Article Per Year (5 Year)
p-Index From 2021 - 2026
5.249
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Sistem dan Informatika IKRA-ITH Informatika : Jurnal Komputer dan Informatika EDUMATIC: Jurnal Pendidikan Informatika Journal of Innovation and Future Technology (IFTECH) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Aiti: Jurnal Teknologi Informasi Journal La Multiapp Edutik : Jurnal Pendidikan Teknologi Informasi dan Komunikasi Indonesian Journal of Innovation Studies Jurnal Minfo Polgan (JMP) Jurnal Sains Informatika Terapan (JSIT) Journal of Artificial Intelligence and Digital Business Innovative: Journal Of Social Science Research Journal of Embedded Systems, Security and Intelligent Systems semanTIK INOVTEK Polbeng - Seri Informatika Edutik : Jurnal Pendidikan Teknologi Informasi dan Komunikasi Academia Open
Audy Aldrin Kenap
Program Studi Teknik Informatika, Fakultas Teknik, Universitas Negeri Manado
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 Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Public Health Social Sciences Other

Published : 40 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 40 Documents
Search

 1   2   3   4 
Implementasi Algoritma Dijkstra Untuk Menentukan Rute Terpendek Perjalanan Wisata Di Kabupaten Muna Sanusi, Rahmat Hidayat; Kenap, Audy A.; Moningkey, Efraim R. S.
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 1 (2026): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i1.7352

Abstract

Penelitian ini bertujuan untuk mengimplementasikan algoritma Dijkstra dalam menentukan rute terpendek perjalanan wisata di Kabupaten Muna serta membangun sistem berbasis web yang mampu menampilkan visualisasi rute secara interaktif. Kabupaten Muna memiliki banyak destinasi wisata yang tersebar di berbagai wilayah sehingga wisatawan sering mengalami kesulitan dalam menentukan jalur perjalanan yang efisien. Oleh karena itu, diperlukan suatu sistem yang dapat membantu pengguna menemukan rute terpendek agar perjalanan menjadi lebih efektif, hemat waktu, dan biaya. Metode yang digunakan dalam penelitian ini adalah metode pengembangan perangkat lunak Waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan sistem. Data penelitian berupa koordinat lokasi wisata dan jarak antar lokasi diperoleh melalui observasi, Google Maps, serta data dari instansi terkait. Sistem dibangun menggunakan bahasa pemrograman PHP dengan framework CodeIgniter 4, database MySQL, serta Leaflet.js untuk visualisasi peta, sedangkan perhitungan rute dilakukan menggunakan algoritma Dijkstra pada graf berbobot. Hasil penelitian menunjukkan bahwa algoritma Dijkstra mampu menentukan rute terpendek dari titik awal Kota Raha menuju berbagai destinasi wisata dengan akurat. Sistem yang dihasilkan dapat menampilkan jalur perjalanan pada peta digital serta memberikan informasi jarak tempuh secara otomatis. Dengan adanya sistem ini, wisatawan dapat merencanakan perjalanan dengan lebih efisien, sedangkan pemerintah daerah dapat memanfaatkannya sebagai media pendukung pengembangan pariwisata berbasis teknologi di Kabupaten Muna.
Text Classification of 2024 Regional Head Elections Logistics Distribution in Online News Using Support Vector Machine Murni Kassa; Irene Realyta Haldy Trosi Tangkawarow; Audy Aldrin Kenap
Journal of Embedded Systems, Security and Intelligent Systems Vol 7 No 2 (2026): June 2026
Publisher : Program Studi Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/jessi.v7i2.2619

