanan digital terus bertambah. Namun, data tersebut biasanya hanya digunakan untuk urusan administratif, sehingga kemampuan untuk menganalisis data guna memahami perilaku pelanggan belum sepenuhnya dimanfaatkan. Penelitian ini secara khusus bertujuan untuk mengelompokkan pelanggan berdasarkan pola penggunaan layanan guna mengidentifikasi karakteristik setiap segmen secara lebih sistematis. Data yang digunakan merupakan data pelanggan pascabayar Kartu Halo wilayah Sumbagsel tahun 2025 yang diperoleh dari PT Telkomsel Smart Office Palembang dengan total 4.645 data. Metode yang digunakan adalah Knowledge Discovery in Databases (KDD), yang terdiri dari beberapa tahap yaitu preprocessing, transformation, dan data mining. Proses pengelompokan dilakukan dengan menggunakan algoritma K-Means, bantuan perangkat lunak RapidMiner. Penelitian menunjukkan bahwa pelanggan bisa dibagi menjadi tiga kelompok dengan kebiasaan menggunakan layanan yang berbeda. Evaluasi menggunakan Davies-Bouldin Index menunjukkan bahwa model clustering memiliki kualitas yang baik dalam memisahkan antarkelompok. Secara ilmiah, penelitian ini membantu dalam penerapan metode clustering untuk membagi pelanggan dalam industri telekomunikasi. Secara nyata, hasil ini bisa dipakai untuk membantu membuat strategi pemasaran yang lebih tepat dan didasarkan pada data.
Penerapan Model Recency, Frequency, Monetary untuk Segmentasi Pola Perilaku Pelanggan Indibiz: Application of the Recency, Frequency, Monetary Model for Segmentation of Indibiz Customer Behavior Patterns Aulia Pinkasari; Meiyin Monica Amilia Putri; Gibral Abdurahman; Ahmad Fadhil Rizqi; Ken Ditha Tania; Allsela Meiriza; Ahmad Rifai
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 2 (2026): MALCOM April 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i2.2611

Abstract

PT Telkom Indonesia Witel Sumbagsel menghadapi kondisi Data Rich, Information Poor (DRIP), yaitu melimpahnya data transaksi yang belum dimanfaatkan secara optimal sebagai dasar pengambilan keputusan pada unit Payment Collection. Penelitian ini menerapkan metodologi Knowledge Discovery in Databases (KDD) menggunakan model RFM (Recency, Frequency, Monetary) dan algoritma K-Means Clustering untuk mengidentifikasi pola perilaku pembayaran pelanggan. Dataset terdiri dari 46.355 transaksi periode Januari–Desember 2025. Jumlah cluster optimal ditentukan menggunakan metode Elbow dan menghasilkan empat segmen pelanggan (k=4). Evaluasi menggunakan Silhouette Coefficient memperoleh nilai 0,3463 yang menunjukkan kualitas klaster yang dapat diterima. Hasil segmentasi mengelompokkan pelanggan ke dalam kategori loyal, potential, standard, dan churn-risk, sehingga mendukung penyusunan strategi penagihan yang lebih tepat sasaran dan berbasis data. Penelitian ini menunjukkan bahwa integrasi RFM dan K-Means efektif dalam mengubah data transaksi menjadi wawasan praktis bagi manajemen penagihan telekomunikasi.
Perbandingan Model Klasifikasi Supervised Machine Learning dalam Knowledge Discovery Layanan TI Pertamina Prabumulih: Comparison of Supervised Machine Learning Classification Models in Knowledge Discovery of Pertamina Prabumulih IT Services Shafa Aurelliza Arian; Putri Rahel Alifia; Bagus Prihantoro; Muhammad Iqbal Disriansyah; Ken Ditha Tania; Alsella Meiriza; Ahmad Rifai
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 2 (2026): MALCOM April 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i2.2617

Abstract

Pengelolaan data layanan Teknologi Informasi (TI) di Pertamina Prabumulih memerlukan pendekatan analitik untuk meningkatkan efektivitas penanganan dan mendukung pengambilan keputusan berbasis data. Penelitian ini bertujuan membandingkan performa beberapa model klasifikasi supervised machine learning pada layanan TI periode 2020–2025 menggunakan pendekatan knowledge discovery melalui teknik data mining terhadap 8.627 data awal. Tahapan penelitian meliputi preprocessing, pelabelan kelas, penanganan ketidakseimbangan data dengan Synthetic Minority Over-sampling Technique (SMOTE), serta pembagian data dengan skenario 70:30, 80:20, dan 90:10. Proses klasifikasi dilakukan menggunakan algoritma Naïve Bayes, Support Vector Machine (SVM), dan Random Forest. Evaluasi model menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan bahwa skenario 90:10 memberikan performa terbaik, dengan Support Vector Machine (SVM) mencapai accuracy 0,8806, precision 0,8757, recall 0,8941, dan F1-score 0,8788, melampaui algoritma lainnya. Kategori desktop hardware teridentifikasi sebagai kasus terbanyak selama periode penelitian. Temuan ini dapat dimanfaatkan sebagai dasar strategis untuk prioritas penanganan layanan, alokasi sumber daya, serta penguatan Knowledge Management guna peningkatan layanan TI secara terarah, efektif, dan berkelanjutan.
