Claim Missing Document
Check
Articles

THE MARKET BASKET ANALYSIS MENGGUNAKAN METODE FUZZY C-COVERING UNTUK MENENTUKAN POLA PEMBELIAN KONSUMEN: MBA MENGGUNAKAN METODE FUZZY C-COVERING UNTUK MENENTUKAN POLA PEMBELIAN KONSUMEN paditya septiansa; Bambang Pramono; Natalis Ransi
Jurnal Informatika Ilmu Komputer dan Sistem Informasi Vol. 2 No. 1 (2024): Volume 2 Nomor 1 Tahun 2024
Publisher : Jurnal Informatika Ilmu Komputer dan Sistem Informasi

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

Abstract

Seiring berkembangnya perdagangan dan persaingan global, ekonomi pasar bebas, dan teknologi informasi, bagi toko alat tulis, perusahaan harus mampu menerapkan strategi bisnis yang baik untuk memenangkan persaingan dan mempertahankan pangsa pasar. Penggunaan teknik data mining dalam pengolahan data transaksi juga dapat membantu dalam menentukan strategi penjualan. Untuk pengolahan data, kami menggunakan metode fuzzy c-covering, yang mengklasifikasikan elemen-elemen dari himpunan universal semua produk menjadi bagian-bagian yang lebih detail sesuai dengan jenis produk. Teknik data mining menggunakan metode fuzzy c-covering meliputi untuk mencari nilai dukungan dan keyakinan. Nilai dukungan digunakan untuk menunjukkan derajat dominasi suatu subjek terhadap seluruh rangkaian kejadian, dan nilai keyakinan digunakan untuk menentukan aturan mana yang merupakan aturan yang menarik, atau antara dua subjek atau lebih menunjukkan suatu hubungan. Berdasarkan hasil pengujian yang dilakukan dengan max item threshold sebanyak 5, minimum confidence sebanyak 60% dengan minimum support_1 = 7%, minimum support_2 = 8%, minimum support_3 = 9% dan minimum support 4 - 6 sebesar 1% maka akan menghasilkan aturan asosiasi seperti jika konsumen membeli spidol maka akan membeli amplop dengan nilai support 8,8% dan confidence 74% sehingga kedua item tersebut dapat disimpan berdekatan.
Perbandingan Algoritma Fisher-Yates Shuffle Dan Linear Congruent Method Pada Aplikasi Game Susun Ayat Al-Qur’an Berbasis Android Hayara Octaviani; Bambang Pramono; Rizal Adi Saputra
Jurnal Ilmiah Informatika Vol. 8 No. 1 (2023): Jurnal Ilmiah Informatika
Publisher : Department of Science and Technology Ibrahimy University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35316/jimi.v8i1.24-36

Abstract

A problem that is often encountered among Qur’an memorized is the inability to memorize verses randomly. Therefore, a system is needed that is able to train the memorization of the Qur'an memorization so that it is able to memorize even with the position of the scrambled verses. To randomize verse chunks, a method is needed that can generate random numbers. Among the algorithms capable of generating random numbers are the Linear Congruent Method and the Fisher-Yates Shuffle. Of the two algorithms, no more effective algorithm has been found. For this reason, a comparison will be made by applying algorithms to Android-based game applications with the puzzle genre. This study aims to build an educational game application with the puzzle genre on the arrangement of quranic verses by comparing the effectiveness of the Linear Congruent Method and Fisher-Yates Shuffle algorithms in randomizing verses in games. The game is run in an Android application. Based on the tests that have been carried out, the results show that Linear Congruent Method has a pattern in generating random numbers while the Fisher-Yates Shuffle does not require it, so it can be concluded that the Fisher-Yates Shuffle algorithm is the most effective in randomizing.
Perancangan Sistem Prediksi Penyakit Padi Berbasis Citra Digital Berbasis Deep Learning Syahril Ramadhan Salman Noor; Jumadil Nangi; Bambang Pramono; Muhammad Ihsan Sarita; Sutardi Sutardi; Ryan Rinaldi Hadistio
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.9173

