Article Per Year (5 Year)
p-Index From 2020 - 2025
11.847
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) 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 MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer 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 Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) sudo Jurnal Teknik Informatika Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence 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
Rahmaddeni Rahmaddeni
STMIK Amik Riau
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Public Health Social Sciences Other

Published : 108 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 108 Documents
Search

 3   4   5   6   7 
Rancangan Web E-Learning Sebagai Media Pendukung Proses Pembelajaran Edwar Ali -; Susandri -; Rahmaddeni -
SATIN - Sains dan Teknologi Informasi Vol 3 No 2 (2014): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (6330.492 KB) | DOI: 10.33372/stn.v3i2.360

Abstract

Electronic-learning (e-learning) merupakan media untuk menjadikan  proses belajar menjadi lebih efektif dan efisien dalam sistem pembelajaran blended . Salah satu teknologi yang cocok untuk membuat sistem learing efektif dan efisien menjadi kenyataan adalah dengan menggunakan situs web. Tetapi untuk membuat situs web yang mudah untuk dikelola, diperlukan kerangka pengembangan yang tepat. Prado-Framework, sebagai kerangka berbasis komponen dan event-driven, dapat menjadi solusi untuk membuat situs web yang mudah untuk dikelola. Kerangka tersebut adalah dapat dijalankan pada PHP-Framework dan dapat digunakan dalam aplikasi web e-learning untuk membuat situs web yang mudah untuk dikelola dan lengkap tentang fitur pembelajaran yang dibutuhkan. Fitur yang disediakan pada aplikasi ini adalah mengelola pengguna, mengelola lembaga, mengelola ujian, mengelola latihan-latihan, mengelola tugas, dan fitur komunikasi seperti pesan, forum dan diskusi untuk memperkaya interaksi antara pengguna pada aplikasi e-learning.
Membangun Sistem Informasi Manajemen Laboratorium Komputer (SILABKOM) STMIK-AMIK Riau Rahmaddeni -; Dedek Ispandi -
SATIN - Sains dan Teknologi Informasi Vol 3 No 2 (2014): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (633.579 KB) | DOI: 10.33372/stn.v3i2.364

Abstract

Kebutuhan akan informasi saat ini menjadi sebuah keharusan bagi setiap individu maupun organisasi. Salah satu media  untuk mendapatkan informasi yaitu melalui internet. Setiap orang maupun organisasi dapat mencari segala sesuatu yang dibutuhkan dengan menggunakan internet melalui sebuah alamat website. Begitu juga dengan laboratorium komputer yang ada dikampus STMIK-AMIK Riau. Semua informasi yang ada dan manajemen data laboratorium membutuhkan suatu sistem yang berbasiskan web sehingga dapat diakses oleh semua kalangan kampus STMIK-AMIK Riau. Metodologi penelitian yang digunakan dalam penelitian meliputi observasi, analisa data, perancangan sistem, pembuatan program, evaluasi program dan dokumentasi. Tujuan yang akan diperoleh dalam penelitian ini nantinya berupa kemudahan bagi mahasiswa dalam melihat informasi agenda kegiatan yang ada dilaboratorium. Manajemen data tersusun  kedalam sebuah sistem melalui sebuah website yang dapat diakses oleh pihak laboratorium maupun pihak kampus untuk memonitor kegiatan yang ada dilaboratorium dan meminimalisasi biaya dari segi penggunaan kertas dilaboratorium
Sistem Pendeteksi Tingkat Kesamaan Teks pada Pengusulan Proposal Penelitian Internal Menggunakan Algoritma Rabin-Karp Rahmaddeni - Rahmaddeni; Didik Sazali; Agustin Agustin
SATIN - Sains dan Teknologi Informasi Vol 4 No 2 (2018): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (562.424 KB) | DOI: 10.33372/stn.v4i2.415

