Article Per Year (5 Year)
p-Index From 2021 - 2026
11.066
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) IJIE (Indonesian Journal of Informatics Education) Jurnal Manajemen STIE Muhammadiyah Palopo MBR (Management and Business Review) JOURNAL OF APPLIED INFORMATICS AND COMPUTING METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi 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 Indonesian Journal Computer Science (ijcs) 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 Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics 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 Health Professions 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 : 96 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 96 Documents
Search

 3   4   5   6   7 
ANALISIS SENTIMEN PUBLIC TWITTER TERHADAP KEBIJAKAN PEMERINTAH MENGGUNAKAN METODE SVM (STUDI KASUS : PROGRAM EFISIENSI ANGGARAN) Rizka Mumtaz, Fadia; Jodi Pratama, Muhammad; Azmi Zaky, Muhammad; Akbar Kurniawan, Iqbal; Saputra, Eka; 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.v9i4.13958

Abstract

Kebijakan efisiensi anggaran pemerintah, sebagaimana diamanatkan dalam Instruksi Presiden Nomor 1 Tahun 2025, memicu beragam reaksi publik, terutama di media sosial. Pemotongan anggaran sebesar Rp306,69 triliun menimbulkan kekhawatiran terkait dampaknya terhadap layanan publik dan kesejahteraan masyarakat. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kebijakan efisiensi anggaran melalui media sosial Twitter dengan menggunakan metode Support Vector Machine (SVM). Data dikumpulkan melalui teknik web scraping pada periode tertentu, kemudian diproses melalui tahapan preprocessing seperti cleansing, tokenisasi, dan stemming. Model SVM diterapkan untuk mengklasifikasikan opini publik menjadi kategori positif, netral, dan negatif. Hasil penelitian menunjukkan bahwa model yang digunakan memiliki akurasi sebesar 96,37%, dengan nilai recall tertinggi pada kelas netral sebesar 1,00, yang mengindikasikan bahwa mayoritas respons publik bersifat netral. Namun, model masih menunjukkan variasi dalam klasifikasi opini positif dan negatif dengan nilai recall masing-masing sebesar 0,99 dan 0,90. Studi ini memberikan wawasan mengenai pola sentimen publik terhadap kebijakan efisiensi anggaran serta dapat menjadi bahan pertimbangan bagi pemerintah dalam mengambil kebijakan yang lebih responsif terhadap opini masyarakat.
ANALISIS PENGARUH KEBIASAAN MEROKOK DAN AKTIVITAS BEGADANG TERHADAP RISIKO PENYAKIT PARU-PARU MENGGUNAKAN SUPPORT VECTOR MACHINE Yasyfi Imran, Athallah; Rafli Maulana, Muhammad; Lifiano Jamot Munthe, Gabriel; Athallah Ubaid, Deni; Yasir Alghifari, Muhammad; Adriansyah, Rizki; Ditha Tania, Ken; Meiriza, Allsela
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.v9i4.14030

Abstract

Penelitian ini bertujuan menganalisis pengaruh kebiasaan merokok dan aktivitas begadang terhadap risiko penyakit paru-paru menggunakan Support Vector Machine (SVM). Kebiasaan merokok dan kurang tidur telah diidentifikasi sebagai faktor risiko gangguan paru-paru, namun interaksi kompleks antara keduanya sering diabaikan dalam penelitian konvensional. Metode statistik tradisional cenderung tidak mampu menangani hubungan nonlinier atau efek pengacau tersembunyi. Dataset terdiri dari 30.001 sampel dengan 10 atribut, termasuk usia, jenis kelamin, kebiasaan merokok, dan aktivitas begadang. Data diproses melalui tahapan Knowledge Discovery in Database meliputi seleksi data, praproses dengan label encoding dan scaling, transformasi data, pemodelan SVM, dan evaluasi. Hasil penelitian menunjukkan model SVM mencapai akurasi 89,28%, dengan presisi 0,83 dan recall 1,00 untuk kelas tidak berisiko, serta presisi 1,00 dan recall 0,78 untuk kelas berisiko. Temuan ini menegaskan kombinasi kebiasaan merokok dan pola tidur irregular signifikan meningkatkan risiko penyakit paru-paru, serta memberikan rekomendasi berbasis bukti bagi praktisi kesehatan dalam merancang intervensi preventif.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM PEMETAAN KONDISI PERPUSTAKAAN DI INDONESIA BERDASARKAN PROVINSI TAHUN 2023 Amalia, Suci; Sabila, Amalia; Anisa Basulina, Nur; Prasetia, Dika; Wilantara, M Pandu; 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.v9i4.14052

