Article Per Year (5 Year)
p-Index From 2021 - 2026
7.507
P-Index
This Author published in this journals
All Journal Jurnal TIMES JITK (Jurnal Ilmu Pengetahuan dan Komputer) Jurnal Mantik Penusa INTECOMS: Journal of Information Technology and Computer Science The IJICS (International Journal of Informatics and Computer Science) JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Riset Informatika ComTech: Computer, Mathematics and Engineering Applications Jurnal Mantik bit-Tech JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Intelligent Decision Support System (IDSS) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Instal : Jurnal Komputer Bulletin of Information Technology (BIT) Jurnal Minfo Polgan (JMP) BEES: Bulletin of Electrical and Electronics Engineering Jurnal Nasional Teknologi Komputer Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Technologica Jurnal Hasil Pengabdian Masyarakat (JURIBMAS) Journal of Artificial Intelligence and Digital Business Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Jurnal Testing dan Implementasi Sistem Informasi Journal of Algorithmic Digital Engineering and Networks The Journal of Information Technology, Computer Science, and Electrical Engineering
Muhammad Iqbal
Universitas Pembangunan Panca Budi
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences

Published : 58 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 58 Documents
Search

 2   3   4   5   6 
Analisis Pengaruh Media Sosial terhadap Perilaku dan Psikologis Pelajar di Kecamatan Medan Sunggal: Studi Deskriptif Kuantitatif Marsini Sibuea; Muhammad Iqbal
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.v5i2.5832

Abstract

Perkembangan media sosial telah membawa perubahan signifikan dalam kehidupan pelajar, khususnya pada aspek perilaku dan kondisi psikologis. Penelitian ini bertujuan untuk menganalisis kecenderungan pengaruh penggunaan media sosial terhadap perilaku, konsentrasi belajar, pola tidur, stres, kecemasan, serta persepsi diri pelajar di Kecamatan Medan Sunggal. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan teknik pengumpulan data melalui kuesioner dan observasi terhadap 23 pelajar. Data dianalisis menggunakan statistik deskriptif berupa distribusi frekuensi dan persentase. Hasil penelitian menunjukkan bahwa 82,6% responden menggunakan media sosial dengan intensitas sangat sering dan 69,6% telah mengenal media sosial sejak sekolah dasar. Instagram dan TikTok menjadi platform yang paling banyak diakses. Sebanyak 78,3% responden menyatakan setuju atau sangat setuju bahwa media sosial mengganggu jam tidur, sedangkan 91,3% menyatakan media sosial memengaruhi konsentrasi dan produktivitas belajar. Selain itu, 69,5% responden menyatakan media sosial dapat menjadi faktor yang memicu stres atau kecemasan. Temuan ini menunjukkan bahwa intensitas penggunaan media sosial yang tinggi berkaitan dengan kecenderungan perubahan perilaku dan kondisi psikologis pelajar. Meskipun demikian, media sosial tetap memberikan manfaat sebagai sarana komunikasi, interaksi sosial, dan akses informasi. Oleh karena itu, diperlukan pengendalian penggunaan media sosial secara bijak melalui literasi digital, pengaturan waktu penggunaan, serta pendampingan dari orang tua dan pendidik agar manfaat media sosial dapat diperoleh tanpa mengabaikan kesehatan psikologis dan aktivitas akademik pelajar.
PEMETAAN PILIHAN LULUSAN SMK PANCA BUDI MEDAN MENGGUNAKAN ALGORITMA K-MEANS DAN VISUALISASI DATA Maida Indrayani; Muhammad Iqbal; Darmeli Nasution
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3543

