p-Index From 2020 - 2025
13.645
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) ComEngApp : Computer Engineering and Applications Journal TEKNIK INFORMATIKA Jurnal Pendidikan Matematika Media Informatika Lontar Komputer: Jurnal Ilmiah Teknologi Informasi JSI: Jurnal Sistem Informasi (E-Journal) Jurnal Simantec Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) International Journal of Advances in Intelligent Informatics Jurnal Informatika dan Teknik Elektro Terapan POSITIF Annual Research Seminar KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Proceeding of the Electrical Engineering Computer Science and Informatics Science and Technology Indonesia Demography Journal of Sriwijaya Sistemasi: Jurnal Sistem Informasi Jurnal Penelitian Sains JST ( Jurnal Sains Terapan ) JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat BAREKENG: Jurnal Ilmu Matematika dan Terapan Dinamisia: Jurnal Pengabdian Kepada Masyarakat PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Infomedia KACANEGARA Jurnal Pengabdian pada Masyarakat MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Riau Journal of Empowerment Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Jurnal Penelitian dan Pengabdian Kepada Masyarakat UNSIQ Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal KOMPUTEK Indonesian Journal of Applied Informatics KOMPUTIKA - Jurnal Sistem Komputer Jurnal Teknologi dan Informasi JKPM (Jurnal Kajian Pendidikan Matematika) Energy : Jurnal Ilmiah Ilmu-Ilmu Teknik Jurnal Teknologi Terapan Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Jurnal Vokasi Jurnal Teknik Elektro dan Komputasi (ELKOM) Scientific Journal of Informatics Jurnal Teknik Elektro Uniba (JTE Uniba) Square : Journal of Mathematics and Mathematics Education BERNAS: Jurnal Pengabdian Kepada Masyarakat JOINT (Journal of Information Technology Jurnal Sistem Informasi dan Sistem Komputer Jurnal Teknik Informatika (JUTIF) Jurnal AbdiMas Nusa Mandiri Jurnal Amplifier: Jurnal Ilmiah Bidang Teknik Elektro dan Komputer JAGROS : Jurnal Agroteknologi dan Sains (Journal of Agrotechnology Science) Jurnal Ilmu Komputer dan Informatika Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat Jurnal Rekayasa Elektro Sriwijaya Jurnal Teknologi BAKTI : Jurnal Pengabdian Kepada Masyarakat Pattimura International Journal of Mathematics (PIJMath) Proceeding Applied Business and Engineering Conference Technology and Informatics Insight Journal Electrician : Jurnal Rekayasa dan Teknologi Elektro COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika Journal Medical Informatics Technology Journal Of Artificial Intelligence And Software Engineering Jurnal INFOTEL Jurnal Informatika Polinema (JIP) Kreano, Jurnal Matematika Kreatif Inovatif Jurnal Kecerdasan Buatan dan Teknologi Informasi Majalah Bisnis & IPTEK
Claim Missing Document
Check
Articles

Variasi Thresholding untuk Segmentasi Pembuluh Darah Citra Retina Desiani, Anita; Zayanti, Des Alwine; Primartha, Rifkie; Efriliyanti, Filda; Andriani, Nur Avisa Calista
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 2 (2021): Volume 7 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v7i2.47205

Abstract

Segmentasi pembuluh darah pada retina diperlukan pada deteksi dini penyakit Diabetic Retinopathy pada citra retina. Penelitian ini menggunakan tiga tahapan yaitu pre-processing, segmentasi dan post-processing yang akan membandingkan hasil dari 3 metode segmentasi yang menggunakan nilai Thresholding yaitu Adaptive Thresholding, Binary Thresholding, dan Otsu Thresholding. Hasil pengujian terhadap tiga metode yang digunakan menunjukan bahwa metode Binary Thresholding mendapat rata-rata akurasi, sensitivitas dan spesifisitas tertinggi yaitu 95%, 58%, 98%. Untuk Adaptive Thresholding mendapat rata-rata akurasi sebesar 91%, sensitivitas 36%, spesititiftas 97%. Dan metode Otsu Thresholding mendapatkan rata-rata akurasi 86%, sensitivitas 22%, dan spesifisitas 90%.  Dari hasil ketiga metode ini dapat dilihat akurasi yang dihasilkan oleh metode Thresholding sudah sangat baik dalam melakukan segmentasi citra, tetapi nilai sensitivitas dari masing-masing metode Thresholding masih rendah. Hal ini dapat disimpulkan metode Thresholding masih sulit mendapatkan lebih banyak fitur pembuluh darah pada citra retina.
Handling the imbalanced data with missing value elimination SMOTE in the classification of the relevance education background with graduates employment Anita Desiani; Sugandi Yahdin; Annisa Kartikasari; Irmeilyana Irmeilyana
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 10, No 2: June 2021
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v10.i2.pp346-354

