Article Per Year (5 Year)
p-Index From 2021 - 2026
10.848
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 SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan 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 JURIKOM (Jurnal Riset Komputer) 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 Building of Informatics, Technology and Science 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) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Teknomatika (Jurnal Teknologi dan Informatika) REKA ELKOMIKA: Jurnal Pengabdian kepada Masyarakat KLIK: Kajian Ilmiah Informatika dan Komputer 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) Jurnal Komtika (Komputasi dan Informatika)
Allsela Meiriza, Allsela
Universitas Sriwijaya
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 94 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 94 Documents
Search

 5   6   7   8   9 
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.
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 mengalami perkembangan teknologi yang pesat, khususnya dalam penggunaan internet dan platform editing seperti CapCut. Platform ini memungkinkan pengeditan video di berbagai perangkat, namun kepuasan pengguna tidak selalu terjamin karena perbedaan pengalaman individu. Penelitian ini bertujuan untuk mengidentifikasi sentimen pengguna terhadap aplikasi CapCut berdasarkan aspek.Dengan menggunakan pendekatan Aspect-Based Sentiment Analysis (ABSA) yang didukung oleh algoritma Machine Learning untuk tugas klasifikasi sentimen berdasarkan aspek. Algoritma yang digunakan dalam proses klasifikasi adalah Support Vector Machine. Data yang digunakan adalah ulasan aplikasi CapCut dari Google Play Store sebanyak 22.668 data. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine (SVM) memiliki performa yang baik untuk masing-masing aspek dengan nilai akurasi untuk aspek fitur 0,88 dan aspek user experience 0,87. Hasil ekstraksi pengetahuan yang diperoleh berupa XML yang memuat informasi sentimen pengguna terhadap dua aspek utama, yaitu fitur dan user experience. 
Segmentasi Spasial Tingkat Kemiskinan Provinsi Sumatera Selatan Menggunakan Pendekatan Klasterisasi K-Means Jonathan Pakpahan; Septhia Charenda Putri; Ananda Khoirunnisa; Rafika Octaria Ningsih; Putri Mutiara Arinie; Arvhi Randita Setia; Ken Ditha Tania; Allsela Meiriza
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3820

Abstract

Kemiskinan adalah tantangan utama dalam pembangunan ekonomi yang membutuhkan analisis berbasis data. Kajian ini menerapkan metode klasterisasi K-Means untuk segmentasi spasial tingkat kemiskinan berdasarkan indikator sosial-ekonomi, seperti persentase penduduk miskin, rata-rata lama sekolah, pengeluaran per kapita, serta indeks kedalaman dan keparahan kemiskinan. Data dari BPS tahun 2024 diolah menggunakan pendekatan Knowledge Discovery in Database (KDD) melalui tahapan seleksi data, prapemrosesan, transformasi, penambangan data, dan evaluasi menggunakan RapidMiner. Hasil klasterisasi membentuk empat kelompok dengan disparitas kesejahteraan antarwilayah, di mana beberapa daerah menunjukkan tingkat kemiskinan yang lebih tinggi. Melalui pemetaan berbasis data ini, penelitian diharapkan menjadi dasar bagi pengambil kebijakan dalam merancang strategi penanggulangan kemiskinan yang efektif dan tepat sasaran guna mengurangi ketimpangan sosial serta meningkatkan kesejahteraan masyarakat di Provinsi Sumatera Selatan. Kata kunci: Kemiskinan, K-Means, Klasterisasi, Data Mining, Sumatera Selatan.
Performance Comparison of Sentiment Classification Algorithms on SIGNAL Reviews Using SMOTE Anadia, Qothrunnada Wafi; Meiriza, Allsela
Journal of Information System and Informatics Vol 7 No 3 (2025): September
Publisher : Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v7i3.1196

Abstract

Public service apps like SIGNAL are widely used to provide public access to information and vehicle tax payments. However, diverse user reviews highlight the need to evaluate public perception through sentiment analysis. Selecting an appropriate classification algorithm is crucial to ensure accurate results, particularly when dealing with imbalanced review data. Therefore, This study examines the comparative performance of four algorithms Naïve Bayes, Random Forest, Decision Tree, and SVM in analyzing the sentiment of 36,000 user feedback obtained from Google Play Store. The dataset underwent preprocessing, feature extraction using TF-IDF, and class balancing using SMOTE. Model evaluation was conducted using accuracy, precision, recall, and F1-score. The findings indicated that Random Forest performed the best overall performance (accuracy 91.04%, F1-score 94.80%), followed by Naïve Bayes (accuracy 89.89%, F1-score 93.38%), SVM (accuracy 89.22%, F1-score 93.02%), and Decision Tree (accuracy 88.40%, F1-score 92.31%). These findings indicate that Random Forest is highly effective for balanced datasets, while SVM and Naïve Bayes offer competitive precision for applications prioritizing accuracy in positive class detection. The output of this study can be applied practically by developers and related institutions in optimizing public service applications and by applying Random Forest algorithm to gain actionable insights for optimizing features and aligning services more closely with user needs.
Comparison of Support Vector Machine and Random Forest Algorithms in Sentiment Analysis of the JMO Mobile Application Via Mariska, Inneke; Meiriza, Allsela; Lestarini, Dinda
Journal of Applied Informatics and Computing Vol. 9 No. 5 (2025): October 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i5.10764

