p-Index From 2021 - 2026
10.994
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Pixel : Jurnal Ilmiah Komputer Grafis SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Informatika dan Teknik Elektro Terapan CESS (Journal of Computer Engineering, System and Science) Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Komputer Terapan CogITo Smart Journal Indonesian Journal of Artificial Intelligence and Data Mining INOVTEK Polbeng - Seri Informatika JURNAL ILMIAH INFORMATIKA JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JURNAL INSTEK (Informatika Sains dan Teknologi) ILKOM Jurnal Ilmiah INTECOMS: Journal of Information Technology and Computer Science Digital Zone: Jurnal Teknologi Informasi dan Komunikasi JURIKOM (Jurnal Riset Komputer) CSRID (Computer Science Research and Its Development Journal) JOISIE (Journal Of Information Systems And Informatics Engineering) EDUMATIC: Jurnal Pendidikan Informatika Jurnal Informatika dan Rekayasa Elektronik Zonasi: Jurnal Sistem Informasi JSR : Jaringan Sistem Informasi Robotik Jurnal Restikom : Riset Teknik Informatika dan Komputer Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Indonesia : Manajemen Informatika dan Komunikasi Jurnal J-PEMAS Jurnal Dinamika Informatika (JDI) Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) sudo Jurnal Teknik Informatika Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Algoritma JAIA - Journal of Artificial Intelligence and Applications Jurnal Komtekinfo Malcom: Indonesian Journal of Machine Learning and Computer Science DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Innovative: Journal Of Social Science Research SATIN - Sains dan Teknologi Informasi VISA: Journal of Vision and Ideas Jurnal Indonesia : Manajemen Informatika dan Komunikasi Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer The Indonesian Journal of Computer Science INOVTEK Polbeng - Seri Informatika
Claim Missing Document
Check
Articles

Penerapan Algoritma K-Means Clustering dalam Menganalisis Tren Konsumen E-Commerce Putra, Andika Mahesa; Rahmaddeni, Rahmaddeni; Saputra, Candra; Hidayatullah, Rahmat; Irsandi, Safril
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 6, No 2: DESEMBER 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v6i2.7419

Abstract

Penelitian ini membahas penerapan algoritma K-Means untuk menganalisis perilaku konsumen pada platform e-commerce. Dengan menggunakan dataset yang terdiri dari 3.900 entri pelanggan, data diproses melalui tahapan preprocessing, normalisasi Min-Max, dan encoding. Jumlah klaster optimal ditentukan menggunakan metode Elbow dan Silhouette Score, menghasilkan dua segmen utama pelanggan: aktif dan pasif. Visualisasi dengan PCA menunjukkan pemisahan klaster yang jelas. Hasil ini memberikan wawasan strategis bagi perusahaan untuk menyusun pendekatan pemasaran berbasis data yang lebih efektif, serta meningkatkan loyalitas pelanggan dan pendapatan bisnis. 
Framework for Analyzing Netizen Opinions on BPJS Using Sentiment Analysis and Social Network Analysis (SNA) Anam, M Khairul; Mahendra, Muhammad Ihza; Agustin, Wirta; Rahmaddeni, Rahmaddeni; Nurjayadi, Nurjayadi
INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Vol 6 No 1 (2022): February 2022
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (514.221 KB) | DOI: 10.29407/intensif.v6i1.15870

Abstract

The Social Security Administrative Body is a legal entity established to administer social security programs. News about BPJS policies is often found online and social media that has received responses from netizens as a form of public opinion on the policy. One of them is the opinion of netizens on social media Twitter. Ideas can be positive, neutral, or negative. These opinions are processed using the Support Vector Machine (SVM) method, in some SVM studies still getting unsatisfactory results, with rates below 60%. For this reason, it is necessary to have feature selection or a combination with the other methods to obtain higher accuracy. To see the actors who influence the opinion of netizens on the topic of BPJS, the Social Network Analysis (SNA) method is used. Based on the SVM Method's test results, the best accuracy results are obtained in combining the SVM Method with Adaboost, with an accuracy rate of 92%. Compared to the pure SVM method by 91%, the Combination of SVM Particle Swarm Optimization (PSO) by 87% and SVM using Feature Selection Genetic Algorithm (GA) by 86%.
MODEL PREDIKSI STUNTING PADA BALITA MENGGUNAKAN ALGORITMA NAÏVE BAYES fadillah, m; Gusti Firmansyah, Mulia; Khairuddin, M.; Rahmaddeni; Efrizoni, Lusiana
Jurnal Dinamika Informatika Vol. 13 No. 1 (2024): Jurnal Dinamika Informatika
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v13i1.292