Abstract

Purpose – This study aims to classify online news related to logistics distribution issues in the 2024 Indonesian Regional Head Elections using Support Vector Machine and imbalance handling strategies. Design/methods/approach – A total of 1,355 online news articles were collected from nine national news portals through web scraping. The research workflow involved data preprocessing, rule-based weak supervision, manual validation, TF–IDF feature extraction, oversampling using SMOTE and ADASYN, class-weighted learning, and SVM classification with Linear, RBF, Polynomial, and Sigmoid kernels. Model performance was evaluated using macro-averaged F1-score, 5-fold cross-validation, classification report, and confusion matrix analysis. Findings - The results show that Linear and RBF kernels produced more consistent performance than Polynomial and Sigmoid kernels for sparse TF–IDF representations. The RBF kernel with class-weighted learning achieved the highest hold-out macro F1-score of 0.641, although cross-validation results showed only marginal differences among top-performing configurations. The model performed well in classifying “No Issues” and “Damaged” categories but still struggled with the minority “Late” class. Research implications/limitations – The findings indicate that machine learning can support preliminary election logistics monitoring, but the model should not yet be used as a fully automated early-warning system due to minority-class limitations and weak-labeling constraints. Originality/value – This study contributes empirical evidence on SVM-based imbalanced text classification for election logistics news monitoring in the Indonesian Pilkada context.
An Integrated AHP–TOPSIS Model to Enhance the Effectiveness of Disaster Logistics Distribution (Case Study: Regional Disaster Management Agency of Minahasa) Brandon Natanael Gerungan; Audy Aldrin Kenap; Glenn David Paulus Maramis
Journal of Innovation and Technology Polbeng Series on Informatics (INOVTEK Polbeng - Seri Informatika) Vol. 11 No. 2 (2026): May
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/g19x8g95

Abstract

This study is motivated by the challenges faced by the Regional Disaster Management Agency (BPBD) of Minahasa Regency in determining the priority of disaster logistics distribution in a rapid, accurate, and objective manner under constraints of limited resources and time, where decisions often rely on manual processes that are susceptible to subjective bias. The objective of this study is to design and implement an integrated model of the Analytical Hierarchy Process and the Technique for Order Preference by Similarity to Ideal Solution as a Disaster Logistics Management Information System to support structured and measurable decision-making. The research method involves the development of an AHP–TOPSIS integration model, in which AHP is utilized to determine the weights of priority criteria, while TOPSIS is applied to generate a ranking of affected areas based on priority levels. The findings indicate that the integrated AHP–TOPSIS-based system enhances the objectivity and accuracy of logistics distribution decisions, making them data-driven and grounded in accountable mathematical calculations. The implementation results demonstrate that this approach effectively addresses the limitations of manual decision-making, producing consistent and accountable aid allocation decisions. In conclusion, the AHP–TOPSIS integration model serves as a significant strategic solution in improving the effectiveness, targeting accuracy, and efficiency of aid distribution processes at BPBD Minahasa. It is recommended that the application of this method be further developed by adapting it to the specific needs and geographical conditions of affected areas, as well as ensuring data accuracy to maintain the validity of priority analysis results..
Penerapan Algoritma Decision Tree C4.5 Pada Layanan Perbaikan Handphone dan Laptop Mesiasi Anjelika Supit; Audy Aldrin Kenap; Glenn David Paulus Maramis
SemanTIK : Teknik Informasi Vol. 12 No. 1 (2026): Volume 12 Number 1 (January-june 2026)
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v12i1.258