Abstract

JMO Mobile is a digital service application that enables the public to access employment-related information and benefits. User reviews serve as a valuable resource for evaluating service quality, yet systematic sentiment analysis on this application remains limited. This study aims to classify the sentiment of user reviews and compare the performance of Support Vector Machine (SVM) and Random Forest (RF) algorithms. A total of 41,673 reviews were collected through web scraping, then preprocessed through text cleaning, tokenization, stopword removal, stemming, and feature extraction using TF-IDF. The reviews were categorized into positive, negative, and neutral sentiments, and divided into training and testing datasets with an 80:20 ratio. The choice of SVM and RF was based on their proven effectiveness in text classification tasks, with SVM excelling in handling high-dimensional data and RF recognized for its stability in producing reliable results. Model evaluation was conducted using accuracy as the primary metric. The findings indicate that Random Forest achieved an accuracy of 86.15 percent, slightly outperforming SVM at 86.06 percent. While SVM showed superior performance in identifying positive sentiment, Random Forest demonstrated greater consistency across classifications. Overall, Random Forest is considered more suitable for sentiment analysis of public service application reviews. This study contributes an automated approach to understanding user perceptions and offers a reference for selecting classification algorithms in similar cases.
Co-Authors Adhiyasa, Chandra Julian Adriansyah, Rizki Ahmad Rifai Ahmad Rifai Akbar Alzaini Al Fachrozi, Muhammad Al-Farisy, M Hadi Alfarizi, M. Alfitrah, Intan Aidita Ali Ibrahim Alinda, Yelli Nur 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 Anna Dwi Marjusalinah Annisa Tri Ning Tyas Apriansyah Putra Archi Daffa Danendra, Muhammad Ari Wedhasmara Ariyani, Ishlah Putri Ariyanti, Putri Arnan, Sefian Arvhi Randita Setia Athallah Ubaid, Deni Ayu, Nabila Riska Ayuningtiyas, Pratiwi Bayu Wijaya Putra Billan, Angel Caroline 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 - Fatimah Salsabila Fatimah, Aisyah Firda, Hiliah Gultom, Gina Destia Gusti Barata Hardini Novianti Hardini Novianti Hardini Novianti Hardini Novianty Ichsan Farel Rachmad, Muhammad Idpal, Idpal Inayah, Anna Fadilla Irmawati Irmawati Irwansyah, Muhammad Aziiz 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 Khairani, Annisa Khoiriyah Harahap, Dayana Larasati, Salsabila Lifiano Jamot Munthe, Gabriel Luh Sri Mulia Eni M Rifki Ali M, Nys Marliza Tiara 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 Azmi Zaky Muhammad Ihsan Muhammad Ihsan Muhammad Imam Riadillah Mulyadi Mulyadi Munaspin, Zahra Diva Putri Nabila Oktadini Nabila Riska Ayu Nabila Rizki Oktadini Nachwa, Syakillah Nadia Ayu Safitri Naretha Kawadha Pasemah Gumay Nashiroh Ramadhani, Muthia Novitia Chinoi Nurul Izmy Nur’Aini, Risma Nyimas Silvia Oktadini, Nabila Oktadini, Nabila Rizky Onkky Alexander Pacu Putra Pacu Putra Padlefi, Muhamad Riza Pakpahan, Jonathan 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 Ramadhan, Muhammad Gilang Rangga Aderiyana, Fakih Rani Mardiah Ravi Wijayanto, Muhammad Rezeki, Yunika Tri Rezqe, Beriadi Agung Nur Ricy Firnando Rido Zulfahmi Rika Septiana Riska Yunita Rizka Dhini Kurnia Rizka Rahmadhani Rizki Kurniati Rizky Herdiansyah, Muhammad Rizky Sawitri Rizkyllah, Anabel Fiorenza Rositiani, Ely Royan Dwi Saputra RR. Ella Evrita Hestiandari Salsabila, Fatimah Sanjaya, M. Rudi Saputri, Sonia Dwi Sari Andriani Sarifah Putri Raflesia Sasmita, Ruth Mei Sawitri, Rizky Septhia Charenda Putri Sevtiyuni, Putri Eka 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 Yasir Alghifari, Muhammad Yasyfi Imran, Athallah Yunika Hardiyanti, Dinna Yunita Yunita Zaki, Imam Syahputra