Abstract

This study investigates the use of Naive Bayes algorithm for child stunting classification based on health and nutrition data. This study aims to identify factors that influence the risk of stunting and develop a predictive model that can assist in stunting prevention and intervention. The research methodology includes initial data processing, division of the dataset into training and testing sets, model training using the Naive Bayes algorithm, and evaluation of model performance through metrics such as accuracy, precision, and recall. The results showed that the Naive Bayes model achieved an accuracy of 72.49% for training data and 81.25% for testing data. Confusion matrix analysis shows a precision value of 0.911 and recall of 0.710 for training data; for testing data, the precision value is 0.914 and recall is 0.842. The results show that the Naive Bayes model is able to perform stunting classification quite well, although there are some limitations, such as the conditional independence assumption that may not be met at all times. This research provides insight into how classification models can be used in public health, particularly in efforts to detect and prevent stunting. The results are promising, but further evaluation is needed to optimize the model and ensure that it can be used effectively in the real world.
Implementation of Retrieval-Augmented Generation  Method on Large Language Model for Development of Campus Service and Information Chatbot Muhammad Dzaki Salman; Rahmaddeni; Torkis Nasution; Susanti
INOVTEK Polbeng - Seri Informatika Vol. 11 No. 1 (2026): February
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/3y9hy151

Abstract

Large language models have the potential to improve the quality of information services in higher education environments through responsive and natural interactions. However, LLMs are prone to generating answers that are not supported by valid knowledge sources due to knowledge cut-off limitations. This study implements Retrieval-Augmented Generation on LLMs to build an information service chatbot for the Indonesian University of Science and Technology (USTI). RAG is built using a hybrid retrieval mechanism that combines dense retrieval and sparse retrieval (BM25) through reciprocal rank fusion and is equipped with cross-encoder reranking. The knowledge base is compiled from official and public documents obtained through the USTI website. The evaluation was conducted using 13 test queries by comparing several configurations to analyze the contribution of each component. The evaluation results show that the hybrid retrieval configuration produces the best retrieval performance with Precision@3 of 71.7%, Recall@3 of 87.5%, and NDCG@3 of 96.3%. In addition, the application of RAG improved the quality of answers compared to LLM without retrieval, as shown by an increase in BERTScore-F1 from 84.8% to 89.4% and a faithfulness score of 88.8%. These findings indicate that RAG integration improves the relevance of LLM answers to source documents, with the hybrid configuration providing an optimal balance between retrieval quality and faithfulness.
Klasifikasi Pengaduan Kekerasan Berbasis Bidirectional Encoder Representations from Transformers (BERT) pada Kementrian Pemberdayaan Perempuan dan Perlindungan Anak Kementrian (PPPA) Jundi, Muhammad; Rahmaddeni, Rahmaddeni; Utami, Putri; Perdana Arifin, Satria; Sinaga, Leonardo
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1109

