Article Per Year (5 Year)
p-Index From 2020 - 2025
9.326
P-Index
This Author published in this journals
All Journal Jurnal Penelitian Saintek Teika Jurnal Buana Informatika JSI: Jurnal Sistem Informasi (E-Journal) JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnas Nasional Teknologi dan Sistem Informasi Annual Research Seminar ANDHARUPA CESS (Journal of Computer Engineering, System and Science) Jurnal Ilmiah KOMPUTASI Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Information System for Educators and Professionals : Journal of Information System MBR (Management and Business Review) JOURNAL OF APPLIED INFORMATICS AND COMPUTING METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi J I M P - Jurnal Informatika Merdeka Pasuruan Jurnal Sisfokom (Sistem Informasi dan Komputer) Jurnal ULTIMA InfoSys Jurnal Teknologi Sistem Informasi dan Aplikasi Jurnal Ilmiah Media Sisfo JURTEKSI Jurnal Riset Informatika JOISIE (Journal Of Information Systems And Informatics Engineering) CCIT (Creative Communication and Innovative Technology) Journal JUSIM (Jurnal Sistem Informasi Musirawas) INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi Journal of Information Systems and Informatics Jurnal Teknologi Dan Sistem Informasi Bisnis Zonasi: Jurnal Sistem Informasi Jurnal Pengabdian Masyarakat Bumi Raflesia JATI (Jurnal Mahasiswa Teknik Informatika) Teknomatika (Jurnal Teknologi dan Informatika) REKA ELKOMIKA: Jurnal Pengabdian kepada Masyarakat JUSTIN (Jurnal Sistem dan Teknologi Informasi) Konstelasi: Konvergensi Teknologi dan Sistem Informasi Jurnal Algoritma SmartComp The Indonesian Journal of Computer Science JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Allsela Meiriza, Allsela
Universitas Sriwijaya
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mechanical Engineering Social Sciences Other

Published : 78 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 78 Documents
Search

 4   5   6   7   8 
ANALISIS KOMPARATIF MODEL DATA MINING DALAM PREDIKSI KETEPATAN PENYELESAIAN SERVICE LEVEL AGREEMENT Fatimah, Aisyah; Tania, Ken Ditha; Meiriza, Allsela
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 9 No 1 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i1.4943

Abstract

Kepatuhan terhadap Service Level Agreement (SLA) sangat penting dalam manajemen layanan teknologi informasi untuk menjamin kualitas layanan dan mengatur ekspektasi penyelesaian insiden. Namun, banyak organisasi kesulitan memprediksi apakah tiket insiden akan memenuhi SLA, yang dapat menyebabkan ketidakpuasan pengguna, eskalasi masalah, dan beban kerja tinggi bagi tim IT. Tingginya volume tiket harian membuat identifikasi manual terhadap tiket berisiko tinggi menjadi tidak efektif. Penelitian ini bertujuan mengembangkan model klasifikasi berbasis machine learning untuk memprediksi kepatuhan tiket terhadap SLA. Empat algoritma dievaluasi: XGBoost, Random Forest, Decision Tree, dan Logistic Regression. Tahapan mencakup preprocessing, encoding fitur kategorikal, seleksi fitur berbasis Random Forest, penyeimbangan data menggunakan SMOTE, dan hyperparameter tuning dengan Optuna. Hasil menunjukkan XGBoost memiliki performa terbaik dengan akurasi 99,98%, precision 0,9437, recall 0,9710, dan F1-score 0,9571. Selain akurat dan efisien, model ini unggul secara interpretatif melalui SHAP, yang menjelaskan kontribusi tiap fitur. Kesimpulannya, XGBoost direkomendasikan sebagai model paling andal untuk menjadi alat bantu strategis bagi manajer layanan TI dalam mengidentifikasi insiden yang berisiko tinggi gagal memenuhi SLA.
Pengembangan Game Android Pada Anak Menggunakan Pendekatan User Centered Design Dan Evaluasi Usability Think Aloud Alvico, Alvico; Kurniawan, Dedy; Meiriza, Allsela; Syahbani, Muhammad Husni; Firnando, Ricy
The Indonesian Journal of Computer Science Vol. 14 No. 3 (2025): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v14i3.4396

