p-Index From 2021 - 2026
13.392
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 Journal of Mathematics, Computation and Statistics (JMATHCOS) Buffer Informatika JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Claim Missing Document
Check
Articles

KNOWLEDGE DISCOVERY TERHADAP SENTIMEN PELANGGAN KOPI KENANGAN MENGGUNAKAN NAÏVE BAYES Munaspin, Zahra Diva Putri; Titiana, Nuke Merisca; Tsabitah, Laila; Karima, Dzakiah Aulia; Tania, Ken Ditha; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.14080

Abstract

Perkembangan industri minuman kopi di Indonesia semakin pesat, salah satunya ditandai dengan banyaknya kedai kopi modern yang bermunculan, seperti Kopi Kenangan. Seiring meningkatnya jumlah pelanggan, opini atau sentimen pelanggan terhadap produk dan layanan menjadi aspek penting yang perlu dianalisis untuk menjaga kualitas dan kepuasan pelanggan. Permasalahan yang diangkat dalam penelitian ini adalah banyaknya data ulasan pelanggan di internet yang belum dimanfaatkan secara maksimal untuk mengevaluasi sentimen terhadap Kopi Kenangan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pelanggan Kopi Kenangan menggunakan algoritma Naïve Bayes, serta memberikan wawasan terhadap kecenderungan opini pelanggan secara otomatis. Metode yang digunakan adalah knowledge discovery in database (KDD) yang mencakup tahapan: data selection, preprocessing, transformation, data mining menggunakan algoritma Naïve Bayes, dan evaluasi model. Data diperoleh dari ulasan pelanggan Kopi Kenangan melalui platform Google Review, kemudian diklasifikasikan menggunakan model Naïve Bayes dengan pembagian data latih dan uji sebesar 80:20. Hasil dari penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan sentimen dengan akurasi sebesar 72,24%, presisi sebesar 75,20%, recall 72,24%, dan F1-score 72,20%. Model dapat mengenali sentimen positif dan netral dengan cukup baik, meskipun masih mengalami kesulitan dalam mengklasifikasikan sentimen negatif. Hasil ini dapat dijadikan acuan bagi perusahaan dalam meningkatkan kualitas layanan dan produk berdasarkan opini pelanggan
DESAIN KNOWLEDGE MANAGEMENT SYSTEM PADA MAHASISWA JURUSAN SISTEM INFORMASI UNIVERSITAS SRIWIJAYA MENGGUNAKAN METODE KNOWLEDGE MANAGEMENT SYSTEM LIFECYCLE Akbar, Rifko; Abdillah Putra, Muhafsyah; Hikmahwarani, Fellycia; Zahran Afif, Muhammad; Theressa Hasioani Sianturi, Claudia; Ditha Tania, Ken; Rifai, Ahmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14101