Abstract

Kekerasan terhadap perempuan dan anak merupakan isu serius di Indonesia, dengan ribuan laporan masuk setiap tahun ke lembaga perlindungan. Sebagian besar laporan disampaikan dalam bentuk narasi bebas, yang menyulitkan proses identifikasi jenis kekerasan dan respon yang cepat. Penelitian ini mengembangkan model klasifikasi otomatis berbasis IndoBERT untuk mendeteksi jenis kekerasan dan sentimen pelapor secara simultan. Model dilatih menggunakan pendekatan multi-task learning dengan dua label keluaran: kategori kekerasan (multi-label) dan sentimen (biner). Dataset terdiri dari laporan berbahasa Indonesia yang telah dianotasi manual. Evaluasi dilakukan pada data uji (20%) menggunakan metrik F1-score, precision, dan recall. Hasil menunjukkan bahwa model mencapai F1-score sebesar 0,8528 untuk klasifikasi kekerasan dan 0,8375 untuk sentimen. Pengujian pada narasi fiktif juga membuktikan ketepatan model dalam menangkap konteks semantik dan ekspresi emosional pelapor. Model ini menunjukkan potensi signifikan untuk mendukung lembaga pemerintah dalam mempercepat analisis dan tindak lanjut laporan kekerasan secara digital.
Klastering Perbandingan Metode Machine Learning untuk Klastering Penerima Bantuan Pendidikan Siswa Gusmansyah, Rafly; Rahmaddeni, Rahmaddeni; Rohid, Rohid; Rivaldi, Ahmad; Daulay, Suandi
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1139

Abstract

Penelitian ini membandingkan tiga algoritma clustering Fuzzy C-Means, K-Medoids, dan Hierarchical Clustering untuk mengelompokkan siswa sebagai calon penerima bantuan pendidikan berdasarkan data sosial. Data yang digunakan berasal dari MTsN 1 Kota Pekanbaru sebanyak 1.200 entri dan mencakup atribut seperti penghasilan orang tua, jumlah tanggungan, dan prestasi akademik. Principal Component Analysis (PCA) digunakan untuk mereduksi dimensi data sebelum proses klasterisasi. Hasil evaluasi menggunakan Silhouette Coefficient dan Davies-Bouldin Index menunjukkan bahwa Fuzzy C-Means memberikan performa terbaik dengan nilai Silhouette 0.449 dan DBI 0.779. K-Medoids mencatatkan nilai Silhouette 0.436 dan DBI 0.787, sedangkan Hierarchical Clustering memperoleh Silhouette 0.405 dan DBI 0.790. Visualisasi hasil menunjukkan bahwa distribusi kategori siswa “Sangat Layak”, “Layak”, dan “Tidak Layak” paling proporsional dihasilkan oleh Fuzzy C-Means. Temuan ini mengindikasikan bahwa Fuzzy C-Means lebih efektif dalam menangani data sosial yang kompleks dan sesuai untuk digunakan sebagai basis sistem pendukung keputusan dalam seleksi penerima bantuan pendidikan.
Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Terhadap Produk Skincare Jasmarizal; Junadhi; Rahmaddeni; M. Khairul Anam
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3654

Abstract

Perawatan kulit telah menjadi aspek yang signifikan dalam pola hidup modern. Kesadaran masyarakat terhadap penampilan dan kesehatan kulit semakin meningkat, mendorong permintaan terus berkembang untuk produk skincare. Konsumen sering menghadapi kesulitan dalam memilih produk yang sesuai dengan jenis kulit mereka, di mana ulasan dari pengguna lain bisa menjadi panduan berharga, namun juga berpotensi menyebabkan kebingungan jika tidak dikelola dengan baik. Mengetahui sentimen konsumen terhadap produk skincare tidak hanya membantu produsen dan pengecer memahami penerimaan produk, tetapi juga memberikan arahan bagi konsumen lain dalam pengambilan keputusan. Kemajuan dalam teknologi analisis sentimen memungkinkan penelitian yang lebih efisien dan akurat terhadap pandangan konsumen mengenai produk skincare. Analisis sentimen dapat dijalankan secara otomatis menggunakan algoritma dan model kecerdasan buatan, di mana Support Vector Machine (SVM) menjadi salah satu metode yang efektif dalam permasalahan klasifikasi. SVM memberikan wawasan mendalam mengenai sentimen yang terkandung dalam ulasan konsumen. Dataset yang digunakan mengandung komentar dan ulasan dari pengguna terkait produk skincare MS Glow, dengan total 3.006 data. Proses selanjutnya melibatkan tahap pre-processing data, yang mencakup langkah-langkah seperti Case Folding, Normalisasi Data, Tokenisasi, Filtrasi Stop Words, dan Stemming. Pada tahap pemodelan, SVM digunakan untuk mengklasifikasi sentimen atau opini pengguna terhadap produk skincare tersebut. Hasil akhir menunjukkan bahwa model dengan ketidakseimbangan kelas mengalami overfitting, di mana performa model optimal hanya pada data pelatihan dan kurang efektif pada data uji. Namun, dengan melatih model menggunakan kelas yang seimbang dan menerapkan teknik SMOTE, ditemukan hasil optimal, mencapai akurasi sebesar 99.60% dan nilai f1-score sebesar 98.55%.
Komparasi Algoritma K-Nearest Neighbors dan Naïve Bayes dalam Klasifikasi Penyakit Diabetes Gestasional Ermy Pily, Annisa Khoirala; Oktavianda; Aprilia, Fanesa; Rahmaddeni; Efrizoni, Lusiana
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3714

