Article Per Year (5 Year)
p-Index From 2020 - 2025
6.521
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi) Teknika Jupiter Techno.Com: Jurnal Teknologi Informasi SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal CoreIT Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Nasional Komputasi dan Teknologi Informasi IJISTECH (International Journal Of Information System & Technology) JURIKOM (Jurnal Riset Komputer) Informatika : Jurnal Informatika, Manajemen dan Komputer JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) EDUMATIC: Jurnal Pendidikan Informatika Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Zonasi: Jurnal Sistem Informasi Jurnal Informatika Ekonomi Bisnis JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) JUKI : Jurnal Komputer dan Informatika Jurnal Ilmu Komputer IJISTECH Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Pendidikan dan Teknologi Indonesia Jurnal Informatika Terpadu Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Bulletin of Information Technology (BIT) Jurnal Informatika Ekonomi Bisnis SATIN - Sains dan Teknologi Informasi
Muhammad Affandes
Universitas Islam Negeri Sultan Syarif Kasim Riau
Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering 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 Neuroscience Social Sciences Transportation Other

Published : 56 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 56 Documents
Search

 1   2   3   4   5 
PENERAPAN METODE SUPPORT VECTOR MACHINE (SVM) MENGGUNAKAN KERNEL RADIAL BASIS FAUNCTION (RBF) PADA KLASIFIKASI TWEET imelda amuis; Muhammad Affandes
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 12, No 2 (2015): Juni 2015
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v12i2.1010

Abstract

Twitter salah satu media sosial yang banyak digunakan oleh publik. Twitter merupakan salah satu wadah atau tempat untuk berbagi informasi dan juga dapat digunakan untuk berkampanye dan berpromosi barang atau jasa juga sering disebut dengan bisnis. Twitter merupakan salah satu media sosial yang  dapat digunakan untuk melakukan hal tersebut.Bisnis menggunakan media sosial twitter dapat dilakukan dengan cara membagikan tweet  kepada pengguna Twitter. Pada penelitian ini akan dilakukan pengklasifikasian data tweet menggunakan metode support vector machine (SVM) tersebut agar  tweet yang ada tidak bercampur antara iklan dan tidak iklan. SVM salah satu metode yang dapat melakukan pengklasifikasi data dengan baik, karena proses yang akan dilakukan bersifat non linear maka akan menggunakan kernel RBF (Radial Basis Function) dimana parameter yang akan digunakan adalah nilai C dan γ. Dari hasil uji coba, aplikasi menunjukkan akurasi stabil  pada rentang nilai 0 ≤ C ≤ 3 dan  0.01≤ γ ≤ 10 pada data yang belum dilakukan pemilihan fitur dan akurasi stabil pada rentang nilai 0 ≤ C ≤ 300 dan  0.01≤ γ ≤ 10. Dengan pencapaian nilai akurasi yang baik maka, hasil ini dapat diterapkan untuk membantu pengguna Twitter untuk melakukan filter terhadap tweet iklan yang terdapat pada akun Twitter mereka.
Implementasi Usability Pada Sistem Informasi Akademik Menggunakan Metode Usability Heuristics Asmarita Asmarita; Muhammad Affandes
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