Abstract

The imbalanced data affect the accuracy of models, especially for precision and sensitivity, it makes difficult to find information on minority class. The problem is identified in the tracer study dataset Universitas Sriwijaya that has 2934 data. The label attribute is divided into several label classes, namely not tight, somewhat-tight, tight, very tight, and tightest. The number of the tightest and very tight is 27% and 38.6% of the number majority classes. In the study, the SMOTE is combined with eliminating the missing value of data to handle the imbalanced data. The method was evaluated by the classification methods KNN, ANN, and C4.5. The results of these methods show a significant increase in accuracy as a whole and a significant increase in the precision and sensitivity of minority classes. The precision and sensitivity of both the majority and minority are not too different, although the number of the minority is very less compared to the majority class. the information on minority classes can be obtained with quite high precision and sensitivity. As a conclusion, the proposed method is passably to improve accuracy and greatly affects the increase in sensitivity and precision.
Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Ditinjau dari Karakteristik Lingkungan Kampus (Studi Kasus di Jurusan Matematika FMIPA Unsri) Oki Dwipurwani; Sri Indra Maiyanti; Anita Desiani; Sari Suryati
Jurnal Penelitian Sains Vol 15, No 1 (2012)
Publisher : Faculty of Mathtmatics and Natural Sciences

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (257.088 KB) | DOI: 10.56064/jps.v15i1.85

Abstract

This Research aim to develop a model which can explain factors influencing student achievement. Variables in this research in the form of laten variable and causal relationship between a set of variables nor modestly, there is direct and indirectly relationship. Therefore, there used a Structural Equation Models (SEM) analyse method. Data in this research is obtained by through questionnaire from Mathematics FMIPA Unsri Majors student sample as much 128 responder. Result of analysis indicate that student perception to dosen variable have an positive effect directly to student motivation variable as well as having an positive effect indirectly through motivation variable to achievement variable which signifikan that is each equal to 0.46 and 0.4784. Furthermore, motivate to learn variable have an positive effect to student achievement variable equal to 1,04.
Perancangan Perangkat Lunak pada Aplikasi Pelayanan dan Pemesanan Laundry Online Berbasis Android Anita Desiani; Sugandi Yahdin; Muhammad Gibran Al-Filambany; Yogi Wahyudi
Jurnal Penelitian Sains Vol 22, No 3 (2020)
Publisher : Faculty of Mathtmatics and Natural Sciences

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1103.327 KB) | DOI: 10.56064/jps.v22i3.593

Abstract

Smartphone atau dikenal juga sebagai mobile phone saat ini telah berbasis sistem operasi sehingga memungkinkan smartphone bekerja layaknya komputer. Sistem operasi yang paling populer digunakan oleh smartphone adalah android. Android merupakan salah satu perangkat lunak yang open source, yang mengijinkan siapapun penggunanya dapat mengembangkan dan menjalankan berbagai aplikasi. Salah satunya adalah aplikasi Laundry. Laundry selama ini menggunakan nota manual yang rentan akan risiko rusak dan hilang. Aplikasi Laundry online mampu mengatasi permasalahan yang terjadi pada laundry selama ini diantaranya risiko kerusakan dan kehilangan nota, salah inputnya data pakaian dan lain-lain. Studi ini menganalisis kebutuhan dan masalah yang dihadapi oleh para pelaku bisnis laundry dan merancang database serta antarmuka yang baik, sehingga diharapkan aplikasi ini akanmampu memenuhi kebutuhan dari pemilik bisnis maupun konsumen dari pengguna jasa laundry tersebut tanpa ada anomali atau redudansi.  Adapun yang digunakan dalam merancang aplikasi ini adalah usecase diagram, activity diagram, ER-diagram, tabel relasi dan perancangan antar muka.
Aplikasi Analisis Faktor Konfirmatori untuk Mengetahui Hubungan Peubah Indikator dengan Peubah Laten yang Mempengaruhi Prestasi Mahasiswa di Jurusan Matematika FMIPA UNSRI Sri Indra Maiyanti; Oki Dwipurwani; Anita Desiani; Betty Aprianah
Jurnal Penelitian Sains Vol 12, No 3 (2009)
Publisher : Faculty of Mathtmatics and Natural Sciences