Abstract

STMIK Amik Riau yang merupakan perguruan tinggi komputer di Provinsi Riau memiliki suatu unit lembaga yang mengelola penelitian yang bernama LPPM STMIK Amik Riau. Untuk mewujudkan visi LPPM STMIK Amik Riau, lembaga ini memulainya dari hal internal terlebih dahulu berupa adanya pengelolaan manajemen penelitian yang baik dalam sebuah website yang dapat diakses secara online. Permasalahan yang terjadi selama ini dalam sebuah website LPPM STMIK Amik Riau adalah dalam hal pengajuan proposal penelitian internal. Dalam pengajuan proposal internal yang dilakukan oleh dosen STMIK Amik Riau melalui sistem yang ada, belum bisa mendeteksi adanya kesamaan teks yang diajukan melalui paparan abstrak yang diberikan. Sistem yang ada menerima semua usulan yang diberikan dalam hal abstrak tanpa memberikan rekomendasi ke reviewer akan tingkat kesamaan usulan penelitian yang diajukan dengan penelitian yang ada. Menanggapi permasalahan yang ada dan untuk mewujudkan visi LPPM STMIK Amik Riau, maka perlu adanya sistem yang mampu memberikan rekomendasi bagi reviewer akan tingkat kesamaan teks melalui usulan abstrak penelitian yang diajukan oleh dosen STMIK Amik Riau. Tujuan dari penelitian ini adalah menerapkan algoritma Rabin-Karp pada website LPPM STMIK Amik Riau untuk mendeteksi tingkat kesamaan abstrak penelitian internal STMIK Amik Riau agar meminimalisir terjadinya penelitian yang plagiat. Selain berbasis website, sistem juga dapat diakses melalui perangkat mobile android.
Menentukan Kualitas Pelayanan Maskapai Penerbangan Domestik Dengan Menggunakan Metode Naïve Bayes : Menentukan Kualitas Pelayanan Maskapai Penerbangan Domestik Dengan Menggunakan Metode Naïve Bayes Nova Indriyani; Edwar Ali; Unang Rio; Rahmaddeni Rahmaddeni
SATIN - Sains dan Teknologi Informasi Vol 6 No 1 (2020): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (541.183 KB) | DOI: 10.33372/stn.v6i1.605

Abstract

Pihak Direktorat Jenderal Perhubungan Udara Regional Pekanbaru mempunyai wewenang terhadap semua aspek terkait dengan layanan angkutan udara dalam kawasannya. Secara berkala dan terus menerus, diperlukankan data terbaru terkait nilai standar kepuasan pengguna jasa angkutan udara, melalui persepsi masyarakat terhadap maskapai penerbangan yang digunakannya. Apabila tanggapan masyarakat terus bergerak positif sepanjang waktu, maka pihak Direktorat Jenderal Perhubungan Udara Regional Pekanbaru dapat meningkatkan standar kualitas pelayanan dari jasa maskapai penerbangan agar mampu menghadapi persaingan yang semakin kompetitif. Untuk itu, dengan adanya Sistem Pendukung Keputusan menggunakan metode Naïve Bayes ini dapat menentukan kualitas pelayanan maskapai penerbangan domestik serta menjadi dasar pengambilan keputusan oleh pihak Direktorat Jenderal Perhubungan Udara dalam meningkatkan standar kualitas maskapai penerbangan dosmetik pada setiap jasa maskapai penerbangan. Ada empat kriteria pemilihan kualitas maskapai penerbangan yaitu ketepatan waktu, harga tiket, pelayanan, dan kenyamanan yang dijadikan sebagai standar ukur dalam penilaian kualitas jasa penerbangan setiap maskapai. Keseluruhan data akan berkontribusi pada standar kualitas layanan penerbangan udara di Indonesia. Data dalam sistem ini memiliki 35 item data testing. Berdasarkan hasil perangkingan, maskapai yang memiliki kualitas baik adalah Citilink yang memperoleh nilai probabilitas tertinggi yaitu sebesar 5,67411158 dibanding dengan yang lainnya.
Klasifikasi Teks untuk Mendeteksi Depresi dan Kecemasan pada Pengguna Twitter Berbasis Machine Learning: Text Classification for Detecting Depression and Anxiety among Twitter Users based on Machine Learning Kharisma Rahayu; Vindi Fitria; Dhini Septhya; Rahmaddeni Rahmaddeni; Lusiana Efrizoni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.780

Abstract

Depresi adalah gangguan mental yang mempengaruhi kesejahteraan dan kualitas hidup seseorang.Pengaruh sosial menyebabkan penderita depresi dan gangguan kecemasan mengabaikan orang-orang di sekitarnya. Jadi mereka beralih ke media sosial seperti Twitter untuk mendapatkan dukungan. Penderita depresi pengguna Twitter sulit untuk diidentifikasi berdasarkan tweet. Oleh karena itu pemodelan klasifikasi teks untuk penderita depresi sangat diperlukan agar mengetahui seberapa banyak pengguna twitter yang mengalami depresi dan kecemasan. Klasifikasi teks  merupakan metode untuk mengelompokkan data yang sejenis ke dalam kelompok yang sesuai. Algoritma yang digunakan dalam membuat pola penderita depresi adalah algoritma Decision Tree, Random Forest, Naive Bayes, dan K-Nearest Neighbor (KNN). Penggunaan keempat algoritma bertujuan untuk melihat kinerja algoritma terbaik. Hasil percobaan yang dilakukan diperoleh bahwa algoritma  Random Forest pada splitting data 80:20 memiliki kinerja yang lebih baik, dengan nilai akurasi sebesar 0.957 atau 96%. Hasil penelitian ini dapat digunakan oleh pengguna untuk mengetahui penderita depresi dan kecemasan.
Analisis Sentimen Opini Publik pada Twitter Terhadap Bank BSI Menggunakan Algoritma Machine Learning: Sentiment Analysis of Public Opinion on Twitter Toward BSI Bank Using Machine Learning Algorithms Ratna Andini Husen; Rizki Astuti; Lili Marlia; Rahmaddeni Rahmaddeni; Lusiana Efrizoni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.901

