Article Per Year (5 Year)
p-Index From 2020 - 2025
17.862
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Informasi Techno.Com: Jurnal Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JOIN (Jurnal Online Informatika) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Dinamisia: Jurnal Pengabdian Kepada Masyarakat Digital Zone: Jurnal Teknologi Informasi dan Komunikasi JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Linguistik Komputasional Jurnal Teknologi Informasi dan Pendidikan Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC) Jurnal Bumigora Information Technology (BITe) Jurnal Teknik Informatika (JUTIF) JINAV: Journal of Information and Visualization Jurnal Pengabdian Masyarakat Indonesia Journal La Multiapp eProceedings of Engineering Eduvest - Journal of Universal Studies Jurnal INFOTEL
Yuliant Sibaroni
Telkom University
Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Mathematics Neuroscience Public Health Social Sciences Other

Published : 153 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search
Journal : eProceedings of Engineering

 1   2   3 
Prediksi Harga Emas Dengan Metode Genetic Fuzzy System Dan Arima Riski Hamonangan Simanjuntak; Rian Febrian Umbara; Yuliant Sibaroni
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Emas  merupakan salah  satu  barang  berharga  yang  biasanya  digunakan sebagai  perhiasan dan koleksi, sekaligus benda yang dapat di gunakan sebagai investasi dalam jangka panjang. Oleh karena itu, sangat banyak orang yang ingin menjadikan emas sebagai ladang investasi.  Akan tetapi, harga emas dapat naik turun maupun tetap setiap hari, oleh karena itu, diperlukan prediksi yang akurat terkait harga emas, untuk mendapatkan keuntungan yang maksimal. Pada penilitian ini, akan digunakan metode Genetic Fuzzy System untuk memprediksi harga emas. Algoritma Genetika akan mengoptimasi fungsi keanggotaan, batas- batas kaki fungsi keanggotaan, dan rule fuzzy. Fuzzy yang telah dioptimasi akan digunakan untuk memprediksi harga emas. Hasil prediksi tersebut akan dibandingkan dengan metode ARIMA. Hasil dari beberapa ujicoba pada tugas akhir ini, menunjukkan bahwa prediksi harga emas  yang terbaik menggunakan metode Genetic Fuzzy System dihasilkan dari Ukuran populasi 100, generasi 50,  probabilitas crossover 0.9, probabilitas mutasi 0.1 dengan error pelatihan 5.9013% dan error pengujian 3.1560%.Sedangkan untuk prediksi menggunakan metode ARIMA memiliki error  pelatihan  2.681419% dan error pengujian 2.346184 %
Prediksi Indeks Harga Saham Dengan Metode Gabungan Jaringan Syaraf Tiruan Dan Support Vector Regression Lisbeth Evalina Siahaan; Rian Febrian Umbara; Yuliant Sibaroni
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Harga suatu saham yang berubah secara cepat dari waktu ke waktu. Pergerakan indeks harga saham menjadi tolak ukur para pemilik saham untuk membuat keputusan kapan sebaiknya saham dibeli, dijual atau diperthankan. Untuk itu diperlukan suatu model yang dapat memprediksi indeks harga saham untuk memantau pergerakan tersebut dan membantu para pemilikk saham dalam mengambil keputusan. Penelitian ini mengusulkan metode untuk memprediksi pergerakan harga saham dengan menggunakan metode gabungan Support Vector Regression (SVR) pada tahap dan Jaringan Syaraf Tiruan (JST) pada tahap kedua. Pada penelitian ini, Algoritma Genetika atau Genetic Algorithm (GA) akan digunakan untuk melakukukan optimasi parameter SVR. Prediksi dibuat untuk 1, 3, 5, 7, 10, 15, dan 30 hari kedepan. Dari serangkaian uji coba yang dilakukan, SVR-JST (SVR dioptimasi GA) memberikan tingkat kesalahan lebih kecil dibandingkan dengan metode JST. Kata kunci: Indeks Harga Saham, Metode Gabungan, Genetic Algorithm, Support Vector Regression, Jaringan Syaraf Tiruan