Co-Authors A. Salwa Aurelya Putri Abdillah Putra, Muhafsyah Adeliani, Adeliani Adella Salsabila Adriansyah, Rizki Afdhal Nadzif, Muhammad Ahmad Fadhil Rizqi Ahmad Rifai Ahmad Rifai Ahmad Rifai Aisyah Fatimah Akbar Adiprama, Faris Akbar Kurniawan, Iqbal Akbar, Rifko Akhda, M. Dandi Akmar, Nur Salwa Fadia Al Fachrozi, Muhammad Al-Farisy, M Hadi Albukhori, M Rafli Alfarizi Ramadhiyansa, Muhammad Alfarizi, M. Ali Bardadi Ali Ibrahim Ali Ibrahim (SCOPUS ID: 57203129436) Alifa Putri Shahabiyah Aliya Faiza Aliyananda Risyahputri Allsela Meiriza, Allsela Allsella Meiriza Alsella Meiriza Alsella Meiriza Alvines, Mahendi Alzena Aisha Shakira Amanda Ardhani, Dhita Amanda, Khansa Putri Amelia Amelia Amelia Putri, Shinta Amelia, Rita Anadia, Qothrunnada Wafi Ananda Khoirunnisa Andini Bahri, Cheisya Anggun Ramadina Anindya Putri, Salsa Anisa Basulina, Nur Anissa, Cahya Rahmi Apriansyah Putra Apriansyah Putra Apriansyah Putra Apriyadi Apriyadi, Apriyadi Aqil Zidane, Muhammad Aqilah Syahputra, M Fathan Archi Daffa Danendra, Muhammad Ardhillah, Onky Ardina Ariani Ari Wedhasmara Ariyani, Ishlah Putri Ariyanti, Putri Arvhi Randita Setia Athallah Ubaid, Deni Athiyyah Nuha Rotifa Attika Putri, Shopi Audia Faradhisa Ansori Aulia Najibah Putri Aulia Pinkasari Ayuningtiyas, Pratiwi Az-Zahra, Nanda Salsabila Azera Pramesty Azmi Zaky, Muhammad Azra, Muhammad Azyumardi Badia Inaya Sazrade Bagus Prihantoro Bahri, Cheisya Andini Baidhawi, Alif Bimmo Fathin Tammam Cahya Aulia, Syifa Cahya Rahmi Anissa Cahyo Adi Nugraha Cantika Aulia Cici Elna Sari Cindy Dinata Citra, Belia Clark Peter Wijaya, Adley Constancio, Elven Dedy Kurniawan Dian Febriansyah Dila Naila Fahria Dwiansyah, Octa Dzaky Agusman, Muhammad Edo Wicaksono Eka Saputra Eka Therina Lakeisyah Elna Sari, Cici Endang Lestari Ruskan Epriyanti, Nadia Fachrozi, Muhammad Al Fahmi Aulia Hakim, Adzka faizah, haniyah Fajaria, Mutiara Fakhri Sepriansyah Fakhri Sepriansyah Farhan Daffazka Fathoni - Fatihaturrahmah, Aisyah Fauzan, Muhammad Fairuz Ferdiansyah Fidela Tertia Alfino Fikri, M Fauzan Firmansyah, Zikri Frans Nicko Apriansyah Gabriel Sebastian Santoso Gibral Abdurahman Gustiani, Sindy Haidar Afif Mufid, Muhammad Hanggara, Bryan Hendrawan, Deni Agus Hermanto, Muhammad Lucky Hikmahwarani, Fellycia Ichsan Farel Rachmad, Muhammad Ikhwan Najatafani, Bintang Inayah, Anna Fadilla Indira Nailah Ramadhani Ispahan, Tarisha Izzan Fieldi, Muhammad Jackson Imanuel Manurung Jeremiah Alwin Siahaan Jodi Pratama, Muhammad Jonathan Pakpahan Juliyanti, Tamara Junia Kurniati Juseia Wulandari Karima, Dzakiah Aulia Karimsyah Lubis, Muhammad Khairunnisa’ Almaududy Khalid Al Mas Ud Khoiriyah Harahap, Dayana Kurnia Sari, Winda Kurniasari, R. Nyi Pipih Lailla Syal Syabilla Lakeisyah, Eka Therina Lifiano Jamot Munthe, Gabriel Lubis, Muhammad Ali M Ihsan Jambak M Luthfi Khailani, Kgs M Naufal Hisyam M Tsabita Robani M. Fadhil Rahman M. Ilham Fahlevi M. Thoriqul Fadli Mahdiyah Afifah Sari Mahdiyah Afifah Sari Marco