p-Index From 2021 - 2026
14.005
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 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 Format : Jurnal Imiah Teknik Informatika 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 Jurnal Kreativitas PKM 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) Jurnal ABDINUS : Jurnal Pengabdian Nusantara 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 Idealis : Indonesia Journal Information System 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 JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Claim Missing Document
Check
Articles

Pemberdayaan Masyarakat Melalui Bimbingan Teknis Pengembangan Budidaya Ikan Lokal Sumatera Selatan di Indralaya Raya, Kabupaten Ogan Ilir Yonarta, Danang; Muslim, Muslim; Desiani, Anita; Syaifudin, Mochamad; Taqwa, Ferdinand Hukama
Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Vol 7, No 1 (2024): Januari 2024
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurdimas.v7i1.2735

Abstract

Indralaya Raya memiliki jumlah penduduk laki-laki sebanyak 7.079 jiwa dan perempuan 3.617 jiwa. Masyarakat Indralaya Raya sebagian besar berprofesi sebagai pedagang. Hal ini berdasarkan lokasi Indralaya Raya yang dekat dengan Pasar Indralaya yang hanya berjarak 3 km dengan waktu tempuh ± 5 menit. Indralaya Raya dialiri oleh Sungai Kelekar. Sungai Kelekar banyak dihuni oleh ikan-ikan lokal salah satunya ikan tambakan. Produksi ikan tambakan dari kegiatan budidaya masih sangat terbatas sehingga perlu dorongan agar masyarakat dapat membudidayakan ikan ini. Salah satu solusi yang dapat dilakukan adalah dengan melakukan pendampingan terhadap masyarakat mengenai teknis budidaya ikan tambakan mulai dari pemeliharaan induk hingga pemeliharaan larva hingga ukuran benih. Kegiatan pengabdian terhadap masyarakat dapat menjadi jembatan yang menghubungkan dengan masyarakat. Melalui kegiatan penyuluhan dan pendampingan mengenai produksi ikan tambakan masyarakat dapat mandiri secara ekonomi.
Development of An Expert System for The Diagnosis of Kidney Disease Using the Certainty Factor Method Refky Maulana; Anita Desiani
Majalah Bisnis & IPTEK Vol. 16 No. 1 (2023): Majalah Bisnis & IPTEK
Publisher : Pusat Penelitian dan Pengabdian Pada Masyarakat (P3M) STIE Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55208/hrc47w79

Abstract

Kidney disease is a prevalent health issue affecting millions of people globally. Early and accurate diagnosis of kidney diseases can help in the timely and effective management of the condition. Expert systems, such as those using the Certainty Factor (CF) method, can provide doctors with valuable assistance in diagnosing kidney diseases more efficiently and accurately. This study aims to develop a kidney disease diagnosis expert system using the CF method. The developed system consists of data collection, data storage, and data processing components, with the CF method used to calculate diagnostic confidence levels and decision-making based on predetermined rules. The knowledge acquisition process was carried out by interviewing three nephrologists to obtain rules for diagnosing kidney diseases. The expert system's evaluation is conducted by comparing the system's diagnostic accuracy with a specialist doctors. The results show that the developed expert system has an accuracy rate of 85.7% in diagnosing kidney diseases. The system also has a user-friendly interface, which allows doctors to input symptoms and obtain a diagnosis quickly and accurately. The developed system has several advantages over traditional diagnosis methods. It can diagnose multiple kidney diseases simultaneously and provide a differential diagnosis, allowing doctors to choose the most appropriate treatment plan for their patients. The system also has the potential to reduce diagnostic errors and improve patient outcomes.
PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN LOGISTIC REGRESSION DALAM KLASIFIKASI KANKER PAYUDARA Desiani, Anita; Zayanti, Des Alwine; Ramayanti, Indri; Ramadhan, Faishal Fitra; Giovillando
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 1 (2025): January 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i1.191

