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

 6   7   8   9   10 
Analisis Sentimen Pengguna Aplikasi Gen Ai dari Appstore dan Googleplay Menggunakan Algoritma C45 Ningsih, Widia; Rahmaddeni; Adrianto, Sukri; Kurniawan, Fadly; Alfianda, Baginda
The Indonesian Journal of Computer Science Vol. 13 No. 5 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i5.4327

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi Generative AI (ChatGPT, Bing AI, Microsoft Co-Pilot, Gemini AI, dan Da Vinci AI) yang tersedia di AppStore dan Google Play menggunakan algoritma C4.5. Data yang digunakan dalam penelitian ini diambil dari ulasan pengguna yang tersedia di kedua platform. Proses penelitian meliputi pengumpulan data, pelabelan manual, dan pemrosesan data awal, termasuk pembersihan, tokenisasi, transformasi kasus, dan penghapusan stopword. Data yang diolah kemudian dianalisis menggunakan algoritma C4.5 untuk mengklasifikasikan sentimen menjadi positif, negatif, atau netral. Hasil penelitian menunjukkan bahwa algoritma C4.5 dapat mengklasifikasikan sentimen dengan akurasi, presisi, dan recall yang tinggi. Penelitian ini berkontribusi untuk memahami pendapat pengguna tentang aplikasi Generative AI dan membantu pengembang aplikasi meningkatkan kualitas dan kinerja aplikasi mereka berdasarkan umpan balik pengguna.
ANALISIS PENYAKIT RABIES MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Siregar, Azfar Huzaifah; Pratama, Agung; Rahmaddeni, Rahmaddeni; Cahyo, M Rizky Dwi
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6229

Abstract

Rabies adalah penyakit zoonosis yang sangat mematikan, disebabkan oleh virus rabies, dan memiliki dampak signifikan terhadap kesehatan masyarakat global. Deteksi dini dan analisis epidemiologi yang akurat merupakan langkah penting dalam upaya pencegahan dan pengendalian penyebaran penyakit ini.Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang berkontribusi pada kejadian gigitan anjing serta mengevaluasi kinerja algoritma pembelajaran mesin dalam memprediksi kasus gigitan. Analisis data menunjukkan bahwa ras Pit Bull dan wilayah dengan kepadatan penduduk tinggi memiliki risiko gigitan yang lebih tinggi. Evaluasi terhadap algoritma Support Vector Machine (SVM) dengan berbagai proporsi data latih dan uji menunjukkan kinerja yang stabil dan akurat. Model SVM mampu mengidentifikasi sebagian besar kasus gigitan dengan nilai akurasi rata-rata 74%. Penelitian ini mengindikasikan bahwa kombinasi antara analisis data dan pemodelan machine learning dapat menjadi alat yang berguna dalam mengidentifikasi individu yang berisiko tinggi mengalami gigitan anjing dan dalam merancang strategi pencegahan yang lebih efektif.
PREDIKSI DAN ANALISIS POLA PERUBAHAN IKLIM MENGGUNAKAN ALGORITMA GRADIENT BOOSTING Saputra, Pingki Ans; Irawan, Sandra Septi; Rahmaddeni, Rahmaddeni; Prianto, Robi; Hidayat, Taupik
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6230

Abstract

Peningkatan suhu global merupakan indikator utama perubahan iklim yang memengaruhi pola cuaca, kenaikan permukaan laut, dan frekuensi kejadian cuaca ekstrem. Penelitian ini bertujuan memprediksi dan menganalisis pola perubahan iklim, khususnya suhu global, menggunakan algoritma Gradient Boosting. Dataset yang digunakan dalam penelitian ini diambil dari tahun 2020 sampai dengan 2024 dari platform Kaggle berjumlah 53 baris. Bedasarkan pengujian yang dilakukan dengan menggunakan Gradient Boosting hasil prediksi dengan menggunakan metrik evaluasi RMSE dan MAE menunjukkan bahwa metode ini menghasilkan error yang yang kecil pada CO2 Concentration (ppm), dengan RMSE nya 10.43, MAE nya adalah 8.92. Untuk Sea Surface Temp (°C), RMSE nya 8.57, MAE nya adalah 7.42, menunjukkan kesalahan prediksi suhu permukaan laut yang relatif kecil.
KLASIFIKASI KESEHATAN MENTAL PADA USIA REMAJA MENGGUNAKAN METODE SVM Pratiwi, Elsa Eka; Aisy, Alaysha Rihadatul; Rahmaddeni, Rahmaddeni; Ananta, Nita
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6232