Abstract

Knowledge Management System (KMS) merupakan salah satu instrumen penting dalam meningkatkan pengelolaan dan berbagi pengetahuan di lingkungan akademik. Di lingkungan perguruan tinggi, khususnya pada Program Studi Sistem Informasi Universitas Sriwijaya, berdasarkan hasil analisa, pengelolaan pengetahuan akademik cenderung kurang terstruktur dengan optimal sehingga berdampak pada kesulitan mahasiswa dalam mengakses dan berbagi informasi yang relevan. Kurangnya sistem yang terstruktur dalam pengelolaan dan berbagi pengetahuan akademik di lingkungan perguruan tinggi, khususnya pada Program Studi Sistem Informasi Universitas Sriwijaya, menjadi permasalahan yang berdampak pada kesulitan mahasiswa dalam mengakses informasi yang relevan serta berbagi pengalaman akademik. Kondisi ini menunjukkan pentingnya pengembangan sistem yang mampu mengintegrasikan pengetahuan agar proses pembelajaran menjadi lebih efektif. Oleh karena itu, diperlukan sistem yang dapat mengintegrasikan sumber pengetahuan, pengalaman mahasiswa, dan strategi akademik untuk mendukung pembelajaran yang lebih efektif. Penelitian ini menggunakan metode Knowledge Management System Lifecycle (KMSLC), yang mencakup evaluasi infrastruktur, analisis dan desain knowledge management, verifikasi serta implementasi. Implementasi sistem ini diharapkan dapat meningkatkan efektivitas pembelajaran, memperkuat kolaborasi akademik, dan mendukung pengambilan keputusan berbasis data di perguruan tinggi. Berdasarkan hasil pengujian menggunakan metode black box, sistem menunjukkan tingkat keberhasilan 100% pada 10 skenario uji coba, yang menandakan sistem dapat berfungsi sesuai harapan dan mendukung kebutuhan akademik mahasiswa secara optimal.
PREDIKSI SENTIMEN PENGGUNA SPOTIFY MENGGUNAKAN METODE NAÏVE BAYES STUDI KASUS ULASAN PENGGUNA DI PLAY STORE Fatihaturrahmah, Aisyah; Amanda Ardhani, Dhita; Putri Casanova, Musdalifa; Cahya Aulia, Syifa; Najwa Widasari, Yesya; Ditha Tania, Ken; Kurnia Sari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14112

Abstract

Spotify merupakan salah satu platform layanan streaming music digital yang banyak digunakan, tetapi ulasan pengguna menunjukkan variasi tingkat kepuasan terhadap layanan yang tersedia. Penelitian ini berfokus pada analisis dan prediksi sentimen pengguna Spotify berdasarkan ulasan yang diperoleh dari Google Play Store dengan menggunakan metode Naïve Bayes. Penelitian ini mencakup beberapa proses, yaitu pengumpulan data, pra-pemrosesan teks (tokenisasi, normalisasi, penghapusan kata tidak bermakna, dan stemming) serta ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Sentimen pengguna diklasifikasikan ke dalam dua kategori, yaitu positif dan negative. Evaluasi model dilakukan dengan menggunakan metrik akurasi, presisi recall dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan sentimen pengguna Spotify dengan akurasi sebesar 88,42%, precision 0,89, recall 0,74, dan F1-Score 0,79 (macro average). Selain itu, nilai Area Under Curve (AUC) sebesar 0,94 yang mengindikasikan bahwa model memiliki kemampuan klasifikasi yang sangat baik. Sehingga hasil ini menunjukkan bahwa pendekatan yang digunakan sudah sangat efektif dalam menganalisis sentimen pengguna dan dapat menjadi acuan bagi pengembang untuk meningkatkan kualitas terhadap layanan streaming music Spotify.
ANALISIS RISIKO AKADEMIK SISWA DENGAN METODE K-MEANS: STUDI KASUS SMPN 10 PALEMBANG Nabilatulrahmah, Raihana; Triana, Ayu; Ispahan, Tarisha; Adeliani, Adeliani; Fitriani, Suci; Amelia, Amelia; Ditha Tania, Ken; Rifai, Ahmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14181