Abstract

Technology, especially handheld devices, has become an integral part of modern life. The use of handheld devices among children aged 12-15 years reaches 99.61%. Despite the potential to cause dependency, these devices can be utilized positively, for example through learning with educational games. One of them is a titungan game that aims to increase user motivation and skills. However, the development of this game must also consider user needs. This research applies the User Centered Design method to improve the experience and comfort of playing, and the Think Aloud method as an evaluation. This study involved 8 participants consisting of children with an age range of 10-14 years. The results showed that the developed application has met the needs of users, with only two problems identified from 64 total evaluation scenarios with a percentage of 96.87% using the Think Aloud method.
PENDEKATAN KLASIFIKASI DALAM KNOWLEDGE DISCOVERY UNTUK ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN BANDARA SULTAN MAHMUD BADARUDDIN II DI GOOGLE MAPS Nachwa, Syakillah; Khoiriyah Harahap, Dayana; Theresia Pardede, Eva; Nashiroh Ramadhani, Muthia; Anindya Putri, Salsa; Rositiani, Ely; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13776

Abstract

Sultan Mahmud Badaruddin II (SMB II) merupakan bandara utama di Sumatera Selatan yang berperan krusial untuk mobilitas regional. Kepuasan penumpang terhadap layanan bandara dapat dievaluasi melalui ulasan pengguna di Google Maps. Namun, volume ulasan yang besar menghadirkan tantangan dalam mengekstrak informasi yang bermakna. Studi ini menggunakan Aspect-Based Sentiment Analysis (ABSA) untuk melihat opini publik terhadap layanan Bandara SMB II menggunakan pendekatan klasifikasi dengan enam aspek yang dianalisis, yaitu check-in, keamanan, kenyamanan, lingkungan bandara, fasilitas dasar, dan mobilitas. Sebanyak 1.018 ulasan diperoleh dan diproses melalui tahapan preprocessing, data labeling, penyeimbangan data dengan SMOTE, ekstraksi fitur (TF-IDF), serta klasifikasi menggunakan algoritma Naïve Bayes, Support Vector Machine (SVM), dan Random Forest dengan skenario pembagian data 70:30, 80:20, dan 90:10. Hasil evaluasi menunjukkan bahwa skenario terbaik diperoleh pada perbandingan 90:10, yaitu model SVM mencapai kinerja terbaik dengan nilai accuracy sebesar 0.857, precision 0.839, recall 0.883, dan F1-score 0.860 melampaui Naïve Bayes dan Random Forest. Analisis sentimen telah menunjukkan bahwa aspek lingkungan bandara menerima sentimen positif tertinggi, tetapi aspek fasilitas dasar cenderung menerima ulasan negatif. Pengetahuan ini bisa menjadi dasar bagi pengelola Bandara SMB II untuk meningkatkan layanan mereka berdasarkan aspek-aspek yang paling berpengaruh terhadap pengalaman penumpang.
KOMPARASI RIDGE REGRESSION, RANDOM FOREST, DAN GRADIENT BOOSTING UNTUK PREDIKSI CURAH HUJAN HARIAN DI SUMATRA SELATAN BERBASIS TIME SERIES CROSS-VALIDATION Alvines, Mahendi; Ravi Wijayanto, Muhammad; Archi Daffa Danendra, Muhammad; Rizky Herdiansyah, Muhammad; Karimsyah Lubis, Muhammad; Ichsan Farel Rachmad, Muhammad; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13915