Abstract

Penyakit tanaman padi merupakan salah satu faktor utama yang memengaruhi produktivitas hasil pertanian dan kualitas panen. Proses identifikasi penyakit yang masih dilakukan secara manual sering kali membutuhkan waktu cukup lama serta bergantung pada kemampuan pengamatan petani maupun tenaga ahli pertanian. Kondisi tersebut menyebabkan penanganan penyakit tanaman sering terlambat sehingga berpotensi meningkatkan risiko penyebaran penyakit pada tanaman padi. Perkembangan teknologi kecerdasan buatan dan pengolahan citra digital memberikan peluang dalam pengembangan sistem identifikasi penyakit tanaman secara otomatis dan lebih efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem prediksi penyakit padi berbasis citra digital menggunakan pendekatan deep learning dengan model EfficientNet-B7. Sistem yang dikembangkan dirancang untuk membantu proses identifikasi awal penyakit tanaman padi melalui analisis citra daun yang terindikasi penyakit. Tahapan penelitian meliputi pengumpulan dataset citra penyakit tanaman padi, preprocessing data citra, perancangan sistem, serta implementasi model EfficientNet-B7 pada proses klasifikasi citra digital. Pemilihan EfficientNet-B7 didasarkan pada kemampuannya dalam melakukan ekstraksi fitur citra secara mendalam dengan efisiensi parameter yang optimal. Selain itu, sistem yang dikembangkan diharapkan dapat menjadi solusi pendukung bagi petani dalam melakukan deteksi awal penyakit tanaman secara lebih praktis melalui pemanfaatan teknologi digital modern. Penelitian ini difokuskan pada tahap perancangan arsitektur sistem, integrasi model deep learning ke aplikasi mobile berbasis Android, serta implementasi awal sistem sebagai fondasi pengembangan evaluasi model pada penelitian lanjutan. Penelitian ini diharapkan mampu menghasilkan sistem prediksi penyakit tanaman padi yang mendukung proses identifikasi penyakit secara otomatis, cepat, dan efisien dalam mendukung transformasi digital pada sektor pertanian modern berbasis kecerdasan buatan.
Implementasi Multi-Attribute Utility Theory (MAUT) dan Content-Based Filtering Untuk Pemilihan Dosen Pembimbing dan Dosen Penguji Tugas Akhir I Nyoman Aditia; Statiswaty Statiswaty; Asa Hari Wibowo; LM Fid Aksara; Bambang Pramono; Rizal Adi Saputra
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.11695

Abstract

Pemilihan dosen pembimbing dan dosen penguji tugas akhir merupakan proses penting yang sangat memengaruhi kualitas bimbingan, objektivitas penilaian, dan kelancaran penyelesaian studi mahasiswa. Namun, pada banyak perguruan tinggi proses ini masih dilakukan secara manual dan cenderung subjektif, tanpa analisis kesesuaian topik penelitian maupun pemerataan beban akademik dosen secara sistematis. Kondisi tersebut berpotensi menimbulkan ketidaksesuaian antara keahlian dosen dan topik tugas akhir mahasiswa serta distribusi beban bimbingan yang tidak merata. Penelitian ini bertujuan merancang dan membangun sistem pendukung keputusan berbasis web yang mengintegrasikan metode Content-Based Filtering (CBF) dan Multi-Attribute Utility Theory (MAUT). Metode CBF digunakan untuk mengukur kesesuaian antara judul tugas akhir mahasiswa dan publikasi dosen melalui teknik TF-IDF dan Cosine Similarity, sedangkan MAUT menggabungkan nilai kemiripan tersebut dengan kriteria jabatan fungsional, jumlah publikasi lima tahun terakhir, dan beban akademik dosen untuk menghasilkan perangkingan rekomendasi. Sistem dikembangkan menggunakan metode Rational Unified Process (RUP). Pengujian metode dilakukan menggunakan Precision, Recall, F1-Score, dan Korelasi Rank Spearman, sedangkan penerimaan pengguna diukur dengan User Acceptance Testing (UAT). Hasil pengujian CBF memperoleh rata-rata F1-Score 0,5309 untuk kategori pembimbing dan 0,4539 untuk kategori penguji, sedangkan MAUT memperoleh nilai korelasi Spearman 0,40 (pembimbing) dan -0,12 (penguji). Hasil UAT memperoleh nilai penerimaan keseluruhan 84,33% yang termasuk kategori sangat baik. Dengan demikian, sistem yang dikembangkan dinilai dapat diterima dan mampu membantu proses pemilihan dosen secara lebih objektif, efisien, dan terukur.
Implementasi Algortima Agglomerative Hierarchical Clustering (AHC) Pada Sistem Informasi Manajemen Pertandingan Taekwondo Untuk Otomatisasi Bagan Pertandingan Nur Fadillahh; Jumadil Nangi; Asa Hari Wibowo; Isnawaty Isnawaty; Bambang Pramono; Erich Nov Putra Razak
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.12132