Abstract

Kanker payudara memberikan dampak fisik dan dampak psikologis pada pasien. Deteksi dini terhadap kanker payudara dibutuhkan pada pengidap yang berisiko mengidap kanker payudara. Salah satu solusi yang bisa dilakukan untuk deteksi dini penyakit kanker payudara yaitu dengan melakukan klasifikasi menggunakan pendekatan data mining menggunakan algoritma Support Vector Machine (SVM) dan Algoritma Logistik Regresi (ALR) dengan teknik pengujian Precentage Split dan K-Fold Cross Validation. Penelitian ini bertujuan untuk mendapatkan hasil klasifikasi terbaik untuk mendeteksi penyakit kanker payudara dengan membandingkan kedua algoritma tersebut. Hasil Akurasi yang dihasilkan dari penelitian ini yaitu pada algoritma SVM diperoleh 96% pada metode Precentage Split dan 98% pada metode K-Fold Cross Validation. Sementara pada algoritma Logistic Regression didapat hasil akurasi sebesar 96% pada metode Precentage Split dan 97% untuk metode K-Fold Cross Validation. Berdasarkan hasil akurasi, algoritma SVM metode K-Fold Cross Validation merupakan algoritma terbaik dalam mengklasifikasi penyakit kanker payudara. Namun, hasil akurasi dari ALR masih bisa dikatakan sangat baik karena lebih dari 90%.
Pelatihan Aplikasi Desain Grafis Sebagai Peluang Usaha Ekonomi Produktif (UEP) Bagi Karang Taruna di Desa Limbang Jaya Suprihatin, Bambang; Desiani, Anita; Maiyanti, Sri Indra; Primartha, Rifkie; Salamah, Fitri; Sari, Puspa; Fadilah, Nadiyah
Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat Vol. 5 No. 1 (2024): November 2024
Publisher : Cipta Media Harmoni

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53624/kontribusi.v5i1.429

Abstract

Latar Belakang: Desa Limbang Jaya, terletak di Kecamatan Tanjung Batu, Kabupaten Ogan Ilir, Sumatera Selatan, memiliki kelompok Karang Taruna yang terdiri dari para pemuda-pemudi. Meskipun kelompok ini produktif dengan banyak kegiatan kepemudaan, mereka belum terorganisir dengan baik. Pandemi COVID-19 selama tiga tahun terakhir menyebabkan kegiatan mereka terhenti, dan banyak pemuda terkena Pemutusan Hubungan Kerja (PHK). Tujuan: Kegiatan ini bertujuan untuk mengetahui efektivitas pelatihan pemanfaatan aplikasi Canva dalam mengembangkan Usaha Ekonomi Produktif (UEP)di kalangan pemuda Karang Taruna Desa Limbang Jaya. Metode: Metode yang digunakan adalah survei kualitatif dan kuantitatif, yang melibatkan tahapan survei, persiapan kegiatan, penyampaian materi, dan evaluasi kegiatan. Hasil: Hasil kegiatan menunjukkan bahwa peserta pelatihan memahami materi tentang pemanfaatan aplikasi Canva dengan baik. Kesimpulan: Pelatihan pemanfaatan aplikasi Canva berhasil meningkatkan pemahaman dan keterampilan peserta dalam bidang desain grafis, yang berpotensi dikembangkan menjadi UEP. Langkah selanjutnya adalah melakukan pelatihan lanjutan dan memperluas cakupan program untuk mencapai dampak yang lebih besar. 
Klasifikasi Pengambilan Keputusan Tindakan Operasi Sesar Menggunakan Algoritma Classification and Regression Trees fildzah daniela, nyayu audy; desiani, anita; Irmeilyana, Irmeilyana
KOMPUTEK Vol 8, No 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2399

Abstract

Data mining adalah sebuah metode yang dapat digunakan untuk melihat pola pada kumpulan data yang hasilnya dapat digunakan untuk pengambilan keputusan. Salah satu metode dari proses data mining adalah klasifikasi. Untuk membuat klasifikasi data mining ada salah satu algoritma yang dapat digunakan yaitu Classification and Regression Trees (CART). Penelitian ini bertujuan untuk mengklasifikasikan pengambilan keputusan tindakan operasi sesar menggunakan algoritma Classification and Regression Trees (CART). Dari 80 data tindakan operasi sesar di dataset UCI dilakukan pengujian data dengan membagi data menjadi data latih dan data uji. Persentase split dataset yang digunakan antara lain 90% data latih 10% data uji, 80% data latih 20% data uji, 70% data latih 30%, 60% data latih 40% data uji, 50% data latih 50% data uji dan 85% data latih dan 15% data uji. Diperoleh hasil bahwa implementasi algoritma CART untuk klasifikasi dataset caesarean menghasilkan akurasi tertinggi 75%. Hasil tersebut menunjukkan bahwa algoritma CART dapat digunakan untuk klasifikasi  pengambilan keputusan tindakan operasi sesar.
Weather Forecasting Using Neural Networks with Backpropagation and ADAM Optimizer for city of Lhokseumawe Arhami, Muhammad; Aulia, Annisa Rizka; Salahuddin, Salahuddin; Desiani, Anita; Yassir, Yassir
ABEC Indonesia Vol. 12 (2024): 12th Applied Business and Engineering Conference
Publisher : Politeknik Negeri Bengkalis

