Article Per Year (5 Year)
p-Index From 2021 - 2026
15.357
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Jurnal Energi Dan Manufaktur Jurnal Pendidikan Jasmani Jurnal Buana Informatika Jurnal sistem informasi, Teknologi informasi dan komputer Telematika : Jurnal Informatika dan Teknologi Informasi Jurnal Pengabdian Kepada Masyarakat Sakai Sambayan Jurnal Informatika dan Teknik Elektro Terapan PROCEEDING IC-ITECHS 2014 Jurnal Ilmiah KOMPUTASI Format : Jurnal Imiah Teknik Informatika Sistemasi: Jurnal Sistem Informasi SemanTIK : Teknik Informasi Jurnal Informatika JIKO (Jurnal Informatika dan Komputer) Turbo : Jurnal Program Studi Teknik Mesin Jurnal CoreIT Empowerment : Jurnal Pengabdian Masyarakat Jurnal Eksplora Informatika METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi J I M P - Jurnal Informatika Merdeka Pasuruan Jurnal Informatika Universitas Pamulang Jurnal Teknoinfo Jurnal ULTIMATICS Jurnal ULTIMA Computing Jurnal Teknologi Sistem Informasi dan Aplikasi METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Pengabdian Magister Pendidikan IPA JUMANJI (Jurnal Masyarakat Informatika Unjani) Indonesian Journal of Applied Informatics KOMPUTIKA - Jurnal Sistem Komputer Jurnal Manajemen Informatika JOISIE (Journal Of Information Systems And Informatics Engineering) Jurnal Tekno Kompak JISKa (Jurnal Informatika Sunan Kalijaga) JURNAL TEKNIK Informatika Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA ) JATI (Jurnal Mahasiswa Teknik Informatika) Scientific Journal of Informatics JIKA (Jurnal Informatika) Journal On Teacher Education (Jote) Tematik : Jurnal Teknologi Informasi Komunikasi RESOLUSI : REKAYASA TEKNIK INFORMATIKA DAN INFORMASI JOINTER : Journal of Informatics Engineering International Journal of Aviation Science and Engineering Journal of Innovation and Technology Jurnal Informatika Terpadu Buguh: Jurnal Pengabdian Kepada Masyarakat J-SAKTI (Jurnal Sains Komputer dan Informatika) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Anoa : Jurnal Pengabdian Masyarakat Sosial, Politik, Budaya, Hukum. Ekonomi BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer International Journal Software Engineering and Computer Science (IJSECS) Algoritme Jurnal Mahasiswa Teknik Informatika Journal of Applied Science, Engineering and Technology (J. ASET) Journal of Computers and Digital Business Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Jurnal Masyarakat Madani Indonesia Jurnal Fokus Elektroda (Energi Listrik, Telekomunikasi, Komputer, Elektronika dan Kendali) PAMARENDA : Public Administration and Government Journal "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika JITER-PM (Jurnal Inovasi Terapan - Pengabdian Masyarakat) Jurnal Informatika Polinema (JIP) Indonesian Journal of Community Services BIMA : Journal of Business and Innovation Management Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Jurnal Polimesin ANIMATOR SISFOTENIKA Jurnal Sains dan Kesehatan Nemui Nyimah
Rizal Adi Saputra
Teknik Informatika, Universitas Halu Oleo
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities 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 Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences Transportation Other

Published : 140 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 140 Documents
Search

 4   5   6   7   8 
Prediksi Status Gizi Balita Menggunakan Logika Fuzzy Metode Sugeno Berdasarkan Pengukuran Antropometri -, Safal; -, Findriyani; Rizal Adi Saputra
Jurnal Mahasiswa Teknik Informatika Vol. 3 No. 1 (2024): Jurnal Jamastika Vol.3 No.1 April 2024
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v3i1.2459