Abstract

Pendidikan memainkan peranan penting dalam meningkatkan kualitas sumber daya manusia, terutama di kalangan siswa Sekolah Menengah Pertama (SMP). Namun, tingkat pemahaman dan capaian akademik setiap siswa berbeda, yang dipengaruhi oleh beberapa faktor seperti kehadiran, partisipasi kelas, dan keterlibatan dalam tugas. Salah satu tantangan utama dalam dunia pendidikan adalah mengidentifikasi siswa yang berisiko mengalami kesulitan akademik agar dapat diberikan intervensi yang tepat. Penelitian ini dilakukan di SMPN 10 Palembang yang belum memiliki sistem berbasis data mining untuk mengelompokkan siswa berdasarkan tingkat risiko akademik. Penelitian ini bertujuan menganalisis faktor-faktor yang memengaruhi risiko akademik siswa kelas VII menggunakan metode K-Means Clustering. Hasil penelitian menunjukkan kelompok siswa yang terbagi ke dalam 3 cluster: tidak berisiko, berisiko sedang, dan berisiko tinggi, berdasarkan data tingkat kehadiran, nilai akademik, dan partisipasi ekstrakurikuler. Temuan ini dapat menjadi dasar bagi sekolah untuk merancang intervensi yang lebih efektif guna meningkatkan performa akademik dan keterlibatan siswa di sekolah.
Ekstraksi Pengetahuan dari Ulasan Aplikasi CapCut Menggunakan Metode Aspect-Based Sentiment Analysis dan Klasifikasi Ariyani, Ishlah Putri; Tania, Ken Ditha; Wedhasmara, Ari; Meiriza, Allsela
Jurnal Buana Informatika Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indonesia is experiencing rapid technological development, especially in the use of the internet and editing platforms like CapCut. These platforms enable video editing on various devices; however, user satisfaction is not always guaranteed due to individual differences in experience. This research aims to identify user sentiment towards the CapCut application based on aspects, using an Aspect-Based Sentiment Analysis (ABSA) approach supported by Machine Learning algorithms for the aspect-based sentiment classification task. The algorithm used in the classification process is Support Vector Machine. The data used are reviews of the CapCut application from the Google Play Store, with a total of 22,668 data points. The results show that the Support Vector Machine (SVM) algorithm performs well in each aspect, with accuracy values of 0.88 for the feature aspect and 0.87 for the user experience aspect. The results of knowledge extraction are obtained in the form of XML, which contains user sentiment information on two main aspects: features and user experience.
PERBANDINGAN METODE NAÏVE BAYES, DECISION TREE, DAN KNN DALAM ANALISIS SENTIMEN APLIKASI GOJEK DI PLAYSTORE Maretta, Aulia Pinkan; Anadia, Qothrunnada Wafi; Sasmita, Ruth Mei; Epriyanti, Nadia; Rizkyllah, Anabel Fiorenza; Mariska, Inneke Via; Tania, Ken Ditha; Meiriza, Allsela
ZONAsi: Jurnal Sistem Informasi Vol. 7 No. 2 (2025): Publikasi artikel ZONAsi: Jurnal Sistem Informasi Periode Mei 2025
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/zjf8x279

Abstract

Sentiment analysis on user evaluation of Gojek application services on Play Store is important to understand user opinions on the services provided. This study compares three machine learning methods, namely Naïve Bayes, Decision Tree, and K-Nearest Neighbors (KNN) when categorizing user sentiment on Google Play Store as positive, negative, or neutral. The data processed comes from the Gojek user review dataset obtained from Kaggle. The analysis process involves data preprocessing (cleaning, stopword removal, tokenization, and split data), data transformation, and implementation of classification algorithms. The evaluation was carried out using accuracy, precision, recall, and F1-score metrics. The results of the study prove that Naïve Bayes has the best performance with an accuracy of 89%, followed by KNN (86%) and Decision Tree (84%). This study provides good insight for application developers in choosing the best method to understand user opinions and improve service quality.
Analisis Sentimen Pengguna X Terhadap Coretax Menggunakan Naïve Bayes Dan Logistic Regression Siregar, Richi Nauli Juniarto; Riansyah, Muhammad Bintang Naufal; Hendrawan, Deni Agus; Baidhawi, Alif; Nugraha, Allan; Tania, Ken Ditha; Rifai, Ahmad
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3814

