Article Per Year (5 Year)
p-Index From 2021 - 2026
7.384
P-Index
This Author published in this journals
All Journal Paradikma: Jurnal Pendidikan Matematika JURNAL PENELITIAN SAINTIKA Jurnal IPTEK JURNAL PENGABDIAN KEPADA MASYARAKAT Journal of Tropical Biodiversity and Biotechnology Jurnal KARISMATIKA JTT (Jurnal Teknologi Terpadu) Indonesian Journal of Artificial Intelligence and Data Mining BAREKENG: Jurnal Ilmu Matematika dan Terapan Journal of Information Systems and Informatics bit-Tech Jurnal Sains dan Teknologi JATI (Jurnal Mahasiswa Teknik Informatika) PHI: Jurnal Pendidikan Matematika SKANIKA: Sistem Komputer dan Teknik Informatika Journal of Soft Computing Exploration Djtechno: Jurnal Teknologi Informasi Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) INCODING: Journal of Informatics and Computer Science Engineering Instal : Jurnal Komputer ALACRITY : Journal Of Education Archive: Jurnal Pengabdian Kepada Masyarakat PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Journal of Artificial Intelligence and Engineering Applications (JAIEA) Blend Sains Jurnal Teknik Journal of Student Research EINSTEIN (E-JOURNAL) Ocean Engineering: Jurnal Ilmu Teknik dan Teknologi Maritim Innovative: Journal Of Social Science Research Asian Journal of Applied Education Lencana: Jurnal Inovasi Ilmu Pendidikan Journal of Informatics and Data Science (J-IDS) Journal of Mathematics, Computation and Statistics (JMATHCOS) Darma Abdi Karya: Jurnal Pengabdian Kepada Masyarakat Journal of Information Technology
Said . Iskandar
Universitas Negeri Mean
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 63 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 63 Documents
Search

 2   3   4   5   6 
Analisis Perbandingan Performa Kinerja Metode Huffman Coding Dan Metode Elias Omega Coding Pada Kompresi File Teks Kuraini, Atifa Nuzulul; Arnita, Arnita; Simamora, Elmanani; Al Idrus, Said Iskandar; Taufik, Insan
Jurnal Teknologi Terpadu Vol 13, No 1 (2025): JTT (Jurnal Terpadu Terpadu)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32487/jtt.v13i1.2455

Abstract

Penelitian ini menganalisis kinerja kinerja antara metode Huffman Coding dan Elias Omega Coding dalam konteks kompresi file teks. Studi ini mencakup pengujian terhadap berbagai jenis file teks untuk kompresi, kecepatan proses, dan penggunaan rasio memori dari kedua metode. Tujuan Penelitian ini melakukan simulasi pada kompresi dan dekompresi teks dengan metode Huffman Coding dan Elias Omega Coding serta menunjukkan hasil perhitungan efektifitas kinerja mana yang lebih baik. Hasil penelitian menunjukkan bahwa algoritma Huffman Code lebih baik dalam melakukan kompresi dan dekompresi terhadap file corpus dengan rata-rata rasio kompresi sebesar 1,625, rasio kompresi sebesar 0,607, space saving sebesar 39,3%, waktu kompresi sebesar 499,547 ms, dan waktu dekompresi sebesar 9.384,501 ms. Sedangkan, algoritma Elias Omega Code memiliki rata-rata rasio kompresi sebesar 0,917, rasio kompresi sebesar 1,099, space saving sebesar -9,9%, waktu kompresi sebesar 2.937,606 ms, dan waktu dekompresi sebesar 10.539,144 ms.
Penerapan Algoritma Caesar Cipher dan Metode Least Significant Bit Untuk Mengamankan Teks Dalam Vidio Pane, M Iqbal Anata; Taufik, Insan; Syahputra, Hermawan; Al Idrus, Said Iskandar; Niska, Debi Yandra
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 12 No. 1 (2025): Prosisko Vol. 12 No. 1 2025
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v12i1.9606