Abstract

Penelitian ini menganalisis pendekatan komparatif model regresi linear dan non-linear untuk prediksi curah hujan di Sumatera Selatan, Indonesia, menggunakan data klimatologi BMKG tahun 2024. Hal tersebut didasarkan pada perubahan iklim yang meningkatkan ketidakpastian pola curah hujan di Sumatera Selatan, mengancam sektor pertanian dan pengelolaan air. Komparasi ini bertujuan untuk membandingkan kinerja model regresi linear dan non-linear untuk prediksi curah hujan harian di Sumatera Selatan, serta mengidentifikasi prediktor utama yang memengaruhi curah hujan. Metodologi penelitian mengadopsi kerangka Knowledge Discovery in Database (KDD) dengan tahapan pengumpulan data, pra-pemrosesan, transformasi, pemodelan, dan evaluasi. Lima model machine learning dibandingkan: Linear Regression, Ridge Regression, Lasso Regression, Random Forest, dan Gradient Boosting, dengan validasi menggunakan TimeSeriesSplit untuk mempertahankan struktur temporal data. Hasil analisis menunjukkan Ridge Regression sebagai model terbaik dengan RMSE 14.62 mm, meskipun nilai R² negatif (-0.69) mengindikasikan keterbatasan model dalam menangkap variabilitas penuh data. Analisis koefisien regresi Ridge menunjukkan bahwa RR_LAG_1 juga berkontribusi signifikan (koefisien: 0.45). Konsistensi prediktor antar model memperkuat validitas temuan, sedangkan model secara konsisten mengalami kesulitan memprediksi kejadian curah hujan ekstrem (>50 mm). Pendekatan berbasis ensemble (Random Forest/Gradient Boosting) menunjukkan stabilitas prediksi lebih tinggi dengan deviasi RMSE <5 mm. Penelitian ini dapat memberikan masukan bagi pengembangan model prediksi curah hujan yang dapat mendukung sektor pertanian, pengelolaan sumber daya air, dan mitigasi bencana di Sumatera Selatan. Studi lanjutan dengan model hybrid dan dataset yang lebih lengkap disarankan untuk validasi lebih lanjut.
PERBANDINGAN ALGORITMA K-MEANS, K-MEDOID, DAN DBSCAN UNTUK CLUSTERING KUALITAS HIDUP INDONESIA DALAM PERSPEKTIF KNOWLEDGE MANAGEMENT DAN DATA DISCOVERY Ramadhan Putra Pratama, Muhammad; Izzan Fieldi, Muhammad; Syarief Albani, Muhammad; Al Fachrozi, Muhammad; Rangga Aderiyana, Fakih; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13916

Abstract

Kemajuan era digital mendunia memaksa manusia harus semakin peka dalam menggunakan teknologi dalam setiap aspek kehidupan. Khususnya pergerakan kualitas hidup di Indonesia, tantangan dalam menentukan metode yang paling baik untuk mengelompokkan wilayah berdasarkan indikator kualitas hidup. Permasalahannya adalah keberhasilan/keketepatan metode dalam melakukan clustering wilayah dengan karakteristik data yang berbeda-beda seperti pada kasus data yang kompleks, termasuk dataset yang mengandung outlier dan noise. Dampaknya pada efektivitas strategi pemerintah dan stakeholder yang mengimplementasikan post-strategi dengan memperhatikan hasilseling wilayah. Untuk itu, penelitian ini mengevaluasi metode clustering untuk memberikan representasi clustering yang lebih dekat dengan nilai aslinya dan efektivitas penerapannya pada masing-masing style dan design. Penelitian ini bertujuan untuk membanding kinerja dari tiga metode clustering, yaitu K-Means, Medoid Clustering, dan DBSCAN dalam mengelompokkan wilayah berdasarkan kualitas hidup di Indonesia. Prioritas penelitian ini adalah untuk menemukan beberapa metode clustering yang memberikan hasil yang lebih akurat, serta aplikatif untuk masing-masing hasil post-strateginya. Metode yang digunakan dalam penelitian ini adalah cluster analysis dengan tiga pendekatan utama, K-Means, Medoid Clustering, dan DBSCAN. Data dianalisis menggunakan teknik clustering yang berbeda dengan setiap metode clustering untuk mengevaluasi keefektifan, stabilitas, dan allevasi outlier dan noise. Metode yang digunakan dalam penelitian ini adalah cluster analysis dengan tiga pendekatan utama: K-Means, Medoid Clustering, dan DBSCAN. Data dikumpulkan dari berbagai sumber terkait indikator kualitas hidup, lalu dianalisis menggunakan teknik clustering untuk mengevaluasi efisiensi, stabilitas, dan ketahanan metode terhadap outlier serta noise. Hasil penelitian ini meningkatkan kontribusi pemerintah dalam memberikan strategi post bagi stakeholder berdasarkan hasil clustering. Integrasi kontribusi Knowledge Management dan Data Discovery dengan hasil clustering meningkatkan keefektifan analisis wilayah dalam luaran analisis strategi. Dalam studi selanjutnya, diharapkan memberikan data yang lebih akurat dengan menggunakan metode hybrid clustering atau machine learning.
ANALISIS FAKTOR RISIKO PEMICU SERANGAN JANTUNG DI INDONESIA, MENGGUNAKAN METODE KLASIFIKASI (DECISION TREE, NAIVE BAYES, DAN RANDOM FOREST) Andini Bahri, Cheisya; Tri Zafira, Zahra; Ayuningtiyas, Pratiwi; Al-Farisy, M Hadi; Alfarizi, M.; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13945