Abstract

Studi ini bertujuan menganalisis sentimen publik terhadap Core Tax Administration System (CTAS), layanan pajak digital baru Direktorat Jenderal Pajak (DJP) di Indonesia. Sebanyak 2.530 tweet berbahasa Indonesia di platform X dikumpulkan melalui web scraping antara 1 Januari dan 8 Februari 2025. Setiap tweet dipra-proses: pembersihan, case folding, tokenisasi, normalisasi, stemming, penyaringan, dan pelabelan sentimen dengan leksikon InSet. Term Frequency Inverse Document Frequency (TF-IDF) digunakan untuk ekstraksi fitur, lalu dua algoritma klasifikasi Naive Bayes dan Logistic Regression diuji dengan rasio 80:20. Logistic Regression unggul dengan akurasi 80,83%, presisi 80,4%, recall 80,8%, dan skor F1 78,6%, sedangkan Naive Bayes mencapai akurasi 52,96%. Analisis word cloud mengidentifikasi kata atau frasa yang paling sering muncul. Temuan ini menegaskan keunggulan Logistic Regression dalam klasifikasi sentimen dan memberikan rekomendasi bagi pembuat kebijakan serta pengembang sistem untuk meningkatkan kegunaan CTAS dan memperkuat kepercayaan publik
Segmentasi Spasial Tingkat Kemiskinan Provinsi Sumatera Selatan Menggunakan Pendekatan Klasterisasi K-Means Jonathan Pakpahan; Septhia Charenda Putri; Ananda Khoirunnisa; Rafika Octaria Ningsih; Putri Mutiara Arinie; Arvhi Randita Setia; Ken Ditha Tania; Allsela Meiriza
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3820

Abstract

Kemiskinan adalah tantangan utama dalam pembangunan ekonomi yang membutuhkan analisis berbasis data. Kajian ini menerapkan metode klasterisasi K-Means untuk segmentasi spasial tingkat kemiskinan berdasarkan indikator sosial-ekonomi, seperti persentase penduduk miskin, rata-rata lama sekolah, pengeluaran per kapita, serta indeks kedalaman dan keparahan kemiskinan. Data dari BPS tahun 2024 diolah menggunakan pendekatan Knowledge Discovery in Database (KDD) melalui tahapan seleksi data, prapemrosesan, transformasi, penambangan data, dan evaluasi menggunakan RapidMiner. Hasil klasterisasi membentuk empat kelompok dengan disparitas kesejahteraan antarwilayah, di mana beberapa daerah menunjukkan tingkat kemiskinan yang lebih tinggi. Melalui pemetaan berbasis data ini, penelitian diharapkan menjadi dasar bagi pengambil kebijakan dalam merancang strategi penanggulangan kemiskinan yang efektif dan tepat sasaran guna mengurangi ketimpangan sosial serta meningkatkan kesejahteraan masyarakat di Provinsi Sumatera Selatan. Kata kunci: Kemiskinan, K-Means, Klasterisasi, Data Mining, Sumatera Selatan.
COMPARATIVE ANALYSIS OF MACHINE LEARNING ALGORITHMS FOR COSMETIC SALES PREDICTION ON TOKOPEDIA Sahira, Mutia; Tania, Ken Ditha; Afrina, Mira
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 4 (2025): September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i4.4187