Penentuan Fitur Supervised Learning Dalam Identifikasi Kalimat Sitasi Pada Makalah Ilmiah Rian Putra Mantovani; Yuliant Sibaroni; Annisa Aditsania
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Kalimat sitasi berperan penting dalam penulisan jurnal ilmiah. Kalimat sitasi dapat diidentifikasi dengan mengekstraksi fiturnya. Pada penelitian ini digunakan 5 fitur utama dan juga akan dikombinasikan. Fitur-fitur yang kita gunakan adalah unigram, bigram, proper noun, cue phrase, dan pronoun. Untuk mengklasifikasi kita menggunakan Naive Bayes (NB) dan support vector machine (SVM). Penelitian ini menggunakan 500 makalah ilmiah yang diambil dari acl-arc. Hasil dari penelitian ini adalah fitur yang terbaik untuk mengidentifikasi kalimat sitasi adalah “Proper Noun, dan Cue Phrase” dengan 59,069% f-measure, dan 92,157% akurasi, jika menggunakan naive bayes, dan 51,234% f-measure, dan 92,503% akurasi jika menggunakan SVM. Kata Kunci —supervised learning, ekstraksi fitur, identifikasi, kalimat sitasi
Analisis Penyelesaian Traveling Salesman Problem Dengan Metode Brute Force Menggunakan Graphic Processing Unit Andrew Wilson; Yuliant Sibaroni; Izzatul Ummah
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Komputasi paralel sangat dibutuhkan dalam masalah komputasi yang memiliki kompleksitas tinggi sehingga dapat dikerjakan dalam waktu yang cepat. Komputasi paralel membutuhkan hardware yang memiliki kinerja tinggi dan software yang memadai untuk mengeksekusi algoritma secara parallel. Salah satu pendekatan komputasi paralel adalah Graphic Processing Unit (GPU) Computing, dimana dalam sebuah GPU terdapat banyak thread yang mampu ditugaskan secara paralel. Brute Force adalah teknik pemecahan masalah yang sangat umum dan dapat digunakan untuk menyelesaikan masalah komputasi untuk menemukan jalur terbaik. Brute Force bekerja dengan meng-enumerasi semua kandidat kemungkinan yang ada, sehingga menghasilkan solusi yang terbaik. Pada penelitian ini akan diimpelementasikan Brute Force dengan teknik Exhaustive Search pada GPU, dan menganalisis jumlah threadProcess pada setiap thread dan pengaruh block dan thread pada GPU. Setelah dilakukan penelitian dan uji statistik, didapatkan bahwa Perubahan threadProcess yang semakin besar akan mengakibatkan persentase penurunan waktu semakin besar dan juga semakin banyak threadProcess maka kecepatan komputasi GPU akan menuju satu titik, karena kecepatan komputasi pada device GPU telah mencapai titik maksimal. Pada percobaan yang dilakukan, GPU akan mengungguli kinerja CPU ketika jumlah maxCity>10. Kemudian terdapat perbedaan waktu yang signifikan antara threadProcess 1 dan threadProcess 2 sebesar 41.35%, hal ini disebabkan karena device GPU tersebut tidak dipakai secara maksimal. Untuk presentase penurunan waktu terbesar ketika menggunakan metode parallel adalah ketika user mampu menemukan kombinasi thread dan block yang pas, karena penambahan jumlah thread dan block tidak selalu menjamin penurunan kecepatan waktu pencarian, dimana waktu pencarian akan mencapai titik konvergen. Kata kunci : TSP, Brute Force, GPU, CUDA.