(Studi Kasus: STMIK AMIK RIAU)
Klasifikasi Sentimen Terhadap Vaksin Covid-19 Menggunakan Algoritma C4.5 Pada Media Sosial Instagram Elvia Budianita; Muhammad Affandes
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2021: SNTIKI 13
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Covid-19 (Corona Virus Disease 2019) merupakan virus baru yang ditemukan pada akhir tahun 2019 di China. Virus ini menyebar luas di dunia dan menyebabkan kerugian banyak hal. Salah satu cara yang dapat mencegah penyebaran virus ini adalah dengan vaksinasi. Banyak dari masyarakat yang memberikan tanggapan terhadap vaksinasi ini dari berbagai hal, salah satunya media sosial Instagram. Tanggapan masyarakat ini dapat dijadikan sebuah penelitian mengenai klasifikasi sentimen masyarakat terhadap vaksin menggunakan algoritma C4.5. Melakukan analisis sentimen bertujuan untuk mengetahui pendapat atau opini negatif atau positif terhadap sebuah masalah atau objek. Penelitian dilakukan dengan menggunakan data berjumlah 1200, dimana 600 merupakan data positif dan 600 data tidak positif. Algoritma C4.5 telah diuji menggunakan confusion matrix dengan perbandingan 70:30, 80:20, 90:10 dan memperoleh hasil akurasi terbaik 90%. Berdasarkan hasil pengujian menggunakan tahapan text processing dan algoritma C4.5 terhadap komentar mengenai vaksinasi diperoleh bahwa komentar tidak positif (negatif) lebih banyak dikenali sebagai komentar positif.
Perancangan dan Implementasi Sistem Audit Mutu Internal (Studi: UIN Sultan Syarif Kasim Riau) Muhammad Affandes; Albis Ya Albi; Muhammad Irsyad; Pizaini Pizaini; Novi Yanti
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2020: SNTIKI 12
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Universitas Islam Negeri Sultan Syarif Kasim Riau (UIN SUSKA RIAU) merupakan institusi yang bergerak dibidang akademik. institusi yang bergerak dibidang akademik atau peguruan tinggi harus mempunyai kualitas pendidikan yang baik yang terdapat pada UU Sisdiknas No. 20 tahun 2003 menerangkan tentang evaluasi pendidikan terdiri dari kegiatan pengendalian, penjaminan, dan penetapan mutu pendidikan harus dilakukan, baik dalam program studi maupun institusi pendidikan secara berkelanjutan. Setiap program studi harus diperhatikan kualitas nya baik dari dosen/pegawai, mahasiswa, dan hal-hal lain yang membantu program studi tersebut meningkat harus di data dan akhir nya laporan tersebut diserahkan kepada BAN-PT selaku badan pemerintahan yang menaungi bidang pendidikan. Maka akan dibentuk sistem yang dapat mengelola kegiatan audit internal yang akan dilakukan oleh dosen-dosen UIN SUSKA Riau. Sistem audit mutu internal mempunyai beberapa peran atau role yaitu auditi dan auditor. Role Based Access Control digunakan untuk membedakan hak akses pada setiap user yang akan menggunakan sistem audit mutu internal. Dalam melakukan perancangan sistem dilakukan analisis dengan menggunakan Unified Modelling Language (UML).
Mengukur Tingkat Usability pada Sistem Informasi Akademik (Studi Kasus: Akademik Universitas XYZ) Thomas Alva Edison; Muhammad Affandes
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2015: SNTIKI 7
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (214.001 KB)

Abstract

Academic information system becomes a very important tool, because it is accessible by many users. The whole admin, lecturers and students use the system to conduct lectures. although the system is working well, there are still some issues that indicate the user to the menu that is not suitable, the form that has the wrong label, not working and any other problems, with many problems complained by the users, it is necessary to perform the measurement of the usability level of the system. the measurement is performed using jacob nielsen methode which using standards of 5 attributes: learnability, efficiency, memorability, errors, and satisfaction, based on interview with admins, lectures and students by doing direct observation to the system. the results of the research, there are 303 problems which affecting usability level of academic system, which amongst them are : 160 of admin section, 119 of lecturers section and 24 of students sections. based on those problems it is recommended to make a simplification of related form, align the name of the form, simplifying the menu, deleting the form, and provide the necessary information.Keywords: academic information system, jacob nielsen ,usability.
Implementasi Treemap untuk Visualisasi Data Angka Kesakitan (Morbiditas) (Studi Kasus: Dinas Kesehatan Indragiri Hilir) Muhammad Ridha; Muhammad Affandes; Eka Pandu Cynthia; Pizaini Pizaini
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4147

Abstract

Dinas Kesehatan Indragiri Hilir merupakan instansi pemerintah yang memegang peranan penting dalam pengawasan dan pemantauan perkembangan kesehatan di Kabupaten Indragiri Hilir. Sebagai pihak yang bertanggung jawab dibidang kesehatan, Dinas Kesehatan memerlukan pendataan mengenai angka kesakitan (morbiditas) masyarakat Indragiri Hilir yang dikelompok berdasarkan penyakit, umur, jenis kelamin, kasus baru-lama yang ada disetiap UPT Puskesmas di Kabupaten Indragiri Hilir. Setiap bulannya, UPT Puskesmas di kecamatan melaporkan angka kesakitan (morbiditas) ke Dinas Kesehatan Indragiri Hilir untuk direkapitulasi. Namun laporan masih dalam bentuk format file excel dan tabel, sehingga data harus dilihat satu persatu dan memahami data membutuhkan waktu yang lama. Maka dibutuhkanlah sistem yang dapat memvisualisasikan data untuk memudahkan melihat data dan mengambil keputusan. Sistem ini dibangun menggunakan metode Treemap. Metode ini dapat memvisualisasikan data secara menyeluruh dan detail berdasarkan kategori data dengan jumlah data ratusan hingga ribuan yang ditampilkan dalam satu waktu. Berdasarkan hasil pengujian yang dilakukan menggunakan metode Black Box dan User Acceptance Test, sistem visualisasi menggunakan Treemap berhasil dibangun dan berjalan dengan baik dalam memvisualisasikan data angka kesakitan (morbiditas) di Indragiri Hilir dengan memperoleh hasil pengujian 95.10% untuk kategori sangat bagus menggunakan perhitungan skala Likert.
Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT) Khairul Amri; Alwis Nazir; Elin Haerani; Muhammad Affandes; Reski Mai Candra; Amany Akhyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4408