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1046.668 KB) | DOI: 10.56064/jps.v12i3.165

Abstract

Analisis Faktor Konfirmatori adalah salah satu metode pada analisis multivariat yang digunakan untuk mengkonfirmasikan apakah model yang dibangun sesuai dengan yang dihipotesiskan. Untuk mengetahui hubungan peubah indikator dengan peubah laten yang mempengaruhi prestasi mahasiswa di Jurusan Matematika FMIPA UNSRI digunakan Analisis Faktor Konfirmatori dengan metode kemungkinan maksimum untuk menduga parameter modelnya. Hasil yang diperoleh bahwa peubah laten untuk latar belakang keluarga (Ԑ1) diukur oleh peubah indikator Pendidikan ayah (x1), Pendidikan ibu (x2) dan Penghasilan orang tua (x3), di mana peubah indikator yang memberikan kontribusi terbesar adalah Pendidikan ibu (0,84). Peubah laten lingkungan belajar di luar kampus (Ԑ2) diukur oleh peubah indikator waktu tempuh dari rumah ke kampus (x4), fasilitas belajar di rumah (x5) dan konsentrasi belajar (x8), di mana peubah indikator dengan kontribusi terbesar adalah fasilitas belajar di rumah (0,80). Peubah laten sikap terhadap almamater (Ԑ3) diukur oleh peubah indikator Fasilitas ruang belajar di jurusan (x11), Fasilitas perpustakaan (x12) dan Fasilitas komputer (x13), di mana peubah indikator dengan kontribusi terbesar adalah Fasilitas ruang belajar di jurusan (x11) (1,08). Peubah laten Persepsi terhadap dosen (Ԑ4) diukur oleh peubah indikator Sistem evaluasi oleh dosen (x16), Sistem pembelajaran oleh dosen (x17), Sistem penugasan oleh dosen (x18) dan Hubungan dengan pembimbing akademik (x19), di mana peubah indikator dengan kontribusi terbesar adalah Sistem pembelajaran oleh dosen (x17) (0,73). 
Penerapan Analisa Faktor dalam Membentuk Faktor Laten yang Mempengaruhi Prestasi Mahasiswa di Jurusan Matematika FMIPA Universitas Sriwijaya Oki Dwipurwani; Sri Indra Maiyanti; Anita Desiani; Shinta Octarina
Jurnal Penelitian Sains Vol 12, No 3 (2009)
Publisher : Faculty of Mathtmatics and Natural Sciences

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (170.607 KB) | DOI: 10.56064/jps.v12i3.163

Abstract

Studi ini mengenai penggunaan analisis faktor untuk membentuk faktor laten menggunakan metode Maksimum Likelihood untuk menduga parameternya dan pengaruh prestasi mahasiswa di Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Kesimpulan yang diperoleh dari pengaplikasiannya adalah terbentuknya 8 faktor umum, yaitu Kelengkapan Fasilitas Belajar, Latar Belakang Keluarga, Sistem Pembelajaran, Motivasi dan Teman, Minat dalam Belajar Matematika, Persepsi Terhadap Dosen, Kelengkapan Laboratorium Komputer dan Pelayanan Akademik, dan Kedisiplinan dalam Belajar untuk Mendapatkan Nilai Tinggi. Variansi total yang mampu dijelaskan oleh delapan faktor tersebut adalah 64%. Hal ini menunjukan kebaikan model sudah terpenuhi.
Kajian Pengenalan Wajah dengan Menggunakan Metode Face-ARG dan Jaringan Syaraf Tiruan Backpropagation Anita Desiani
Media Informatika Vol. 5 No. 2 (2007)
Publisher : Department of Informatics,Faculty of Industrial Technology,Islamic University of Indonesia