Abstract

Abstract: The rapid growth of the cosmetics industry on e-commerce platforms has intensified competition, creating a critical need for effective, data-driven marketing strategies. This study aims to conduct a comparative analysis of machine learning algorithms to predict the sales categories (High, Medium, Low) of cosmetic products on the Tokopedia marketplace. Four classification models; Random Forest, XGBoost, Logistic Regression, and Naive Bayes were trained and evaluated on data collected via web scraping. The methodology incorporates the Synthetic Minority Over-sampling Technique (SMOTE) to address significant class imbalance and GridSearchCV for hyperparameter optimization to ensure a fair and robust comparison. The experimental results conclusively show that the Random Forest model achieved the best performance, yielding the highest F1-Score Macro Average of 0.75 and an accuracy of 85.3%. The superior model was subsequently implemented in a simple recommendation system to simulate optimal discount strategies, demonstrating its practical utility in providing actionable insights for business decisions. Keywords: classification; comparative analysis; machine learning; sales prediction; SMOTE Abstrak: Pertumbuhan pesat industri kosmetik pada platform e-commerce telah membuat persaingan ketat, sehingga menciptakan kebutuhan krusial akan strategi pemasaran yang efektif dan berbasis data. Penelitian ini bertujuan untuk melakukan analisis komparatif terhadap algoritma machine learning untuk memprediksi kategori penjualan (Tinggi, Sedang, Rendah) produk kosmetik di marketplace Tokopedia. Empat model klasifikasi, yaitu Random Forest, XGBoost, Regresi Logistik, dan Naive Bayes, dilatih dan dievaluasi menggunakan data yang dikumpulkan melalui web scraping. Metodologi penelitian ini menerapkan Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas yang signifikan dan GridSearchCV untuk optimisasi hyperparameter guna memastikan perbandingan yang adil. Hasil eksperimen menunjukkan bahwa model Random Forest mencapai performa terbaik, dengan menghasilkan F1-Score Macro Average tertinggi sebesar 0,75 dan akurasi 85,3%. Model unggul ini kemudian diimplementasikan dalam sebuah sistem rekomendasi sederhana untuk menyimulasikan strategi diskon yang optimal, yang menunjukkan kegunaan praktisnya dalam memberikan wawasan yang dapat ditindaklanjuti untuk pengambilan keputusan bisnis. Kata kunci: analisis komparatif; klasifikasi; machine learning; prediksi penjualan; SMOTE
Sentiment-Based Knowledge Discovery pada Aplikasi iPusnas Menggunakan Metode Machine Learning dan Deep Learning Ayuningtiyas, Pratiwi; Tania, Ken Ditha; Sari, Winda Kurnia
Journal of Applied Informatics and Computing Vol. 9 No. 5 (2025): October 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i5.10258