Abstract

Under five nutritional status is a measure used to assess the nutritional level of children at an early age. In determining nutritional status using anthropometric measurements which involve physical measurements such as body weight and height. Then the threshold (Z-Score) is calculated and the nutritional status category of a child can be determined. this is of course more rigid because the measurement standards are firmer. Fuzzy logic allows for a more refined classification in determining nutritional status. In fuzzy logic, variables are not only limited to a few discrete categories such as thin, normal or fat. On the other hand, fuzzy logic introduces a continuous degree of membership which allows for a more refined classification based on the degree of membership in each category. This research is proven to produce predictions that are relatively correct, then testing has been carried out and it is proven from the test results that the application runs well.
Perbandingan Efisiensi Deteksi Tepi Roberts, Prewitt, dan Canny untuk Identifikasi Kartu Mahasiswa Saputra, Rizal Adi; Rayadin, Muhamad Amhar; Febryanti, Wa Ode Ika
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16726

Abstract

Sekarang ini setiap universitas/perguruan tinggi memiliki identitas tersendiri yang membedakannya dengan universitas/perguruan tinggi lain. Memisahkan mahasiswa dari universitas berdasarkan kartu mahasiswa mereka.  Dalam kartu mahasiswa terdapat data NIM. Nomor Induk Mahasiswa (NIM) adalah nomor yang digunakan sebagai nomor identitas mahasiswa selama masa studi berlangsung. Berdasarkan hal itu sebuah perguruan tinggi perlu memiliki sistem yang dapat mengidentifikasi NIM pada kartu mahasiswa. Adanya sistem tersebut dapat mempermudah dalam mengidentifikasi data mahasiswa berdasarkan nim yang tertera pada kartu mahasiswa. Untuk melakukan identifikasi data NIM pada kartu mahasiswa, dapat dilakukan metode deteksi tepi. Operator kernel pertama yang digunakan adalah Roberts. Kemudian digunakan Prewitt, lalu terakhir Canny. Ketiga metode ini bekerja dengan mengidentifikasi dan menonjolkan lokasi pixel yang memiliki nilai perbedaan intensitas citra yang ekstrim, akan tetapi ketiganya memiliki perbedaan pada ukuran kernel, kompleksitas metode, dan sensivitas terhadap derau. Penelitian ini bertujuan untuk membandingkan efisiensi antara ketiga operator tersebut dalam deteksi tepi. Dari hasil identifikasi NIM, diperoleh nilai rata - rata MSE, RMSE, dan PSNR operator Canny dari data uji yaitu  0.34068692, 0.57071118 dan 53.08796. Nilai ini adalah lebih baik dibanding dengan Roberts dan Prewitt. Dengan demikian dapat disimpulkan bahwa operator Canny adalah yang terbaik untuk melakukan deteksi tepi pada kartu mahasiswa
DETEKSI PENYAKIT RETINOPATI DIABETES MENGGUNAKAN CITRA MATA DENGAN IMPLEMENTASI DEEP LEARNING CNN Muhammad, Zahir; Saputra, Rizal Adi
Jurnal Teknoinfo Vol 18, No 1 (2024): Januari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v18i1.3348

