Article Per Year (5 Year)
p-Index From 2020 - 2025
13.118
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 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) 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) JTIM : Jurnal Teknologi Informasi dan Multimedia JURNAL TEKNIK Informatika 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 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) ANIMATOR SISFOTENIKA Jurnal Sains dan Kesehatan
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 Social Sciences Transportation Other

Published : 119 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 119 Documents
Search

 4   5   6   7   8 
PERBANDINGAN ALGORITMA SIMPLE LINEAR REGRESSION DAN SUPPORT VECTOR REGRESSION DALAM PREDIKSI JUMLAH PENDUDUK DI SULAWESI TENGGARA Rafi Iyad Madani Chaidir; Ahmad Fadli Ramadhan; Hashimatul Zaria; Rizal Adi Saputra
METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Vol. 10 No. 1 (2024): Volume 10 Nomor 1
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/mtk.v10i1.2548

Abstract

Pertumbuhan penduduk di Sulawesi Tenggara terus meningkat, mencapai kenaikan sekitar 8% dari tahun 2014 hingga 2023, seperti yang tercatat dalam data Badan Pusat Statistika (BPS). Dampak potensial dari fenomena ini pada kehidupan masyarakat dan pembangunan wilayah perlu menjadi perhatian. Dengan memprediksi jumlah penduduk, dapat membantu dalam perencanaan pembangunan jangka panjang, pengembangan infrastruktur, dan pengelolaan dan alokasi sumber daya. Penelitian ini bertujuan untuk menciptakan model yang efektif untuk meramalkan pertumbuhan penduduk dengan akurasi yang baik. Data yang digunakan adalah data jumlah penduduk Sulawesi Tenggara dari tahun 2014 hingga 2023 menurut kabupaten/kota oleh BPS. Prediksi dilakukan menggunakan metode Support Vector Regression (SVR) dan Simple Linear Regression (SLR). Hasil perbandingan menunjukkan bahwa SLR menunjukkan performa yang lebih baik secara umum dibandingkan dengan SVR pada sebagian besar model, dengan memiliki rata-rata MAPE sebesar 1.89% dan RMSE sebesar 0.51%. Temuan ini mengonfirmasi bahwa SLR merupakan algoritma yang lebih akurat dalam meramalkan pertumbuhan penduduk di Sulawesi Tenggara.
PENERAPAN ALGORITMA YOLO UNTUK MENDETEKSI KUALITAS TELUR AYAM BERDASARKAN WARNA CANGKANG Sri Ayu Ningsih; Resti Ajeng Sutiani; Ni Made Sri Ulandari; Rizal Adi Saputra
METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Vol. 10 No. 2 (2024): Volume 10 Nomor 2
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/mtk.v10i2.3062

Abstract

In the poultry industry, chicken egg quality is a crucial factor influencing the price and market appeal of the product. Manual assessment of egg quality based on shell color requires significant time and labor and is prone to human error. Therefore, the implementation of automation technology through artificial intelligence (AI) is necessary to enhance the efficiency and accuracy of this process. The YOLO (You Only Look Once) algorithm is a fast and accurate object detection method that can be applied to classify chicken eggs based on shell color. This research aims to develop an automatic detection system using YOLO to identify and categorize the quality of chicken eggs based on shell color. Images of chicken eggs were collected and annotated to train the YOLO model. After training, the model was tested on a new dataset to evaluate its detection and classification performance. The results of the study indicate that the YOLO algorithm can detect and classify chicken eggs with high accuracy, reducing the need for manual labor and speeding up the quality assessment process. The implementation of this system is expected to improve operational efficiency in the poultry industry, ensure consistent product quality, and provide an innovative solution to the challenges in chicken egg quality assessment.
Klasifikasi Kanker Kulit Berdasarkan Data Citra Benign Dan Malignant Menggunakan Convolutional Neural Network Findry, 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.v3i1.2417

