Article Per Year (5 Year)
p-Index From 2021 - 2026
13.607
P-Index
This Author published in this journals
All Journal Faktor Exacta Jurnal Informatika Universitas Pamulang Jurnal Teknologi Sistem Informasi dan Aplikasi JURNAL PENDIDIKAN TAMBUSAI Building of Informatics, Technology and Science Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Journal of Artificial Intelligence and Innovative Applications (JOAIIA) Community Development Journal: Jurnal Pengabdian Masyarakat TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Bulletin of Computer Science Research INFORMATIKA KOMMAS: Jurnal Pengabdian Kepada Masyarakat Abdi Jurnal Publikasi Journal of Artificial Intelligence and Digital Business Journal of Research and Publication Innovation LOGIC : Jurnal Ilmu Komputer dan Pendidikan Biner : Jurnal Ilmu Komputer, Teknik dan Multimedia OKTAL : Jurnal Ilmu Komputer dan Sains AMMA : Jurnal Pengabdian Masyarakat JRIIN :Jurnal Riset Informatika dan Inovasi Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA) APPA : Jurnal Pengabdian Kepada Masyarakat Fahma : Jurnal Informatika Komputer, Bisnis dan Manajemen Jurnal Ilmu Komputer Jurihum
Zakaria, Hadi
Universitas Pamulang
Aerospace Engineering Arts Humanities Astronomy 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 Dentistry Earth & Planetary Sciences 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 Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 116 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 116 Documents
Search

 8   9   10   11   12 
Implementasi Bayesian Optimization untuk Meningkatkan Akurasi Prediksi Penjualan Menggunakan Algoritma XGBoost (Studi Kasus: CV XYZ) Nendi Setiawan; Hadi Zakaria
Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Vol 9, No 1 (2026): Januari
Publisher : Institut Teknologi Gamalama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47324/ilkominfo.v9i1.410

Abstract

Abstrak: CV. XYZ merupakan perusahaan percetakan daring yang menghadapi tantangan dalam memprediksi penjualan akibat fluktuasi permintaan dan keterbatasan metode analisis yang digunakan. Prediksi penjualan yang tidak akurat dapat menyebabkan ketidakseimbangan produksi dan menurunkan efisiensi operasional. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi penjualan dengan mengimplementasikan model Extreme Gradient Boosting (XGBoost) yang dioptimalkan menggunakan Bayesian Optimization. XGBoost dipilih karena kemampuannya dalam menangani data kompleks dan nonlinier, sedangkan Bayesian Optimization digunakan untuk menyempurnakan pemilihan hiperparameter secara efisien. Kebaruan penelitian ini terletak pada integrasi Bayesian Optimization sebagai strategi tuning hiperparameter XGBoost untuk prediksi penjualan pada sektor percetakan digital. Data historis penjualan dianalisis menggunakan bahasa pemrograman Python dengan SQLite sebagai basis penyimpanan data. Hasil eksperimen menunjukkan bahwa kombinasi kedua metode tersebut mampu meningkatkan performa prediksi secara signifikan, dengan nilai RMSE sebesar 8.366,6, MAE sebesar 8.000, dan skor R² sebesar 0,9748. Pendekatan ini memberikan solusi praktis bagi CV. XYZ dalam meningkatkan perencanaan produksi serta pengambilan keputusan berbasis data di sektor percetakan digital.Kata kunci: prediksi penjualan, XGBoost, Bayesian Optimization, Machine LearningAbstract: CV. XYZ is an online printing company that faces challenges in predicting sales due to demand fluctuations and limitations in the analytical methods employed. Inaccurate sales predictions can lead to production imbalances and reduced operational efficiency. This study aims to improve sales prediction accuracy by implementing an Extreme Gradient Boosting (XGBoost) model optimized using Bayesian Optimization. XGBoost is selected for its capability to handle complex and non-linear data, while Bayesian Optimization is employed to efficiently optimize hyperparameter selection. The novelty of this study lies in the integration of Bayesian Optimization as a hyperparameter tuning strategy for the XGBoost model in sales prediction within the digital printing sector. Historical sales data are analyzed using Python, with SQLite utilized as the data storage system. Experimental results demonstrate that the proposed approach significantly improves prediction performance, achieving an RMSE of 8,366.6, an MAE of 8,000, and an R² score of 0.9748. This approach provides a practical solution for CV. XYZ in enhancing production planning and data-driven decision-making in the digital printing industry.Keywords: sales forecasting, XGBoost, Bayesian Optimization, Machine Learning
Implementasi Verifikasi Wajah pada Sistem Absensi Berbasis Website untuk Meningkatkan Transparansi Pengelolaan Gaji di PT Mahardika Jaya Asasta (MJA) Ariyas Pratama Ramadhan; Hadi Zakaria; Ahmad Zidan; Achamad Syahrul; Ebenheser Atakari; Hasrat Setiawan Gulo; Muhammad Fikri Romadhon; Pniel Timotius Dima; Sevlina Prisca Yolanda; Sulhan Reisqi Saputra; Veliana Putri Ayu Saban
APPA : Jurnal Pengabdian Kepada Masyarakat Vol 3 No 3 (2025): APPA : Jurnal Pengabdian kepada Masyarakat
Publisher : Shofanah Media Berkah