Abstract

Diabetes merupakan salah satu jenis penyakit yang paling umum terjadi di Indonesia. Salah satu penyebab utama terjadinya penyakit ini yaitu meningkatnya kadar gula darah atau glukosa. Perawatan yang tepat pada penyakit ini dapat dilakukan salah satunya dengan deteksi dini. Klasifikasi diabetes merupakan proses yang sangat penting dalam melakukan deteksi pada penyakit ini. Penggunaan Convolutional Neural Network (CNN) dalam beberapa tahun terakhir memberikan hasil yang menjanjikan sebagai salah satu metode klasifikasi. Dalam penelitian ini kami menggunakan sebuah pendekatan untuk klasifikasi diabetes dengan model Convolutional Neural Network (CNN), dimana kami menggunakan dataset yang terdiri dari dua jenis klasifikasi yakni dataset diabetes dan tidak diabetes untuk melatih dan menguji model CNN.  Dataset tersebut berupa citra atau gambar fundus mata dari pasien penderita diabetes dan pasien normal. Kami melakukan beberapa tahapan dalam proses klasifikasi, pertama kami menyiapkan dataset citra fundus mata, kedua  pra-pemrosesan data meliputi pengurangan nilai pixel gambar, mengubah gambar menjadi gambar grayscale, memberi nama pada gambar, ketiga tahapan latihan dan pengujian terhadap data citra, keempat membuat model sequential, dan kelima menyimpan hasil model. Penelitian ini menggunakan implementasi Deep learning dengan Jupyter notebook sebagai salah satu media pengolahan dataset dan Spyder sebagai media tampilan user interface atau GUI. Hasil penelitian ini menunjukan prediksi akurasi yang cukup memuaskan dalam proses klasifikasi diabetes. Penelitian ini menunjukan bahwa penggunaan model Convolutional Neural Network (CNN) dapat digunakan sebagai alat yang efektif dalam klasifikasi prediksi diabetes yang nantinya dapat mendeteksi pasien yang kemungkinan menderita diabetes. Hasil dari penelitian ini menunjukan bahwa prediksi yang dilakukan memperoleh nilai akurasi 96%, hasil tersebut terbilang baik.
PENGENALAN RAMBU LALU LINTAS MENGGUNAKAN METODE YOLOV8 IKBAL, MUH.; Saputra, Rizal Adi
Jurnal Informatika Vol 8, No 2 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i2.10609

Abstract

Teknologi kendaraan otonom telah mengalami perkembangan pesat dalam beberapa tahun terakhir. Tujuan utama dari teknologi ini adalah untuk mengurangi kecelakaan lalu lintas dan menciptakan lingkungan berkendara yang lebih aman. Kendaraan otonom diharapkan dapat sepenuhnya memahami lingkungan lalu lintas dan beroperasi sesuai aturan. Salah satu metode kecerdasan buatan yang sering digunakan dalam teknologi ini adalah deep learning YOLO. Penelitian ini mengembangkan metode deteksi jenis rambu lalu lintas menggunakan YOLO V8, yang merupakan pengembangan dari metode CNN. Data yang digunakan dalam penelitian ini mencakup 30 label jenis rambu lalu lintas dengan total 4650 citra. Dataset dibagi dengan proporsi 70:30, di mana 70% digunakan untuk pelatihan dan 30% untuk pengujian. Setelah pembagian, dataset pelatihan terdiri dari 3232 gambar, sementara dataset pengujian mencakup 1418 gambar. Hasil pengujian menunjukkan bahwa model ini memiliki kinerja yang baik, dengan nilai Precision sebesar 0,993, Recall sebesar 0,999, mAP50 sebesar 0,995, dan mAP50-95 sebesar 0,984. Nilai-nilai ini menunjukkan bahwa model ini mampu mengidentifikasi dan mengklasifikasikan rambu lalu lintas dengan akurasi yang tinggi.
Implementasi Ensemble Learning Metode XGBoost dan Random Forest untuk Prediksi Waktu Penggantian Baterai Aki Rayadin, Muhamad Amhar; Musaruddin, Mustarum; Saputra, Rizal Adi; Isnawaty, Isnawaty
BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer Vol 5 No 2 (2024): September
Publisher : Puslitbang Sinergis Asa Professional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37148/bios.v5i2.128