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

Abstract

Weather forecasting in Lhokseumawe is crucial due to its diverse climate and impact on community activities.It serves as an operational responsibility of the Meteorology, Climatology and Geophysics Agency (BMKG) worldwide.The method of forecasting currently employed by the BMKG involves meteorological teams observing and analyzingstatistics based on principles of mechanics and physics. Artificial Neural Networks (ANN) can be utilized to forecastlong-term weather conditions, with the backpropagation algorithm being an ANN algorithm employed for short-termweather prediction. This involves training the backpropagation architecture data, which includes an input layer with asize of 6 using Relu activation, one hidden layer with a size of 64 using Relu activation, and an output layer with a size of3 using softmax activation. We also apply the ADAM optimizer, loss sparse categorical crossentropy, and accuracymetrics. However, the backpropagation algorithm displays weaknesses, including slow convergence, overfitting, andsusceptibility to local minima, which can be addressed by utilizing the ADAM optimization algorithm. The researchutilizes Artificial Neural Network (ANN) with the backpropagation algorithm and ADAM optimization to predictweather conditions in Lhokseumawe City with high accuracy. The research methods comprise of data collection,preprocessing, division, model building, and evaluation. The study outcomes present the weather conditions as sunny,cloudy, or rainy with an algorithm accuracy of 72%.
Klasifikasi Penyakit Kanker Paru-Paru Menggunakan Algoritma Naïve Bayes dan Iterative Dichotomizer 3 (ID3) Pratiwi, Putri; Dwifa, Dima; Desiani, Anita; Amran, Ali; Suprihatin, Bambang
Electrician : Jurnal Rekayasa dan Teknologi Elektro Vol. 18 No. 1 (2024)
Publisher : Department of Electrical Engineering, Faculty of Engineering, Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/elc.v18n1.2519

Abstract

Kanker paru-paru merupakan penyakit yang disebabkan oleh keganasan tumor dari bronkus. Pada tahun 2020 terdapat kasus kematian mencapai 30.843 jiwa. Agar menghambat angka kematian akibat kanker paru-paru, diperlukan alat untuk deteksi dini akibat kanker paru-paru. Pada penelitian ini menggunakan dataset kanker paru-paru yang memiliki 309 data. Teknik uji yang digunakan pada dataset kanker paru-paru ini adalah percentage split dan k-fold cross validation dengan algoritma naive bayes dan iterative dichotomizer 3 (ID3). Parameter penilaian yang digunakan untuk menentukan algoritma terbaik adalah akurasi, presisi dan recall. Hasil penelitian yang menggunakan teknik uji percentage split, diperoleh nilai akurasi, presisi dan recall tertinggi pada algoritma naive bayes yaitu akurasi sebesar 87%, presisi sebesar 91% dan recall sebesar 94% untuk kelas YES (positif lung cancer). Penelitian yang dilakukan dengan teknik uji menggunakan k-fold cross validation memberikan nilai terbaik pada algoritma ID3 dengan nilai akurasi 92%, presisi sebesar 94% dan recall sebesar 97% untuk kelas YES (positif lung cancer). Dengan demikian, penelitian yang dilakukan dengan metode k-fold cross validation memiliki nilai yang lebih tinggi dibandingkan nilai menggunakan teknik uji percentage split. Hal tersebut memberikan kesimpulan bahwa pada penelitian ini, diperoleh algoritma terbaik yaitu ID3 dengan teknik uji k-fold cross validation pada dataset kanker paru-paru.
Penerapan Sistem Pakar Menggunakan Metode Certainty Factor untuk Diagnosis Penyakit pada Tanaman Jagung Fivalianda, Dido; Desiani, Anita
Square : Journal of Mathematics and Mathematics Education Vol. 6 No. 2 (2024)
Publisher : UIN Walisongo Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21580/square.2024.6.2.16042

Abstract

Diseases in corn plants are a major factor contributing to suboptimal corn production and can even lead to crop failure. Common diseases in corn include downy mildew and leaf blight. Downy mildew in corn is characterized by symptoms such as khorotil-colored streaks running parallel to the leaf veins, white spots, inhibited growth, and rolled leaves. These symptoms prevent optimal corn growth and may result in total crop failure. This research focuses on developing an expert system to diagnose corn diseases using the Certainty Factor (CF) method. The CF method is designed to provide a degree of certainty in diagnosis or analysis based on symptoms or evidence, especially in situations with limited absolute certainty. The system developed in this study achieves an accuracy rate of 68.74% for diagnosing leaf blight in corn.Keywords: expert system, CF, corn crop disease, downy mildew, leaf blight.
PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN NAÏVE BAYES DALAM KLASIFIKASI PENYAKIT DIABETES Desiani, Anita; Dewi, Novi Rustiana; Arhami, Muhammad; Sitorus, Dina Suzzete; Rahmadita, Suristhia
POSITIF : Jurnal Sistem dan Teknologi Informasi Vol 10 No 1 (2024): Positif : Jurnal Sistem dan Teknologi Informasi
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/positif.v10i1.2092