Abstract

Kanker kulit adalah kondisi di mana sel-sel abnormal di kulit berkembang secara tidak terkendali, membentuk tumor yang dapat menyerang jaringan dan organ di sekitarnya. Kanker kulit dibagi menjadi dua yaitu benign (jinak) dan malignant (ganas). Kanker kulit benign adalah jenis kanker kulit yang tidak bersifat ganas atau tidak menyebar ke jaringan atau organ lain dalam tubuh. Meskipun kanker kulit benign tidak menyebar, mereka masih dapat menyebabkan masalah dan perlu diobati. Contoh kanker kulit benign meliputi sel basaloma, sel skuamosa, dan keratosis seboroik. Di sisi lain, kanker kulit malignant adalah jenis kanker kulit yang bersifat ganas atau dapat menyebar ke jaringan atau organ lain dalam tubuh. Kanker kulit malignant umumnya lebih serius dan memerlukan perawatan medis yang agresif. Contoh kanker kulit malignant meliputi melanoma, karsinoma sel basal, dan karsinoma sel skuamosa. Oleh karena itu, studi klasifikasi kanker kulit benign dan malignant dilakukan dengan menggunakan metode CNN, yang memungkinkan CNN untuk mengklasifikasikan gambar. CNN sendiri memiliki model arsitektur, sedangkan arsitektur yang digunakan pada penelitian ini menggunakan lapisan aktivasi Conv2D, Max Pooling, Flatten, Dense, Dropout dan ReLu. Ukuran gambar yang digunakan dalam arsitektur ini adalah 48x48, pada epoch ke-50 akurasi tercapai 99,86%.
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: 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.
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 Aksara, L.M. Bahtiar Akyar, Faisal Al Qadri, Muhammad Vannes Algazali, Muhammad Aliansa, Warham Amaliya Nurani Basyarah Ananda Putriani Andi Juliardi Abdillah Andi Maghfirah Parenrengi, Andi Maghfirah Andi Tenriawaru Angga Darma Prabowo Anshari, Erwin Apriansyah, Muhammad Fiqih Aprilyani S, Lily Arif, Yanuar Zulardiansyah Arifin Kusumo Wicaksono Arinal Hamni Asa Hari Wibowo Asa Hari Wibowo, Asa Hari Asdar Asdar Asdar Asdar, Auliya Rahman Asri Wido Mukti Asriani, Risky Nur Asti Rahayu Asti Rahayu Auliya Afifah Adnan Hakim Awaliah, Wd. Rizky Ayu, Nurfatzma Az'zahra Tarimana, Annisa Azriel Saktiawan, Muhammad Badarudin, Ade Syifa Bambang Pramono Bambang Pramono Bambang Pramono Bambang Pramono Billah, Khaerunni Salsa Chintya Mawadhah Sumitro Chintya Mawadhah Sumitro Dewi Perwito Sari Dewi Sari Sumitro 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 Eko Yohanes Elfiani Ermila Ermila Etrilian Tongalu Fa, Nur Fadhilah, Ghefira Zahra Nur Fadilah, Muh. Bayanudin Fahrul Ardian Nugroho Fani Fadilah Fazilah, Nurul Febryanti, Wa Ode Ika Fifi Nirmala G Fildzah Khalishah Ghassani Findry, Findriyani Ghefira Zahra Nur Fadhilah Hadi Prayitno, Hadi Hafiizah, Nur harnelia, harnelia Harnowo Supriadi, Harnowo Hashimatul Zaria Hasna Anggin Tri Muslimin Hayara Octaviani Hendriyanto, Agus Herlambang, Ian 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 Indri Indri Indriyani Nur Intan Ayu Kusuma Pramushinta Ira Purbosari Irsyad, Akhmad Irza Sukmana Irza Sukmana, Irza Ishak Jaelani, Muhammad Ishaq, Muhammad Akbar Asad 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 Khairul Ummah Khamil, Muhammad Raihan Putra Khrysna Dwipangga, Ageng Arya L.M. Bahtiar Aksara L.M. Fid Aksara, L.M. Fid La Ode Jafar Umar Thalib La ode Muhammad Bahtiar Aksara La Ode Rahmat Andre Pratama La Ode Santiaji Bande La Ode, Abdul Azis Syah La Surimi La Surimi La Surimi La Surimi, La Lestari, Dian Trianita Lily Aprilyani Linda Saputri LM Tajidun LM Tajidun, LM M. Rangga Saputra Maharani Hasan, Puspita Mahruri Arif Wicaksono Marsita Harim Martinus Mashur Sajiah, Adha Maulivia Idham Choliq Mayang Putri Khairunnisa Mochammad Imron Awalludin Mubaraq, Muh. Falah Muh. Ikbal, Muh. Muhaimin Hamzah Muhaimin Hamzah Muhaimin Zain, Al Muhamad Amhar Rayadin MUHAMAD FADLI Muhamad Faza Almaliki Muhamad Faza Almaliki Muhamad Handoyo Sahumena Muhamad Handoyo Sahumena Muhamad Ilham, La Ode Muhamad, Ngawal Muhammad Abdillah Rahmat Muhammad Nabil Afkar Muhammad Ricky Aryansah. B Muhammad Yusril Muhammad, Zahir Mundeh, Marianne Mursawal, Mursawal Mustarum Musaruddin Mutmainnah Muchtar Mutmainnah Putri Kayla Nabila Saskia Arham Nabilla Salsa Billa nabilla, putri Nadaa Qur’atul‘Ain Nadya Ambarwati Natalis Ransi 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, Indriyani Nurhafni A, Syarifah Nurhafni Ahmad, Syarifah Nurmaladewi Nurmaladewi Nurmaladewi, Nurmaladewi Nurtiani, Devy Natalia Octaviani, Hayara Ode Yamin Arsy Fadillah Mbota, La Panaungi, Fajar Pratiwi Aprilya Wahid, Dwi Prianggoro, Dimas Prisma Trida Hardani Prisma Trida Hardani Purbosari, Ira Putri Arafa, Ninis Putu Arimbawa Putu Arimbawa, Putu Qubra, Rama Rafi Iyad Madani Chaidir 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 Ramadhani, Annisa Auliya Ratnasari Ratnasari Rayadin, Muhamad Amhar Reskal, R Resti Ajeng Sutiani Rina Rina Riofasesi, Daffa Riszal, Akhmad Rizaldy Setiawan Hasanuddin Rizki Eka Sakti Octaviani Roy Pane Ryan Septian Fajar, Muhammad Sahera, Nelti Juliana Saleh Badawi, Muh Samudin, Ayustina Saputra, Eko Wahyu Saputra, Muh. Farhan Saputri, Shinta Arjunita Sari, Dewi Perwito Sarita, Ihsan 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 Statiswaty SUGIYANTO Sulastri Apridayanti Sultrayansa Sumarni Sumarni Suria, Fellonnisa Suryadiwansa Harun Sutardi Sutardi Sutardi Sutardi Sutiyana Fachruddin Syahidatul Islamiyah Syam, Nurhana Syazwani, Nur Tarkono Tarkono Tarkono 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 Wibowo, Bayu Adi Wicaksono, Mahruri Arif Widyosekti, M. Dhiku Yanuar Burhanuddin Yolanda Camelia Imelda Yunda Puji Lestari Yurika Sastyarina Yurika Sastyarina Yusup Hendronursito, Yusup Yuwanda Purnamasari Pasrun Zahro Al Maulidiyah Zulhanif, Zulhanif