Abstract

Abstract: This research maps the career choices of SMK Panca Budi Medan graduates using the K-Means algorithm and data visualization. The study included 219 graduates from 2024 across eight study programs. The majority (44.7%) chose to work, followed by 32.0% who pursued higher education, 16.4% were undecided, and 6.8% became entrepreneurs. Graduates with higher average report card scores tended to continue their studies, while those with lower scores often opted to work or were undecided. The K-Means algorithm successfully clustered graduates, with Cluster 1.0 showing the highest academic potential (average score: 94.60). The findings provide strategic recommendations for the school, including intensifying career guidance for undecided graduates, strengthening higher education pathways for high-achievers, accelerating entrepreneurship incubators, and implementing personalized alumni coaching based on clustering analysis. Keywords: Tracer Study, K-Means, Data Visualization, SMK, Alumni Outcomes Abstrak: Penelitian ini memetakan pilihan karier lulusan SMK Panca Budi Medan menggunakan algoritma K-Means dan visualisasi data. Studi melibatkan 219 lulusan tahun 2024 dari delapan program studi. Sebagian besar lulusan (44,7%) memilih langsung bekerja, diikuti oleh 32,0% yang melanjutkan kuliah, 16,4% "belum tahu", dan 6,8% berwirausaha. Alumni dengan rata-rata nilai rapor tertinggi cenderung melanjutkan kuliah, sedangkan yang lebih rendah umumnya memilih bekerja atau belum memiliki rencana. Algoritma K-Means berhasil mengelompokkan lulusan, dengan cluster 1.0 merepresentasikan potensi akademik tertinggi (rata-rata nilai: 94,60). Temuan ini menghasilkan rekomendasi strategis bagi sekolah, meliputi pengintensifan program bimbingan karier, penguatan jalur kuliah bagi siswa berprestasi tinggi, akselerasi pengembangan inkubator wirausaha, serta implementasi pembinaan alumni berbasis personalisasi dari hasil clustering. Kata kunci: Tracer Study, K-Means, Visualisasi Data, SMK, Outcome Alumni
ANALISIS DATA MINING DALAM PENGELOLAAN PERSEDIAAN STOK DENGAN ALGORITMA RANDOM FOREST DAN APRIORI (STUDI KASUS: TOKO CERIA BABYSHOP) Anzas Ibezato Zalukhu; Muhammad Iqbal; Darmeli Nasution
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3544