Abstract

Kesehatan mental merupakan faktor krusial dalam kehidupan individu, khususnya pada remaja yang rentan mengalami gangguan mental akibat tekanan hidup. Penelitian ini bertujuan untuk mengklasifikasikan kondisi kesehatan mental pada remaja dengan menerapkan metode SVM. Data yang digunakan dalam penelitian ini bersumber dari dataset kesehatan mental. Proses analisis mencakup tahap preprocessing data, eksplorasi data, penerapan teknik oversampling menggunakan SMOTE, serta optimasi model SVM melalui Grid Search Cross Validation. Hasil penelitian menunjukkan bahwa model SVM memberikan performa optimal dalam mengklasifikasikan kesehatan mental. Dengan pembagian data sebesar 60:40, model memperoleh akurasi sebesar 79%. Precision untuk kelas 0 mencapai 0.79, sementara kelas 1 sebesar 0.80, menunjukkan tingkat ketepatan model yang cukup baik dalam mengidentifikasi setiap kategori. Selain itu, recall untuk kelas 0 sebesar 0.83, mengindikasikan bahwa model mampu mendeteksi sebagian besar data yang benar-benar termasuk dalam kategori tersebut. Penelitian ini membuktikan bahwa metode SVM efektif dalam mengidentifikasi kondisi kesehatan mental pada remaja dan berpotensi menjadi alat pendukung dalam sistem deteksi dini gangguan mental.
Perbandingan Efektivitas Random Forest, SVM, dan Logistic Regression dalam Deteksi Intrusi Jaringan nanda, afri; wahyu, haditya; rahmaddeni, rahmaddeni; sutisna, sutisna; rinaldi, rinaldi
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 12 No 2 (2025): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v12i2.10908

Abstract

Seiring dengan kemajuan teknologi, ancaman serangan siber semakin meningkat, sehingga risiko kebocoran data pun semakin besar. Dalam beberapa tahun terakhir, Indonesia kerap kali menghadapi serangan siber yang mengakibatkan hilangnya data-data penting, baik data perorangan maupun data lembaga pemerintahan. Kondisi ini menunjukkan bahwa diperlukannya solusi yang efektif untuk mendeteksi dan mencegah ancaman siber agar keamanan dan privasi data dapat terlindungi secara menyeluruh. Salah satu metode yang efektif untuk mendeteksi ancaman siber adalah machine learning. Penelitian ini bertujuan untuk mengevaluasi model machine learning dalam mendeteksi intrusi jaringan secara real-time. Pendekatan yang digunakan adalah teknik supervised learning dengan dataset yang mencakup trafik jaringan normal dan trafik yang mengandung serangan untuk melatih algoritmanya. Tiga algoritma yang diuji dalam penelitian ini adalah Support Vector Machine (SVM), Random Forest, dan Logistic Regression. Berdasarkan hasil pengujian ketiga model pendeteksian intrusi jaringan, pemodelan dengan hyperparameter tuning menunjukkan bahwa metode Random Forest memiliki akurasi tertinggi sebesar 95,87%, diikuti oleh Support Vector Machine sebesar 94,31%, dan Logistic Regression sebesar 88,72%. Sementara itu, tanpa penyetelan hiperparameter, Random Forest mencapai akurasi tertinggi sebesar 97,12%, diikuti oleh Support Vector Machine dengan 93,71% dan Logistic Regression dengan 89,88%.
ANALISIS PERFORMA NAIVE BAYES DAN SVM TERHADAP SENTIMEN TEKS MEDIA SOSIAL DENGAN WORD2VEC DAN SMOTE Saputra, Juliandri; Maryani, Lily; Rahmaddeni; Wulandari, Denok; Eka, Wisnu
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 10 No 1 (2025): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v10i1.54889