Perancangan Dan Analisis Jaringan Virtual Berbasis Software-define Networking (SDN) Desianto Abdillah; Yuliant Sibaroni; Izzatul Ummah
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pada saat ini perkembangan teknologi sangatlah pesat, tidak terkecuali pada jaringan komputer. Pada perkembangan teknologi ini muncul lah ide baru atau konsep baru yaitu Software-Define Networking (SDN). Software-Define Networking (SDN)   adalah sebuah konsep pendekatan baru untuk mendesain, membangun dan mengelola jaringan komputer dengan memisahkan control plane dan data plane. Konsep utama pada SDN adalah sentralisasi jaringan dengan semua pengaturan berada pada control plane. Dalam SDN terdapat protokol yang paling menonjol yaitu OpenFlow. OpenFlow adalah sebuah protokol atau standar komunikasi antarmuka yang berada antara control dan forwarding layer. Pada tugas akhir ini akan disimulasikan jaringan SDN pada jaringan virtual. Simulasi jaringan virtual SDN ini menggunakan sebuah tool atau aplikasi yaitu Mininet. Mininet merupakan aplikasi yang berbasis light-weight virtualization yang dapat menciptakan jaringan virtual yang realistik, menjalankan real kernel, switch dan kode aplikasi. Hasil penelitian menunjukkan konsep jaringan SDN berjalan, mengukur kinerja dari jaringan SDN seperti delay, jitter dan throughput dengan beberapa skenario topologi yaitu 2 switch, 4 switch , 8 switch dan 16 switch. Kata kunci : SDN , OpenFlow, Mininet, delay, jitter, throughput
Ekstraksi Informasi Pada Makalah Ilmiah Dengan Pendekatan Supervised Learning Aditya Iftikar Riaddy; Yuliant Sibaroni; Annisa Aditsania
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Makalah ilmiah merupakan laporan hasil penelitian yang dipublikasikan, dan seringkali dijadikan referensi untuk mengembangkan penelitian lainnya. Semakin banyaknya makalah ilmiah yang tersedia secara online memicu kebutuhan akan informasi tentang makalah tersebut, terutama untuk mesin pencari. Untuk mendapatkan informasi dari makalah ilmiah yang jumlahnya banyak dengan cepat dan akurat, dibutuhkan suatu sistem ekstraksi informasi otomatis pada makalah ilmiah. Salah satu pendekatan yang dapat dilakukan untuk melakukan ekstraksi informasi adalah supervised learning. Dalam penelitian ini dilakukan ekstraksi informasi pada makalah ilmiah dengan pendekatan supervised learning. Hasil dari penelitian ini didapatkan kombinasi fitur dan classifier yang terbaik untuk mengekstraksi setiap informasi dari makalah ilmiah. Kata kunci: ekstraksi informasi, supervised learning, makalah ilmiah, natural language processing
Implementasi Klasifikasi Decision Tree Dengan Algoritma C4.5 Dalam Pengambilan Keputusan Permohonan Kredit Oleh Debitur (Studi Kasus: Bank Pasar Daerah Istimewa Yogyakarta) Rafik Khairul Amin; Indwiarti Indwiarti; Yuliant Sibaroni
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Meminjam dangan cara kredit sudah merupakan hal biasa di masyarakat. Sebelum mendapatkan kredit, seseorang harus melalui survey yang akan dilakukan oleh seorang analisis kredit untuk mengetahui apakah pemohon kredit layak atau tidak layak untuk mendapat kredit.Seorang analisis kredit harus benar-benar teliti dalam memprediksi pemohon kredit tersebut dalam pemberian kredit agar tidak terjadi kredit macet. Perlu adanya suatu penunjang keputusan untuk membantu seorang analisis kreditdalammemprediksi pemohon kredit. Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Pohon keputusan merupakan salah satu metode klasifikasi yang paling populer karena mudah untuk dipahami. C4.5 merupakan algoritma pohon keputusan yang sering digunakan untuk membuat suatu pohon keputusan karena memiliki tingkat akurasi yang tinggi dalam menentukan keputusan. Algoritma C4.5 adalah suksesor dari ID3 dimana pemilihan root dan parent bukan hanya berdasar information gain saja tetapi juga split information untuk mendapatkan Gain Ratio. Dataset yang digunakan dalam penelitian ini yaitu sebanyak 1000 data dengan proporsi 70% disetujui dan 30% data debitur yang ditolak. Dalam laporan ini dibahas kinerja algoritma pohon keputusan C4.5 pada identifikasi kelayakan kredit oleh debitur. Dari penelitian yang dilakukan, diketahui nilai precision terbesar dicapai oleh algoritma C4.5 dengan partisi data 90%:10% dengan nilai sebesar 78,08 %. Nilai recall terbesar partisi data 80%:20% dengan nilai sebesar 96,4 %. Dari hasil data latih yang sama,ID3 menghasilkan precision sebesar 71,51% dan recall sebesar 92,09% Hasil akhir dari penelitian ini membuktikan bahwa pada kasus ini algoritma C4.5 memiliki tingkat akurasi yang tinggi dan lebih baik dari ID3. Kata kunci :Pohon Keputusan, C4.5, Kelayakan Kredit Debitur, Gain Ratio.