Abstract

Abstract: This research analyzes inventory management at Toko Ceria Babyshop by applying data mining techniques, specifically Random Forest and Apriori algorithms. Effective inventory management is crucial for aligning product availability with market demand, preventing overstocking or stockouts, and optimizing operational costs. Sales transaction data from June to December 2024, comprising 20,578 sales transactions, 3,593 purchase entries, 2,736 initial stock entries, and 1,331 final stock entries, were divided into 80:20 training and testing sets. The Random Forest implementation showed that weekly purchase quantity predictions were more effective than monthly predictions, evidenced by lower Mean Squared Error (MSE), Mean Absolute Error (MAE), and Root Mean Squared Error (RMSE) values for weekly predictions (16.10, 1.76, 4.01) compared to monthly (39.68, 3.19, 6.30). Furthermore, the R-squared (R²) value was higher for the weekly model (0.21) than the monthly (0.04), indicating better weekly prediction accuracy. The Apriori algorithm successfully identified product association patterns for both 2-itemsets and 3-itemsets, with all rules exhibiting lift values above 1, signifying positive relationships between products. This purchasing pattern information is highly beneficial for developing marketing strategies such as bundling, shelf arrangement, cross-selling promotions, and improved inventory planning. Keywords: Data mining, Random Forest, Apriori, stok Inventory, Toko Ceria Babyshop Abstrak: Penelitian ini berfokus pada analisis pengelolaan persediaan stok di Toko Ceria Babyshop melalui penerapan teknik data mining menggunakan algoritma Random Forest dan Apriori. Efektivitas pengelolaan persediaan sangat krusial dalam bisnis untuk menyelaraskan ketersediaan produk dengan permintaan pasar, mencegah kelebihan atau kekurangan stok, dan mengoptimalkan biaya operasional. Data transaksi penjualan yang dikumpulkan dari Juni hingga Desember 2024 terdiri dari 20.578 transaksi penjualan, 3.593 entri pembelian, 2.736 entri stok awal, dan 1.331 entri stok akhir, yang kemudian dibagi menjadi set pelatihan dan pengujian dengan rasio 80:20. Hasil implementasi algoritma Random Forest menunjukkan prediksi kuantitas pembelian mingguan lebih efektif dibandingkan bulanan, ditunjukkan oleh nilai Mean Squared Error (MSE), Mean Absolute Error (MAE), dan Root Mean Squared Error (RMSE) yang lebih rendah pada prediksi mingguan (16.10, 1.76, 4.01) dibandingkan bulanan (39.68, 3.19, 6.30). Selain itu, nilai R-squared (R²) juga lebih tinggi untuk model mingguan (0.21) dibandingkan bulanan (0.04), mengindikasikan akurasi prediksi mingguan yang lebih baik. Algoritma Apriori berhasil mengidentifikasi pola asosiasi produk, baik untuk 2-itemset maupun 3-itemset, dengan semua aturan memiliki nilai lift di atas 1, yang menunjukkan hubungan positif antar produk. Informasi mengenai pola pembelian ini sangat bermanfaat untuk pengembangan strategi pemasaran seperti bundling, penataan rak, promosi cross-selling, serta perencanaan persediaan stok yang lebih baik. Kata kunci: Data mining, Random Forest, Apriori, Persediaan stok, Toko Ceria  Babyshop
ANALISIS ALGORITMA K-MEANS CLUSTERING DALAM IDENTIFIKASI TINGKAT RISIKO PENYAKIT BERDASARKAN DATA REKAM MEDIS PASIEN Wina Aulia; Andysah Putera Utama Siahaan; Leni Marlina; Khairul Khairul; Muhammad Iqbal
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3551

Abstract

Abstract: This study aims to classify patients' health conditions based on six indicators: systolic blood pressure, diastolic blood pressure, fasting blood glucose, normal blood glucose, cholesterol level, and uric acid level using the K-Means Clustering method. The optimal number of clusters was determined using the Elbow Method and Silhouette Score, which resulted in five as the optimal number of clusters. The results show that the manual approach produces a more stable distribution that closely aligns with the clinical interpretation of cluster categories: Healthy (C1), Safe (C2), Alert (C3), Moderate (C4), and Severe (C5). Visualization was performed for each indicator through scatter plots and color mapping against normal value thresholds, aiding in the understanding of the distribution of patient conditions across clusters. The analysis reveals that even if a patient has one or more indicators within normal limits, they are not automatically classified into the Healthy or Safe clusters. Discrepancies in other indicators can place them in higher-risk clusters such as Alert, Moderate, or Severe. Therefore, this clustering approach provides a comprehensive view of health conditions based on a combination of features, rather than a single parameter. This research is useful in supporting early diagnosis and data-driven decision-making processes and can be integrated into health information systems for automatic risk classification of patient populations. Keywords: K-Means, Clustering, Health, Blood Pressure, Blood Glucose, Cholesterol, Uric Acid, Data Visualization Abstrak: Penelitian ini bertujuan untuk mengelompokkan kondisi kesehatan pasien berdasarkan enam indikator, yaitu tekanan darah sistolik, tekanan darah diastolik, kadar gula puasa, kadar gula normal, kadar kolesterol, dan kadar asam urat menggunakan metode K-Means Clustering. Penentuan jumlah klaster optimal dilakukan dengan metode Elbow dan Silhouette Score, yang menghasilkan lima klaster sebagai jumlah optimal. Hasil menunjukkan bahwa pendekatan manual menghasilkan distribusi yang lebih stabil dan mendekati pemaknaan klinis dari kategori klaster, yaitu: Sehat (C1), Aman (C2), Waspada (C3), Sedang (C4), dan Berat (C5). Visualisasi dilakukan untuk setiap indikator melalui scatter plot dan pemetaan warna terhadap batas nilai normal, yang membantu dalam memahami sebaran kondisi pasien pada masing-masing klaster. Hasil analisis menunjukkan bahwa meskipun seorang pasien memiliki satu atau lebih indikator dalam batas normal, tidak secara otomatis tergolong dalam klaster Sehat atau Aman. Ketidaksesuaian pada indikator lainnya dapat menempatkan pasien ke dalam klaster yang lebih tinggi risikonya, seperti Waspada, Sedang, atau Berat. Oleh karena itu, pendekatan clustering ini memberikan gambaran menyeluruh terhadap kondisi kesehatan berdasarkan kombinasi fitur, bukan hanya pada satu parameter. Penelitian ini bermanfaat untuk mendukung proses diagnosis awal dan pengambilan keputusan berbasis data, serta dapat diintegrasikan dalam sistem informasi kesehatan untuk klasifikasi risiko populasi pasien secara otomatis.Kata kunci: K-Means, Clustering, Kesehatan, Tekanan Darah, Gula Darah, Kolesterol, Asam Urat, Visualisasi Data
ANALISIS EFEKTIVITAS RAW FIREWALL MIKROTIK DALAM MITIGASI SERANGAN DDOS PADA INFRASTRUKTUR JARINGAN Mhd Arfan Sitorus; Darmeli Nasution; Muhammad Iqbal
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.3930