Abstract

In motor vehicles, including cars, the battery plays an important role, namely as a place to store electrical energy and as an electric voltage stabilizer when the engine is turned on. In general, motorized vehicle users do not know the condition of the battery in their vehicle. Even though the use of battery batteries that are already in poor condition can interfere with vehicle performance. In battery replacement services such as after-sales service, the process of checking and replacing battery batteries takes a relatively long time. This can be caused by high service volume, lack of worker reliability, lack of responsiveness to the complexity of the inspection. This research aims to build a prediction model for battery battery replacement time quickly. To meet these needs, a Machine Learning approach can be used. Machine Learning uses historical replacement data to make predictions of replacement time. Machine Learning algorithms that can be used for prediction are XGBoost and Random Forest. This research uses ensemble learning techniques to combine the two models. Based on the evaluation results, it can be concluded that the model built with ensemble learning has better prediction results than a single model. Evaluation results with MSE on the ensemble bagging model have the lowest error values of 145,448. The MAPE, MAE, and RMSE evaluations on the ensemble boosting model have the lowest error values of 11.56 %, 43.80 and 38,760.
Classification of apple maturity based on color using the K-Nearest Neighboor (KNN) method Fa, Nur; Saputra, Rizal Adi; Nangi, Jumadil
Telematika Vol 21, No 1 (2024): Edisi Februari 2024
Publisher : Jurusan Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v21i1.11773

Abstract

Purpose: The aim of this research is to provide support to apple fans and farmers in determining the choice of fruit that is ripe and ready to be consumed, using indicators of outer skin color as a basis for classification.Design/methodology/approach: The approach uses the K-Nearest Neighbor (KNN) method to classify the level of ripeness of apples based on skin color. KNN is used as a classification method. This approach utilizes the similarity of skin color with training data to determine the level of maturity. The evaluation results showed an accuracy of 90%, making it an effective approach for identifying the ripeness level of apples.Findings/result: From the results of the system evaluation of 206, it shows an accuracy level of 90% with a sensitivity of 80% and a specificity of 67% as measured by the Hold Out Estimation model.Originality/value/state of the art: This research uses test data/testing data originating from Kaggle and Google as well as several photos taken directly. In total, 206 images of apples were used.
Implementasi Metode Backpropagation Neural Network Untuk Memprediksi Saham Bank Terbesar di Indonesia Mubaraq, Muh. Falah; Sahera, Nelti Juliana; Indri, Indri; Saputra, Rizal Adi
Jurnal Informatika Vol 12, No 3 (2024): INFORMATIKA
Publisher : Fakultas Sains & Teknologi, Universitas Labuhanbatu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36987/informatika.v12i3.5966

Abstract

Prediksi harga saham yang akurat sangat penting bagi investor untuk membuat keputusan investasi yang bijak. Penelitian ini bertujuan untuk memprediksi harga saham harga close tiga bank besar di Indonesia menggunakan algoritma backpropagation neural network. Metode penelitian meliputi pengumpulan data historis harian dari Yahoo Finance, preprocessing data, dan pembuatan model neural network dengan satu hidden layer. Evaluasi model menggunakan metrik RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa model prediksi memiliki tingkat akurasi yang tinggi untuk ketiga bank. Bank Mandiri mencapai performa terbaik dengan 3 neuron hidden layer, learning rate 0.01, dan toleransi error 0.000001, menghasilkan RMSE 49.565, MAE 38.3087, dan MAPE 0.63%. Bank BRI optimal dengan 12 neuron hidden layer (RMSE 50.003, MAE 29.5462, MAPE 0.74%), sementara Bank BCA dengan 6 neuron hidden layer (RMSE 62.434, MAE 47.7587, MAPE 0.51%). Kesimpulannya, algoritma backpropagation neural network terbukti efektif dalam memprediksi harga saham penutup dengan tingkat akurasi tinggi, ditunjukkan oleh nilai MAPE di bawah 1% untuk ketiga bank.
SISTEM REKOMENDASI KEBUTUHAN NUTRISI MAKANAN PENDAMPING AIR SUSU IBU (MPASI) MENGGUNAKAN METODE FUZZY TAHANI SEBAGAI UPAYA PENCEGAHAN STUNTING Diah A.P, Zahwa; Musaruddin, Mustarum; Adi Saputra, Rizal
JTIKA (Jurnal Teknik Informatika, Komputer dan Aplikasinya) Vol 6 No 2 (2024): September 2024
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jtika.v6i2.423