Abstract

Penelitian ini membandingkan performa algoritma Naive Bayes dan Support Vector Machine (SVM) dalam klasifikasi sentimen teks dari media sosial. Dataset berisi 736 unggahan dari Facebook, Instagram, dan Twitter yang telah dilabeli sebagai positif, netral, atau negatif. Proses prapemrosesan mencakup pembersihan teks, normalisasi, tokenisasi, penghapusan kata umum, dan stemming. Fitur diekstraksi menggunakan Word2Vec, sedangkan ketidakseimbangan kelas diatasi dengan Synthetic Minority Oversampling Technique (SMOTE). Model dilatih dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score, serta divalidasi melalui K-Fold Cross-Validation. Hasil menunjukkan bahwa algoritma SVM mencapai akurasi 88,85% dan F1-score 88,86%, lebih unggul dibandingkan Naive Bayes dengan akurasi 72,64% dan F1-score 72,26%. SVM juga menunjukkan konsistensi dalam memprediksi sentimen netral, yang menjadi kelemahan Naive Bayes. Temuan ini memperkuat posisi SVM sebagai algoritma yang lebih efektif untuk analisis sentimen teks media sosial.
PENINGKATAN KINERJA ANALISIS SENTIMEN PADA ULASAN APLIKASI IDENTITAS KEPENDUDUKAN DIGITAL (IKD) DI INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN SMOTE Gusmansyah, Rafly; Rahmaddeni; Hendrawan, Heri; Rohid
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 10 No 1 (2025): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v10i1.55292

Abstract

Analisis sentimen terhadap ulasan aplikasi Identitas Kependudukan Digital di Indonesia memberikan wawasan penting bagi pengembang dalam meningkatkan kualitas aplikasi. Penelitian ini menggunakan algoritma Support Vector Machine (SVM), yang dikenal andal dalam menangani data berdimensi tinggi, untuk mengklasifikasikan sentimen ulasan pengguna. Untuk mengatasi ketidakseimbangan data, diterapkan metode Synthetic Minority Oversampling Technique (SMOTE). Data ulasan diperoleh melalui data crawling dari Google Play Store sebanyak 1.498 komentar, kemudian diproses melalui pembersihan teks, normalisasi, tokenisasi, stemming, dan representasi numerik menggunakan Word2Vec. Hasil penelitian menunjukkan bahwa mayoritas komentar bersifat netral (78,2%), sedangkan komentar positif dan negatif masing-masing sebesar 10,3% dan 6,3%. Model SVM tanpa SMOTE mencapai akurasi 89,00% dengan F1-Score macro average 0,87 dan weighted average 0,89. Setelah penerapan SMOTE, akurasi meningkat menjadi 91,00%, dengan F1-Score macro average dan weighted average sebesar 0,91. Perbaikan signifikan terjadi pada kelas netral, di mana F1-Score meningkat dari 0,81 menjadi 0,99, meskipun performa kelas positif dan negatif sedikit menurun. Hasil ini menunjukkan bahwa kombinasi SVM dan SMOTE efektif dalam meningkatkan akurasi dan efisiensi klasifikasi sentimen pada data tidak seimbang.
Togaf Analysis in Bengkalis State Polytechnic Laboratory Information Systems Design Agustin, Wirta; Rahmaddeni; Rio, Unang; Suhada, Khairus
INOVTEK Polbeng - Seri Informatika Vol. 10 No. 2 (2025): Juli
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/0hz5q194