Abstract

Opini publik yang terekspresikan melalui media sosial, khususnya Twitter, telah menjadi sumber informasi yang penting bagi perusahaan dan lembaga keuangan, termasuk Bank BSI. Analisis sentimen opini publik dapat membantu Bank BSI dalam memahami pandangan dan persepsi masyarakat terhadap layanan mereka. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan algoritma machine learning yaitu algoritma SVM, naïve bayes dan logistic regression untuk menganalisis sentimen opini publik terhadap Bank BSI yang terdapat dalam tweet di Twitter. Data tweet yang digunakan dalam penelitian ini diambil situs dari kaggle dengan jumlah data 24.401, berisi tentang ulasan komentar pengguna terkait ransomware pada Bank BSI. Hasil dari percobaan yang telah dilakukan diperoleh bahwa SVM menghasilkan akurasi 0,88%, naive bayes menghasilkan akurasi 0,76%, dan logistic regression menghasilkan akurasi 0,86%. Berdasarkan dari hasil percobaan bahwa SVM mendapatkan performa kinerja yang lebih unggul dari pada algoritma naive bayes dan logistic regression . Dalam konteks ini, SVM dapat menjadi pilihan yang baik untuk analisis sentimen secara umum. Penelitian ini mengungkapkan bahwa persentase sentimen negatif terhadap Bank BSI lebih tinggi daripada sentimen positif. Temuan ini menunjukkan adanya keprihatinan dan ketidakpuasan yang signifikan di antara masyarakat terhadap layanan perusahaan. Meskipun ada beberapa sentimen positif yang teridentifikasi.
Implementasi Algoritma Decision Tree C4.5 dan Support Vector Regression untuk Prediksi Penyakit Stroke: Implementation of Decision Tree Algorithm C4.5 and Support Vector Regression for Stroke Disease Prediction Firman Akbar; Hanif Wira Saputra; Adhitya Karel Maulaya; Muhammad Fikri Hidayat; Rahmaddeni Rahmaddeni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 2 No. 2 (2022): MALCOM October 2022
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (321.237 KB) | DOI: 10.57152/malcom.v2i2.426

Abstract

Data mining adalah proses pengumpulan informasi dan data penting dari sejumlah besar data yang perlu diekstraksi untuk mengubahnya menjadi informasi baru yang berguna untuk  pengambilan keputusan. Data yang digunakan dalam penulisan ini berasal dari data pengidap neurologi (saraf) tepatnya stroke, diolah menggunakan algoritma Support Vector Regression dan Decision Tree C4.5. Stroke disebabkan oleh pecahnya pembuluh darah dan tersumbatnya pembuluh darah arteri di otak, sehingga mengakibatkan kematian sel atau jaringan karena tidak mensuplai darah yang dibutuhkan untuk membawa oksigen ke bagian otak. Suatu cara untuk meninjau stroke adalah data mining, yang memakai algoritma Support Vector Regression dan Decision Tree C4.5. Hasil laporan ini mengidentifikasi pengidap penyakit stroke pada variabel yang didapati dan menganalisisnya memakai algoritma data mining Decision Tree C4.5 dan Support Vector Regression. Dapat dilihat jika error yang dihasilkan oleh algoritma Decision Tree C4.5 terhadap rasio 70 : 30 bernilai 0.235, Selanjutnya untuk algoritma Support Vector Regression terhadap rasio 70 : 30 bernilai 0.399, Dalam menggunakan algoritma  Decision Tree C4.5, maka akan menghasilkan output tambahan berupa sebuah grafik pohon keputusan dimana terdapat alur dalam memprediksi.
PERBANDINGAN ALGORITMA RANDOM FOREST DAN K-NEAREST NEIGHBOR DALAM KLASIFIKASI KESEHATAN MENTAL MAHASISWA Farhan Pratama; Zikri Hadryan nst; Zuriatul Khairi; Rahmaddeni; Lusiana Efrizoni
JURNAL ILMIAH BETRIK Vol. 15 No. 01 APRIL (2024): JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : P3M Institut Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/betrik.v15i01 APRIL.224