Abstract

Stunting is a significant child health issue in Indonesia, where children experience impaired growth, resulting in weight and height below their age average. In 2022, the World Health Organization (WHO) and the Indonesian Nutrition Status Survey (SSGI) reported a stunting prevalence of 21.6%, exceeding the WHO target of 20%. Stunting is caused by chronic malnutrition from pregnancy through the first thousand days of life, a crucial period for brain and cognitive development. Proper complementary feeding (MPASI) after 6 months is essential to meet infants' nutritional needs and prevent developmental delays in children under two. This study aims to develop a mobile web-based system that recommends MPASI according to infants' nutritional needs using the Fuzzy Tahani method. This method was chosen for its ability to handle uncertainty and provide personalized solutions. The developed system achieved 94.5% accuracy, with a precision of 33.1%, recall of 27.4%, and specificity of 85.9%. The system met the research objectives despite lower precision and recall due to imbalanced training data. User Acceptance Testing (UAT) results indicated that 77.73% of users strongly agreed with the system, while 1.86% disagreed. This system is expected to assist in preventing stunting by providing more accurate MPASI recommendations tailored to each infant's needs.
Implementasi Algoritma Fuzzy logic Pada Tempat Sampah Pintar Menggunakan Sensor Ultrasonik Berbasis Arduino Uno Herlambang, Ian; Hardianto; Saputra, Rizal Adi
Resolusi : Rekayasa Teknik Informatika dan Informasi Vol. 4 No. 4 (2024): RESOLUSI March 2024
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/resolusi.v4i4.1757

Abstract

Environmental issues are still one of the problems that need special attention. Among the problems regarding the environment, waste is one of the problems that is difficult to overcome. This is due to the high consumptive behavior of the community that produces a lot of waste or garbage. Smart trash cans use proximity sensors to make the trash can lid open automatically. To increase accuracy and simplify settings on smart trash can automation, in this research the author uses the Fuzzy logic algorithm. Smart trash cans are made with ultraviolet sensors based on Arduino Uno which are embedded with fuzzy algorithms so that the sensors can have better accuracy, easier settings, and are more resistant to interference. Based on the test results, the automatic trash can system using ultrasonic sensors can work well in various environmental conditions. The ultrasonic sensor used in this research has an accuracy of 95%. This means that the ultrasonic sensor can detect the presence of humans when trying to take out the trash with a high level of accuracy.
Klasifikasi Jenis Tanaman Herbal Berdasarkan Citra Menggunakan Metode Convolution Neural Network (CNN) Kasim, Nurdian; Fadilah, Muh. Bayanudin; Hidayat, Wahyu Al; Saputra, Rizal Adi
Jurnal Tekno Kompak Vol 19, No 1 (2025): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v19i1.4536