Abstract

 Abstrak: Serangan Distributed Denial of Service (DDoS) merupakan salah satu ancaman serius terhadap stabilitas dan ketersediaan layanan jaringan. MikroTik RouterOS menyediakan fitur RAW Firewall sebagai salah satu metode mitigasi serangan DDoS dengan memfilter paket pada tahap awal sebelum masuk ke connection tracking. Penelitian ini bertujuan untuk menganalisis efektivitas penggunaan RAW Firewall pada MikroTik dalam mengatasi serangan DDoS pada infrastruktur jaringan. Metode yang digunakan adalah simulasi serangan DDoS menggunakan perangkat uji dan melakukan konfigurasi RAW Firewall untuk memblokir trafik yang terindikasi serangan. Hasil pengujian menunjukkan bahwa penerapan RAW Firewall mampu mengurangi beban CPU Router hingga 35% selama serangan berlangsung dibandingkan penggunaan filter firewall biasa, serta dapat mempertahankan stabilitas bandwidth pada jaringan. Penelitian ini diharapkan dapat menjadi referensi praktis dalam meningkatkan ketahanan jaringan terhadap serangan DDoS menggunakan MikroTik. Kata kunci: DdoS, MikroTik, RAW Firewall, Mitigasi, Keamanan Jaringan.
IMPLEMENTASI DAN EVALUASI WEB SCRAPING PADA DATA JURNAL SINTA Indra Nasution; Muhammad Iqbal
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6810