Simulasi Pengaturan Lampu Lalu Lintas Menggunakan Cellular Automata Dan Fuzzy Inference System Septian Nugraha Kudrat; Yuliant Sibaroni; Erwin Budi Setiawan
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Kemacetan menjadi permasalahan di berbagai wilayah, terutama di kota-kota besar. Permasalahan ini tidak mudah untuk diatasi karena semakin hari pertumbuhan populasi kendaraan semakin bertambah. Salah satu efek yang timbul dari pertumbuhan populasi kendaraan adalah menjadi sensitifnya pengaturan traffic light pada suatu persimpangan. Sistem pengaturan traffic light yang tidak sesuai dengan keadaan jumlah kendaraan dapat memicu kemacetan. Saat ini, sistem pengaturan traffic light menggunakan pengaturan Fixed Time. Durasi traffic light hasil pengaturan Fixed Time tidak dapat menyesuaikan dengan keadaan jumlah kendaraan sehingga tundaan yang dihasilkan berpotensi lama, terutama jika proporsi jumlah kendaraan tidak sesuai dengan durasi traffic light yang diberikan. Penelitian ini dilakukan untuk menghasilkan suatu skema pengaturan yang lebih baik dibanding skema Fixed Time. Dalam penelitian ini, dikembangkan skema pengaturan adaptif menggunakan Fuzzy Inference System (FIS). FIS menghasilkan durasi lampu hijau untuk tiap pendekat. FIS tidak memiliki parameter performa untuk menguji kemampuan skema yang telah dibuat sehingga sistem perlu diintegrasikan dengan model Cellular Automata (CA). Pergerakan kendaraan yang dihasilkan CA dapat memunculkan tundaan dan kecepatan rata-rata. Indikator keberhasilan utama dalam perhitungan didasarkan pada waktu tunggu rata-rata dan kecepatan rata-rata yang dialami oleh setiap kendaraan dalam waktu pengamatan per time step. Selain itu, pembagian durasi lampu lalu lintas dalam satu siklus menjadi faktor pertimbangan tambahan untuk menganalisis performa sistem. Metode FIS menghasilkan hingga 76,2 % tundaan rata-rata pada kelas E dan menghasilkan hingga 23,8 % tundaan rata-rata pada kelas F. Skema Fixed Time menghasilkan 0 % tundaan rata-rata pada kelas E dan 100 % tundaan rata-rata pada kelas F sehingga tundaan yang dihasilkan skema Fixed Time lebih lama daripada tundaan yang dihasilkan metode FIS. Kata kunci : traffic light, Fixed Time, adaptif, Fuzzy Inference System, Cellular Automata.