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

Abstract

Kehadiran karyawan merupakan komponen penting dalam pengelolaan sumber daya manusia karena berpengaruh langsung terhadap perhitungan gaji, tunjangan, dan evaluasi kinerja. Namun, PT Mahardika Jaya Asasta (MJA) masih menerapkan sistem absensi manual yang berpotensi menimbulkan kesalahan pencatatan, kecurangan, serta keterlambatan proses rekapitulasi data. Kegiatan Pengabdian kepada Masyarakat (PKM) ini bertujuan untuk mengimplementasikan sistem absensi digital berbasis website dengan teknologi verifikasi wajah dan validasi lokasi guna meningkatkan transparansi dan akurasi pengelolaan gaji. Metode pelaksanaan meliputi analisis kebutuhan mitra, perancangan dan pengembangan sistem, implementasi, pelatihan pengguna, serta evaluasi. Hasil kegiatan menunjukkan bahwa sistem absensi digital mampu meminimalkan praktik kecurangan, mempercepat proses rekap absensi, serta meningkatkan kepercayaan karyawan terhadap sistem penggajian. Implementasi ini juga mendorong peningkatan literasi digital staf HRD dan karyawan dalam pemanfaatan teknologi informasi.
Implementasi Metode Design Science Research (DSR) pada Monitoring Server Voip Berbasis Web dengan Pendekatan Agile untuk Optimalisasi Kinerja Sistem (Studi Kasus: PT. XYZ) Dimas, Dimas Adjie; Zakaria, Hadi
JURNAL FASILKOM Vol. 16 No. 1 (2026): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v16i1.11071

Abstract

PT. XYZ is a telecommunications technology company that has been providing cloud-based communication services, such as Cloud PBX, VoIP Telephony, Cloud Call Centers, and integrated Omni-Channel CRM systems, since 2013. The scope of this research is focused on infrastructure optimization through the development of a centralized monitoring system to manage thousands of call history records and server performance data. The background of this study is driven by the increasing number of clients and system complexity, which has rendered manual monitoring methods ineffective. This inefficiency leads to risks such as limited performance visibility, potential human error, and undetected security threats. Consequently, this research aims to build an innovative artifact in the form of a web-based VoIP server monitoring system capable of providing automated, centralized, and real-time monitoring. The methodology employed is Design Science Research (DSR) combined with an Agile approach to create a system that is adaptive to the company's changing needs. The system was developed using the Laravel framework, Python for backend processing, Chart.js for interactive visualization, and MySQL for telemetry data storage. The collected monitoring data includes CPU, memory, and disk utilization, connectivity status, and essential port openness, gathered by agents every minute. Implementation results indicate that the system successfully presents current server conditions, detects resource usage anomalies, and provides automated notifications during service disruptions. In conclusion, this system significantly improves operational efficiency, service security, and the quality of VoIP server monitoring, while strengthening the company's position as a reliable and trusted cloud-based communication solution provider in Indonesia.
Implementasi Algoritma Random Forest untuk Menentukan Tingkat Keberhasilan Proyek pada Sistem Work Order (Studi Kasus: PT XYZ) Utomo, Unggul Prasetyo; Zakaria, Hadi
JURNAL FASILKOM Vol. 16 No. 1 (2026): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v16i1.11115