Abstract

Perpustakaan memiliki peran strategis dalam peningkatan literasi dan penyediaan akses informasi bagi masyarakat di seluruh Indonesia. Namun, penyebaran dan pengelolaan perpustakaan yang belum merata menyebabkan kesenjangan dalam akses dan kualitas layanan, khususnya di tingkat kabupaten/kota. Permasalahan ini diperburuk oleh kurangnya pemanfaatan data yang ada untuk mendukung pengambilan keputusan berbasis bukti. Penelitian ini bertujuan untuk mengelompokkan data perpustakaan kabupaten/kota di Indonesia berdasarkan karakteristik tertentu guna mengidentifikasi pola distribusi dan kesenjangan layanan perpustakaan. Metode yang digunakan adalah Knowledge Discovery in Databases (KDD) dengan pendekatan algoritma K-Means Clustering. Data yang digunakan bersumber dari Perpustakaan Nasional dan mencakup atribut seperti jumlah perpustakaan, tenaga perpustakaan, koleksi, anggota, dan anggaran. Hasil klasterisasi menunjukkan bahwa data perpustakaan dapat dikelompokkan menjadi enam klaster utama yang mana setiap klaster memiliki karakteristik berbeda, dari provinsi dengan layanan perpustakaan sangat tertinggal (Papua Pegunungan) hingga yang sangat unggul seperti DKI Jakarta. Sebagian besar provinsi berada dalam klaster dengan kebutuhan peningkatan standar dan koleksi. Visualisasi pairplot membantu memahami pola hubungan antar variabel. Temuan ini diharapkan dapat menjadi dasar dalam perumusan kebijakan yang lebih tepat sasaran dalam pengembangan layanan perpustakaan di Indonesia
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
Co-Authors Abdillah Putra, Muhafsyah Adeliani, Adeliani Adriansyah, Rizki Afdhal Nadzif, Muhammad Ahmad Rifai Ahmad Rifai Akbar Adiprama, Faris Akbar Kurniawan, Iqbal Akbar, Rifko Akhda, M. Dandi Al Fachrozi, Muhammad Al-Farisy, M Hadi Albani, Muhammad Syarief Albukhori, M Rafli Alfarizi Ramadhiyansa, Muhammad Alfarizi, M. Ali Bardadi Ali Ibrahim Ali Ibrahim (SCOPUS ID: 57203129436) Allsela Meiriza, Allsela Alsella Meiriza Alsella Meiriza Alvines, Mahendi Alzena Aisha Shakira Amanda Ardhani, Dhita Amelia Amelia Amelia Putri, Shinta Amelia, Rita Anadia, Qothrunnada Wafi Ananda Khoirunnisa Andini Bahri, Cheisya Andini, Meisya Dwi Anggun Ramadina Anindya Putri, Salsa Anisa Basulina, Nur Anissa, Cahya Rahmi Apriansyah Putra Apriansyah Putra Apriyadi Apriyadi, Apriyadi Aqil Zidane, Muhammad Aqilah Syahputra, M Fathan Archi Daffa Danendra, Muhammad Ardhillah, Onky Ari Wedhasmara Ariyani, Ishlah Putri Ariyanti, Putri Arvhi Randita Setia Ary Pratama, Muhammad Mayda Athallah Ubaid, Deni Attika Putri, Shopi Audia Faradhisa Ansori Aulia, Cantika Aurelia, Haaniyah Ayuningtiyas, Pratiwi Azmi Zaky, Muhammad Azra, Muhammad Azyumardi Bahri, Cheisya Andini Baidhawi, Alif Bimmo Fathin Tammam Cahya Aulia, Syifa Cahya Rahmi Anissa Catra, Rafa Nadira Cici Elna Sari Citra, Belia Clark Peter Wijaya, Adley