Abstract

Abstrak - Tracer study adalah sebuah pendekatan yang diterapkan universitas untuk memperoleh informasi tentang kemungkinan kelemahan dalam proses pendidikan dan proses pembelajaran yang menjadi dasar perencanaan aktivitas untuk penyempurnaan di masa mendatang. Pada Universitas Islam Negeri Sultan Syarif Kasim Riau belum pernah ada tracer study yang komprehensif dan terstruktur dalam ruang lingkup universitas. Tracer study yang dilakukan hanya dalam lingkup program studi dan hanya dilaksanakan menjelang proses akreditasi prodi. Tidak ada tracer study yang rutin dilakukan di tingkat program studi dan universitas setiap tahunnya. Pada penelitian ini akan berfokus kepada penerapan data mining untuk mencari pola asosiasi pada data tracer study menggunakan Equivalence Class Transformation (ECLAT). Dari hasil penelitian terdapat 4 pola yang memenuhi support 13% dan confidence 80% dengan pengujian lift rasio 1. Pola tersebut diantaranya Jika ipk antara 3 – 3,5 dan gaji pertama dibawah 3 juta dan laki-laki maka status kelulusan tidak tepat waktu dan “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dengan support 17% dan confidence 84%. Jika ipk antara 3 – 3,5 dan perempuan maka “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dan hubungan pekerjaan dengan jurusan sesuai dengan support 14 % dan confidence 100%.Kata kunci: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat Abstract - Tracer study is an approach applied by universities to obtain important information in the education and learning process which is the basis for planning activities for future improvement. At UIN SUSKA University there has never been a comprehensive and structured tracer study within the scope of the university. There is no routine tracer study conducted at the study program and university level every year. This research will focus on the application of data mining to find association rules in tracer study data using ECLAT. From the research results, there are 4 patterns that meet the support of 13% and 80% confidence with a lift ratio test 1. The patterns include If the ipk is between 3 - 3.5 and the first salary is below 3 million and male then the graduation status is not on time and the waiting period to get the first job is less than 6 months with 17% support and 84% confidence. If the ipk is between 3 - 3.5 and female, then the waiting period to get the first job is less than 6 months and the job relationship with the major is in accordance with the support of 14% and confidence 100%.Keywords: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat
Implementasi Data Mining Untuk Menemukan Pola Asosiasi Data Tracer Study Menggunakan Algoritma Apriori Rindi Yani; Alwis Nazir; Muhammad Affandes; Reski Mai Candra; Amany Akhyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4412