Abstract

Indonesia, sebagai negara megabiodiversitas, memiliki beragam tumbuhan herbal yang dimanfaatkan secara luas oleh masyarakat untuk keperluan berbagai macam, terutama dalam bidang kesehatan. Tumbuhan herbal sering dipilih sebagai obat tradisional karena dianggap lebih aman dan memiliki efek samping yang minim dibandingkan dengan obat-obatan kimia. Namun, identifikasi dan klasifikasi tumbuhan herbal sering kali menjadi tantangan karena adanya kesamaan morfologi antara beberapa spesies serta keterbatasan pengetahuan botani yang tersedia. Penelitian ini bertujuan untuk mengatasi tantangan tersebut dengan mengembangkan sistem klasifikasi menggunakan Convolutional Neural Network (CNN). Model CNN yang dikembangkan mengadopsi arsitektur Sequential dengan lapisan-lapisan konvolusi dan pooling, serta memanfaatkan teknik augmentasi data untuk meningkatkan variasi dalam dataset. Dataset awal terdiri dari 6200 gambar dari 31 jenis tumbuhan herbal yang diambil menggunakan kamera smartphone. Setelah proses augmentasi data, yang mencakup operasi seperti rotasi, pergeseran, pemotongan, dan flipping, jumlah gambar yang digunakan dalam pelatihan menjadi lebih bervariasi meskipun jumlah fisiknya tetap sama yaitu 4960 gambar untuk pelatihan, 621 gambar untuk validasi, dan 124 gambar untuk pengujian. Hasil penelitian menunjukkan bahwa model yang dikembangkan berhasil mencapai akurasi sebesar 92.74% dalam mengklasifikasikan gambar-gambar tumbuhan herbal. Nilai precision dan recall juga menunjukkan kinerja yang kuat, dengan banyak kategori daun mencapai nilai precision dan recall sebesar 1.00, yang menandakan bahwa model ini sangat efektif dan konsisten dalam mengenali berbagai jenis daun tanaman herbal. Misalnya, kategori seperti bawang merah, bawang putih, dan bayam memiliki nilai precision dan recall yang sempurna. Namun, beberapa kategori seperti daun jambu biji dan katuk menunjukkan variasi dalam precision dan recall, yang menunjukkan perlunya lebih banyak data atau variasi dalam dataset untuk meningkatkan kinerja pada kategori tersebut. Pendekatan ini diharapkan dapat mendukung pemanfaatan tumbuhan herbal secara lebih efektif dan aman sebagai alternatif pengobatan yang berkelanjutan dan alami. Kontribusi signifikan dari penelitian ini adalah mengintegrasikan teknologi kecerdasan buatan, khususnya CNN, dalam mengidentifikasi dan memanfaatkan potensi tumbuhan herbal, sehingga memperkuat peran mereka dalam sistem kesehatan modern. Penelitian ini menggaris bawahi potensi AI untuk mengembangkan identifikasi dan pemanfaatan tumbuhan herbal, serta mendorong integrasi mereka ke dalam sistem kesehatan untuk meningkatkan hasil kesehatan secara keseluruhan di masa mendatang. Penelitian ini juga mendorong keberlanjutan kesehatan alami.
