Article Per Year (5 Year)
p-Index From 2021 - 2026
3.732
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Jurnal Ilmiah Informatika Komputer Techno.Com: Jurnal Teknologi Informasi Jurnal Penelitian Pendidikan Jurnal Sistem dan Informatika Scientific Journal of Informatics CESS (Journal of Computer Engineering, System and Science) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI ILKOM Jurnal Ilmiah Data Science: Journal of Computing and Applied Informatics Jurnal Informatika Global Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika JTIK (Jurnal Teknik Informatika Kaputama) SKANIKA: Sistem Komputer dan Teknik Informatika Jurnal Teknik Informatika (JUTIF) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Senopati : Sustainability, Ergonomics, Optimization, and Application of Industrial Engineering Jurnal Pengabdian Kepada Masyarakat Simpatik: Jurnal sistem Informasi dan Informatika JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Unnes Journal of Mathematics Konstelasi: Konvergensi Teknologi dan Sistem Informasi Jurnal Informatika Teknologi dan Sains (Jinteks) Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal ilmiah teknologi informasi Asia Indonesian Journal of Mathematics and Natural Sciences
Florentina Yuni Arini
Universitas Negeri Semarang
Arts Humanities Automotive Engineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Nursing Public Health Social Sciences Veterinary Other

Published : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 46 Documents
Search

 1   2   3   4   5 
Optimasi algoritma deteksi spam email dengan BERT-MI dan jaringan dense Florentina Yuni Arini
Computer Science and Information Technology Vol 6 No 2 (2025): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v6i2.9460

Abstract

Email spam detection is a critical challenge in maintaining the security and efficiency of digital communication. This research proposes and evaluates an optimized pipeline for email spam detection by integrating Bidirectional Encoder Representations from Transformers (BERT) for feature extraction, Mutual Information (MI) for feature selection to reduce dimensionality, and a dense neural network for classification. The Lingspam dataset, consisting of 2893 emails (2412 ham and 481 spam), was used in the experiments with an 80% training and 20% testing data split. Text features were extracted using BERT (bert-base-uncased), resulting in a 768-dimensional embedding, which was then reduced to the 200 most relevant features using MI. A dense neural network model with a 256-128-64-32-1 neuron architecture was trained using the Adam optimizer, binary cross-entropy loss function, and techniques such as early stopping and class weights to handle class imbalance. Evaluation results on the test data demonstrated very high performance, achieving an accuracy of 99.14%, precision of 0.9596, recall of 0.9896, F1-score of 0.9744, and ROC-AUC of 0.9995. This approach indicates that the combination of BERT-MI with a dense network can achieve accuracy comparable to more complex methods, but with the potential for a simpler and more efficient architecture.
Optimizing K-Means Using Greylag Goose Optimization Algorithm for Household Energy Consumption Pattern Segmentation Arini, Florentina Yuni; Heryansyah, Ahmad Rozaq; Dewanti, Rahima Ratna; Saputro, Rizky Aulia Adi; Romadhoni, Awan Saputra; Wibowo, Muhammad Lutfi; Ardiansyah, Ikhsan; Duankhan, Poomin
ILKOM Jurnal Ilmiah Vol 17, No 3 (2025)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v17i3.2851.302-311

Abstract

Electricity is a crucial resource in everyday life, and rising household energy demand requires smarter monitoring and management approaches. Analyzing consumption data enables the discovery of typical energy usage behaviors that support efficient resource planning. Clustering techniques are widely used to group usage profiles without predefined categories, with K-Means being one of the most popular methods because of its speed and practical implementation. However, this algorithm is highly dependent on the initial centroid selection and may generate inaccurate grouping results if trapped in local optima. To overcome these drawbacks, this research combines K-Means with the Greylag Goose Optimization (GGO) algorithm, a nature-inspired metaheuristic that simulates the adaptive navigation and social coordination of migratory grey geese. By enhancing both exploration and exploitation, GGO improves the accuracy of centroid placement and overall clustering performance. The research utilized Individual Household Electric Power Consumption dataset, which consists of minute-by-minute measurements of several electrical attributes. After preprocessing and exploratory analysis, clustering was executed using three approaches: conventional K-Means, GGO, and a hybrid K-Means–GGO model. Based on the Silhouette Score evaluation, clustering performance improved significantly from 0.6236 with standard K-Means to 0.9675 using the hybrid approach. The resulting segmentation provides deeper insights into household consumption behaviors.
Kolaborasi Algoritma K-Nearest Neighbor Dan Gradient Boosting Untuk Klasifikasi Diabetes Melitus Tipe 2 Oktavian, Aloysius; Arini, Florentina Yuni; Aryaputra, Daffa Pramata; Syanjalih, Alul Hidja; Aldevis, Mohammad Farrel
JURNAL FASILKOM Vol. 15 No. 3 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i3.10556