Abstract

Penyelenggaraan pertandingan taekwondo memerlukan pengelolaan administrasi dan penyusunan bagan pertandingan yang efektif agar kompetisi dapat berlangsung secara terstruktur, objektif, dan efisien. Namun, proses tersebut masih banyak dilakukan secara manual sehingga berpotensi menyebabkan ketidakteraturan pengelolaan data, keterlambatan penyampaian informasi, serta belum mendukung pembentukan bagan pertandingan secara otomatis berdasarkan karakteristik atlet. Penelitian ini bertujuan mengembangkan dan mengimplementasikan Sistem Informasi Manajemen Pertandingan Taekwondo dengan menerapkan algoritma Agglomerative Hierarchical Clustering (AHC) sebagai dasar pembentukan bagan pertandingan secara otomatis. Pengembangan sistem menggunakan metode Rational Unified Process (RUP) yang terdiri atas tahapan Inception, Elaboration, Construction, dan Transition. Proses pengelompokan atlet dilakukan menggunakan algoritma AHC berdasarkan atribut tingkat sabuk, tahun lahir, dan berat badan, sedangkan kualitas hasil clustering dievaluasi menggunakan Silhouette Index (SI) dan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa sistem berhasil mengelola data pertandingan serta membentuk bagan pertandingan secara otomatis berdasarkan hasil pengelompokan atlet. Pengujian pada beberapa kelas tanding menunjukkan bahwa kualitas clustering bervariasi sesuai karakteristik data pada setiap kategori. Hasil terbaik diperoleh pada kelas Junior Putra Under 45 dengan enam klaster, nilai Silhouette Index sebesar 0,8179, dan Davies-Bouldin Index sebesar 0,0486 yang menunjukkan kualitas pengelompokan yang sangat baik. Dengan demikian, implementasi algoritma AHC pada sistem informasi manajemen pertandingan mampu menghasilkan pengelompokan atlet yang representatif sebagai dasar penyusunan bagan pertandingan secara otomatis, sehingga mendukung proses pengelolaan pertandingan yang lebih sistematis, objektif, dan berbasis data.
Diagnosis Kerusakan Alat Berat dan Mobil Berbasis Web Menggunakan Algoritma Fuzzy Tsukamoto Kiki Noviana Saputri; Bambang Pramono; Muh. Yamin
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.12158