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

Abstract

Pengenalan wajah menjadi alternatif dala berbagai bidang yang membutuhkan identifikasi seseorang, wajah  merupakan bagian dari identifikasi biometrik karena merupakan bagian langsung dari tubuh manusi yang tidak mudah untuk dicuri atau diduplikasi seperti halnya metode konvemsional yang menggunakan password ataupun kartu. Proses pengenalan wajah dapat dilakukan dengan barbagai metode salah satunya Metode Face-ARG, di mana setiap image wajah yang masuk akan direpresentasikan dalam bentuk vektor graph  yang nantinya akan disesuaikan dengan vektor graph dari satu image lain yang dengan melihat tingkat kesesuaiannya, setiap pencocokan yang dilakukan dengan Metode Face-ARG hanya dapat dilakukan untuk dua image, sehingga diperlukan waktu dan proses yang lama setiap suatu image diidentifikasi. Pengenalan wajah dapat juga dilakukan dengan menggunakan jaringan syaraf tiruan salah satunya adalah metode backpropagation dimana semua image yang telah dipolakan dalam bentuk tertentu akan diberikan sebagai pelatihan bagi JST, sehingga JST dapat mengenali pola yang diberikan. Proses awal yang diperlukan bagi JST memang cukup rumit dan lama terutama apabila data yang dilatih sangat banyak. Namun kelebihan dari JST pada saat setiap image ingin diidentifikasi oleh sistem, apabila data tersebut telah dilatih oleh JST maka tidak perlu dilakukan pencocokan seperti pada Face-ARG karena image tersebut telah dikenali oleh JST ada kemudian akan dilihat dalam basisdata, kecuali bagi image yang belum dilatih oleh JST. Arsitektur multi layer perceptron pada metode backpropagation memberikan hasil yang lebih akurat, karena semakin banyak lapisan yang memberikan pelatihan maka akan semakin baik hasil yang diberikan oleh JST.
Application of the Relief-f Algorithm for Feature Selection in the Prediction of the Relevance Education Background with the Graduate Employment of the Universitas Sriwijaya Sugandi Yahdin; Anita Desiani; Nuni Gofar; Kerenila Agustin
Computer Engineering and Applications Journal Vol 10 No 2 (2021)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (228.509 KB) | DOI: 10.18495/comengapp.v10i2.369

Abstract

Career Development Center (CDC) at Universitas Sriwijaya provided a tracer study dataset for graduates. The data contained feature questions about the relevance of background education and graduate employment, namely about lectures, research projects experience, internships experience, English skill, internet knowledge, computer skill and others. the data was filled in by graduates in 2014, 2015, and 2016. Applying the Relief-f algorithm was to select the pattern features that most influence the relevance of education background and graduate employment. This study used Naive Bayes and KNN methods to measure the success rate of the Relief-f algorithm. The results of the accuracy of the data before the feature selection process for the naïve Bayes method were 73.43% and the KNN method was 66.24%, after the feature selection process the accuracy obtained in both methods increased to 74.38% for the Naive Bayes method and 72.22% for the KNN method. The best pattern features selected were 8 features: department relationship with work, the competence of education background, English skill, research projects experience, extracurricular activities, the competence of education background, internships experience, and communication skills. Based on the accuracy obtained, it was concluded that the Relief-f algorithm worked well in the feature selection and improved the accuracy.
APLIKASI ANALISIS FAKTOR KONFIRMATORI UNTUK MENGETAHUI HUBUNGAN PEUBAH INDIKATOR DENGAN PEUBAH LATEN YANG MEMPENGARUHI PRESTASI MAHASISWA DI JURUSAN MATEMATIKA FMIPA UNSRI Sri Indra Maiyanti; Oki Dwipurwani; Anita Desiani; Betty Aprianah
Jurnal Pendidikan Matematika Vol 2, No 1 (2008)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22342/jpm.2.1.296.