Abstract

Diabetes Melitus Tipe 2 (DMT2) telah menjadi salah satu tantangan kesehatan masyarakat terbesar di Indonesia, dengan prevalensi yang terus meningkat dan sebagian besar kasus tidak terdiagnosis. Deteksi dini menjadi kunci untuk mencegah komplikasi serius. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model klasifikasi berbasis machine learning untuk prediksi DMT2. Tiga pendekatan dieksplorasi: algoritma K-Nearest Neighbor (KNN), Gradient Boosting, dan model KNN + Gradient Boosting yang mengintegrasikan keduanya melalui arsitektur stacking ensemble. Kinerja diukur menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model ensemble secara signifikan mengungguli model tunggal. Model KNN mencapai akurasi 90.92% namun dengan presisi yang rendah untuk kelas diabetik (0.48). Model Gradient Boosting menunjukkan peningkatan signifikan dengan akurasi 95.50% dan presisi 0.72. Model KNN + Gradient Boosting menunjukkan kinerja terbaik dengan akurasi keseluruhan 96.17% dan presisi tertinggi untuk kelas diabetik (0.81), yang secara efektif mengurangi tingkat alarm palsu. Temuan ini mengindikasikan bahwa model KNN + Gradient Boosting memiliki potensi besar sebagai alat bantu pendukung keputusan klinis yang andal untuk identifikasi dini individu berisiko tinggi DMT2.
Optimasi Seleksi Fitur Menggunakan Algoritma Hybrid ARO-DBSCAN untuk Meningkatkan Akurasi Model Klasifikasi K-Nearest Neighbor: Feature Selection Optimization Using the Hybrid ARO-DBSCAN Algorithm to Improve the Accuracy of the K-Nearest Neighbor Classification Model Arini, Florentina Yuni; Bagaskara, Josephin Nova; Anwar, Alfani Salsabilla; Faqih, Muhammad Najmuddin; Brata, Prayoga Adi; khairunnisa, Nadhia Adzqiya; Aji, Yusuf Pandu Satrio
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 1 (2026): MALCOM January 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i1.2129

Abstract

Penelitian ini mengusulkan metode ARO-DBSCAN, sebuah pendekatan hybrid yang menggabungkan algoritma optimasi Artificial Rabbits Optimization (ARO) dengan teknik clustering Density-Based Spatial Clustering of Applications with Noise (DBSCAN) untuk pemilihan fitur yang lebih efektif. Hasil eksperimen menunjukkan bahwa ARO-DBSCAN secara konsisten mengungguli metode ARO dan AROD, dengan peningkatan akurasi klasifikasi pada 13 dari 18 dataset (populasi 15) dan 12 dataset (populasi 30), sekaligus mampu memilih fitur lebih sedikit tanpa mengurangi kualitas model. Dibandingkan dengan algoritma hybrid lain seperti GA-DBSCAN dan PSO-DBSCAN, ARO-DBSCAN tetap lebih unggul berkat kemampuan clustering DBSCAN yang mengelompokkan solusi serupa, sehingga mempercepat pencarian solusi optimal dan menghindari terjebak di solusi lokal. Temuan ini membuktikan bahwa integrasi teknik metaheuristik dengan clustering berbasis kepadatan dapat menjadi solusi efisien untuk pemilihan fitur pada data berdimensi tinggi di era big data.
Analisis Pengalaman Pengguna dari Segi Fitur "Search for a Pickup" dan "Search for a Destination" pada Gocar dalam Aplikasi Gojek Lyon Ambrosio Djuanda; Muthia Nis Tiadah; Ananda Hisma Putra Kristianto; Fatih Akbar Alim Putra; Aufa Putra Wicaksono; Florentina Yuni Arini
Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Vol 8, No 1 (2025): Januari
Publisher : Akademi Ilmu Komputer Ternate