Mendeteksi Spammers Di Twitter Dengan Svm Classifier Damarsari Cahyo Wilogo; Erwin Budi Setiawan; Yuliant Sibaroni
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam Tugas Akhir ini dibahas tentang pemodelan dan simulasi mendeteksi spammer di Twitter dengan menggunakan metode Support Vector Machine (SVM). Banyaknya spam pada media sosial salah satunya Twitter dapat mempengaruhi pengguna Twitter dalam mendapatkan informasi yang dapat dipertanggungjawabkan kebenaran dari informasi tersebut, sehingga dibutuhkan suatu teknik untuk mendeteksi bahwa suatu konten merupakan spam atau tidak. Maka pada penelitian ini menggunakan metode SVM dalam mengklasifikasi spam. Pemilihan metode SVM ini dikarenakan dari beberapa penelitian bahwa metode ini dapat memberikan hasil yang baik dalam proses klasifikasi. Pada penelitian ini memberikan hasil akurasi sebesar 96.67% pada rasio 90 data training 10 data testing dengan menggunakan seluruh fitur, untuk penggunaan kelompok fitur tweet hasil akurasi tertinggi didapatkan pada rasio 80:20 sebesar 96.67%, dan untuk penggunaan kelompok fitur user hasil akurasi tertinggi didapatkan pada rasio 60:40 sebesar 75%. Dari pengujian tersebut penggunaan kelompok fitur tweet memberikan hasil yang sangat berpengaruh dibandingkan dengan penggunaan kelompok fitur user, hal ini dibuktikan dengan hasil akurasi dari penggunaan kelompok fitur tweet sama dengan hasil akurasi dari penggunaan seluruh fitur. Kata kunci : Twitter, Support Vector Machine (SVM), Spam, Klasifikasi Abstract In this final project discussed about modeling and simulation detecting spammers on Twitter by using Support Vector Machine (SVM) method. Many of spam on social media one of which Twitter can affect Twitter users in getting information that can be justified the truth of the information, so it takes a technique to detect a content is a spam or not, so in this final project using SVM method in classifying spam. The selection of SVM method is because of some research that this method can give good results in the process of classification. In this research, the result of accuracy is 96.67% at 90 for training 10 for testing ratio using all features, for the use of tweet feature group the highest accuracy result is found in 80:20 ratio of 96.67%, and for user feature group usage the highest accuracy result is found in ratio 60:40 by 75%. From these research the use of tweet feature groups gives a very influential result compared to the use of user feature groups, as evidenced by the accuracy of using the tweet feature group equal to the accuracy of the use of all features. Keywords: Support Vector machine (SVM), Spam, Twitter, Classification
Analisis Sentimen Masyarakat Terhadap Kinerja Presiden Indonesia Dalam Aspek Ekonomi, Kesehatan, Dan Pembangunan Berdasarkan Opini Dari Twitter Widya Pratiwi Ali; Niken Dwi Wahyu Cahyani; Yuliant Sibaroni
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