Abstract

Serangan jantung merupakan penyakit yang menyebabkan tingginya angka kematian di Indonesia, di mana penyakit tersebut dipengaruhi oleh beberapa faktor dan risiko, yaitu konsumsi alkohol, kebiasaan merokok, tingkat depresi, dan juga hipertensi. Dilakukannya penelitian ini dengan tujuan untuk melakukan kegiatan analisis pengaruh dari faktor-faktor tersebut dengan penyakit serangan jantung, penelitian ini menggunakan metode klasifikasi (Decision Tree, Naïve Bayes, dan Random Forest, berdasarkan data yang terdapat pada aplikasi Kaggle dengan judul Heart Attack Indonesia. Analisis pada penelitian ini dilakukan dengan bantuan tools (RapidMiner) untuk membandingkan performa dari ketiga metode klasifikasi dengan perbandingan rasio 70/30, 80/20, dan 90/10. Sehingga mendapatkan hasil analisis tertinggi yaitu metode Decision Tree dan Naïve Bayes memiliki akurasi yang sama, yaitu 74.97%, sedangkan metode Random Forest memiliki akurasi yang lebih rendah, yaitu 67.14%. Berdasarkan evaluasi menggunakan kurva ROCs, Decision Tree terbukti lebih efektif dalam mengklasifikasikan faktor risiko dibandingkan metode lainnya.
ANALISIS PENGARUH KEBIASAAN MEROKOK DAN AKTIVITAS BEGADANG TERHADAP RISIKO PENYAKIT PARU-PARU MENGGUNAKAN SUPPORT VECTOR MACHINE Yasyfi Imran, Athallah; Rafli Maulana, Muhammad; Lifiano Jamot Munthe, Gabriel; Athallah Ubaid, Deni; Yasir Alghifari, Muhammad; Adriansyah, Rizki; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14030

Abstract

Penelitian ini bertujuan menganalisis pengaruh kebiasaan merokok dan aktivitas begadang terhadap risiko penyakit paru-paru menggunakan Support Vector Machine (SVM). Kebiasaan merokok dan kurang tidur telah diidentifikasi sebagai faktor risiko gangguan paru-paru, namun interaksi kompleks antara keduanya sering diabaikan dalam penelitian konvensional. Metode statistik tradisional cenderung tidak mampu menangani hubungan nonlinier atau efek pengacau tersembunyi. Dataset terdiri dari 30.001 sampel dengan 10 atribut, termasuk usia, jenis kelamin, kebiasaan merokok, dan aktivitas begadang. Data diproses melalui tahapan Knowledge Discovery in Database meliputi seleksi data, praproses dengan label encoding dan scaling, transformasi data, pemodelan SVM, dan evaluasi. Hasil penelitian menunjukkan model SVM mencapai akurasi 89,28%, dengan presisi 0,83 dan recall 1,00 untuk kelas tidak berisiko, serta presisi 1,00 dan recall 0,78 untuk kelas berisiko. Temuan ini menegaskan kombinasi kebiasaan merokok dan pola tidur irregular signifikan meningkatkan risiko penyakit paru-paru, serta memberikan rekomendasi berbasis bukti bagi praktisi kesehatan dalam merancang intervensi preventif.
KNOWLEDGE DISCOVERY TERHADAP SENTIMEN PELANGGAN KOPI KENANGAN MENGGUNAKAN NAÏVE BAYES Munaspin, Zahra Diva Putri; Titiana, Nuke Merisca; Tsabitah, Laila; Karima, Dzakiah Aulia; Tania, Ken Ditha; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.14080