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47324/ilkominfo.v8i1.287

Abstract

Abstrak: Layanan GoCar pada aplikasi Gojek memberikan kemudahan bagi pengguna dalam mencari moda transportasi mobil. Penelitian ini menganalisis layanan GoCar pada aplikasi Gojek dengan fokus pada fitur "Search for a Pickup" dan "Search for a Destination" menggunakan metode studi literatur dan System Usability Scale (SUS) sebagai alat ukur penilaian kegunaan, dengan SPSS sebagai tool untuk menganalisis hasil pengukuran. Kajian ini meninjau berbagai literatur yang relevan terkait pengalaman pengguna, dengan analisis menggunakan parameter SUS yang mencakup aspek pengalaman pengguna, kemudahan penggunaan, kecepatan respon, dan tingkat kepuasan pengguna. Hasil analisis menunjukkan bahwa fitur "Search for a Destination" memiliki performa yang baik dalam aspek kemudahan penggunaan dan antarmuka, namun menghadapi tantangan signifikan dalam kecepatan respon dan akurasi, terutama pada jam-jam sibuk. Ketidakakuratan geolokasi di area dengan sinyal GPS lemah dan lambatnya respon server menjadi kendala utama yang mempengaruhi pengalaman pengguna. Berdasarkan analisis SUS, penelitian ini mengidentifikasi bahwa optimasi algoritma pencarian, pengembangan sistem geolokasi yang lebih akurat, dan peningkatan infrastruktur server diperlukan untuk meningkatkan kualitas kedua fitur tersebut. Hasil penelitian ini dapat menjadi panduan praktis bagi pengembang dalam memperbaiki kualitas layanan di masa mendatang.Kata kunci: GoCar, pengalaman pengguna, System Usability Scale (SUS), kemudahan penggunaan, kecepatan respon, tingkat kepuasan penggunaGoCar service on the Gojek application provides convenience for users in finding car transportation modes. This study analyzes the GoCar service on the Gojek application, focusing on the "Search for a Pickup" and "Search for a Destination" features using literature study methods and the System Usability Scale (SUS) as a usability assessment tool, with SPSS as a tool to analyze the measurement results. This study reviews various relevant literature related to user experience, with analysis using SUS parameters that include aspects of user experience, ease of use, response speed, and user satisfaction levels. The analysis results show that the "Search for a Destination" feature performs well in terms of ease of use and interface, but faces significant challenges in response speed and accuracy, especially during peak hours. Geolocation inaccuracies in areas with weak GPS signals and slow server response are the main constraints affecting user experience. Based on SUS analysis, this study identifies that search algorithm optimization, development of more accurate geolocation systems, and server infrastructure improvements are needed to enhance the quality of both features. The results of this study can serve as a practical guide for developers in improving service quality in the future.Keywords: GoCar, user experience, System Usability Scale (SUS), ease of use, response speed, user satisfaction level
Peningkatan Kompetensi Guru MGMP Matematika dalam Pembuatan Modul Ajar melalui Pelatihan Generative Artificial Intelligence Arifudin, Riza; Abidin, Zaenal; Sugiharti, Endang; Arini, Florentina Yuni; Setiawan, Abas
Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming Vol 9, No 1 (2026): Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstormin
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/japhb.v9i1.9854