Constancio, Elven Dedy Kurniawan Dian Febriansyah Dwiansyah, Octa Dzaky Agusman, Muhammad Eka Saputra Eka Sevtiyuni, Putri 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 Fatimah, Aisyah Fauzan, Muhammad Fairuz Fikri, M Fauzan Firmansyah, Zikri Gustiani, Sindy Haidar Afif Mufid, Muhammad Hanggara, Bryan Hendrawan, Deni Agus Hermanto, Muhammad Lucky Hikmahwarani, Fellycia Homausyah, Weli Ratri 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 Karima, Dzakiah Aulia Karimsyah Lubis, Muhammad Khoiriyah Harahap, Dayana Kurnia Sari, Winda Lakeisyah, Eka Therina Lifiano Jamot Munthe, Gabriel Lubis, Muhammad Ali M Ihsan Jambak M Luthfi Khailani, Kgs M Naufal Hisyam M. Ilham Fahlevi Mahdiyah Afifah Sari Mahdiyah Afifah Sari Maretta, Aulia Pinkan Mariska, Inneke Via Marshella, Siti Hariza Mas Ud, Khalid Al Maulana, Rahmat Maulizidan, Muammar Ramadhani Meiriza, Allsella Meiriza, Alsella Miftahul Falah Mira Afrina Mohd Rizky Putra Pratama Mufidah, Luthfiah Muhammad Adisatya Dwipansy Muhammad Dzaky Alifayoezra Muhammad Idris Muhammad Ihsan Dirgantara Muhammad Luthfi Al-Ghifari Muhammad Luthfi Al-Ghifari Munaspin, Zahra Diva Putri mutia fadhila putri, mutia fadhila Nabilatulrahmah, Raihana Nachwa, Syakillah Nadrota Acta, Muhammad Fakhri Najibah Putri, Aulia Najwa Widasari, Yesya 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 Putri Ariyanti Putri Casanova, Musdalifa Putri Mutiara Arinie Putri Salsabilah Putri Silpiara Putri, Amelia Rizki Putri, Aulia Najibah Putri, Naila Raihana Putri, Salsa Anindya Rabbani, Muhammad Randy Raditya Dafa Rizki Rafika Octaria Ningsih Rafli Maulana, Muhammad Rahmah, Atika Nur Rahman, M. Fadhil Rahmat Izwan Heroza Ramadhan Putra Pratama, Muhammad Ramadhani, Indira Nailah Rangga Aderiyana, Fakih Ravi Wijayanto, Muhammad Riansyah, Muhammad Bintang Naufal Risyahputri, Aliyananda Rizka Mumtaz, Fadia Rizki Ade Ningsih Rizky Herdiansyah, Muhammad Rizkyllah, Anabel Fiorenza Robani, M Tsabita Rositiani, Ely Sabar Manahan, Nico Sabila, Amalia Sahira, Mutia Salsabila, Adella Salsabila, Shofi Sanjaya, Riska Amelia Saputra, Marco Sasmita, Ruth Mei Satria, Eka Bayu Sembiring Depari, Alrayssa Davinka Septhia Charenda Putri Sevtiyuni, Putri Eka Shelly Putri Siade, Shalya Yunia Siregar, Richi Nauli Juniarto Siswahyudianto Suci Amalia Suci Fitriani, Suci Sukamto, Ika Sumiyarsi Sukatin, Sukatin Syarief Albani, Muhammad Talitha Zafirah Theonady, Oktavio Theresia Pardede, Eva Theressa Hasioani Sianturi, Claudia Tika Octri Dieni Titiana, Nuke Merisca Tri Zafira, Zahra Triana, Ayu Triputra, Muhamad Meiko Tsabitah, Laila Ummu Farida Muthmainnah Wahyuni Cahnia Sari Wilantara, M Pandu Winda Kurnia Sari Wirnanti, Rintan Wulan Dari, Atikah Yamani, Zaqqi Yasir Alghifari, Muhammad Yasyfi Imran, Athallah Zahran Afif, Muhammad Zaqqi Yamani Zaqqi Yamani Zaqqi Yamani A Zaskia Aulia Wulandari Zidan, Umar Rahman