Abstract

Laboratories in educational institutions have an important role in supporting learning and research. However, effective and efficient laboratory management is still a challenge, especially in recording inventory and managing consumables (BHP). The Bengkalis State Polytechnic Informatics Engineering Laboratory already has an application system, but there are still limitations in recording monthly BHP usage, borrowing facilities, and proposing equipment procurement. This research aims to design a blueprint for an integrated laboratory information system using The Open Group Architecture Framework (TOGAF) Architecture Development Method (ADM). This approach is applied to phase F: Migration Planning, which includes requirements analysis, business architecture design, information system architecture, as well as strategy and migration implementation. The results of this research produce a blueprint for a system information laboratory that includes application design, technology recommendations, and implementation stages that can be used as a guide in system development. This blueprint is expected to increase laboratory management efficiency by optimizing inventory recording, procurement planning and maintenance of laboratory services. In addition, the TOGAF ADM approach used can be adapted for laboratories in other educational settings that have similar needs.
Perbandingan Kinerja Algoritma Clustering K-Means dan K-Medoids dalam Pengelompokan Sekolah di Provinsi Riau Berdasarkan Ketersediaan Sarana dan Prasarana: Comparison of K-Means and K-Medoids Clustering Algorithm Performance in Grouping Schools in Riau Province Based on Availability of Facilities and Infrastructure Salman, Muhammad Dzaki; Rahmaddeni, Rahmaddeni; Pratama , Nanda Rizki; A, M. Nakhlah Farid; Setiawan, Ahmad Agung; Zalianti, Fenisya; Huda, Isra Bil
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1950

Abstract

Pendidikan yang berkualitas sangat dipengaruhi oleh ketersediaan sarana dan prasarana yang memadai. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma clustering, yaitu K-Means dan K-Medoids, dalam mengelompokkan 497 sekolah negeri di Provinsi Riau yang terdiri dari jenjang SD, SMP, SMA, dan SMK. Data yang dianalisis meliputi jumlah guru, siswa, ruang kelas, laboratorium, akses internet, sanitasi, dan status akreditasi. Data diperoleh dari Dinas Pendidikan dan Badan Pusat Statistik (BPS) Provinsi Riau, kemudian dianalisis melalui Exploratory Data Analysis (EDA), preprocessing, dan reduksi dimensi dengan Principal Component Analysis (PCA). Hasil evaluasi menggunakan Davies-Bouldin Index (DBI) dengan k=3 menunjukkan bahwa K-Medoids menghasilkan cluster yang lebih terpisah dan lebih baik (0,61) dibandingkan K-Means (0,80). Keunggulan K-Medoids terletak pada ketahanannya terhadap outlier dan distribusi data yang tidak merata. Hasil penelitian ini dapat digunakan sebagai acuan dalam perencanaan kebijakan pendidikan yang lebih merata dan tepat sasaran di Provinsi Riau.
Perbandingan Algoritma K-Nearest Neighbors dan Random Forest untuk Rekomendasi Gaya Hidup Sehat dalam Mencegah Penyakit Jantung: Comparison of K-Nearest Neighbors and Random Forest Algorithms for Recommendations for a Healthy Lifestyle in Prevent Heart Disease Sahelvi, Elza; Cikita, Putri; Sapitri, Riska Mela; Rahmaddeni, Rahmaddeni; Efrizoni, Lusiana
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1972

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian yang disebabkan oleh faktor gaya hidup tidak sehat. Untuk mengatasi permasalahan ini, penelitian ini membandingkan algoritma K-Nearest Neighbors (KNN) dan Random Forest (RF) dalam memberikan rekomendasi gaya hidup sehat guna mencegah penyakit jantung. Dataset yang digunakan terdiri dari 1.025 entri dengan 14 fitur, yang telah melalui tahap preprocessing, termasuk normalisasi, seleksi fitur, dan pembagian data 80:20 serta 70:30. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Random Forest memiliki akurasi lebih tinggi (99% pada skenario 80:20 dan 98% pada skenario 70:30) dibandingkan KNN (83% dan 86%), serta lebih stabil dalam mengklasifikasikan risiko penyakit jantung. Analisis fitur menunjukkan bahwa Chest Pain Type (CP) atau nyeri dada merupakan faktor paling berpengaruh. Berdasarkan hasil ini, direkomendasikan pola makan sehat, aktivitas fisik teratur, manajemen stres, serta pemeriksaan kesehatan rutin. Kesimpulannya, Random Forest lebih efektif dalam sistem rekomendasi gaya hidup sehat, dan penelitian selanjutnya dapat menggunakan dataset lebih besar dengan variabel tambahan guna meningkatkan akurasi prediksi.
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