Abstract

Abstract: The development of digital technology has increased the need for access to scientific information, especially related to academic journal publications. The Science and Technology Index (SINTA) website is one of the main platforms that provides information on accredited scientific journals in Indonesia. However, the process of searching and collecting journal data on the website is still done manually, so it is less efficient when the amount of data needed is large enough. This research aims to implement and evaluate web scraping techniques in collecting journal data on the SINTA website so that the data acquisition process can be carried out automatically, quickly, and in a structured manner. The research method uses an implementive approach through the stages of literature study, analysis of the structure of website pages, development of a system using the Python programming language with the BeautifulSoup library, data collection, database storage, and evaluation of extraction results. The results of the study show that the implementation of the web scraping technique  succeeded in obtaining as many as 15,456 journal data from the SINTA website in 2026 which includes information on journal names, publishing institutions, accreditation categories, ISSN, fields of science, and journal website links. The developed system is also capable of storing data in a structured manner into a database and supports regular information updates. The results of the evaluation show that the web scraping technique is able to improve the efficiency of data collection, minimize manual processes, and produce more systematic journal data. Thus, the implementation of web scraping techniques can be an effective solution in supporting the needs of academics and researchers to obtain journal information quickly and accurately. Keywords: Web Scraping, SINTA, Scientific Journals, Python, Beautifulsoup, Data Extraction.   Abstrak: Perkembangan teknologi digital telah meningkatkan kebutuhan akses terhadap informasi ilmiah, terutama yang berkaitan dengan publikasi jurnal akademik. Situs web Indeks Sains dan Teknologi (SINTA) merupakan salah satu platform utama yang menyediakan informasi tentang jurnal ilmiah terakreditasi di Indonesia. Namun, proses pencarian dan pengumpulan data jurnal di situs web tersebut masih dilakukan secara manual, sehingga kurang efisien ketika jumlah data yang dibutuhkan cukup besar. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi teknik web scraping dalam pengumpulan data jurnal di situs web SINTA sehingga proses akuisisi data dapat dilakukan secara otomatis, cepat, dan terstruktur. Metode penelitian menggunakan pendekatan implementasi melalui tahapan studi pustaka, analisis struktur halaman web, pengembangan sistem menggunakan bahasa pemrograman Python dengan pustaka BeautifulSoup, pengumpulan data, penyimpanan basis data, dan evaluasi hasil ekstraksi. Hasil penelitian menunjukkan bahwa implementasi teknik web scraping berhasil memperoleh sebanyak 15.456 data jurnal dari situs web SINTA pada tahun 2026 yang mencakup informasi tentang nama jurnal, lembaga penerbitan, kategori akreditasi, ISSN, bidang ilmu, dan tautan situs web jurnal. Sistem yang dikembangkan juga mampu menyimpan data secara terstruktur ke dalam basis data dan mendukung pembaruan informasi secara berkala. Hasil evaluasi menunjukkan bahwa teknik web scraping mampu meningkatkan efisiensi pengumpulan data, meminimalkan proses manual, dan menghasilkan data jurnal yang lebih sistematis. Dengan demikian, implementasi teknik web scraping dapat menjadi solusi efektif dalam mendukung kebutuhan akademisi dan peneliti untuk memperoleh informasi jurnal dengan cepat dan akurat. Kata kunci: Web Scraping, SINTA, Jurnal Ilmiah, Python, Beautifulsoup, Ekstraksi Data.
AN INTELLIGENT LEARNING-DRIVEN FOR DYNAMIC WASTE COLLECTION ROUTING USING LSTM AND EVOLUTIONARY CVRP OPTIMIZATION Muhammad Amin; Muhammad Iqbal; Irvanizam Irvanizam
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol. 12 No. 1 (2026): JITK Issue August 2026
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/jitk.v12i1.8357

Abstract

Inefficient waste collection routes result in significant operational costs and environmental impacts. Traditional static routes based on historical averages often deviate substantially from actual requirements. This study proposes an intelligent framework integrating Long Short-Term Memory (LSTM) networks for dynamic time-series forecasting with an Evolutionary Capacitated Vehicle Routing Problem (CVRP) optimizer. The LSTM model captures temporal waste generation patterns using a 7-day sliding window; these patterns are fed into a metaheuristic optimizer that minimizes travel distance to disposal sites while eliminating redundant trips. Experimental results demonstrate high prediction accuracy, with the Mean Squared Error (MSE) converging at 0.0001 during the validation phase. Furthermore, the optimization process achieved a 10.95% reduction (22.5 km/day) in average travel distance compared to the baseline model. In high-density scenarios, the framework improved route efficiency by up to 15.99%. The study concludes that combining deep learning memory capabilities with evolutionary optimization provides a reliable decision-support system for smart city waste management..
ANALISIS PREDIKSI TINGKAT KEHADIRAN SISWA MENGGUNAKAN ALGORITMA NAIVE BAYES DAN LOGISTIC REGRESSION M. Azhari Rizko; Muhammad Iqbal; Muhammad Syahputra Novelan
Jurnal Nasional Teknologi Komputer Vol 6 No 4 (2026): Oktober 2026
Publisher : CV. Hawari