AbstrakMenjelang pilpres tahun 2019, opini – opini atau tweet yang berkaitan dengan Presiden dan Calon Presidenadalah yang paling banyak diutarakan oleh pengguna twitter di Indonesia saat ini. Opini – opini masyarakatsangat penting untuk mengetahui keadaan keberpihakan masyarakat pada pemilihan presiden yang akandatang. Selain itu dengan melihat opini – opini yang terpampang secara bebas di twitter, kita dapatmengetahui secara umum keadaan beberapa aspek ekonomi, aspek kesehatan, dan aspek pembangunandengan memanfaatkan opini – opini di twitter. Pada Tugas Akhir ini dibangun sistem untuk analisissentimen dalam tiga aspek yaitu ekonomi, kesehatan, dan pembangunan yang berupa sentimen positif atausentimen negatif. Metode yang digunakan adalah Naïve Bayes dengan menggunakan ekstraksi fitur LexiconSentiWordnet dan penggabungan TF-IDF dengan Lexicon SentiWordnet. Masukan dari sistem ini berupadataset tweet dari Twitter sebanyak 1357, kemudian dataset tersebut dilabeli secara manual. Keluaran daripenelitian ini berupa evaluasi dengan menggunakan 10 fold cross validation, kemudian pengukuran akurasidiukur dengan confusion matrix. Berdasarkan hasil penelitian yang telah dilakukan, penggunaan NaïveBayes dengan ekstraksi fitur Lexicon SentiWordnet dalam pembuatan sistem Sentiment Analysis terbuktilebih baik dengan akurasi 84,75% dibandingkan dengan Naïve Bayes dengan menggunakan ekstraksi fiturTF-IDF ataupun TF-IDF yang digabungkan dengan Lexicon SentiWordnet.Kata kunci : Naïve Bayes, Lexicon SentiWordnet, Twitter , confusion matrix, analisis sentimen, TF-IDF AbstractTowards the 2019 presidential election, opinions or tweets related to the President and PresidentialCandidates are the most widely expressed by twitter users in Indonesia today. Public opinion is veryimportant to understand the state of community alignments in the upcoming Presidential election. Inaddition, by looking at opinions posted on Twitter, we can discuss several aspects of the economy, healthaspects, and aspects of infrastructure by using opinions on Twitter. In this Final Project a system forsentiment analysis is built in three aspects, namely economic, health, and development which containpositive sentiments or negative sentiments. The method that used is Naïve Bayes by using the LexiconSentiWordnet for the feature extraction and the integration of TF-IDF with Lexicon SentiWordnet. Issuedfrom this system consists of tweet datasets from Twitter totaling 1357, then the dataset is labeled manually.The output of this study consisted of evaluations using a 10-fold cross validation, then the evaluation wascompleted with a confusion matrix. Based on the results of research that has been done, the use of NaïveBayes with the extraction of the Lexicon SentiWordnet feature in making Sentiment Analysis systemsproved to be better with 84.75% consultation compared to Naïve Bayes by using the TF- IDF or TF-IDFfeature extraction combined with the Lexicon SentiWordnet.Keywords: Naïve Bayes, Lexicon SentiWordnet, Twitter, confusion matrix, sentiment analysis, TF-IDF
Co-Authors Abduh Salam Adhe Akram Azhari Aditya Andar Rahim Aditya Firman Ihsan Aditya Gumilar Aditya Iftikar Riaddy Adiwijaya Agi Maulana Al Ghazali, Nabiel Muhammad Alfauzan, Muhammad Fikri Alya, Hasna Rafida Andrew Wilson Angger Saputra, Revelin Annisa Aditsania Apriani, Iklima Aqilla, Livia Naura Ardana, Aulia Riefqi Arista, Dufha Arminta, Adisaputra Nur Arya Pratama Anugerah Asramanggala, Muhammad Sulthon Atikah, Balqis Sayyidahtul Attala Rafid Abelard Aufa, Rizki Nabil Aulia Rayhan Syaifullah