Abstract

Pemeriksaan harian alat berat dan kendaraan operasional penting untuk mencegah kerusakan tidak terduga, menekan waktu henti dan mendukung keselamatan operasi. Pada PT Bumi Sarana Beton, data pemeriksaan sebelumnya dicatat secara manual sehingga berisiko menimbulkan ketidakkonsistenan penilaian, keterlambatan pelaporan, dan dokumentasi yang terpisah. Penelitian ini mengembangkan sistem berbasis web untuk diagnosis kerusakan dan evaluasi kelayakan operasional menggunakan metode Fuzzy Tsukamoto. Sistem mengolah data pemeriksaan harian yang dikelompokkan ke dalam tiga variabel penilaian, yaitu sistem utama operasional, mobilitas dan struktur, serta safety dan kontrol. Kondisi komponen dikonversi menjadi skor numerik, difuzzifikasi melalui fungsi keanggotaan, dievaluasi menggunakan aturan fuzzy dan nilai alpha-predikat minimum, kemudian didefuzzifikasi dengan rata-rata terbobot untuk menghasilkan nilai kelayakan tegas. Hasil akhir dipetakan ke dalam tiga status operasional, yaitu Tidak Layak, Perlu Perhatian, dan Layak. Sistem juga menerapkan hard safety override pada komponen kritis sehingga kondisi rusak atau hilang dapat mengunci status akhir menjadi Tidak Layak tanpa bergantung pada nilai fuzzy. Implementasi sistem mencakup form P2H, unggah foto bukti, hasil diagnosis, riwayat pemeriksaan, dan laporan. Pengujian white box menunjukkan seluruh 19 skenario internal lulus, sedangkan evaluasi awal confusion matrix terhadap enam data uji menghasilkan akurasi 83,33%. Hasil ini menunjukkan bahwa sistem dapat mendukung keputusan pemeriksaan yang lebih cepat, konsisten, dan dapat ditelusuri, meskipun pengujian lanjutan dengan data yang lebih besar dan seimbang masih diperlukan
Smart Searching Pada Agenda Dan Perpustakaan Berbasis Web Menggunakan Algoritma Trie Dan Jaro-Winkler Distance Nurendro Hardjo Judanto R; Asrul Sani; Bambang Pramono
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.12274

Abstract

Pengelolaan agenda kegiatan dan perpustakaan di Kejaksaan Tinggi Sulawesi Tenggara menghadapi kendala karena pencatatan dan pencarian data belum sepenuhnya terintegrasi, sedangkan pencarian berbasis pencocokan teks langsung tidak toleran terhadap kesalahan pengetikan, perbedaan ejaan, atau kata kunci yang tidak lengkap. Penelitian ini bertujuan merancang dan membangun SIGAP (Sistem Informasi Agenda dan Perpustakaan), yaitu aplikasi web dengan mekanisme smart searching yang mengombinasikan algoritma Trie untuk autosuggestion dan Jaro-Winkler Distance untuk fuzzy search. Sistem dikembangkan menggunakan Rational Unified Process melalui fase inception, elaboration, construction, dan transition, dengan Laravel, PHP, Tailwind CSS, JavaScript, Python, MySQL, serta layanan pencarian hibrida sebagai komponen utama. Data uji terdiri atas 500 data buku dan 21 data agenda. Evaluasi dilakukan melalui pengujian kecepatan, white box, precision-recall, dan User Acceptance Testing. Hasil menunjukkan waktu pencarian rata-rata turun dari 25,0 detik pada pencarian manual menjadi 239,1 milidetik atau sekitar 0,24 detik pada sistem hibrida, setara percepatan sekitar 104,5 kali. Seluruh 17 kasus white box lulus, sedangkan evaluasi terhadap 12 kueri menghasilkan Recall 100% dan Precision 89,41%. Pengujian penerimaan pengguna terhadap 10 responden memperoleh rata-rata 86,76% dengan kategori sangat baik. Hasil tersebut menunjukkan bahwa kombinasi Trie dan Jaro-Winkler Distance mampu meningkatkan kecepatan, relevansi, toleransi terhadap kesalahan input, dan penerimaan pengguna dalam pencarian data agenda dan perpustakaan.
Segmentasi Pelanggan Menggunakan Model RFM dengan Algoritma K-Means++ (Studi Kasus: Mondae Coffee) Wa Ode Fahmi Ramadhani; Bambang Pramono; Statiswaty Statiswaty
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.11102