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

Abstract

Student absenteeism, particularly unexcused absence, remains a critical challenge in basic education management that negatively impacts academic continuity and increases dropout risks. This study presents a predictive analysis model for student absenteeism levels using two machine learning algorithms: Naïve Bayes and Logistic Regression, applied to 1,533 active student records from SMP Negeri 5 Stabat across the 2021-2025 academic years. Predictor features comprise demographic factors, accessibility metrics, and parent socioeconomic indicators. Automated data processing was executed via a Python API backend connected directly to a MySQL database across five computational stages. Model evaluation was conducted under three train-test split scenarios (70:30, 80:20, and 90:10). Empirical results demonstrate that Logistic Regression consistently outperformed Naïve Bayes across all testing configurations. The highest classification performance was achieved by Logistic Regression under the 90:10 split ratio with an accuracy of 84.42%, while achieving 84.36% accuracy, 0.8421 precision, 0.8436 recall, and an F1-score of 0.8422 under the standard 80:20 split ratio. Conversely, Naïve Bayes yielded inferior generalization due to feature multicollinearity, recording its lowest performance at 62.34% under the 90:10 ratio and 64.17% under the 80:20 ratio. Sigmoid logit transformation in Logistic Regression proved highly robust in handling interdependent socioeconomic and demographic attributes. These findings confirm the efficacy of LR-based Decision Support Systems for early warning intervention in educational institutions.
Co-Authors , Arpan Abdul Khaliq Abdul Muin Nasution Ade Guna Suteja Ahkyar Khadafi Aidul Safii Akmal Pratama Harahap Amin, Muhammad Andi Ernawati Andi Ernawati Andysah Putera Utama Siahaan Anzas Ibezato Zalukhu Anzas Ibezato Zalukhu Ardiansyah Ardiansyah Astri Aprilia Pratiwi Atja Ramadhan Ayu Ofta Sari Bagas Alivia M Boy Rizky Akbar Chairul Rizal Dadang Iskandar Mulyana` Darmeli Nasution Dika Dika Dimas Armadansyah DWI SURYANTO Dwika Ardya Efendi, Syahril Eko Hariyanto Eva Mufida Padilla Firdaus Firdaus Hafizh Sallam Hafni Hafni Hindra Syahputra Indra Nasution Irvanizam Irvanizam Irwan Irwan Irwan Syahputra Jelly Rolleys Sitompul Kairul Fahmi Khairul Khairunnisa Khairunnisa Kurnia Wira Syahputra Leni Marlina M. Azhari Rizko Maha Valne Datin Maida Indrayani Maisya Fitri Anugrah Marsini Sibuea Mhd Arfan Sitorus Muhammad Adli Afdika Muhammad Eka Muhammad Irfan Sarif Muhammad Irfan Syarif Muhammad Israr Fathoni Muhammad Noor Hasan Siregar Muhammad Syahputra Novelan Muhammad Zen Nadya Septiani Nadya Nelviony Parhusip Niska, Debi Yandra Nurlina Sari Harahap Puspita Wanny Putra, Randi Rian Rian Farta Wijaya Rian Farta Wijaya Wijaya Rindi Antika Robin Antoni Rudi Hermawan Sapna Indah Br Ginting Sartika Siburian Siska Mayasari Rambe Siti Hapsoh Lubis Siti Nurhaliza Sofyan Siti Nurhaliza Sofyan Sitorus, Zulham Sri Wahyuni Suhardiansyah Sumarno Supiyandi Supiyandi Susilawati Yahya Syaiful Asmi Hasibuan Syaiful Rahman Lubis Wina Aulia Zulham