Co-Authors , Jumadil Nangi -, Findriyani -, Safal A.Yudi Eka Risano Ababil Azies Sasilo Abbas, Muhammad Akram Abdillah, Muh Ade Sitti Nur Zainab Adha Mashur Sajiah Adiningsi, Sri Afifah Hakim, Auliyah Agsaria, Fabelina Agus Sugiri Agus Sugiri, Agus Ahmad Fadli Ramadhan Ahmad Fadli Ramadhan Ahmad Riszal Ahmad Sipa, Alfriyanti Akmal Rahman Aksara, L.M. Bahtiar Akyar, Faisal Al Qadri, Muhammad Vannes Algazali, Muhammad Aliansa, Warham Alma Fisabillah Amaliya Nurani Basyarah Andi Juliardi Abdillah Andi Maghfirah Parenrengi, Andi Maghfirah Andi Tenriawaru Angga Darma Prabowo Anisa suci Pratiwi Anshari, Erwin Anwar, Syaipudin Apriansyah, Muhammad Fiqih Aprilyani S, Lily Arif, Yanuar Zulardiansyah Arif, Zainal Arifin Kusumo Wicaksono Arinal Hamni Asa Hari Wibowo Asa Hari Wibowo, Asa Hari Asdar Asdar Asdar Asri Wido Mukti Asriani, Risky Nur Asrumin Asti Rahayu Asti Rahayu Auliya Afifah Adnan Hakim Awaliah, Wd. Rizky Ayu Pratiwi Ndibola Ayu, Nurfatzma Az'zahra Tarimana, Annisa Azriel Saktiawan, Muhammad Badarudin, Ade Syifa Bagus Rifaldi Bambang Pramono Bambang Pramono Bambang Pramono Bambang Pramono Billa, Nabilla Salsa Billah, Khaerunni Salsa Chintya Mawadhah Sumitro Chintya Mawadhah Sumitro Dewi Perwito Sari Dewi Titania Randa Diah A.P, Zahwa Dian Trianita Lestari Dilla, Farah Dini Fadilah Djuansjah, Joy Djuansjah, Joy R P Dwi Tsunami, Widya Dwina Angelina Sipayung Edi Syah Mihrad Eko Wahyu Saputra Eko Yohanes Elfiani Eriyadi, Riko Ermila Ermila Etrilian Tongalu Fa, Nur Fadhilah, Ghefira Zahra Nur Fadilah, Muh. Bayanudin Fahrul Ardian Nugroho Fani Fadilah fauzi, fitya aulia Fazilah, Nurul Febryanti, Wa Ode Ika Fifi Nirmala G Fildzah Khalishah Ghassani Findry, Findriyani Florencia Virgiane Evalyn Padang Ghefira Zahra Nur Fadhilah Gusti Putu Pupaningrum Hadi Prayitno Hafiizah, Nur Hardani, Prisma Trida harnelia, harnelia Harnowo Supriadi, Harnowo Hashimatul Zaria Hasna Anggin Tri Muslimin Hassanah, Waode Siti Nurul Hayara Octaviani Hendriyanto, Agus Herlambang, Ian Herry Wardono HERU WAHYUDI Hidayat, Wahyu Al Hidayatunnikmah, Nina Hidjriani Ibrahim, Fauzi Ifayatin, Hadijah Nisa Ika Purwanti Ningrum Ika Purwanti Ningrum Ika Purwanti Ningrum Ika Purwanti Ningrum, Ika Purwanti Ikhwanul Uzlah, Laode Iklil Awalda Tariza Inda Asriyanti Lauto Indri Indri Indriyani Nur Indriyani Nur Intan Ayu Kusuma Pramushinta Ira Purbosari Irsyad, Akhmad Irza Sukmana Irza Sukmana, Irza Ishak Jaelani, Muhammad Isnawaty Isnawaty Isnawaty Isnawaty Isnawaty Isnawaty, Isnawaty Iza, Abdillah Javensius Sembiring, Javensius Jayanti Yusmah Sari Jelyzer Patanan Judanto, Nurendro Hardjo Jumadil Nangi Jumadil Nangi Jumadil Nangi Jumadil Nangi, Jumadil Kaimuddin, Sitti Mikarna Kasim, Nurdian Kayla, Mutmainnah Putri Khairul Ummah Khamil, Muhammad Raihan Putra Khrysna Dwipangga, Ageng Arya Kurniawan, Dondi L.M. Bahtiar Aksara L.M. Fid Aksara, L.M. Fid La ode Muhammad Bahtiar Aksara La Ode Rahmat Andre Pratama La Ode Santiaji Bande La Ode Sukriman La Ode, Abdul Azis Syah La Surimi La Surimi La Surimi La Surimi, La Lestari, Dian Trianita Lestari, Yunda Puji Lily Aprilyani Linda Saputri LM Tajidun LM Tajidun, LM M. Rangga Saputra Maharani Hasan, Puspita Mahruri Arif Wicaksono Marni Mulyani Marsita Harim Martinus Martinus, Martinus Mashur Sajiah, Adha Maulivia Idham Choliq Mayang Putri Khairunnisa