Abstract

iPusnas is a digital library application developed by the National Library of the Republic of Indonesia since 2016, with over 1.5 million users. Despite its potential to improve literacy, the application has only received a rating of 2.0. This study conducted sentiment analysis on 7.596 reviews obatained through web scraping using the Google Play Scraper Library. The data then underwent preprocessing steps including case folding, data cleaning, tokenization, stopword removal, and stemming. Reviews were automatically labeled based on the rating score, where scores of 1-3 were categorized as negative, with 5.174 entries, and scores 4-5 as positive, with 2.422 entries. The dataset was split in an 80:20 ratio, with 80% for training, and 20% for testing. The machine learning models tested were SVM, Random Forest, CNN, LSTM, and RNN. The evaluation metrics included accuracy, precision, recall, F1-score, and confusion matrix. CNN and LSTM achieved the highest accuracy (82%), Random Forest and CNN achieved the highest precision (81%), RNN the highest recall (79%) and LSTM the highest F1-score (79%). McNemar test showed a significant difference between Random Forest and CNN, Random Forest and LSTM, and between RNN and LSTM, while CNN and LSTM, as well as CNN and RNN, showed no significant difference.
Co-Authors A. Salwa Aurelya Putri Abdillah Putra, Muhafsyah Abdurahman, Gibral Adeliani, Adeliani Adella Salsabila Adriansyah, Rizki Afdhal Nadzif, Muhammad 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) Alifia, Putri Rahel Aliyananda Risyahputri Allsela Meiriza, Allsela 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 Apriansyah Putra Aqil Zidane, Muhammad Aqilah Syahputra, M Fathan Archi Daffa Danendra, Muhammad Ardhillah, Onky Ardina Ariani Ari Wedhasmara Arian, Shafa Aurelliza Ariyani, Ishlah Putri Ariyanti, Putri Arvhi Randita Setia Athallah Ubaid, Deni Athiyyah Nuha Rotifa Attika Putri, Shopi Audia Faradhisa Ansori Aulia Najibah Putri Ayuningtiyas, Pratiwi Az-Zahra, Nanda Salsabila Azera Pramesty Azmi Zaky, Muhammad Azra, Muhammad Azyumardi Badia Inaya Sazrade 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 Dedy Kurniawan Dian Febriansyah Dila Naila Fahria Dimas Agil Kusuma Disriansyah, Muhammad Iqbal Dwiansyah, Octa Dzaky Agusman, Muhammad Eka Saputra Eka Therina Lakeisyah Elna Sari, Cici Endang Lestari Ruskan Epriyanti, Nadia Fachrozi, Muhammad Al Fadli, M. Thoriqul Fahmi Aulia Hakim, Adzka Faiza, Aliya faizah, haniyah Fajaria, Mutiara Fakhri Sepriansyah Fakhri Sepriansyah Farhan Daffazka Fathoni - Fatihaturrahmah, Aisyah Fauzan, Muhammad Fairuz Ferdiansyah Fidela Tertia Alfino Fikri, M Fauzan Frans Nicko Apriansyah Gabriel Sebastian Santoso Gustiani, Sindy Haidar Afif Mufid, Muhammad Hanggara, Bryan Hendrawan, Deni Agus Herita, Aisy Intan 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 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 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. Rizki Al Akbar Mahdiyah Afifah Sari Mahdiyah Afifah Sari Marco Saputra Maretta, Aulia Pinkan Mariska, Inneke Via Marpaung, Xenia Clarissa Valencia Maulizidan, Muammar Ramadhani Meiriza, Allsella Meiriza, Alsella Merizka Azzahra Meylani Utari Miftahul Falah Mira Afrina Mohd Rizky Putra Pratama Muammar Ramadhani Maulizidan Mufidah, Luthfiah Muhammad Adisatya Dwipansy Muhammad Dzaky Alifayoezra Muhammad Dzaky Hasyim Muhammad Fakhri Nadrota Acta Muhammad Hafiz Al Zaky Muhammad Idris Muhammad Ihsan Dirgantara 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 Nadia Ramadhani Naila Raihana Putri Najwa Widasari, Yesya Naretha Kawadha Pasemah Gumay Nashiroh Ramadhani, Muthia Natasyah, Mei Intan Naufaldihanif, Rihan Novita Ramadhini Novrizal Eka Saputra Nugraha, Allan Nulry Izzatul Maula Nuraini Kusuma, Aisha Nurly Izzatul Maula Onkky Alexander Pacu Putra Pinkasari, Aulia Prasetia, Dika Pratiwi, Metti Detricia Prihantoro, Bagus Purba, Kevin Agustin Puti Chalisa Wardhana Putri Ariyanti Putri Casanova, Musdalifa Putri Eka Sevtiyuni Putri Mutiara Arinie Putri Salsabilah Putri Silpiara Putri, Amelia Rizki Putri, Aulia Najibah Putri, Meiyin Monica Amilia Putri, Naila Raihana 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 Ramadhani, Nabila 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 Rizqi, Ahmad Fadhil Rositiani, Ely Rusdi Effendi Sabar Manahan, Nico Sabila, Amalia Sahira, Mutia Salsa Anindya Putri Salsabila, Adella Salsabila, Shofi Samudra, Muhammad Bayu Sanjaya, Riska Amelia Saputra, Gerri Asa Sasmita, Ruth Mei Satria, Eka Bayu Sembiring Depari, Alrayssa Davinka Septhia Charenda Putri Sevtiyuni, Putri Eka Shahabiyah, Alifa Putri Shelly Putri Shofi Salsabila Siade, Shalya Yunia Siahaan, Jeremiah Alwin Siregar, Richi Nauli Juniarto Siti Hariza Marshella Suandi, M. Suci Amalia Suci Fitriani, Suci Sukamto, Ika Sumiyarsi Surya, Leiden Fauzi Yoka Syabilla, Lailla Syal 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 Wicaksono, Edo Wilantara, M Pandu Winda Kurnia Sari Winda Kurnia Sari Wirnanti, Rintan Wulan Dari, Atikah Yadi Utama 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