Abstract

Mondae Coffee di Kota Kendari masih mengelola pelanggan secara umum sehingga promosi dan program loyalitas belum sepenuhnya dilakukan secara tepat sasaran. Penelitian ini bertujuan menerapkan model Recency, Frequency, Monetary (RFM) dan algoritma K-Means++ untuk melakukan segmentasi pelanggan berbasis data transaksi serta mengimplementasikannya dalam sistem berbasis website. Tahapan penelitian meliputi pra-pemrosesan data, perhitungan nilai RFM, pemberian skor RFM berbasis kuartil, normalisasi data, penentuan jumlah cluster optimal menggunakan Metode Elbow pada rentang K = 2 sampai K = 10, dan proses clustering menggunakan K-Means++. Sistem dikembangkan dengan metode Rational Unified Process (RUP) menggunakan Laravel dan MySQL. Hasil implementasi sistem menunjukkan bahwa nilai K optimal adalah 4 dengan total 500 pelanggan yang berhasil dikelompokkan. Segmentasi menghasilkan empat kelompok pelanggan, yaitu Champions sebanyak 204 pelanggan, Loyal Customers sebanyak 141 pelanggan, Potential Loyalists sebanyak 114 pelanggan, dan New Customers sebanyak 41 pelanggan. Cluster Champions memiliki rata-rata skor RFM tertinggi sebesar 3,26 sehingga layak menjadi target utama strategi pemasaran. Pengujian Black Box terhadap 27 skenario menunjukkan tingkat keberhasilan 100%. Penelitian ini menunjukkan bahwa integrasi RFM, K-Means++, dan sistem berbasis website dapat membantu usaha kedai kopi menyusun strategi pemasaran yang lebih efektif dan berbasis data.
Implementasi Algoritma Xgboost dengan Bayesian Optimization pada Sistem Rekomendasi Pemilihan Atlet Bola Voli Pantai Sulawesi Tenggara untuk Meningkatkan Efektivitas Keputusan Muhammad Akbar Perdana Ramadhan; Laode Muhammad Golok Jaya; Adha Mashur Sajiah; Bambang Pramono; Sutardi Sutardi; Subardin Subardin
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.11572

Abstract

Seleksi atlet bola voli pantai di Sulawesi Tenggara masih dilakukan secara konvensional dan bergantung pada penilaian subjektif pelatih, sehingga rentan menimbulkan inkonsistensi dan pengambilan keputusan yang kurang optimal di tengah meningkatnya jumlah calon atlet dan kompleksitas kriteria evaluasi. Kondisi ini berpotensi menghasilkan keputusan yang kurang tepat dan menghambat pengembangan atlet potensial. Penelitian ini mengimplementasikan algoritma Extreme Gradient Boosting (XGBoost) yang dioptimasi menggunakan Bayesian Optimization untuk membangun sistem rekomendasi pemilihan atlet yang objektif dan berbasis data. Dataset yang digunakan berjumlah 320 data atlet dengan 13 kriteria penilaian, dibagi menjadi 80% data pelatihan dan 20% data pengujian. Ketiga belas kriteria tersebut mencakup tinggi badan, kekuatan otot, kecepatan, kelincahan, teknik servis, smash, dan aspek psikologis. Evaluasi model dilakukan menggunakan metrik MAE, MSE, RMSE, R², dan MAPE. Hasil penelitian menunjukkan bahwa Bayesian Optimization mampu meningkatkan performa model secara signifikan, dengan nilai MAE menurun dari 1,2878 menjadi 0,9074, MSE dari 2,3796 menjadi 1,2547, RMSE dari 1,5426 menjadi 1,1201, serta R² meningkat dari 0,9412 menjadi 0,9852. Model akhir mencapai MAPE sebesar 2,61%, yang tergolong kategori sangat akurat berdasarkan kriteria Lewis (1982). Nilai MAPE di bawah 10% menunjukkan akurasi peramalan yang sangat tinggi. Sistem berhasil diimplementasikan sebagai aplikasi web berbasis Flask dan telah divalidasi secara kualitatif oleh pakar bola voli pantai. Hasil pengujian black box menunjukkan seluruh fitur sistem berjalan sesuai fungsi yang dirancang. Dengan demikian, sistem ini dapat diandalkan untuk mendukung seleksi atlet yang lebih transparan dan akurat.
Pengembangan Aplikasi Arsip Digital Surat Berbasis Web Dengan Penerapan Algoritma Sequential Search dan Merge Sort Serta Integrasi Chatbot untuk Meningkatkan Efisiensi Pengelolaan Dokumen Abdul Fath Ramadhan P; Bambang Pramono; L.M Fid Aksara
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12191