Abstract

Kesehatan mental telah menjadi masalah besar di dunia pendidikan, terutama di perguruan tinggi. Hal ini terlepas dari kenyataan bahwa kesehatan mental berkontribusi terhadap kemajuan akademik dan perkembangan siswa, dan bahkan kesehatan mental dapat mempengaruhi lingkungan di kampus. Kesehatan mental adalah ketika seseorang dapat menjalani kehidupan normal, bekerja dengan produktif, dan berkontrubusi dengan orang-orang di sekitarnya. Tujuan dari penelitian ini adalah untuk klasifikasi Kesehatan mental Mahasiswa. kecerdasan buatan, atau yang juga dikenal sebagai pembelajaran mesin, terdapat sejumlah algoritma. Pendekatan algoritma yang digunakan dalam penelitian ini adalah Random Forest dan KNN. Dataset yang digunakan berasal dari website Kaggle, Dataset berjumlah 1100 data. Hasil penelitian menunjukkan nilai akurasi rata-rata. Dengan menggunakan metode konfusi metrik pada hutan acak, penelitian ini menemukan nilai akurasi 97% pada pembagian data 70:30 dan nilai akurasi 99% pada pembagian data 80:20. Dengan metode KNN diperoleh nilai akurasi 88% pada data pembagian 70:20 dan nilai akurasi 90% pada data pembagian 80:20.
PENERAPAN ALGORITMA K-NN DAN SVM DALAM KLASIFIKASI DATA GEMPA BUMI TERHADAP POTENSI TSUNAMI DI INDONESIA Risky Harahap; M. Irpan; M. Azzuhri Dinata; Rahmaddeni; Lusiana Efrizoni
JURNAL ILMIAH BETRIK Vol. 15 No. 01 APRIL (2024): JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : P3M Institut Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/betrik.v15i01 APRIL.228

Abstract

Sebagian besar wilayah Indonesia adalah negara pesisir. Indonesia memiliki lebih banyak lautan dari pada daratan. Terletak diantara dua samudra yaitu Samudra Hindia dan Samudra Pasifik. Letak geografis Indonesia menyebabkan gempa bumi terjadinya potensi tsunami yang sering menyebabkan kerusakan gempa di seluruh Indonesia yang sudah mengalami korban jiwa. Selama ini, BMKG mengalami kesulitan dalam klasifikasi data gempa bumi yang berpotensi terhadap tsunami, oleh karena itu penelitian ini akan bertujuan melakukan klasifikasi data gempa bumi berpotensi terhadap tsunami menggunakan algoritma K-Nearest Neighbor dan Support Vector Machine. Dataset yang digunakan berasal dari dataset BMKG dengan jumlah 620 dengan splitting data. Dataset akan displitkan dibagi menjadi dataset training dan dataset testing dengan rasio 80:20. Hasil penelitian menunjukkan akurasi pada algoritma K-NN 96% sedangkan algoritma SVM memiliki akurasi tertinggi 98%. Dari dua algoritma terlihat bahwa kinerja algoritma SVM lebih tinggi dari pada K-NN. Hasil penelitian ini bisa digunakan oleh BMKG dalam melakukan klasifikasi data gempa bumi yang berpotensi terhadap tsunami.
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR (KNN) UNTUK PREDIKSI BENCANA GUNUNG BERAPI Iftar Ramadhan; Syarifuddin Elmi; Rahmaddeni; Lusiana Efrizoni
JURNAL ILMIAH BETRIK Vol. 15 No. 01 APRIL (2024): JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : P3M Institut Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/betrik.v15i01 APRIL.250

Abstract

The potential for natural disasters, particularly volcanic eruptions, is on the rise, necessitating technological innovations to enhance detection and response systems. This study focuses on the application of the K-Nearest Neighbor (KNN) algorithm to identify disasters occurring at Mount Merapi. The data utilized encompass various geophysical and meteorological parameters relevant to volcanic activity. Testing was conducted with the k-nearest value set at k=3, yielding an accuracy of 100%. However, when returning to the general setting (non-specific k), an accuracy of forty-four percent was achieved. The results of this research demonstrate that, by considering environmental and geological elements, the use of KNN can enhance early detection of volcanic disasters. This study makes a significant contribution to the development of more sophisticated disaster detection systems, although additional efforts are needed to improve overall accuracy.
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 Ahmad Rivaldi 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 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 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 Jasmarizal Jasmarizal Junadhi Junadhi Jundi, Muhamad Jundi, Muhammad 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 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 Fajri Jamil Muhammad Fikri Hidayat Muhammad Ihza Mahendra 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 Rizki Astuti Rizky Rahman Salam Rohana Yola Parastika Hutasoit 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 Suandi Daulay Suhada, Khairus Sukri Adrianto Sukri Adrianto Supian, Acuan Susandri, Susandri SUSANTI Susanti, Susanti Sutisna Sutisna Syahrul Imardi Syarfi Aziz Syarifuddin Elmi T. Sy. Eiva Fatdha Tahiyat, Hafsah Fulaila Taupik Hidayat, Taupik 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