Abstract

PT XYZ is a company focused on technological innovation to provide modern, effective, and efficient solutions across various aspects of life. As a pioneer in the technology evolution industry, PT XYZ combines expertise in software development and the latest technologies to create positive transformation for society and businesses. In project implementation, PT XYZ faces challenges in determining project success levels objectively and measurably, particularly within the context of the work order system. This condition leads to less optimal strategic decision-making, increased risk of losses, and difficulties in conducting comprehensive, data-driven project evaluations. To address these issues, this study develops a web-based project success prediction system within the work order system by implementing the Random Forest algorithm and the Agile development approach. The Random Forest algorithm is developed using the Python programming language to classify project success levels based on several historical parameters, such as completion duration, budget, and profit percentage. The system is equipped with a user interface developed using PHP with the Laravel framework and a MySQL database, enabling efficient and integrated data processing and visualization. The results show that the implementation of the Random Forest algorithm improves prediction accuracy and provides recommendations that can support management in decision-making. The Agile approach also offers high flexibility in adapting the system to user requirements. Through this system, PT XYZ is expected to optimize work order management and proactively minimize the risk of project failure in a data-driven manner.
Implementasi Algortima Gradient Boosting Pada Aplikasi Hutang Piutang Perorangan Secara Berbasis Web Untuk Meningkatan Akurasi Prediksi Pelunasan Hutang: (Studi Kasus : PT Naila Kreasi Mandiri) Muhammad Ridwansyah; Hadi Zakaria
JURIHUM : Jurnal Inovasi dan Humaniora Vol. 1 No. 4 (2023): JURIHUM : Jurnal Riset dan Humaniora
Publisher : CV. Shofanah Media Berkah

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

Abstract

Naila Kreasi Mandiri, yang berdiri sejak tahun 2020 adalah perusahaan yang bergerak di bidang Food and Beverage, yang memiliki pegawai lebih dari 68 orang. PT. Naila Kreasi Mandiri memiliki sebuah permasalahan yang berhubungan dengan manajemen hutang piutang perusahaan. Baik dengan pihak ketiga maupun karyawan sendiri. Sering terjadi ketidaksesuaian antara data hutang piutang dengan data piutang yang ditagih kepada debitur. Hal ini menyebabkan pembayaran hutang piutang oleh debitur tidak sinkron dengan data yang dimiliki perusahaan. Pada akhirnya merugikan perusahaan dan menciptakan laporan hutang piutang yang tidak akurat.Untuk mengatasi masalah tersebut, penulis melakukan penelitian menggunakan metode Gradient Boosting pada Aplikasi hutang piutang perorangan secara online berbasis web. Tujuan dari penelitian ini adalah untuk meningkatkan akurasi prediksi pelunasan hutang guna memprediksi risiko gagal bayar dan mengambil tindakan pencegahan yang diperlukan untuk meminimalkan risiko kerugian bagi perusahaan. Hasil penelitian ini dapat membantu perusahaan dalam mengelola hutang piutang dengan lebih efektif dan meningkatkan kepercayaan karyawan dan perorangan sebagai pelanggan, Dalam penelitian ini penulis menggunakan bahasa pemograman PHP, Framework Laravel, dan Database MySQL untuk menyimpan datanya. Dari hasil penelitian ini diharapkan aplikasi Sistem Manajemen Hutang Piutang dengan metode Algoritma Gradient Boosting ini, dapat mengoptimalkan manajemen penagihan hutang piutang perusahaan, baik dengan karyawan maupun dengan pihak ketiga. Secara maksimal dan tercatatan dengan baik di database perusahaan.
Penerapan Metode Deep Learning Pada Aplikasi Pembelajaran Menggunakan Sistem Isyarat Bahasa Indonesia Menggunakan Convolutional Neural Network : (Studi Kasus : SLB-BC Mahardika Depok) Ayu Anggraini; Hadi Zakaria
JURIHUM : Jurnal Inovasi dan Humaniora Vol. 1 No. 4 (2023): JURIHUM : Jurnal Riset dan Humaniora
Publisher : CV. Shofanah Media Berkah