Abstract

Kegiatan pengabdian masyarakat ini dilatarbelakangi oleh permasalahan utama yang dihadapi oleh mitra, yaitu MGMP Matematika Kota Semarang, yakni rendahnya literasi digital dan pemahaman guru dalam memanfaatkan Generative Artificial Intelligence (Gen-AI) untuk pengembangan modul ajar. Hal ini mengakibatkan ketergantungan pada media konvensional, modul yang monoton, serta proses penyusunan yang tidak efisien. Topik ini dipilih karena integrasi Gen-AI dalam pendidikan merupakan kebutuhan mendesak di era digital untuk meningkatkan efisiensi dan kualitas pembelajaran. Tujuan pengabdian adalah untuk meningkatkan kompetensi guru dalam memanfaatkan Gen-AI (seperti ChatGPT dan DeepSeek) untuk pembuatan modul dan rubrik ajar. Metode pelaksanaan terdiri dari lima tahap: identifikasi kebutuhan, pengenalan Gen-AI, praktik pembuatan modul, evaluasi, serta pendampingan dan monitoring. Kegiatan ini melibatkan 20 guru MGMP Matematika SMP Kota Semarang. Hasil evaluasi menunjukkan peningkatan keterampilan (hardskill) yang signifikan, yaitu kemampuan membuat modul ajar (40,6%) dan rubrik ajar (41,9%), serta peningkatan pemahaman konsep Gen-AI (23,7%) dan kemampuan menggunakan prompt (31,4%). Kegiatan ini berhasil memberdayakan guru dengan keterampilan digital yang aplikatif, sehingga sangat penting untuk keberlanjutan inovasi pembelajaran dan efisiensi kerja guru dalam mendukung Kurikulum Merdeka.
Optimizing K-Nearest Neighbor Using Ant Colony Optimization for Heart Disease Classification Arini, Florentina Yuni; Pongthanoo, Patcharanikarn; Salsabila, Kansa Maulina; Raihan, Muhammad; Muzakki, Naufal Habib
Data Science: Journal of Computing and Applied Informatics Vol. 10 No. 1 (2026): Data Science: Journal of Computing and Applied Informatics (JoCAI)
Publisher : Talenta Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32734/jocai.v10.i1-23647

Abstract

Heart disease is one of leading causes of death globally, making early detection essential for improving clinical outcomes. This study presents a heart disease prediction approach using the K-Nearest Neighbor (KNN) algorithm, addressing class imbalance with Synthetic Minority Over-sampling Technique (SMOTE) and enhancing feature selection through Ant Colony Optimization (ACO). Exploratory data analysis identified age, gender, cholesterol, blood pressure, e xercise-Induced Angina (EIA), ST-segment depression, number of affected vessels, and thalassemia status as key indicators of disease severity. KNN model achieved 0.90 accuracy with balanced precision and recall. The employment of SMOTE improved sensitivity for the minority class, slightly reducing overall accuracy to 0.88. However, ACO as hyperparameter tuning KNN able to produce promising accuracy 0.91. This result indicate that combining KNN with metaheuristic optimization provides a reliable, interpretable method for heart disease prediction, offering valuable support for clinical decision-making and risk assessment.
KLASIFIKASI ANEMIA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DAN KANGAROO OPTIMIZATION ALGORITHM Hexa Sakti Tunjung Hidayat; Florentina Yuni Arini
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 2 (2026): EDISI 28
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i2.7373

