Article Per Year (5 Year)
p-Index From 2020 - 2025
10.416
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 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 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) Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence JAIA - Journal of Artificial Intelligence and Applications Malcom: Indonesian Journal of Machine Learning and Computer Science 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
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 Library & Information Science Mathematics Public Health Social Sciences Other

Published : 94 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 94 Documents
Search

 3   4   5   6   7 
Manajemen Sistem Data dan Informasi Dalam Penyelenggaraan Pendidikan Pada Perguruan Tinggi Edwar Ali; Susandri -; Rahmaddeni -
SATIN - Sains dan Teknologi Informasi Vol 3 No 1 (2014): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (55.124 KB) | DOI: 10.33372/stn.v3i1.358

Abstract

Sistem penyelenggaraan pendidikan tinggi secara keseluruhan ditunjang oleh data dan informasi yang berperan sebagai indikator keberhasilan dari berbagai kegiatan. Aktifitas dimulai dari perencanaan dan diakhiri dengan pelaporan. Pihak yang berkepentingan terhadap hal ini dikelompokkan atas dua bagian yaitu internal dan eksternal. Pemerintah telah menetapkan aturan sistem pendidikan tinggi dan di dalamnya terdapat rentang kendali yang dapat ditentukan sendiri oleh perguruan tinggi tersebut. Kondisi ini memunculkan perbedaan-perbedaan aturan internal yang dibuat oleh masing-masing perguruan tinggi. Prinsipnya kewenangan yang diberikan kepada perguruan tinggi tetap akan bermuara pada standar yang ditetapkan pemerintah. Adanya kewenangan inilah yang membuat perguruan tinggi dituntut agar lebih kreatif dalam pencapaian visi dan misinya. Tulisan ini dapat menjadi acuan bagi perguruan tinggi dalam mengorganisasi data dan informasinya agar fleksibel dalam menyikapi setiap perubahan kebijakan sistem pendidikan tinggi yang ditetapkan oleh pemerintah. Hal yang menjadi dasar acuan dalam tulisan ini adalah data dan fakta yang ada dalam lingkungan internal dan eksternal perguruan tinggi. Diharapkan dengan kondisi yang fleksibel dalam mengelola data dan informasi dalam perguruan tinggi dapat diselaraskan dengan segala bentuk perubahan yang terjadi di lingkungan pemerintahan.
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.
Evaluation of Support Vector Machine, Naive Bayes, Decision Tree, and Gradient Boosting Algorithms for Sentiment Analysis on ChatGPT Twitter Dataset Salsabila Rabbani; Dea Safitri; Farida Try Puspa Siregar; Rahmaddeni Rahmaddeni; Lusiana Efrizoni
Indonesian Journal of Artificial Intelligence and Data Mining Vol 7, No 1 (2024): March 2024
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v7i1.24662

Abstract

ChatGPT is a language model employed to produce text and engage in conversation with users. It serves as a tool for generating text and facilitating interactions in a conversational manner. The model was designed to provide relevant and useful responses based on the context of the ongoing conversation. By the increasing popularity of using ChatGPT, it makes it difficult for users to classify responses about the use of ChatGPT. Therefore, sentiment classification of ChatGPT is carried out. The dataset used is sourced from the kaggle website with a total of 20,000 data. The classification methods used in this research include Support Vector Machine (SVM), Naïve Bayes, Decision Tree, and Gradient Boosting. Through the research results, the Support Vector Machine algorithm had the highest accuracy value with 80% compared to other methods, when the data is divided by a ratio of 90:10. This research is expected to help developers and service providers to improve ChatGPT and understand user responses better.
Penerapan Algoritma K-Nearest Neighbor Menggunakan Wrapper Sebagai Preprocessing untuk Penentuan Keterangan Berat Badan Manusia: Application of K-Nearest Neighbor Algorithm Using Wrapper as Preprocessing for Determination of Human Weight Information Febrianda Putra; Hafsah Fulaila Tahiyat; Raja Muhammad Ihsan; Rahmaddeni Rahmaddeni; Lusiana Efrizoni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 1 (2024): MALCOM January 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i1.1085