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

Abstract

Sekolah luar biasa tunarungu (SLB-BC) Mahardika Depok merupakan sekolah berkebutuhan khusus untuk anak – anak tunarungu yang telah berdiri sejak tahun 1999. Sekolah ini bergerak dibidang pendidikan, membantu peserta didik penyandang disabilitas agar mampu mengembangkan sikap, pengetahuan, danketerampilan dengan baik. Namun terdapat beberapa hambatan dalam pembelajaran, yakni kurangnya tenaga pendidik yang memadai, rasa bosan peserta didik dalam menerima pembelajaran, hingga pembelajaran yang diberikan baik berbasis teori maupun praktek menjadi tidak efisien. Untuk mengatasi persoalan tersebut dan mempermudah tenaga pengajar memberikan materi pelajaran, diperlukannya cara baru dalam pembelajaran bahasa isyarat bagi peserta didik. Dalam penelitian ini penulis menggunakan bahasa pemograman yaitu Python dan Kotlin dengan tools Google Colab, Android Studiodan database PostgreSQL sebagai penyimpanan data kurikulum Bahasa Isyarat (SIBI), serta Convolutional Neural Network sebagai arsitektur jaringan saraf yang telah terbukti sangat efektif dalam memproses dan menganalisis data gambar sebagai pembelajaran bahasa isyarat berbasis Machine Learning dengan metode Deep Learning dan metode RAD sebagai perancangannya. Diharapkan pembuatan aplikasi pembelajaran berbasis mobile ini dapat mempermudah peserta didik dalam menangkap materi yang diberikan oleh guru dan memperoleh cara baru dalam bahasa isyarat.
Implementasi Sistem Pendukung Keputusan Untuk Penambahan Bonus Tahunan Sales Menggunakan Metode Moora Berbasis Web: (Studi Kasus : PT. Icons Media Nusantara) Listiyo Arief Nugroho; Hadi Zakaria
JURIHUM : Jurnal Inovasi dan Humaniora Vol. 1 No. 4 (2023): JURIHUM : Jurnal Riset dan Humaniora
Publisher : CV. Shofanah Media Berkah

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

Abstract

PT. Icons Media Nusantara adalah perusahaan yang bergerak di bidang Solusi Komunikasi, yang berdiri sejak tahun 2018 di Kota Tangerang Selatan. Perusahaan ini memiliki sebuah kendala yang berhubungan dengan pembagian bonus perusahaan kepada tim sales, dimana bonus tersebut tidak diterima sesuai dengan naiknya pencapaian target penjualan. Sehingga diperlukan suatu penentuan penerima kenaikan bonus agar pelaku sales dapat mencapai nilai penjualan lebih baik dari sebelumnya. Oleh karena itu, dalam memecahkan masalah tersebut dibutuhkan Sistem Pendukung Keputusan untuk menentukan penambahan bonus tahunan dengan menggunakan metode MOORA (Multi-Objective Optimization on Basis of Ratio Analysis). Penulis melakukan penelitian dengan cara memilih beberapa kriteria yang sesuai dengan kelayakan kenailai bonus tahunan, dalam penulisan ini penulis menggunakan bahasa pemrograman Hypertext Preprocessor (PHP) dan Database MySQL untuk menyimpan datanya. Dari hasil penelitian yang penulis lakukan diharapkan Implementasi Sistem Pendukung Untuk Penambahan Bonus Tahunan dengan metode MOORA ini, dapat menghasilkan kepuasan bagi pelaku sales agar mendapatkan kompensasi yang sesuai dengan pencapaian penjualan PT. Icons Media Nusantara.
Penerapan Framework Laravel Dalam Rancangan Aplikasi Data Warehouse Untuk Optimalisasi Pencarian Barang Dengan Metode Lifo Siti Khoiriyah Ramdani; Hadi Zakaria
JURIHUM : Jurnal Inovasi dan Humaniora Vol. 1 No. 4 (2023): JURIHUM : Jurnal Riset dan Humaniora
Publisher : CV. Shofanah Media Berkah