Abstract

Anemia merupakan masalah kesehatan global yang ditandai dengan penurunan kadar hemoglobin, yang jika tidak dideteksi secara dini dapat menyebabkan komplikasi serius seperti gangguan psikomotorik dan peningkatan risiko maternal. Penelitian ini bertujuan untuk mengoptimalkan sistem klasifikasi anemia dengan mengintegrasikan algoritma K-Nearest Neighbor (kNN) dan Kangaroo Optimization Algorithm (KOA) guna meningkatkan akurasi diagnosis melalui seleksi fitur dan optimasi parameter. Metode penelitian ini mencakup prapemrosesan data Complete Blood Count (CBC) dari dataset klinis, yang kemudian diproses menggunakan KOA untuk mengidentifikasi subset fitur paling relevan dan menentukan nilai k optimal pada kNN berdasarkan mekanisme regulasi energi dan perilaku melompat kangguru. Hasil analisis menunjukkan bahwa integrasi KOA secara signifikan mengatasi kelemahan kNN standar terhadap dimensi data tinggi, meningkatkan akurasi klasifikasi hingga mencapai level kompetitif di atas 94% dibandingkan metode tanpa optimasi yang hanya mencapai kisaran 71%. Simpulan dari penelitian ini menegaskan bahwa pendekatan metaheuristik berbasis kangguru sangat efektif dalam meminimalkan kesalahan diagnosis medis, memberikan kontribusi penting bagi pengembangan sistem pendukung keputusan klinis yang cepat dan reliabel untuk tenaga medis dalam menangani kasus anemia secara global.
Analisis Aksesibilitas Tokopedia Berbasis Mobile Menggunakan User Experience Questionnaire Florentina Yuni Arini; Mahdi Habibi; Zahra Zakiyah Kaltsum; Muhammad Rifqi Rahman; Pramudya Kirana Mandala Putra; Samudra Azriel Pradana
JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Vol 6 No 4 (2025)
Publisher : SOTVI - Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/jitsi.6.4.519

Abstract

This study aims to comprehensively examine the accessibility level and user experience of Tokopedia on mobile based on the Human-Computer Interaction (HCI) approach by employing the User Experience Questionnaire (UEQ) as the primary instrument. Data collection involved 50 active Tokopedia users, with the UEQ instrument comprising 26 statements and a 7-point response scale. Six core scales—attractiveness, perspicuity, efficiency, dependability, stimulation, and novelty—were evaluated and analyzed by calculating the average score for each aspect and comparing it to the standard UEQ benchmark. The results demonstrate that Tokopedia excels in attractiveness, perspicuity, and efficiency, while innovation in the novelty and stimulation scales remains a challenge that requires further optimization. This study underlines the importance of UX evaluation based on HCI as a foundation for developing inclusive features to support an optimal and sustainable user experience
Analisis Tampilan Antarmuka Pengguna Microsoft Copilot dari Perspektif Customer Journey Florentina Yuni Arini; Reza Zaidan Amrullah; Ardin Winata; Farrel Fatih Bhimawan; Brigita Winona Elvaretta Radhiti; Ikhsan Rakha Athaya
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 5 No. 2 (2025): Desember 2025
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v5i2.13308