Abstract

Perkembangan teknologi informasi telah mendorong akan kebutuhan sistem prediksi biaya perbaikan perangkat elektronik yang cepat dan akurat. Tujuan dari penelitian ini untuk menerapkan algoritma Decision Tree C4.5 pada layanan perbaikan Handphone dan Laptop yang ditujukan bagi pelanggan A+ Service Center Manado. Data yang digunakan mencakup atribut merek perangkat, tipe unit, dan jenis kerusakan, dengan hasil berupa estimasi biaya perbaikan. Metode penelitian mencakup tahap pengumpulan data, preprocessing, penerapan algoritma C4.5, pembentukan model pohon keputusan, serta evaluasi akurasi menggunakan confusion matrix dan Rapid Miner. Hasilnya menunjukkan bahwa algoritma Decision Tree C4.5 dapat menghasilkan model dengan tingkat akurasi sebesar 81,06%, di mana atribut kerusakan menjadi faktor paling utama dalam menentukan estimasi biaya. Implementasi sistem berbasis web memberikan penghematan waktu, karena pelanggan dapat mengestimasi biaya perbaikan tanpa perlu menunggu pemeriksaan teknisi di tempat servis. Penerapan algoritma ini dapat membantu meningkatkan efisiensi layanan dan kepercayaan pelanggan terhadap proses perbaikan perangkat. The development of information technology has driven the need for a fast and accurate system to predict the repair costs of electronic devices. This study aims to apply the Decision Tree C4.5 algorithm to smartphone and laptop repair services for customers of A+ Service Center Manado. The dataset includes attributes such as device brand, unit type, and type of damage, with the output being the estimated repair cost. The research methodology involves several stages, including data collection, preprocessing, application of the C4.5 algorithm, decision tree model construction, and accuracy evaluation using a confusion matrix. The results show that the Decision Tree C4.5 algorithm can produce a model with an accuracy rate of 81.06%, where the damage type attribute is the most dominant factor in determining the co-st estimation. The implementation of the web-based system provides time efficiency, allowing customers to estimate repair costs without waiting for on-site technician inspection. The application of this algorithm helps improve service efficiency and enhances customer trust in the repair process.
Perbandingan Clustering Berbasis RFM dan Implementasi K-Means untuk Segementasi Pelanggan Bisnis Laundry Nibertin Zai; Audy Aldrin Kenap; Alfiansyah Hasibuan
SemanTIK : Teknik Informasi Vol. 12 No. 1 (2026): Volume 12 Number 1 (January-june 2026)
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v12i1.275

Abstract

Bisnis laundry seperti Anty Laundry masih mengelola program loyalitas secara manual hanya mengandalkan frekuensi transaksi untuk menentukan pelanggan prioritas tanpa mempertimbangkan kebaruan dan nilai transaksi sehingga strategi pemasaran menjadi tidak tepat sasaran dan potensi retensi pelanggan bernilai tinggi tidak optimal. Penelitian ini membandingkan tiga metode clustering (K-Means, K-Medoids, dan Hierarchical Clustering) untuk segmentasi pelanggan prioritas berbasis analisis Recency, Frequency, dan Monetary (RFM), sekaligus mengimplementasikan metode terbaik dalam sistem informasi berbasis web. Data penelitian terdiri dari 2.549 transaksi valid dari 203 pelanggan unik periode Oktober 2024–Oktober 2025. StandardScaler digunakan untuk normalisasi data dan metode elbow menentukan jumlah cluster optimal (k=5). Evaluasi menggunakan Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index menunjukkan K-Means mencapai hasil terbaik dengan nilai 0.5440, 0.5005, dan 282.18, mengungguli K-Medoids (0.4790, 0.7034, 145.52) dan Hierarchical Clustering (0.5141, 0.5239, 251.73). Lima segmen pelanggan teridentifikasi: Inactive Customer (36.95%), Regular Customer (49.75%), High Value Customer (11.82%), VIP Customer (0.99%), dan Top Spender (0.49%). K-Means diimplementasikan menggunakan Streamlit dengan segmentasi otomatis dan kemampuan ekspor untuk mendukung strategi pemasaran tepat sasaran per segmen. Laundry businesses such as Anty Laundry still manage loyalty programs manually — relying solely on transaction frequency to determine priority customers without considering recency and monetary value — resulting in poorly targeted marketing strategies and suboptimal retention of high-value customers. This study compares three clustering methods (K-Means, K-Medoids, and Hierarchical Clustering) for priority customer segmentation based on Recency, Frequency, and Monetary (RFM) analysis, while implementing the best-performing method in a web-based information system. The dataset consisted of 2,549 valid transactions from 203 unique customers covering October 2024 to October 2025. StandardScaler was applied for data normalization and the elbow method determined the optimal cluster number (k=5). Evaluation using Silhouette Score, Davies-Bouldin Index, and Calinski-Harabasz Index showed K-Means achieved the best results with values of 0.5440, 0.5005, and 282.18, outperforming K-Medoids (0.4790, 0.7034, 145.52) and Hierarchical Clustering (0.5141, 0.5239, 251.73). Five customer segments were identified: Inactive Customers (36.95%), Regular Customers (49.75%), High Value Customers (11.82%), VIP Customers (0.99%), and Top Spenders (0.49%). K-Means was implemented using Streamlit with automatic segmentation and export capabilities to support targeted marketing strategies for each segment.
Sistem Pendukung Keputusan Penilaian Karyawan Menggunakan Algoritma Simple Additive Weighting (SAW) Di Badan Pusat Statistik Kota Manado Elsayanti Pasalli’; Audy A. Kenap; Glenn D.P. Maramis
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15457