Abstract

To know the correlation between indicator variables and latent variables that the influence students’ achieviement in majors of mathematics of FMIPA UNSRI used Confirmatory Factor Analysis by maximum likelihood method to estimate the model parameters. Confirmatory Factor Analysis is one of the methods of multivariate analysis used to confirm whether or not the model that is build is match the hypothesis.  The result of tained that the latent variable of has a background of family could be measured by indicator variables of father’s education (x1), mother’s education (x2) and parent’s income (x3), where indicator variables that give great contribution is mother’s education is 0.84.  The latent variables of learning environment of campus (ξ2) could be measured by indicator variables of time using far house to campus (x4), learning facilities at home (x5) and learning concentration (x8), where indicator variables that give great contribution is learning facilities at home is 0.80.  The latent variables of attitude toward almamater (ξ3) could be measured by indicator variables of classroom facilities in major (x11), library facilities (x12) and computer facilities (x13), where indicator variables that give great contribution is classroom facilities in major is 1.08.  The latent variable of perseption toward lecturers (ξ4) could be measured by indicator of evaluation system given by lecturer (x16), learning system given by lecturer (x17), assigment system given by the lecturer (x18), and the relationship with academic advisor (x19), where indicator variables that give great contribution is learning system is 0.73.
ANALISIS KEBUTUHAN WAKTU ALGORITMA INSERTION SORT, MERGE SORT, DAN QUICK SORT DENGAN KOMPLEKSITAS WAKTU albar Pratama; Anita Desiani; Irmeilyana Irmeilyana
Annual Research Seminar (ARS) Vol 3, No 1 (2017): ARS 2017
Publisher : Annual Research Seminar (ARS)