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

Abstract

Kickoff Sports merupakan salah satu perusahaan online shop yang bergerak di bidang industri olahraga yang berkiprah sejak tahun 2016. Kickoff Sports memiliki berbagai macam jenis produk olahraga , seperti sepatu futsal, sepatu bola, sepatu running, jersey dan lainnya. Pengelolaan lokasi barang di kickoff sports masih belum tertata secara baik dan ini berdampak pada sistem pengelolaan gudang yang tidak efesien dan tidak terkontrol dengan baik. Sistem administrasi gudang masih menggunakan secara manual, sehingga sering terjadi ketidak akuratan dalam penginputan data dan keterlambatan dalam membuat laporan,sehingga pengambilan barang sering terjadi keterlambatan. Untuk mengatasi permasalahan di atas penulis menggunakan framework Laravel untuk proses pengembangan website berbasis PHP.metode last in first out dimana unit yang terjual adalah unit yang terakhir masuk, sehingga mempermudah pengorganisasian barang, baik pemasukan maupun penambilan barang, dan barang akan cepat terjual. System ini di lengkapi dengan informasi lokasi barang sehingga mempercepat pengambilan barang keluar masuk untuk mengantisipasi barang minus .serta database MySQL sebagai penyimpanan data daftar barang. Dan penulis menggunakan RAD dalam membuat alur perancangannya. Diharapkan dengan dibuatnya aplikasi gudang berbasis web ini dapat memudahkan staf gudang untuk melihat informasi barang yang dicari sesuai kode barang dan lokasi barang yang tersimpan di gudang sehingga staf gudang bisa mengambil barang secara cepat dan tepat.
Transformasi Digital Manajemen Presensi Berbasis Web Secara Real-Time dalam Optimalisasi Pengawasan Partisipatif Orang Tua di SMP Pelita Bangsa - Global Islamic School Joel Leonard Tampubolon; Hadi Zakaria; Ilyas Maulana; Imam Wahidin; Putri Andriani; Putri Elisabeth Sihombing; Sary Dwita Sihombing; Ridhwan Anang Ma’ruf; Titan Prasetyo; Silky Setiawan; Sumarni Marwati
APPA : Jurnal Pengabdian Kepada Masyarakat Vol 4 No 1 (2026): APPA : Jurnal Pengabdian kepada Masyarakat 
Publisher : Shofanah Media Berkah

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

Abstract

Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan untuk mendukung transformasi digital manajemen presensi siswa di SMP Pelita Bangsa - Global Islamic School melalui pengembangan sistem informasi presensi berbasis web secara real-time. Permasalahan utama yang melatari kegiatan ini adalah keterbatasan pengawasan orang tua terhadap kehadiran anak di sekolah akibat sistem presensi manual yang tidak memberikan informasi secara langsung dan menyeluruh, khususnya pada tingkat kehadiran per mata pelajaran. Metode yang digunakan dalam kegiatan ini meliputi analisis kebutuhan, perancangan sistem (basis data, antarmuka, dan arsitektur aplikasi), pengembangan perangkat lunak menggunakan kerangka kerja Laravel dan React, implementasi pilot pada satu kelas perwakilan, serta pelatihan penggunaan sistem bagi guru, admin, dan orang tua siswa. Sistem yang dikembangkan, dinamakan SIPRESENS (Sistem Informasi Presensi dan Pengawasan Siswa), memungkinkan guru mencatat kehadiran siswa per sesi mata pelajaran dan secara otomatis mengirimkan notifikasi melalui WhatsApp kepada orang tua apabila siswa tercatat tidak hadir, izin, atau sakit. Hasil dari kegiatan ini menunjukkan bahwa penerapan sistem presensi digital real-time dapat meningkatkan keterlibatan partisipatif orang tua dalam memantau kehadiran anak, mempermudah guru dalam proses pencatatan dan pelaporan, serta memberikan data kehadiran yang lebih akurat dan akuntabel bagi pihak sekolah. Kegiatan ini diharapkan dapat menjadi model penerapan teknologi tepat guna dalam mendukung tata kelola administrasi pendidikan di tingkat sekolah menengah pertama.
Klasifikasi Penyakit Jamur Pada Tanaman Tomat dengan Algoritma SVM Eka Sri Rahayu; Oktaviana Anugrah Ade Purnama; Hadi Zakaria; Perani Rosyani
Bulletin of Computer Science Research Vol. 5 No. 4 (2025): June 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i4.515