Abstract

Diabetes merupakan penyakit metabolik dengan gejala hiperglikemia akibat gangguan sekresi insulin dan aksi insulin. Diabetes gestasional adalah gangguan toleransi glukosa pada wanita hamil. Saat kehamilan, plasenta menghasilkan hormon baru seperti human placental lactogen (HPL), hormon estrogen, dan hormon peningkat resistensi insulin. Gejala diabetes gestasional tidak selalu mudah dikenali, dan seringkali penderitanya mengalami gejala awal secara tidak sadar. Penelitian ini bertujuan untuk membandingkan performa dua algoritma yaitu K-NN dan Naïve Bayes dengan Feature Selection dalam mengklasifikasikan penderita diabetes gestasional. Hasil error terendah dari feature selection dengan iterasi K=4, memperoleh MAE 0.317, MSE 0.142, dan RMSE 0.377. Hasil akurasi pada model KNN dengan K=5 , tanpa Feature Selection sebesar 80% dan K-NN dengan Feature Selection sebesar 77%. Sementara itu, Naïve Bayes tanpa Feature Selection sebesar 77% dan Naïve Bayes dengan Feature Selection sebesar 80%. Dari hasil tersebut K-NN tanpa Feature Selection dan Naïve Bayes dengan Feature Selection mendapatkan hasil yang lebih baik.
Perbandingan Algoritma XGBoost dan SVM Dalam Analisis Opini Publik Pemilihan Presiden 2024 Safitri, Dea; Susanti; Rahmaddeni; Fitri, Triyani Arita
The Indonesian Journal of Computer Science Vol. 13 No. 3 (2024): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i3.4041

Abstract

Pemilihan presiden dipengaruhi oleh berbagai faktor, termasuk latar belakang kandidat, masalah politik, dan preferensi ideologis, menjadikan pemilihan presiden sebagai subjek klasifikasi yang kompleks dan menarik. Menganalisis sentimen publik terhadap kandidat dan isu-isu politik memberikan wawasan penting tentang dinamika politik selama pemilihan. Penelitian ini berfokus pada pemilihan presiden dan membandingkan kinerja dua algoritma klasifikasi populer, XGBoost dan SVM, untuk menentukan metode mana yang lebih efektif. Setelah beberapa preprocessing teks dari 562 tweet, kami menemukan bahwa mayoritas pengguna Twitter cenderung memilih 347 tweet "Prabowo". Model Extreme Gradient Boosting (XGBoost) menunjukkan performa terbaik dengan presisi 78%, presisi 76%, recall 78%, dan skor f1 76%. Hasil ini menunjukkan bahwa XGBoost adalah model terbaik untuk mengklasifikasikan opini publik terkait pemilihan presiden 2024 dan memberikan kontribusi penting untuk memahami efektivitas metode klasifikasi dalam konteks pemilihan presiden.
Comparison of Support Vector Machine and XGBSVM in Analyzing Public Opinion on Covid-19 Vaccination Rahmaddeni, Rahmaddeni; Anam, M. Khairul; Irawan, Yuda; Susanti, Susanti; Jamaris, Muhammad
ILKOM Jurnal Ilmiah Vol 14, No 1 (2022)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v14i1.1090.32-38