Abstract

Perkembangan teknologi kecerdasan buatan menghadirkan transformasi signifikan dalam cara pengguna berinteraksi dengan sebuah sistem digital, terutama melalui peran antarmuka pengguna (User Interface/UI) sebagai elemen kunci pembentuk pengalaman pengguna. Penelitian ini bertujuan untuk menganalisis antarmuka pengguna Microsoft Copilot dari perspektif Customer Journey Map (CJM) guna memahami bagaimana desain dan alur interaksi memengaruhi persepsi, ekspektasi, serta kepuasan pengguna. Metode yang digunakan meliputi analisis deskriptif terhadap struktur UI, pemetaan tahap perjalanan pengguna, serta evaluasi alur tugas saat berinteraksi dengan Copilot. Hasil penelitian menunjukkan bahwa Microsoft Copilot mengimplementasikan desain antarmuka yang sederhana, adaptif, dan responsif dalam mendukung aktivitas pengguna di berbagai konteks kerja. Namun, analisis mendalam mengungkapkan wawasan spesifik bahwa penerapan minimalisme UI berhasil meningkatkan fokus kognitif pada tugas utama, tetapi di sisi lain mengurangi kemampuan penemuan (discoverability) fitur lanjutan. Temuan ini memberikan kontribusi dalam pengembangan desain UI berbasis AI yang menekankan keseimbangan antara otomatisasi cerdas dan kenyamanan pengguna, serta memberikan rekomendasi strategis bagi praktisi dalam merancang interaksi manusia-AI yang lebih efektif.
Co-Authors Abas Setiawan Agus Setyawan Ahmad Imam Mutaqin Ahmad Mustofa Hadi Romadhoni Ahmad Rozaq Heryansyah Ahmad Zidhan Ilmana Aisyah Nathania Araminta Aji, Yusuf Pandu Satrio Alaida, Salma Keysha Alamsyah - Aldevis, Mohammad Farrel Aloysius Oktavian Alul Hidja Syanjalih Amin Suyitno Ananda Hisma Putra Kristianto Anggraeni, Dinda Ayu Anwar, Alfani Salsabilla Ardiansyah, Ikhsan Ardin Winata Ariel James Maloringan Aryaputra, Daffa Pramata Arzaki Zunior Putra Astagina, Paramesti Asteen Retno Mukti Aufa Putra Wicaksono Awan Saputra Romadhoni Bagaskara, Josephin Nova Brata, Prayoga Adi Brigita Winona Elvaretta Radhiti Daffa Pramata Aryaputra Danish Adli El Said Dewanti, Rahima Ratna Dhifansa Pradibtya Rafi Djuanda, Lyon Ambrosio Duankhan, Poomin Endang Sugiharti, Endang Fadhlullah, Muhammad Azzam Fairuz Trideas Hilmy Fajariansyah, Ridwan Faqih, Muhammad Najmuddin Farrel Athaillah Putra Farrel Fatih Bhimawan Fatih Akbar Alim Putra Fernando Dinar Setiawan Firdaus Zahid, Ahmad Galvin Fittra Marga Ardana Gerard Sean Dwayne Haryolukito Pambudi, Fawwaz Hernawan, Yoga Heryansyah, Ahmad Rozaq Hexa Sakti Tunjung Hidayat I Gede Ardhy Niratha Ikhsan Rakha Athaya Inoru Nian Alfita Intan Permata Sari Fauziah Irfan, Mohammad Syarif Isa Akhlis Isnaeni, Siti Itsna Sabila Hidayati Januar Pancaran Nur Fajri Julianto, Richy khairunnisa, Nadhia Adzqiya Kristianto, Ananda Hisma Putra Lyon Ambrosio Djuanda Mahdi Habibi Mardlootillah, Hanif Ilmi Mohammad Farrel Aldevis Much Aziz Muslim Muhammad Abdurrafi Muhammad Alvin Adinata Muhammad Danil Aminuddin Muhammad Kahvi Khakam Syah Muhammad Lutfi Wibowo Muhammad Nur Furqon Muhammad Rifqi Rahman Muhammad Sulthonul Izza Muhammad Zidan Aisar Muhammad Zuniar Hilmi Munajid Toharo Muthia Nis Tiadah Mutia Zahra Fatiha Misbah Muzakki, Naufal Habib Nafi', Raihan Muhammad Naryapramono, Afrilza Daffa Nathania Adristina Nia Nur Hidayaturrohmah Nico Anselmus Sihombing Oktavian, Aloysius Pambudi, Fawwaz Haryolukito Pastika, Puan Bening Pongthanoo, Patcharanikarn Prameswari, Della Egyta Pramudya Kirana Mandala Putra Putra, Fatih Akbar Alim Putriaji Hendikawati Rafif Musyaffa Indarto Raharjo, Bagus Purbo Rahima Ratna Dewanti Rahmat Hidayat Raihan, Muhammad Ramadhan, Farhan Husyen Ramdhani, Khusnun Najwa Reza Zaidan Amrullah Rifan, Slamet Rinandi, Tyto Riza Arifudin Rizky Aulia Adi Saputro Romadhoni, Awan Saputra Ryo Pambudi Salsabila, Kansa Maulina Samudra Azriel Pradana Santoso, Tony Budi Saputro, Rizky Aulia Adi Sari, Yuliana Mustika Satria, Diva Sekar Tri Handayani Septiana, Dina Wachidah Supriyono Supriyono Syanjalih, Alul Hidja Taufiqur Ramadhan Tiadah, Muthia Nis Varindya Ditta Iswari Wahyudiantoro, Rizky Tri Warianta, Dwi Tatang Whisnu Ulinnuha Setiabudi, Whisnu Ulinnuha Wibowo, Muhammad Lutfi Wicaksana, Rangga Wicaksono, Aufa Putra Zaenal Abidin Zahra Zakiyah Kaltsum