Abstract

Perkembangan industri minuman kopi di Indonesia semakin pesat, salah satunya ditandai dengan banyaknya kedai kopi modern yang bermunculan, seperti Kopi Kenangan. Seiring meningkatnya jumlah pelanggan, opini atau sentimen pelanggan terhadap produk dan layanan menjadi aspek penting yang perlu dianalisis untuk menjaga kualitas dan kepuasan pelanggan. Permasalahan yang diangkat dalam penelitian ini adalah banyaknya data ulasan pelanggan di internet yang belum dimanfaatkan secara maksimal untuk mengevaluasi sentimen terhadap Kopi Kenangan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pelanggan Kopi Kenangan menggunakan algoritma Naïve Bayes, serta memberikan wawasan terhadap kecenderungan opini pelanggan secara otomatis. Metode yang digunakan adalah knowledge discovery in database (KDD) yang mencakup tahapan: data selection, preprocessing, transformation, data mining menggunakan algoritma Naïve Bayes, dan evaluasi model. Data diperoleh dari ulasan pelanggan Kopi Kenangan melalui platform Google Review, kemudian diklasifikasikan menggunakan model Naïve Bayes dengan pembagian data latih dan uji sebesar 80:20. Hasil dari penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan sentimen dengan akurasi sebesar 72,24%, presisi sebesar 75,20%, recall 72,24%, dan F1-score 72,20%. Model dapat mengenali sentimen positif dan netral dengan cukup baik, meskipun masih mengalami kesulitan dalam mengklasifikasikan sentimen negatif. Hasil ini dapat dijadikan acuan bagi perusahaan dalam meningkatkan kualitas layanan dan produk berdasarkan opini pelanggan
Ekstraksi Pengetahuan dari Ulasan Aplikasi CapCut Menggunakan Metode Aspect-Based Sentiment Analysis dan Klasifikasi Ariyani, Ishlah Putri; Tania, Ken Ditha; Wedhasmara, Ari; Meiriza, Allsela
Jurnal Buana Informatika Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025
Publisher : Universitas Atma Jaya Yogyakarta

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

Abstract

Indonesia is experiencing rapid technological development, especially in the use of the internet and editing platforms like CapCut. These platforms enable video editing on various devices; however, user satisfaction is not always guaranteed due to individual differences in experience. This research aims to identify user sentiment towards the CapCut application based on aspects, using an Aspect-Based Sentiment Analysis (ABSA) approach supported by Machine Learning algorithms for the aspect-based sentiment classification task. The algorithm used in the classification process is Support Vector Machine. The data used are reviews of the CapCut application from the Google Play Store, with a total of 22,668 data points. The results show that the Support Vector Machine (SVM) algorithm performs well in each aspect, with accuracy values of 0.88 for the feature aspect and 0.87 for the user experience aspect. The results of knowledge extraction are obtained in the form of XML, which contains user sentiment information on two main aspects: features and user experience.
PERBANDINGAN METODE NAÏVE BAYES, DECISION TREE, DAN KNN DALAM ANALISIS SENTIMEN APLIKASI GOJEK DI PLAYSTORE Maretta, Aulia Pinkan; Anadia, Qothrunnada Wafi; Sasmita, Ruth Mei; Epriyanti, Nadia; Rizkyllah, Anabel Fiorenza; Mariska, Inneke Via; Tania, Ken Ditha; Meiriza, Allsela
ZONAsi: Jurnal Sistem Informasi Vol. 7 No. 2 (2025): Publikasi artikel ZONAsi: Jurnal Sistem Informasi Periode Mei 2025
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/zjf8x279