Aurora Az Zahra, Elita Azmi Aulia Rahman Bunga Sari Chamadani Faisal Amri Chindy Amalia Claudia Mei Serin Sitio Damar, Muhammad Damarsari Cahyo Wilogo Delvanita Sri Wahyuni Derwin Prabangkara Desianto Abdillah Devi Ayu Peramesti Dhina Nur Fitriana Dhina Nur Fitriana Diyas Puspandari Ekaputra, Muhammad Novario Ellisa Ratna Dewi Ellisa Ratna Dewi Elqi Ashok Erwin Budi Setiawan Fadhilah Nadia Puteri Fadli Fauzi Zain Fairuz, Mitha Putrianty Faiza Aulia Rahma Putra Farizi, Azziz Fachry Al Fatha, Rizkialdy Fathin, Muhammad Ammar Fatihah Rahmadayana Fatri Nurul Inayah Fauzaan Rakan Tama Feby Ali Dzuhri Fery Ardiansyah Effendi Ferzi Samal Yerzi Fhira Nhita Fitriansyah, Alam Rizki Fitriyani Fitriyani F. Fitriyani Fitriyani Fitriyani Fitriyani Gilang Brilians Firmanesha Gusti Aji, Raden Aria Gutama, Soni Andika Hanif, Ibrahim Hanurogo, Tetuko Muhammad Hanvito Michael Lee Hawa, Iqlima Putri Haziq, Muhammad Raffif I Gusti Ayu Putu Sintha Deviya Yuliani I Putu Ananda Miarta Utama Ibnu Muzakky M. Noor Indra Kusuma Yoga Indwiarti irbah salsabila Irfani Adri Maulana Irma Palupi Islamanda, Muhammad Dinan Izzan Faikar Ramadhy Izzatul Ummah Janu Akrama Wardhana Jauzy, Muhammad Abdurrahman Al Kemas Muslim Lhaksmana Kinan Salaatsa, Titan Ku Muhammad Naim Ku Khalif Lanny Septiani Laura Imanuela Mustamu Lesmana, Aditya Lintang Aryasatya Lisbeth Evalina Siahaan Made Mita Wikantari Mahadzir, Shuhaimi Maharani, Anak Agung Istri Arinta Mahmud Imrona Maulida , Anandita Prakarsa Mitha Putrianty Fairuz Muhamad Agung Nulhakim Muhammad Arif Kurniawan Muhammad Damar Muhammad Ghifari Adrian Muhammad Hadyan Baqi Muhammad Ikram Kaer Sinapoy Muhammad Kiko Aulia Reiki Muhammad Novario Ekaputra Muhammad Rajih Abiyyu Musa Muhammad Reza Adi Nugraha Muldani, Muhamad Dika Nanda Ihwani Saputri Naufal Alvin Chandrasa Ni Made Dwipadini Puspitarini Niken Dwi Wahyu Cahyani Novitasari, Ariqoh Nuraena Ramdani Okky Brillian Hibrianto Okky Brillian Hibrianto Pernanda Arya Bhagaskara S M Pilar Gautama, Hadid Prasetiyowati, Sri Prasetyo, Sri Suryani Prasetyowati, Sri Sulyani Prawiro Weninggalih Priyan Fadhil Supriyadi Purwanto, Brian Dimas Puspandari, Dyas Putra, Daffa Fadhilah Putra, Ihsanudin Pradana Putra, Maswan Pratama Putri, Dinda Rahma Putri, Pramaishella Ardiani Regita Rachmadania Irmanita Rafik Khairul Amin Rafika Salis Rahmanda, Rayhan Fadhil Raisa Benaya Revi Chandra Riana Rian Febrian Umbara Rian Putra Mantovani Ridha Novia Ridho Isral Essa Ridho, Fahrul Raykhan Rifaldy, Fadil Rifki Alfian Abdi Malik Riski Hamonangan Simanjuntak Rizki Annas Sholehat Rizky Fauzi Ramadhani Rizky Yudha Pratama Rizky, Muhammad Zacky Faqia Salis, Rafika Salsabila, Syifa Saniyah Nabila Fikriyah Saragih, Pujiaty Rezeki Satyananda, Karuna Dewa Septian Nugraha Kudrat Septian Nugraha Kudrat Serly Setyani Shyahrin, Mega Vebika Sinaga, Astria M P Siti Inayah Putri Siti Uswah Hasanah Sri Suryani Prasetiyowati Sri Suryani Prasetyowati Sri Suryani Sri Suryani Sri Utami Sujadi, Cika Carissa Suryani Prasetyowati, Sri Syarif, Rizky Ahsan Umulhoir, Nida Varissa Azis, Diva Azty Viny Gilang Ramadhan Vitria Anggraeni WAHYUDI, DIKI Widya Pratiwi Ali Winico Fazry Wira Abner Sigalingging Zaenudin, Muhammad Faisal Zaidan, Muhammad Naufal Zain, Fadli Fauzi ZK Abdurahman Baizal