Abstract

Penilaian kinerja karyawan berperan penting dalam meningkatkan kualitas sumber daya manusia di instansi pemerintah. Badan Pusat Statistik (BPS) Kota Manado masih menggunakan metode manual dalam proses penilaian karyawan, sehingga prosesnya kurang efisien dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan mengembangkan sistem pendukung keputusan berbasis web dengan menerapkan algoritma Simple Additive Weighting (SAW) untuk menilai kinerja karyawan secara objektif. Kriteria yang digunakan terdiri atas Capaian Kinerja Pegawai (CKP) dengan bobot 30%, absensi 20%, dan nilai BerAKHLAK 50%. Sistem melakukan normalisasi data dan menghasilkan peringkat karyawan terbaik setiap bulan. Hasil pengujian menunjukkan bahwa sistem mampu mempercepat proses penilaian, meningkatkan akurasi hasil, dan meminimalkan subjektivitas dalam pengambilan keputusan. Implementasi sistem ini diharapkan dapat membantu BPS Kota Manado dalam menentukan Employee of the Month secara objektif, efisien, dan transparan.
Penerapan Multi Criteria Decision Making Menggunakan Metode AHP & SAW pada Perhitungan Kinerja Karyawan PT. Artha Buana Kreasi Munir A.J. Tujuwale; Irene R.H.T. Tangkawarow; Audy A. Kenap
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15848

Abstract

Penilaian kinerja karyawan merupakan aspek penting dalam memastikan efektivitas dan produktivitas perusahaan. PT. Artha Buana Kreasi selama ini menghadapi kendala dalam proses evaluasi karena belum adanya sistem yang terstruktur dan objektif. Penelitian ini menerapkan pendekatan Multi Criteria Decision Making (MCDM) menggunakan metode Analytic Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) sebagai solusi untuk menghasilkan penilaian kinerja yang lebih akurat dan konsisten. Tiga kriteria utama yang digunakan dalam penelitian ini adalah servant leadership, employee performance, dan employee competence, masing-masing dengan sejumlah sub-kriteria terkait. AHP digunakan untuk menentukan bobot prioritas tiap kriteria melalui penyusunan matriks perbandingan, penghitungan nilai eigen, serta pengujian rasio konsistensi, sedangkan SAW digunakan untuk menghitung nilai akhir kinerja berdasarkan bobot dan skor penilaian setiap alternatif karyawan. Data diperoleh melalui wawancara dengan pihak manajemen serta penyebaran kuesioner kepada 20 karyawan dan atasan langsung sebagai penilai. Hasil penelitian menunjukkan bahwa integrasi metode AHP dan SAW mampu memberikan ranking karyawan yang lebih terukur, objektif, dan sesuai dengan bobot kriteria yang telah ditentukan. Selain itu, pendekatan ini membantu perusahaan mengidentifikasi aspek kinerja yang membutuhkan peningkatan serta mendukung proses pengambilan keputusan strategis di bidang manajemen sumber daya manusia. Secara keseluruhan, sistem evaluasi berbasis MCDM ini dinilai efektif untuk diterapkan sebagai model penilaian kinerja karyawan di PT. Artha Buana Kreasi.
Analisis Sistem Pemeriksaan Kelengkapan Dokumen Menggunakan Fuzzy Matching dan Metode TOPSIS pada Dinas Kominfo Kota Tomohon Yosita Rante Tando; Audy Aldrin Kenap; Kristofel Santa
Jurnal Minfo Polgan Vol. 15 No. 1 (2026): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v15i1.16159