Abstract

Sentiment analysis on user evaluation of Gojek application services on Play Store is important to understand user opinions on the services provided. This study compares three machine learning methods, namely Naïve Bayes, Decision Tree, and K-Nearest Neighbors (KNN) when categorizing user sentiment on Google Play Store as positive, negative, or neutral. The data processed comes from the Gojek user review dataset obtained from Kaggle. The analysis process involves data preprocessing (cleaning, stopword removal, tokenization, and split data), data transformation, and implementation of classification algorithms. The evaluation was carried out using accuracy, precision, recall, and F1-score metrics. The results of the study prove that Naïve Bayes has the best performance with an accuracy of 89%, followed by KNN (86%) and Decision Tree (84%). This study provides good insight for application developers in choosing the best method to understand user opinions and improve service quality.
Co-Authors Adhiyasa, Chandra Julian Adriansyah, Rizki Ahmad Rifai Akbar Alzaini Akbar Alzaini Al Fachrozi, Muhammad Al-Farisy, M Hadi Alfarizi, M. Ali Ibrahim Ali Ibrahim Alvico, Alvico Alvines, Mahendi Alzaini, Akbar Amanda, Bella Rizkia Anadia, Qothrunnada Wafi Ananda Khoirunnisa Andini Bahri, Cheisya Andriani, Sari Ani Nidia Listianti, Ani Nidia Anindya Putri, Salsa Annisa Tri Ning Tyas Apriansyah Putra Archi Daffa Danendra, Muhammad Ari Wedhasmara Ariyani, Ishlah Putri Ariyanti, Putri Arvhi Randita Setia Athallah Ubaid, Deni Ayuningtiyas, Pratiwi Bayu Wijaya Putra Beriadi Agung Nur Rezqe Chandra Julian Adhiyasa Cynthia Sherina Fadeli Danendra, Devano Dedy Kurniawan Deni Lidianti Desty Rodiah Devano Danendra Dinda Lestarini Dinna Yunika Hardiyanti Dwi Rosa Indah Endang Lestari Ruskan Endang Lestari Ruskan Epriyanti, Nadia Ermatita - Faizah, Ovie Nur Fathoni - Fathoni - Fatimah Salsabila Fatimah, Aisyah Fiorenza Rizkyllah, Anabel Firda, Hiliah Gultom, Gina Destia Gusti Barata Hardini Novianti Hardini Novianti Hardini Novianty Ichsan Farel Rachmad, Muhammad Idpal, Idpal Inayah, Anna Fadilla Irmawati Irmawati Izzan Fieldi, Muhammad Jaidan Jauhari Jambak, Muhammad Ihsan Jefven Fernando Jonathan Pakpahan Karima, Dzakiah Aulia Karimsyah Lubis, Muhammad Karisa Anjani Fakhri Ken Dhita Tania, Ken Dhita Ken Ditha Tania Khoiriyah Harahap, Dayana Larasati, Salsabila Lifiano Jamot Munthe, Gabriel Luh Sri Mulia Eni M Rifki Ali M. Rudi Sanjaya Maharani, Wardah Shifa Maretta, Aulia Maretta, Aulia Pinkan Mariska, Inneke Via Meiriza, Viola Meitiana Audya Muhamad Edric Rasyid Muhammad Aidil Fitri Syah Muhammad Ali Buchari Muhammad Ihsan Muhammad Ihsan Muhammad Imam Riadillah Munaspin, Zahra Diva Putri Nabila Oktadini Nabila Riska Ayu Nachwa, Syakillah Nadia Ayu Safitri Nashiroh Ramadhani, Muthia Novitia Chinoi Nurul Izmy Nys Marliza Tiara M Oktadini, Nabila Oktadini, Nabila Rizky Onkky Alexander Pacu Putra Padlefi, Muhamad Riza Paulus Paskah Lino Susilo Perdani, Tharisa Antya Putri Ariyanti Putri Eka Sevtiyuni Putri Eka Sevtiyuni Putri Eka Sevtyuni Putri Mutiara Arinie Putri, Adetya Rielisa Putri, Nyayu Dwi Tarisa Rafika Octaria Ningsih Rafli Maulana, Muhammad Rahmat Izwan Heroza Ramadhan Putra Pratama, Muhammad Ramadhan, Kumara Aditya Rangga Aderiyana, Fakih Rani Mardiah Ravi Wijayanto, Muhammad Rezeki, Yunika Tri Rezqe, Beriadi Agung Nur Ricy Firnando Rido Zulfahmi Rika Septiana Riska Yunita Rizka Rahmadhani Rizki Kurniati Rizky Herdiansyah, Muhammad Rizky Sawitri Rizkyllah, Anabel Fiorenza Rositiani, Ely Royan Dwi Saputra RR. Ella Evrita Hestiandari Sanjaya, M. Rudi Saputri, Sonia Dwi Sari Andriani Sasmita, Ruth Mei Sawitri, Rizky Septhia Charenda Putri Sevtiyuni, Putri Eka Silvia, Nyimas Simanullang, Eka Darmayanti Susanti, Helen Susilo, Paulus Paskah Lino Syahbani, Muhammad Husni Syarief Albani, Muhammad Tharisa Antya Perdani Theresia Pardede, Eva Titiana, Nuke Merisca Tri Zafira, Zahra Tsabitah, Laila Via Mariska, Inneke Wahyudi, Muhammad Iqbal Wulan Dari, Atikah Yadi Utama Yadi Utama Yasir Alghifari, Muhammad Yasyfi Imran, Athallah Yunita Yunita