Abstract

Diseases in tomato plants, such as mosaic virus and yellow leaf curl virus, can significantly reduce crop yields. Therefore, early detection based on artificial intelligence (AI) presents a strategic solution to improve the efficiency of plant disease identification. This study aims to develop and evaluate a classification model using Support Vector Machine (SVM) for the automatic and accurate detection of tomato leaf diseases. SVM is selected as the primary classification method due to its ability to handle high-dimensional data with better computational efficiency compared to Convolutional Neural Network (CNN) and Random Forest. The dataset used is the PlantVillage Tomato Leaf Dataset from Kaggle, consisting of 600 images categorized into three classes: healthy tomato leaves, leaves affected by mosaic virus, and leaves affected by yellow leaf curl virus. The research stages include data preprocessing such as image normalization, dataset splitting (80% training, 20% testing), and undersampling to address class imbalance. The SVM model is trained using various kernels and evaluated using accuracy, precision, recall, and F1-score metrics. The results show that the SVM model achieves an accuracy of 98.33%, demonstrating its effectiveness in detecting tomato plant diseases. Therefore, this model can be implemented in smart agriculture systems to enhance early disease detection and assist farmers in optimizing crop yields.
Co-Authors Achamad Syahrul Achmad Udin Zailani Adam Gustiawan Adbillah, Muhammad Iman Adela Fadli, Putri Adi Kurnia Sena Aditya Putra Maulana Adriansyah, Fikri Ageng Putra Mulya Agung Kurnia Solihin Agung Nugroho, Fajar AGUNG SETIAWAN Agus Mulyono Agus Winarno, Agus Ahmad Faisal Ahmad Rifa'i Ahmad Syahid Jindan Ahmad Zidan Aida Eka Marlia Aji Saputra Alam, Indraja Alamsyah, Tajul Alan Febriansyah Alfath Sidik Ali Mahpudin Alimudin, M. Aziz Allifiah Firnando Alvino Oktaviano Alwi Al Agiv Amin, Faisal An Nisa Dira Andre Farhan Saputra Andri Firman Saputra Anggreani Br.Sormin, Natalia Anggreyni, Ayu Anissa Puspitasari Aqil Farhan, Muhammad Ardhiansyah, Maulana Ari Mulyoto Arif Fajar Fadillah Aris Priyanto Ariyas Pratama Ramadhan Arraniri, Nuruddin Arya Sena, Alven Asep Yudistira Saputra Asshadath, Farhan Aufarramdhi, Rizki Aulia Rizki, Muhammad Awaliyatunniza, Putri Awaludin, Ibnu Ayu Anggraini Ayuningtyas Putri M Azhar, Muhammad Aditya Azzahra Ridwan Dalfin Susanto Damayanti, Riana Daniel Prastyo Dede Muhar Ardiansyah Dena Wulandari Dendy Syahrul Kamil Detina Euis Nuraini Devita Maulina Cahyani Dewa Fortuna Dewi Safutri Diah Prastyani Diaz Aji Sasongko Dila Fadilah Dimas, Dimas Adjie Dwi Riyanto Ebenheser Atakari Eka Sri Rahayu Elfi Fauziah Fachriza Khairul Fajri Fahri Patir Ramadhan Faiz Fauzy Fajar Setiawan Farsya Runa Supriyatna Fathu Ramadhan, Miftah Fauzi, Ahmad Rezki Febiyanto, Dedy Fikriansyah , Muhamad Furkon, Muhammad Ghufron Malik Azizi Ghufroniyah, Muflihatul Gilang Azis Ramadhan Gustiani, Andini