Abstract

Penelitian ini menganalisis dan mengevaluasi Sistem Pemeriksaan Kelengkapan Dokumen Perizinan (SPKDP) pada Dinas Komunikasi dan Informatika Kota Tomohon guna mengatasi hambatan pra-penyaringan yang disebabkan oleh heterogenitas penamaan berkas, format yang tidak standar, dan keterbatasan pemeriksaan manual. Sistem ini mengintegrasikan dua komponen utama: fuzzy matching untuk mengakomodasi variasi penamaan dan kesalahan pengetikan dalam metadata dokumen menggunakan leksikon sinonim domain dan ambang batas kesamaan yang dapat dikonfigurasi, serta metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) sebagai metode pengambilan keputusan multi-kriteria untuk memprioritaskan antrian verifikasi. Pengembangan sistem mengikuti Modified V-Model pada arsitektur PHP Native MySQL yang menerapkan kontrol akses berbasis peran, pencatatan audit, dan penyamaran data identitas. Evaluasi membandingkan dua baseline pencocokan nama berkas eksak dan daftar periksa manual—terhadap metode yang diusulkan menggunakan metrik Akurasi, Presisi, Recall, dan F1 untuk kinerja deteksi; rata-rata waktu verifikasi per permohonan untuk efisiensi; serta Kendall tau dan Spearman rho untuk konsistensi peringkat dengan penilaian ahli. Hasil menunjukkan bahwa fuzzy matching secara signifikan mengurangi false negative pada konvensi penamaan berkas yang tidak standar, sementara otomasi mempersingkat waktu pra-penyaringan dari rata-rata 12,4 menjadi 6,8 menit per permohonan. TOPSIS menghasilkan peringkat prioritas yang stabil dan sangat selaras dengan penilaian ahli, dengan Kendall tau sebesar 0,78 dan Spearman rho sebesar 0,88, keduanya signifikan secara statistik. Leksikon sinonim yang dapat ditelusuri, ambang batas yang dapat dikonfigurasi, dan prosedur evaluasi yang transparan menjadikan solusi ini dapat direplikasi lintas jenis perizinan dan instansi pemerintah. Penelitian lanjutan mencakup pengayaan kesamaan semantik melalui penyematan teks dan pembobotan adaptif melalui metode AHP atau entropi.
Website Klasifikasi Kepuasan Pengguna Layanan Teknik Informatika Menggunakan K-Means Clustering Dea Karlina Pali; Audy Aldrin Kenap; Efraim Ronald S. Moningkey
Jurnal Minfo Polgan Vol. 15 No. 1 (2026): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v15i1.16163