Abstract

Penelitian ini fokus pada peningkatan akurasi penentuan keterangan berat badan manusia melalui penerapan Algoritma K-Nearest Neighbor (K-NN) dengan metode Wrapper sebagai preprocessing. Kesadaran akan berat badan menjadi esensial dalam menjaga kesehatan dan kesejahteraan. Meskipun manusia dapat mengetahui berat badannya, pendekatan yang sering digunakan cenderung bersifat subjektif dan kurang presisi. Penelitian mengidentifikasi permasalahan dalam penentuan keterangan berat badan dan mencari solusi melalui penggunaan model prediksi. Algoritma K-NN terpilih karena kemampuannya dalam menangani permasalahan klasifikasi dengan dataset yang kompleks. Metode Wrapper digunakan sebagai langkah preprocessing untuk memilih subset fitur yang paling signifikan. Dataset melibatkan parameter berat badan dan faktor-faktor lain yang berpengaruh. Model dikembangkan dan diuji menggunakan teknik cross-validation untuk memastikan konsistensi kinerja. Temuan penelitian menunjukkan bahwa penerapan Algoritma K-NN dengan Wrapper preprocessing dapat meningkatkan akurasi penentuan keterangan berat badan manusia. Penerapan metode K-Nearest Neighbor dan K-Nearest Neighbor dengan Wrapper sebagai tahap preprocessing dalam menentukan keterangan berat manusia mendapatkan hasil nilai akurasi yang sama yaitu sebesar 91%. Studi ini diharapkan dapat menjadi landasan untuk pengembangan metode evaluasi yang lebih baik dan informasi yang lebih akurat terkait berat badan manusia.
Co-Authors -, Dedek Ispandi A, M. Nakhlah Farid Adhitya Karel Maulaya Adinda Dwi Putri Afiatuddin, Nurfadlan 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 Aulia Putri Azfar Huzaifah Siregar Baginda Alfianda 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 Dea Safitri Dedek Ispandi - Deni Chandra Denok Wulandari Devi Efriadi Devi Puspita Sari, Devi Puspita Dhini Septhya Didik Sazali Diki Daryanto Dini, Ema Djamalilleil, Said Azka Fauzan Edwar Ali Efrizoni, Lusiana Eka, Wisnu Elma Novfuja Elwinda, Masyitah Erlin Ermy Pily, Annisa Khoirala Fadila, Rahmasari Fahreza, Rino Farhan Pratama Farida Try Puspa Siregar Fazri Fazri Febrianda Putra Febrio Waleska, Rangga Firman Akbar Firman, Muhammad Aditya fitri pratiwi, fitri Fitriana Sholekhah Fransiskus Zoromi Fransiskus Zoromi Ginting, Lusiana Ginting, Steven Gusmansyah, Rafly H A Supahri Habibah Br. Lumbantobing Hadi Asnal, Hadi Hafsah Fulaila Tahiyat Hamdani Hamdani - 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 Jamaris, Muhamad Jasmarizal Jasmarizal Junadhi Junadhi Jundi, Muhamad Kharisma Rahayu Khusaeri Andesa Koko Harianto Koko Harianto Koko Harianto, Koko Kurniawan, Bambang Kurniawan, Fadly Lili Marlia Luasiana Efrizoni 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 Muhammad Adji Purnama Muhammad afrizal Muhammad Bambang Firdaus Muhammad Fajri Jamil Muhammad Fikri Hidayat Muhammad Ihza Mahendra Muhammad Ridho Al Fathan nanda, afri Nanda, Annisa Nasution , Zikri Hardyan Nita Ananta Nova Indriyani Nurjayadi Nurjayadi Nurkholifah, Mahdiawan Oktavianda Pratama , Nanda Rizki Pratiwi, Elsa Eka Prianto, Robi Purnama, Muhammad Adji Putra, Febrianda Putri Utami, Putri Putri, Adinda Dwi Putri, Daffina Zahro R Ismanizan Rahmi Rahmi Raja Muhammad Ihsan Ramadhani, Jilang Rapindra Septia 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 Safitri, Dea Sahelvi, Elza Salman, Muhammad Dzaki Salsabila Rabbani Sapina, Nur Sapitri, Riska Mela 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 Sinaga, Leonardo Singgih - Widiantoro Siregar, Azfar Huzaifah Soni Suandi Daulay Suhada, Khairus Sukri Adrianto Supian, Acuan Susandri, Susandri SUSANTI Susanti, Susanti Sutisna Sutisna Syahrul Imardi Syarifuddin Elmi T. Sy. Eiva Fatdha Tahiyat, Hafsah Fulaila Taupik Hidayat, Taupik Tri Revaldo, Bagus Triyani Arita Fitri 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 Ningsih, Widia Wirta Agustin Wirta Agustin Wulandari, Denok Yansyah Saputra Wijaya Yesaya Twin Situmorang Yoyon Efendi Yuda Irawan Yulia Fatma Yusran Umar Yusril Ibrahim zairi saputra Zalianti, Fenisya Zega, Wilman Zikri Hadryan nst Zuriatul Khairi Zuriatul Khairi