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

Abstract

Sorting is a crucial problem in data processing or database. Data  processing will be more simple if the data has been sorted. Sorting problem requires special  techniques to make the process of sorting faster. The techniques are named as sorting algorithms. The reliability of an algorithm can be measured by its time complexities. The time complexity T(n) is the number of operations performed in an algorithm for N data input. One of time complexities is Big-O or worst case. The Worst case (Big-O) is a time complexities for the worst condition of an algorithm.   This study will analyze the time complexity of the algorithms Insertion Sort, Merge Sort and Insertion Sort based on their Big-O (worst case). Each algorithm will be calculated its complexity time in two ways. The first is calculated based on their steps in sorting process and the second is calculated based on their coding and running program using C++. The time complexity of Merge Sort is O(n log n) and time complexity of Quick Sort and Insertion Sort is O(n2), it means the time complexity of Merge Sort is less and faster for large N data input than Quick Sort and Insertion Sort. Otherwise Insertion Sort is faster for small N data input than Merge Sort and Quick Sort. Quick sort needs much time to sort data not only for small N data input but also for large N data input. It means Quick Sort doesn’t work well in worst case.
Co-Authors Adi Muzakir Adinda Ayu Lestari, Adinda Ayu Adzra Afiifah Nabila Affandi, Azhar Kholiq Agatha, Lucy Chania Agung Alamsyah Ajeng Islamia Putri Ajeng Islamia Putri Al-Ariq, M Al-Filambany, Muhammad Gibran Alamsyah, Agung albar Pratama Alga Mahida Ali Amran Ali Amran Ambarwati Ananda Pratiwi Andhini, Shania Putri Andika Cristian Lubis Andriani, Nur Avisa Calista Anggraini, Jeni Putri Anisa Aulia Kusmareni Annisa Aulia Lestari Annisa Kartikasari ANNISA NABILA Annisa Nur Fauza Annisa Nurba Iffah’da Apledaria Apledaria Arhami, Muhammad Arhami, Muhammad Arsyad. H, Muhammad Iqbal Arum Setiawan Aulia Salsabila Aulia, Annisa Rizka Ayuputri, Niken Azhar Kholiq Affandi Azzahra, Nur Devita Bambang Suprihatin Bambang Suprihatin Bambang Suprihatin Bambang Suprihatin Batubara, Gracia Mianda Caroline Bella Agustina, Sinta Betty Aprianah Betty Aprianah Budi Mulyono Calista, Nur Avisa Carolina Rahman Chairu Nisa Apriyani Chaya Gladys Zhafirah A Clarita Margo Uteh Des Alwine Zayanti Des Alwine Zayanti Des Alwine Zayanti, Des Alwine Desty Rodiah Dewi Lestari Dwi Putri Dewi Lestari Dwi Putri Dewi, Deshinta Arrova Dian Cahyawati Dien Novita Dina Elly Yanti Dina Elly Yanti Dina Suzzete Sitorus Dite Geovani Dite Geovanni Dwi Ranti Dwi Septiani Dwifa, Dima Echa Alda Melinia Efriliyanti, Filda Endang Sri Kresnawati Endang Sri Kresnawati Endro Setyo Cahyono Endro Setyo Cahyono, Endro Setyo Enyta Yuniar Ermatita - Erwin Erwin Erwin, Erwin Fadhilah, Nadiyah Fadilah, Nadiyah Faishal Fitra Ramadhan Fathona Nur Muzayyadah Fauzi Yusuf Syarifuddin Ferdinand Hukama Taqwa Filda Efriliyanti fildzah daniela, nyayu audy Firdaus Firdaus Fitri Salamah Fivalianda, Dido Geovani, Dite Geovanni, Dite Giovillando Hadi Tanuji Hasibuan, MS Henisaniyya, Nabila Herlina Hanum Herlina Hanum, Herlina Hermansyah Hermansyah Hermansyah Hermansyah Hermansyah Husaini Husaini Ilham Tri Wibowo Indah Verdya Alvionita Indra Maiyanti, Sri Ira Rayyani Irmeilyana Irmeilyana Irmeilyana Irvan Andrian Kanda Januar Miraswan Karina Kartila Kartila Kerenila Agustin Kurniawan, Rifki Kusmareni, Anisa Aulia Lizah Framesti Lubis, Andika Cristian Lucy Chania Agatha M Kahfi Aldi Kurnia Makhalli, Siddiq Manoppo, Sania Marselina, Nyanyu Chika Maya Meilensa Maya Meilensa Mayangsari, Oki Sukma Mega Tiara Putri Mitta Permata Sari Mochamad Syaifudin, Mochamad Mortara, Alda Amalia MS Hasibuan Muhammad Akbar Muhammad Akmal Shidqi Muhammad Awaludin Djohar Muhammad Awaludin Djohar Muhammad Azwar Annas Muhammad Gibran Al-Filambany Muhammad Naufal Rachmatullah Muhammad Nawawi Muhammad Nawawi Muhammad Syariful Irsyad Muhammad Wahyu Ilahi Muhammat Rio Halim Muslim Muslim Muslim Muslim Mustaqima, Dina Mutiara Saviera Muzakir, Adi Nadya Riri Febiyanti Napitu, Michael Jackson Narti Narti, Narti Naufal Rachmatullah Ngudiantoro . Ning Eliyati Novi Rustiana Dewi Novi Rustiana Dewi Nugrohoputri, Rifa Fadhila NUNI GOFAR Nur Avisa Calista Nur Devita Azzahra Nyayu Chika Marselina Oki Dwipurwani Permatasari, Mitta Pertiwi, Citra Prabudifa, Muhammad Yusuf Pranata, Teddi Pratiwi, Ananda Puspa Sari Puspa Sari, Puspa Putra Bahtera Jaya Bangun, Putra Bahtera Jaya Putri Bella Nusantara Putri Pratiwi Putri, Ajeng Islamia Rahmadita, Suristhia Rahmat Dwian Ramadhan, Faishal Fitra Ramadhan, Raihan Ramadhani, Syafira Dian Ramayanti, Indri Rana Sania Rayani, Ira Redina An Fadhila Chaniago Redina An Fadhila Chaniago Refky Maulana Rifa Fadhila Nugrohoputri Rifki Kurniawan Rifkie Primartha Rifkie Primartha Rifkie Primartha Rio Halim, Muhammat Rizki, Fatur Salahuddin Salahuddin Salamah, Fitri Salsabila, Aulia Saputra, Tommy Sari Suryati Sasongko, Muhammad Aditya Savera, Mutiara Saviera, Mutiara Shania Putri Andhini Shidqi, Muhammad Akmal Shinta Octarina Siddiq Makhalli Sigit Priyanta Simamora, Valentino Sinta Bella Agustina Siti Husnul Hotimah, Siti Husnul Siti Nurhaliza Siti Rusdiana Puspa Dewi Sitorus, Dina Suzzete Sri Indra Maiyanti Sri Indra Maiyanti Sri Indra Maiyanti Sri Indra Maiyanti Suedarmin, Muhammad Sugandi Yahdin Sugandi Yahdin Sugandi Yahdin Suratama, Bintang Susanto Susanto Susanto Susanto Syafrina Lamin, Syafrina Teddi Pranata Titania Jeanni Charisa Titania Jeanni Charissa Tri Febriani Putri tri wahyuni Villando, Gio Waafiyah, Hilmiana Wahyudi, Yogi Yadi Utama Yassir Yassir Yogi Wahyudi Yonarta, Danang Yuli Andirani Yuli Andriani Yuli Andriani Yulia Resti Yuniar, Enyta Z, Des Alwine