Abstract

Evaluasi tingkat kepuasan pengguna terhadap layanan akademik berbasis web menjadi salah satu faktor penting dalam upaya peningkatan kualitas pelayanan di Jurusan Teknik Informatika Universitas Negeri Manado (UNIMA). Permasalahan yang dihadapi adalah proses evaluasi layanan yang masih dilakukan secara manual sehingga hasil penilaian belum mampu memberikan informasi yang terstruktur dan akurat sebagai dasar pengambilan keputusan. Penelitian ini bertujuan untuk merancang dan membangun website klasifikasi tingkat kepuasan pengguna layanan dengan menerapkan algoritma K-Means Clustering sebagai metode analisis data. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD), sedangkan penentuan jumlah cluster optimal dilakukan menggunakan metode Elbow dan validasi hasil cluster menggunakan Silhouette Coefficient. Data penelitian diperoleh melalui kuesioner berbasis web dengan skala Likert 1–3 yang melibatkan 48 responden, 15 layanan, dan 10 indikator penilaian. Hasil penelitian menunjukkan bahwa sistem berhasil mengelompokkan tingkat kepuasan pengguna ke dalam tiga kategori, yaitu puas, cukup puas, dan kurang puas. Website yang dibangun mampu mengintegrasikan proses pengumpulan data, analisis clustering, dan penyajian hasil klasifikasi secara otomatis sehingga dapat membantu pihak jurusan dalam melakukan evaluasi layanan secara lebih objektif, efektif, dan berbasis data.
Sistem deteksi hama dan penyakit daun kelapa dengan metode CNN menggunakan arsitektur MobileNetV2 Olivia Kanakang; Audy Kenap; Medi Tinambunan
AITI Vol 23 No 3 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i3.378-393

Abstract

Coconut plants are a vital source of income for communities in East Melonguane District, yet they are vulnerable to leaf pests and diseases that disrupt photosynthesis and reduce crop yields. Farmers often detect symptoms too late, resulting in delayed treatment and increased damage. Although previous studies using Convolutional Neural Networks (CNN) have demonstrated promising accuracy, only a few have implemented web-based systems specifically for coconut leaves in remote areas, and many lack detailed hyperparameter reporting for reproducibility. Therefore, this study aims to develop a web-based application for detecting coconut leaf pests and diseases using a CNN with the MobileNetV2 architecture. A dataset consisting of 1,000 images across four categories—Sitora nitens, dry leaves, wilted leaves, and yellowing leaves—was used. The model was trained using transfer learning with 25 epochs, a batch size of 16, a learning rate of 0.0001, the Adam optimizer, and categorical cross-entropy loss. The experimental results show that the proposed model achieved an overall accuracy of 96% (193 out of 200 test samples correctly classified), with a precision of 96%, recall of 96%, and F1-score of 96%, indicating its effectiveness for fast and accurate classification in practical applications.
Co-Authors Abigail A. Raranta Ailen Kowaas Alfiansyah Hasibuan Alfiansyah Hasibuan Alfrina Mewengkang Anthone, Fajriyan Basilius Mario Vikranta Rahanubun Ben Shalom Manopo Benny Pinontoan Bonenehu, Kurniawan Brandon Natanael Gerungan Cindy Pamela C Munaiseche Claudia Pither Constantine Kandowangko Dea Karlina Pali Debby Paseru Djafar Wonggo Djami Olii Efraim Ronald S. Moningkey Elni Usoh Elsayanti Pasalli’ Emor, Stevren Christian Filemon Blessing Tambuwun Gladly Caren Rorimpandey Glenn D. P. Maramis Glenn D.P Maramis Glenn D.P. Maramis Glenn David Paulus Maramis Glenn David Paulus Maramis Inggrid Alista Paendong Irene Realyta Halldy Trosi Tangkawarow Julio Rayen Solang Jullianto Vernando Christofel Rompis Kevin Mclaren Pandoh Kowaas, Ailen Kresnayana Pristie Supari Kristofel Santa La'bi', Eva Rivalda Pappang Liando, Olivia Eunike Selvie Medi Hermanto Tinambunan Medi Tinambunan Mesiasi Anjelika Supit Michael Aleng Moningkey, Efraim R. S. Moningkey, Efraim Ronald Stefanus Munir A.J. Tujuwale Murni Kassa Nibertin Zai Olivia Kanakang Patricia F. Wantalangi Pingkan Kezia Aprilia Umboh Quido Conferti Kainde Rila Mandala Ronauli Siregar Ropa, Sifra Sanusi, Rahmat Hidayat Solang, Julio Rayen Sondy C. Kumajas Supari, Kresnayana Pristie Yosita Rante Tando Yustin Sengga