Mihrad, Edi Syah Mochammad Imron Awalludin Mochammad Resha Mubaraq, Muh. Falah Muh. Ikbal, Muh. Muhaimin Hamzah Muhaimin Hamzah Muhaimin Zain, Al MUHAMAD FADLI Muhamad Faza Almaliki Muhamad Handoyo Sahumena Muhamad Handoyo Sahumena Muhamad Ilham, La Ode Muhamad, Ngawal Muhammad Abdillah Rahmat Muhammad Ikhwan Muhammad Irsyad Muhammad Nabil Afkar Muhammad Ricky Aryansah. B Muhammad Yusril Muhammad, Zahir Mundeh, Marianne Mursalim Mursawal, Mursawal Mustarum Musaruddin Mutmainnah Muchtar Mutmainnah Putri Kayla Nabila Saskia Arham nabilla, putri Nadaa Qur’atul‘Ain Nadya Ambarwati Nadya Elfareta Azarin Nafrizal Natalis Ransi Natalis Ransi, Natalis Nathania, Meutya Nazarrudin, Rizal Ni Made Sri Ulandari Ni Wayan Erdiani Ningrum, Ika Purwati Ningsih, Lilis Sugi Nono Satria Noviana Saputri, Kiki Nugraha, Nurcahya Nur Fadillah, Nur Nur Rahma Sela Nur, Indriyani Nurhafni A, Syarifah Nurhafni Ahmad, Syarifah Nurmaladewi Nurmaladewi Nurmaladewi, Nurmaladewi Nurtiani, Devy Natalia Ode Yamin Arsy Fadillah Mbota, La Panaungi, Fajar Pratiwi Aprilya Wahid, Dwi Prianggoro, Dimas Purbosari, Ira Putri Arafa, Ninis Putriani, Ananda Putu Arimbawa Putu Arimbawa Putu Arimbawa, Putu Qubra, Rama Rafi Iyad Madani Chaidir rahayu ningsih, Lilis sugi Rahma Basri, Siti Rahmad Akbar Rahman, Nur Syazwani Binti Ab Rahmat Hidaya Karismadi, Nur Rahmat Karim Rahmat Saputra, La Ode Alvin Raiya, Muhammad Saharullah Ramadana, Alvianto Ramadhan, Abdul Fath Ramadhan, Muh. Akbar Perdana Ramadhan, Muhammad Afin Ramadhani, Annisa Auliya Ramadhani, Dwi Hikmah Ratnasari Ratnasari Rayadin, Muhamad Amhar Reskal, R Resti Ajeng Sutiani Rifaldi, Dwi Rina Rina Riofasesi, Daffa Risano, Yudi Eka A Riskan Riszal, Akhmad Rizaldy Setiawan Hasanuddin Rizkah Nurhasanah Rizki Eka Sakti Octaviani Roy Pane Ryan Septian Fajar, Muhammad Sabiqunassabiqun Sahera, Nelti Juliana Saleh Badawi, Muh Samudin, Ayustina Saputra, Eko Wahyu Saputra, Muh. Farhan Saputri, Shinta Arjunita Sari, Dewi Perwito Sarita, Ihsan Saudi, Septiyani Bayu Sawal, Mur Sembiring, Javen Shinta Arjunita Saputri Shirley Savetlana Shirley Savetlana, Shirley Silfi, Silfi Siti Nurhalisa, Waode Sitti Aisyah Sri Adiningsi SRI ADININGSI ERNI ALBAKIA Sri Ayu Ningsih Srikandi, Raya Statiswaty Subardin Subardin Suci Oktavia Rahmadani SUGIYANTO Sugiyanto - Sulastri Apridayanti Sultrayansa Sumarni Sumarni Sumitro, Dewi Sari Suria, Fellonnisa Suryadiwansa Harun Sutardi Sutardi Sutardi Sutardi Sutiyana Fachruddin Syahidatul Islamiyah Syam, Nurhana Syazwani, Nur Tarkono Tarkono Tarkono Thalib, La Ode Jafar Umar Trihapsari, Argitha Tunda, Amin Usman, Yusril Wa Ode Ika Febryanti Wa Ode Yatni Yansari Wahyuni, Frida Mimi Waode Siti Nurul Hassanah Weka Gusmiarty Abdullah Weka GUSMIARTY ABDULLAH Weka Gusmiarty Abdullah, Weka Gusmiarty Wibowo, Bayu Adi Wicaksono, Mahruri Arif Widyosekti, M. Dhiku Wildayanti Yanuar Burhanuddin Yolanda Camelia Imelda Yunda Puji Lestari Yurika Sastyarina Yurika Sastyarina Yusup Hendronursito, Yusup Yuwanda Purnamasari Pasrun Zahro Al Maulidiyah Zulhanif Zulhanif, Zulhanif