Abstract

Abstrak -  Mengetahui sebaran alumni dari suatu perguruan tinggi sangat bermanfaat sebagai bahan evaluasi dan tolak ukur aktivitas belajar mengajar di perguruan tinggi terkait. Salah satu cara untuk mendapatkan sebaran alumni adalah dengan melaksanakan tracer study. Pada penelitian ini akan dilakukan tracer study dan selanjutnya data tersebut akan diolah dengan teknik data mining menggunakan algoritma apriori. Hasil data berupa pola hubungan antar atribut akan memudahkan para pemegang keputusan di perguruan tinggi dalam mendapatkan pengetahuan baru tentang lulusan dan dapat digunakaan untuk meningkatkan dan menjamin kualitas pendidikan tinggi tersebut. Tracer study yang dilakukan berfokus pada mahasiswa Teknik Informatika UIN Suska Riau yang lulus pada tahun 2019 dan 2020. Hasil penelitian ini memperoleh pengetahuan baru seperti pekerjaan pertama lulusan dengan masa tunggu kurang dari 6 bulan adalah sebagai pegawai kontrak atau honorer dengan gaji antara 3-5jt dan memiliki ipk antara 3-3,5.Kata kunci: data mining, pola asosiasi, tracer study, apriori Abstract - Knowing the distribution of alumni from a university is very useful as an evaluation and a benchmark for teaching and learning activities in related universities. One way to get the distribution of alumni is to carry out a tracer study. In this research, a tracer study will be carried out and then the data will be processed using the apriori algorithm data mining techniques. The results of the data in the form of relationship patterns between attributes will make it easier for decision makers in higher education to gain new knowledge about graduates and it can be used to improve and guarantee the quality of these higher education institutions. The tracer study carried out was focused on Informatics Engineering students at UIN Suska Riau who graduated in 2019 and 2020. The results of this study are in the form of new knowledge, such as graduates with a waiting period are fewer than 6 months getting their first job as a contract or honorary employees with salaries of between 3-5 million and a GPA between 3-3.5.Keywords: data mining, association rule, tracer study, apriori algorithm
Penerapan Data Mining Pada Hasil Tracer Study Alumni Untuk Menemukan Pola Asosiasi Dengan Algoritma Fp-Growth Surya Andika; Alwis Nazir; Fitri Wulandari; Muhammad Affandes; Reski Mai Candra; Amany Akhyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4407

Abstract

Abstrak - Tracer study adalah studi terhadap lulusan lembaga pendidikan tinggi, yang juga merupakan proses untuk  mendapatkan informasi terkait transformasi alumni dari masa pendidikan ke dunia industri. Hal ini dilakukan untuk menentukan kelayakan pekerjaan lulusan dan juga penilaian retrospektif, seperti apa pelayanan yang diperoleh selama masa studi. Penelitian ini akan melaksanakan  tracer study  pada tingkat program studi di Teknik Informatika di UIN Suska Riau dan kemudian hasil studi lanjutan ini akan diolah untuk mendapatkan pola korelasi atau hubungan yang bermakna. Pengolahan data akan menggunakan teknologi data mining dan algoritma fp-growth.  Berdasarkan hasil analisa pengujian dan interpretasi dari total data bersih 129 alumni teknik informatika UIN Suska Riau yaitu pola yang dihasilkan dari proses mining dengan minimum support 15%  dan minimum confidence 40% adalah sebanyak 608 pola. Peneliti mengambil beberapa pola dengan antecedents berupa ipk, masa tunggu, bidang pekerjaan, gaji,  pekerjaan pertama, jenis kelamin untuk diinterpretasikan.Kata kunci: Data Mining, Tracer study, Fp-growth Abstract - Tracer study is a study of graduates of higher education institutions, which is also a process to obtain information related to the transformation of alumni from their education period to the industrial world. This is done to determine the employability of graduates as well as a retrospective assessment, such as what services were obtained during the study period. This research will carry out a tracer study at the study program level in Informatics Engineering at UIN Suska Riau and then the results of this follow-up study will be processed to obtain a significant correlation pattern or relationship. Data processing will use data mining technology and the fp-growth algorithm. Based on the results of the analysis of testing and interpretation of the total net data of 129 alumni of informatics engineering UIN Suska Riau, the patterns generated from the mining process with a minimum support of 15% and a minimum confidence of 40% are 608 patterns. Researchers took several patterns with antecedents in the form of GPA, waiting period, field of work, salary, first job, gender to be interpreted.Keywords: Data Mining, Tracer study, Fp-growth 
Pengaruh Hyperparameter Convolutional Neural Network Arsitektur ResNet-50 Pada Klasifikasi Citra Daging Sapi dan Daging Babi Sarah Lasniari; Jasril Jasril; Suwanto Sanjaya; Febi Yanto; Muhammad Affandes
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4424