Abstract

The corona virus has become a global pandemic and has spread almost all over the world, including Indonesia. There are many negative impacts caused by the spread of COVID-19 in Indonesia, so the government takes vaccination measures in order to suppress the spread of COVID-19. The public's response to vaccination was quite diverse on Twitter, some were supportive and some were not. The data used in this study came from Twitter which was taken using the drone emprit portal, using the keyword, namely "vaccination". The classification will be carried out using the SVM and hybrid methods between SVM and XGBoost or what is commonly called XGBSVM. The purpose of this study is to provide an overview to the public whether the Covid-19 vaccination actions carried out tend to be positive, neutral or negative opinions. The results of the sentiment evaluation that have been carried out can be seen that SVM has the highest accuracy of 83% with 90:10 data splitting, then XGBSVM produces 79% accuracy with 90:10 data splitting.
Co-Authors -, Dedek Ispandi A, M. Nakhlah Farid Adhitya Karel Maulaya Afiatuddin, Nurfadlan Agung Pratama Agung Pratama Agustin Agustin Agustin -, Agustin Agustin Agustin Agustin, Endy Wulan Agustriono Agustriono, Agustriono Aisy, Alaysha Rihadatul Aisyah Nurul Putri Akbar, Vitto Rezky Alaysha Rihadatul Aisy Aldino Evel Alfianda, Baginda Anam, M Khairul Ananta, Nita Anderson, Ranap Andi Kurnianto Andri Setiawan Anugraha, Yoga Safitra Aprilia, Fanesa Aprillian Kartino Arifin, Muhammad Amirul Asrofiq, Ahmad Aulia Putri Azdar, Qowiyyu Azfar Huzaifah Siregar B, Ilham Br.Situmorang, Elisabet Sinta Romaito Bunga Nanti Pikir Cahyo, M Rizky Dwi Chandra, Deni Cikita, Putri Cindy Syaficha Hardiana Dadynata, Eric Daulay, Suandi De Pani, Raihan Dedek Ispandi - Delfi Delfi, Delfi Deni Chandra Devi Efriadi Devi Puspita Sari, Devi Puspita Dhini Septhya Didik Sazali Diki Daryanto Dini, Ema Djamalilleil, Said Azka Fauzan Edwar Ali Efrizoni, Luasiana Efrizoni, Lusiana Eka, Wisnu Elma Novfuja Elwinda, Masyitah Erlin Ermy Pily, Annisa Khoirala Fadila, Rahmasari fadillah, m Fahreza, Rino Fakhrizal, M. Aggie Farhan Pratama Farida Try Puspa Siregar Fathoni, Muhammad Hafidhatul Fauzan, Aulia Fazri Fazri Febrio Waleska, Rangga Firman Akbar Firman, Muhammad Aditya fitri pratiwi, fitri Fransiskus Zoromi Fransiskus Zoromi Ginting, Alex Elanta Ginting, Lusiana Ginting, Steven Gusmansyah, Rafly Gusti Firmansyah, Mulia H A Supahri Habibah Br. Lumbantobing Hadi Asnal, Hadi Hafid Azis Supahri Hafidh, M. Hafidhatul Fathoni Hamdani Hamdani - Handoko Hanif Wira Saputra Hasnor Khotimah Hayami, Regiolina Hendra Saputra Hendrawan, Heri Herianto - Herianto Herianto Herisnan, Diva Nabila Huda, Isra Bil Ibrahim, Sang Adji