Abstract

Pengelolaan arsip surat pada Satuan Polisi Pamong Praja (Satpol PP) Provinsi Sulawesi Tenggara masih dilakukan secara konvensional dan semi digital sehingga proses pencarian dokumen berjalan lambat dan berisiko menimbulkan duplikasi maupun kehilangan data. Penelitian ini mengembangkan aplikasi arsip digital surat berbasis web yang menerapkan algoritma Sequential Search untuk pencarian data, algoritma Merge Sort untuk pengurutan data, serta chatbot berbasis Gemini API sebagai media interaksi pengguna. Sistem dikembangkan menggunakan metode Rational Unified Process (RUP) dengan framework Laravel, PHP, dan MySQL, kemudian diuji melalui pengujian fungsional, pengujian kinerja, Black Box Testing, dan User Acceptance Testing (UAT). Hasil pengujian menunjukkan algoritma Sequential Search berhasil menemukan data secara valid pada seluruh skenario dengan waktu eksekusi 0,0441-0,2038 ms sesuai kompleksitas O(n), sedangkan Merge Sort menghasilkan pengurutan yang valid dan stabil pada kisaran 1,2400-1,7171 ms sesuai kompleksitas O (n log n) tanpa dipengaruhi kondisi data awal. Chatbot berbasis Gemini API berhasil merespons lima kategori kueri secara relevan, pengujian Black Box mencapai tingkat keberhasilan 100% pada 11 skenario, dan UAT memperoleh indeks kelayakan 95% (kategori sangat layak). Hasil ini membuktikan bahwa integrasi algoritma pencarian, pengurutan, dan chatbot AI efektif meningkatkan efisiensi pengelolaan arsip surat pada instansi pemerintahan daerah. Sistem juga menyediakan akses informasi yang lebih cepat, terstruktur, dan mudah digunakan untuk mendukung pelayanan administrasi serta pengambilan keputusan berbasis dokumen.
Co-Authors Abdul Fath Ramadhan P Adha Mashur Sajiah Ahmad Al Ambiyah Aldriani Adhyaksa Alvin S. Padangaran Ander Gibran Siregar Andi Annisya Apriadi Bahar Arriya Rahaldi Al Kandari Artono Dwi Ramadhan Asa Hari Wibowo Augridita Prawidya C Ayustina Samudin Azkar Kumala Bunyamin Bunyamin Dea Ariska Nastiti Dhea Angellena Engel Diah Ayu Ningtiyas eka wahyu hidayati Erich Nov Putra Razak Firman Teguh Wibowo Golok Jaya, La Ode Muhammad Hadi Ibrahim Tri Saputra Hayara Octaviani I Nyoman Aditia Ika Purwanti Ningrum Iklil Awalda Tariza Isnawaty Isnawaty Isnawaty Isnawaty Isnawaty Jayanti Yusmah Sari Jumadil Nangi Kiki Noviana Saputri L.M Bahtiar Aksara L.M. Tajidun La Ode Arsad Sani La Ode Hasnuddin S. Sagala La Ode Nauval Aqiilah Tsaqif La Sufu Linda Purnama Muri LM Tajidun LM. Fid Aksara Mayang Putri Khairunnisa Muh Yusuf Muh. Afdal Ziqri Ramadhan Muh. Rabildzan Muh. Yamin Muhamad Anan Makrifsyah Gani Muhammad Abdillah Rahmat Muhammad Akbar Perdana Ramadhan Muhammad Budi Dharmawan Muhammad Fadel Muhammad Fikri Haikal Bahri Muhammad Ihsan Sarita Muhammad Ihsan Sarita Muhammad Ridwan Nadaa Qur'atul 'Ain Natalis Ransi Natalis Ransi, Natalis Niarma Niarma Nur Fadillahh Nur Rahmawati Subuh Nurendro Hardjo Judanto R paditya septiansa Puspita Sari Rahmad Akbar Rahmat Ramadhan Rahmat Zulwan S Reksa Leo Saputra Rindy Rindy Riska amelia alwi Rizal Adi Saputra Ryan Adryana Ryan Rinaldi Hadistio Statiswaty Subardin Subardin Sukmawati Abdullah Sumitro, Dewi Sari Sutardi Sutardi Sutardi Sutardi Sutardi Syahril Ramadhan Salman Noor Wa Nurgayah Wa Ode Ayunita Purnama Wulandari Wa Ode Fahmi Ramadhani Wa Ode Nurhayah Kadir