Abstract

Abstrak - Kasus kecurangan pedagang mencampur daging sapi dengan daging babi masih terjadi hingga saat ini. Membedakan daging sapi dan babi dapat dilakukan dengan mengamati secara langsung satu persatu, tetapi hal ini dapat dilakukan oleh para ahli, Tetapi secara kasat mata masih sulit membedakannya. Perilaku pedagang seperti ini sangat merugikan konsumen khususnya pemeluk agama Islam karena berkaitan dengan makanan yang halal atau haram. Pada penelitain ini menggunakan metode Deep Learning untuk klasifikasi citra dengan Convolutional Neural Network (CNN) arsitektur ResNet-50. Jumlah data sebanyak 457 citra yang terbagi menjadi 3 kelas, yaitu daging babi, daging oplosan dan daging sapi. Setiap kelas memiliki ukuran gambar yang sama yaitu 300 x 300 pixel. Pembagian data menggunakan split data dengan perbandingan 70% data uji : 30% data uji, 80% data latih : 20% data uji, dan 90% data latih : 10% data uji. Hasil dari pengujian model dengan Confusion Matrix menunjukkan performa klasifikasi tertinggi dengan 100% accuracy, 100% precision, dan 100% recall, pada data citra asli dengan penggunaan batch size 32, 0.001 learning rate, epoch 75 dan split data 90% : 10%.Kata kunci: Convolutional Neural Network, Daging Babi dan Sapi, Deep Learning, Klasifikasi Citra, ResNet  Abstract - Traders mixing beef and pork are still committing fraud today. Although professionals can discern between beef and pork by watching them one by one, it is still impossible to do so with the naked eye. This kind of behavior is very detrimental to consumers, especially Muslims because it is related to halal or haram food. This research uses Deep Learning method to classify images with Convolutional Neural Network (CNN) ResNet-50 architecture. The number of data is 457 images which are divided into 3 classes, namely pork, mixed meat and beef. Each class has the same image size, which is 300 x 300 pixels. data distribution using split data with a comparison of 70% training data: 30% test data, 80% training data: 20% test data, and 90% training data: 10% test data. The results of model testing using the Confusion Matrix show the highest classification performance with 100% accuracy, 100% precision, and 100% recall, on the original image data using batch size 32, 0.001 learning rate, epoch 75 and split data 90%: 10%..Kata kunci: Convolutional Neural Networ, Deep Learning, Image Classification, Pork and Beef, ResNet
Co-Authors Abdul Aziz Ahmad Efendi Al Fajri Albis Ya Albi Aldri Permana, Lutfi Alwis Nazir Alwis Nazir Alwis Nazir Amany Akhyar Amany Akhyar Amany Akhyar Andrian Wahyu Ardelia, Adinda Abidah Asmarita Asmarita Badri Yusuf Chandra, Reski Mai citra ainul mardhia putri Destri Putri Yani Dhymas Julyan Riyanto Eka Pandu Cynthia Elin Haerani Elin Haerani Elin Haerani Elvia Budianita Elvina Afriani Fadhilah Syafria Fatmawati Fatmawati Febi Yanto Fikry, Muhammad Fitri Insani Fitri Insani Fitri Wulandari Fitri Wulandari Gunawan Setia Wiguna Harahap, Nazaruddin Safaat hariansyah, Aldi imelda amuis Iqbal Salim Thalib Iwan Iskandar Iwan Iskandar Iwan Iskandar Iwan Iskandar Jasril Jasril Jasril Jasril Kana Saputra S Khairul Amri Khonofi, Khoidir Kurniansyah, Juliandi Lola Oktavia Mar'arif, Muhammad Mulky Marlina, Resti Muhammad Fikry Muhammad Irsyad Muhammad Irsyad Muhammad Ridha Muhammad Rizky Ramadhan Nazruddin Safaat Nazruddin Safaat H Nazruddin Safaat H Nazruddin Safaat H Novi Yanti Novialdi T Novri Rahman Novri Yanto Novriyanto Novriyanto Novriyanto Nurhapiza, Nurhapiza Oktavia, Lola Pizaini Pizaini Prameswari, Putri Rahmad Kurniawan Raja Sultan Firsky Ramu Will Sandra Reski Mai Candra Reski Mai Candra Reski Mai Candra Reski Mai Candra Reski Mai Candra Reski Mai Candra Rindi Yani Rometdo Muzawi, Rometdo Roni Setyawan Saputra, Rozi Sarah Lasniari Sarah Lasniari Siska Kurnia Gusti Siska Kurnia Gusti Surya Andika Suwanto Sanjaya Syarifuddin Syarifuddin Tania, Windy Teddie Darmizal Teddie Darmizal Thomas Alva Edison Tri Prastio Nugroho Wedi Kurniawan Wirasatria Putra Yazid, Fathuddin Yelfi Vitriani Yelfi Vitriani Zuriati Ardila Safitri