Iftar Ramadhan Ihsan, Raja Muhammad Irawan , Sandra Septi Irawan, Sandra Septi Irsandi, Safril Jabbar, Fiqri Abdul Jamaris, Muhamad Jamaris, Muhammad Jasmarizal Jasmarizal Junadhi Junadhi Jundi, Muhamad Jundi, Muhammad Khairuddin, M. Kharisma Rahayu Khusaeri Andesa Koko Harianto Koko Harianto Koko Harianto, Koko Kurniawan, Bambang Kurniawan, Fadly Kurniawan, Zuprizal Lili Marlia Lusiana Efrizoni M Fadhil Arfa M. Arifin M. Azzuhri Dinata M. Irpan Mahdiawan Nurkholifah Mahendra, Muhammad Ihza Mardainis Mardainis Mardainis Marhadi, Nanda Maryani, Lily Maulana, Fitra Michal Dennis Muhaimin, Abdi Muhamad Rizky Dwi Cahyo Muhammad Adji Purnama Muhammad afrizal Muhammad Bambang Firdaus Muhammad Dzaki Salman Muhammad Fajri Jamil Muhammad Fikri Hidayat Muhammad Ridho Al Fathan Mukhsinin, Dimas Aditya Najario, Dimas nanda, afri Nanda, Annisa Nasution , Zikri Hardyan Nita Ananta Nova Indriyani Nurjayadi Nurjayadi Nurkholifah, Mahdiawan Oktavianda Perdana Arifin, Satria Pratama , Nanda Rizki Pratama, Farhan Pratiwi, Elsa Eka Prianto, Robi Purnama, Muhammad Adji Putra, Aldino Putra, Andika Mahesa Putra, Febrianda Putri Utami, Putri Putri, Adinda Dwi Putri, Daffina Zahro R Ismanizan Rabbani, Salsabila Rafliansyah, M Rahmat Hidayatullah Rahmi Rahmi Ramadhani, Jilang Ramadhansyah, Donny Rashid, Rashid Ratna Andini Husen Refni Wahyuni Renaldi, Reno Rinaldi Rinaldi Rini Yanti Rino Fahreza Risky Harahap Risman Risman Rivaldi, Ahmad Rizki Astuti Rizky Rahman Salam Rohana Yola Parastika Hutasoit Rohid Rohid, Rohid Rometdo Muzawi, Rometdo Ryan Ismanizan Safitri, Dea Sahelvi, Elza Salman, Muhammad Dzaki Salsabila Rabbani Sapina, Nur Sapitri, Riska Mela Saputra, Candra Saputra, Haris Tri Saputra, Ilham Saputra, Juliandri Saputra, Pingki Ans Satria, Riyan Sazali, Didik Septhya, Dhini Septia, Rapindra Setiawan , Andri Setiawan, Ahmad Agung Sholekhah, Fitriana Sigit, Rapel Aprilius Sinaga, Leonardo Singgih - Widiantoro Siregar, Azfar Huzaifah Soni Suhada, Khairus Sukri Adrianto Sukri Adrianto Supian, Acuan Susandri, Susandri SUSANTI Susanti Susanti Susanti, Susanti Sutisna Sutisna Syahrul Imardi Syarfi Aziz Syarifuddin Elmi T. Sy. Eiva Fatdha Tahiyat, Hafsah Fulaila Taupik Hidayat, Taupik Torkis Nasution Tri Revaldo, Bagus Triyani Arita Fitri Try Puspa Siregar, Farida Ulfa, Arvan Izzatul Ulfah, Aniq Noviciate Umar, Yusran Unang Rio Uthami, Kurnia Vindi Fitria wahyu, haditya Wahyudi, Gustri Romi Wicaksono, M Teguh Wicaksono, M. Teguh Widia Ningsih, Widia Wirta Agustin Wirta Agustin Wulandari, Denok Yansyah Saputra Wijaya Yesaya Twin Situmorang Yogi Yunefri, Yogi Yoyon Efendi Yuda Irawan Yulia Fatma Yusran Umar Yusril Ibrahim Zairi Saputra zairi saputra Zalianti, Fenisya Zega, Wilman Zikri Hadryan nst Zuriatul Khairi Zuriatul Khairi