Hakim, Ilham Abdul Hasrat Setiawan Gulo Hedwin Winata Halawa Herlan Ramadhan Hernanda Saripudin, Fajri Ibnoe Malik Ilham Bustomi Ilyas Maulana Imam Wahidin Imam Wahidin Indah Purwati Intan Tri buana Iqbal Suyudi Wijaya, Mochammad Irene Nur Utami Ismail Joe Hadi Saputra, Steven Joel Leonard Tampubolon Joswan Surya Wijaya Julianto, Rahmat Khatijah Omar Khoirun Nisa, Sevhia Kohar Krismonica Ningsih, Triani LINDAWATI Lisa Ardeliana Lisa Raudatul Jannah Listiyo Arief Nugroho Liyana Febriyanti Liyen Mulya M. Syauqi Alfayyadh Marlia, Aida Eka Marsandy Rulian Maulana Akbar, Fauzi Maulidan Jaya Angkasa Meidina, Firda Melisa Dwi Hestiani Micko Biagi, Muhammad Miftahul Falah Miftahul Falah, Adam Mochamad Febry Herdian Mohamad Eko Saifudin Mohammad Zaki, Beningsha Muhamad Farhan Praditya Muhamad Haykal Muktabar Muhamad Rezka Al Anshori Muhamad Rosdiana Muhammad Arief Ramadhan Muhammad Asrizal Muhammad Bryan Putra H Muhammad Dizkri Amrullah Muhammad Dzaki Ilhami Muhammad Farras Haidar Muhammad Fikri Muhammad Fikri Romadhon Muhammad Haiqal Latief Muhammad Iqbal Bintang Muhammad Likario Muhammad Malik Khalil Muhammad Rafli Muhammad Rafli Efendi Muhammad Ridwansyah Muhammad Rifa’I Muhammad Rifqi Muhammad Shaleh Muhammad, Rifaldie Munawaroh Munawaroh - Mu’ammar Kurniawan Nabila Bilqis Nator Diego Sitorus Naza Riski Romah Doni Nendi Setiawan Niki Ratama Nikmatul Chasanah Noris, Shandi Nugroho Candra Dimuka Nur Jaya Nurkhalifah Akbal, Adinda Oktafiandi, Randu Oktalia, Cici Oktaviana Anugrah Ade Purnama Pandu Wiliantoro Patricia Zefanya, Kezia Perani Rosyani Pniel Timotius Dima Pramudya Reynaldi Salim Pratama Pujiyatno, Azfa Puji Lestari, Dyta Putra Bagus Satrio Putri Andriani Putri Elisabeth Sihombing Putri Nur Karisma Dewi, Ardila Rachmad Husaeni, Fahri Raihan Amsyah, Rahmad Raihan Ilyasah Ranti Amanda Rizkia Rara Anggraeni Reizal Putra Hidayat, Muhamad Reza Putra Nurhudaya Ridhwan Anang Ma’ruf Rifki Ichsan Fauzi Rindiyani Riska Fitriyani Riswal Hanafi Rizal Fauzi Rizki Fadilah, Muhamad Rizky Ramdhani, Rizky Rizky Saputra, Ilham Rizqi Wahyuni Rohmahwati Sabri Maulana M. Saiful Mujab, Saiful Samalo, Nurali Samirudin Annas Alfattah Samsoni Samsoni Samsoni Sapta Nurhayadi, Dony Saputra, Roby Saputra, Sugeng Sari, Aulia Kurnia Sartika Lina Mulani Sitio Sary Dwita Sihombing Satifa, Risa Satrio Novianto, Rifqy Saynu Ahmad Habibi Septianti Septiyani Mardiyana Setya Ningsih, Eka Sevlina Prisca Yolanda Sheva Nurmansyah, Muhammad Shinta Zulfa Zerlita Shoddam Palah Shuja, Affan sidiq , Rizal jafar Sifa Nur Faujiah Silky Setiawan Siti Khoiriyah Ramdani Sulhan Reisqi Saputra Sulhanuddin, Muhammad Sumarni Marwati Syahdan , Muhammad Syahril Syahrul Wujud Syarifuddin, Nurhalimah Syawalia Zahra Taufikurrohman Titan Prasetyo Tri Prasetyo Prast Triyanto, Aripin Ubaydillah, Muchamad Udin Zaelani, Achmad Utomo, Unggul Prasetyo Veliana Putri Ayu Saban Yoga Zahrudin Yudha Nur Muharram Yudhistira Gibran Zaelani , Ahmad Zahrotul Jannah, Nabila Zurnan Alfian