Abstract

High levels of sugar in the blood can cause diabetes. The longer people are unable to control glucose in their blood, the more complications it can cause, other diseases and even death. Early detection of diabetes is needed, one way is by carrying out data mining classification. Data mining classification in this research uses two algorithms, namely SVM (Support Vector Machine) and Naïve Bayes. This research compares the two algorithms using two methods, namely training split and k-fold cross validation which aims to get the best classification results in detecting diabetes. The best classification results are determined by calculating the average value of precision, recall and accuracy. Based on this research, the SVM algorithm with split percentage training produces average values for precision, recall and accuracy, namely 77%, 71.5%, 77.27%, while the SVM algorithm with k-fold cross validation produces average values for precision, recall , and accuracy is 77%, 72.5%, 71%. The Naïve Bayes algorithm with the split percentage training method produces average values for precision, recall and accuracy, namely 75.5%, 74.5%, 79%, while the Naïve Bayes algorithm with k-fold cross validation produces average values for precision, recall, and accuracy of 75.5%, 74.5%, 75%. The best classification result in detecting diabetes is the Naïve Bayes algorithm, the split percentage method, which provides the best accuracy, precision and recall values above 74%.
PERBANDINGAN ALGORITMA LOGISTIC REGRESSION DAN ADAPTIVE BOOSTING (ADABOOST) DALAM KLASIFIKASI PENYAKIT GAGAL JANTUNG Anita Desiani; Amran, Ali; Andriani, Yuli; Wahyuni, Tri; Rizki, Fatur
Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Vol. 19 No. 1 (2025): Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Inform
Publisher : Universitas Palangka Raya

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

Abstract

The heart is a vital organ in the human body, responsible for pumping blood throughout the body via the circulatory system. The heart is responsible for the delivery of oxygen and nutrients to tissues, as well as the removal of carbon dioxide and other waste products. Any disruption to the heart's functioning has the potential to be fatal to human survival. One such disruption is heart failure disease, also known as congestive heart failure (CHF). It is of the utmost importance to detect heart failure at an early stage. The early detection of heart failure disease can be achieved through the utilisation of machine learning, which can mitigate the low probability of this disease. This research employs a machine learning system based on artificial intelligence, utilising logistic regression and adaptive boosting (adaboost) algorithms. The research findings indicate that the classification of heart failure can be accurately determined using a range of parameters. The highest accuracy results, derived from this study, are 90% accuracy, 84% precision, 88% recall, and 88% F1-score. These results are exclusively attributable to the adaboost algorithm. In comparison to the logistic regression algorithm, the resulting accuracy is still below that of the adaboost algorithm, with the results being 86% accuracy, 76% precision, 79% recall, and 88% F1-score. It can therefore be concluded that the adaboost algorithm is more effective than the logistic regression algorithm in classifying heart failure disease. This is particularly the case when the selected data set exhibits an unbalanced number of labels.
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 All Fajri, Muhammad Arya 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 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 Azzahra, Pasma 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 Diana Dewi Sartika, Diana Dewi 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 Fathinah, Nadiva Azro Ferdi Setiawan 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 Indri Ramayanti Ira Rayyani Irmeilyana Irmeilyana Irmeilyana Irvan Andrian Kanda Januar Miraswan Karina Kartila Kartila Kerenila Agustin Kesuma, Lucky Indra Kurnia, M Kahfi Aldi Kurniawan, Rifki Kusmareni, Anisa Aulia Lizah Framesti Lubis, Andika Cristian Lucy Chania Agatha 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 Muchlas, Ally Muhammad Akbar Muhammad Akmal Shidqi Muhammad Awaludin Djohar Muhammad Awaludin Djohar Muhammad Azwar Annas Muhammad Gibran Al-Filambany Muhammad Ihsan 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 Muzayyadah, Fathona Nur Nadya Riri Febiyanti Napitu, Michael Jackson Narti Narti, Narti Naturatama, Dicky 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 Padhil, Azmi Muhammad Pasma Azzahra Permatasari, Mitta Pertiwi, Citra Prabudifa, Muhammad Yusuf Pranata, Teddi Pratiwi, Ananda Purwita Sari, Purwita Puspa Sari Puspa Sari, Puspa Putra Bahtera Jaya Bangun, Putra Bahtera Jaya Putri Bella Nusantara Putri Pratiwi Putri, Ajeng Islamia Putri, Tyara Hestyani Rahmadita, Suristhia Rahmat Dwian Ramadhan, Faishal Fitra Ramadhan, Raihan Ramadhani, Syafira Dian Ramayanti, Indri Rana Sania Ravisha Keyna Anduwi 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, M Aldi 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 Suryani Suryani Susanto Susanto Susanto Susanto Syafrina Lamin, Syafrina Syarifuddin, Fauzi Yusuf 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 Zulhipni Reno Saputra Els