Saputra Maretta, Aulia Pinkan Mariska, Inneke Via Marpaung, Xenia Clarissa Valencia Maulizidan, Muammar Ramadhani Mei Intan Natasyah Meiriza, Allsella Meiriza, Alsella Meiyin Monica Amilia Putri Merizka Azzahra Miftahul Falah Mira Afrina Mohd Rizky Putra Pratama Muammar Ramadhani Maulizidan Mufidah, Luthfiah Muhammad Adisatya Dwipansy Muhammad Bayu Samudra Muhammad Dzaky Alifayoezra Muhammad Dzaky Hasyim Muhammad Fakhri Nadrota Acta Muhammad Hafiz Al Zaky Muhammad Idris Muhammad Ihsan Dirgantara Muhammad Iqbal Disriansyah Muhammad Luthfi Al-Ghifari Muhammad Luthfi Al-Ghifari Muhammad Mayda Ary Pratama Muhammad Qurhanul Rizqie Muhammad Wahyu Hikmalsyah Muhammad Yusuf Munaspin, Zahra Diva Putri Mutia Fadhila Putri Mutia Sahira Nabilaputri, Silvia Nabilatulrahmah, Raihana Nachwa, Syakillah Naila Raihana Putri Najwa Widasari, Yesya Naretha Kawadha Pasemah Gumay Naretha Kawadha Pasemah Gumay Nashiroh Ramadhani, Muthia Naufaldihanif, Rihan Novrizal Eka Saputra Nugraha, Allan Nulry Izzatul Maula Nuraini Kusuma, Aisha Nurly Izzatul Maula Onkky Alexander Pacu Putra Prasetia, Dika Pratama Putra, Daffa Pratiwi, Metti Detricia Purba, Kevin Agustin Puti Chalisa Wardhana Putri Ariyanti Putri Casanova, Musdalifa Putri Mutiara Arinie Putri Rahel Alifia Putri Salsabilah Putri Silpiara Putri, Amelia Rizki Putri, Aulia Najibah Putri, Naila Raihana Putri, Salsa Anindya RA Aliffyaa Ramadhani Rabbani, Muhammad Randy Raditya Dafa Rizki Rafi Herdian Rafika Octaria Ningsih Rafli Maulana, Muhammad Rahmah, Atika Nur Rahmat Izwan Heroza Rahmat Maulana Ramadhan Putra Pratama, Muhammad Ramadhani, Indira Nailah Ramadhani, Muthia Rangga Aderiyana, Fakih Ravi Wijayanto, Muhammad Riansyah, Muhammad Bintang Naufal Risyahputri, Aliyananda Rizka Dhini Kurnia Rizka Mumtaz, Fadia Rizki Ade Ningsih Rizki Kurniati Rizky Herdiansyah, Muhammad Rizkyllah, Anabel Fiorenza Rositiani, Ely Rusdi Effendi Sabar Manahan, Nico Sabila, Amalia Sahira, Mutia Salsabila, Adella Salsabila, Shofi Sanjaya, Riska Amelia Saputra, Gerri Asa Sasmita, Ruth Mei Satria, Eka Bayu Sembiring Depari, Alrayssa Davinka Septhia Charenda Putri Sevtiyuni, Putri Eka Shafa Aurelliza Arian Shelly Putri Shofi Salsabila Siade, Shalya Yunia Siregar, Richi Nauli Juniarto Siti Hariza Marshella Suandi, M. Suci Amalia Suci Fitriani, Suci Sukamto, Ika Sumiyarsi Sukatin, Sukatin Surya, Leiden Fauzi Yoka Syakillah Nachwa Syarief Albani, Muhammad Talitha Zafirah Theonady, Oktavio Theresia Pardede, Eva Theressa Hasioani Sianturi, Claudia Tika Octri Dieni Titiana, Nuke Merisca Tri Mutiara Illahi Tri Zafira, Zahra Triana, Ayu Triputra, Muhamad Meiko Tsabitah, Laila Ummu Farida Muthmainnah Violin Juneyla Nandita Wahyuni Cahnia Sari Wilantara, M Pandu Winda Kurnia Sari Winda Kurnia Sari Wirnanti, Rintan Wulan Dari, Atikah Yasir Alghifari, Muhammad Yasyfi Imran, Athallah Yesinta Florensia Yoga Fradana Zahran Afif, Muhammad Zaqqi Yamani Zaqqi Yamani Zaqqi Yamani A Zaskia Aulia Wulandari Zidan, Umar Rahman