Abstract

Abstrak - Data digital adalah representasi informasi dalam bentuk angka atau simbol yang bisa diproses oleh komputer. Jenis-jenis data digital termasuk teks, gambar, audio, video, spreadsheet, presentasi, dan basis data. Ada data yang umum dan dapat diakses oleh banyak orang, serta data rahasia yang memerlukan perlindungan khusus saat ditransmisikan melalui internet. Penelitian ini bertujuan untuk mengamankan informasi dalam video menggunakan algoritma Caesar Cipher dan metode Least Significant Bit (LSB). Melalui analisis dan implementasi, penelitian ini menunjukkan bahwa kombinasi kedua teknik tersebut dapat efektif melindungi teks dalam video tanpa mengubah kualitas visualnya. Hasil penelitian ini memberikan sumbangan bagi pengembangan keamanan informasi digital serta memberikan dasar bagi penelitian lebih lanjut. Selain itu, tantangan utama dalam penelitian ini adalah memperhatikan kecepatan pengolahan video agar dapat diunggah dan diunduh dengan mudah oleh pengguna. Oleh karena itu, penelitian ini tidak hanya menawarkan solusi untuk masalah keamanan informasi, tetapi juga mempertimbangkan aspek praktis dalam penerapannya. Ke depannya, penelitian dapat mengeksplorasi integrasi metode keamanan yang lebih canggih dan efisien untuk meningkatkan perlindungan data digital. Secara keseluruhan, penelitian ini menyajikan solusi yang relevan dan berpotensi untuk diterapkan secara luas dalam konteks keamanan informasi digital yang terus berkembang.
IMPLEMENTASI ALGORITMA NAÏVE BAYES DALAM KLASIFIKASI PENERIMA BANTUAN PANGAN NON TUNAI (BPNT) BERBASIS WEB: STUDI KASUS: KELURAHAN CENGKEH TURI Syarida Aini, Desti; Febrian, Didi; Nasution, Hamidah; Iskandar Al Idrus, Said; Indra, Zulfahmi
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.v9i3.13770

Abstract

Kemiskinan merupakan tantangan utama dalam pembangunan Indonesia, yang semakin diperburuk oleh krisis ekonomi 1998. Untuk mengatasi hal ini, pemerintah meluncurkan program Bantuan Pangan Non Tunai (BPNT) melalui sistem uang elektronik bagi keluarga miskin, guna memastikan pemenuhan pangan dan meringankan beban pengeluaran. Program ini juga mendukung pencapaian Sustainable Development Goals (SDGs). Namun, pengolahan data penerima BPNT di Kelurahan Cengkeh Turi masih dilakukan secara manual, menyebabkan proses yang lam dan subjektif. Oleh karena itu, dibutuhkan analisis menggunakan teknik data mining, seperti klasifikasi Naïve Bayes, untuk meningkatkan efektifitas dan efisiensi dalam hal akurasi penyaluran bantuan. Naïve Bayes dipilih karena merupakan algoritma klasifikasi yang efisien dan efektif, menggunakan probabilitas dan statistik untuk memprediksi kategori data. Meskipun mengasumsikan independensi antar atribut, algoritma ini tetap memberikan hasil yang baik. Hasil klasifikasi menggunakan Naïve Bayes menunjukkan akurasi sebesar 83,33%, dengan 16,67% data terdeteksi kurang tepat sasaran. Dari 20% data uji, 9 data diterima dan 21 data ditolak. Dengan 25 data yang sesuai dan 5 data yang tidak sesuai, sistem ini efektif mengidentifikasi kelompok yang membutuhkan bantuan berdasarkan variabel yang memiliki korelasi kuat dengan hasil klasifikasi.
KOMBINASI LATENT SEMANTIC INDEXING DAN SUPPORT VECTOR MACHINE PADA KLASIFIKASI DOKUMEN AKREDITASI: STUDI KASUS : PASCASARJANA UNIVERSITAS NEGERI MEDAN Warjaya, Angga; As, Mansur; Muthmainnah, Inna; Mulyana, Sri; Iskandar Al Idrus, Said; Arnita, Arnita; Taufik, Insan
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.v9i4.14102

Abstract

Pengelolaan dokumen akreditasi yang efisien menjadi tantangan utama dalam pendidikan tinggi akibat volume dokumen yang besar dan format yang bervariasi. Penelitian ini bertujuan untuk mengembangkan metode klasifikasi otomatis menggunakan kombinasi latent semantic indexing dan support vector machine guna meningkatkan akurasi dan efisiensi pengelolaan dokumen akreditasi. Akurasi dalam penelitian ini mengacu pada ketepatan sistem dalam mengidentifikasi kategori dokumen sesuai kriteria akreditasi, sementara efisiensi mencerminkan percepatan dan penyederhanaan proses klasifikasi dibandingkan dengan metode manual. Dataset terdiri dari 230 dokumen yang dikategorikan berdasarkan kriteria Lembaga Akreditasi Mandiri Kependidikan, dengan 115 dokumen untuk Kriteria 6 (Pendidikan) dan 115 dokumen untuk Kriteria 7 (Penelitian), kemudian dibagi menjadi data latih dan uji dengan rasio 60:40. Proses klasifikasi dilakukan melalui beberapa tahap, termasuk pre-processing teks, ekstraksi fitur semantik, serta optimasi parameter model untuk memperoleh hasil terbaik. Pengujian menunjukkan bahwa metode yang diusulkan mampu mencapai tingkat akurasi sebesar 91%, dengan validasi silang sebesar 94,21%. Hasil ini menunjukkan bahwa pendekatan yang digunakan efektif dalam mengotomatisasi klasifikasi dokumen akreditasi, sehingga dapat mempercepat proses evaluasi serta meningkatkan efisiensi manajemen dokumen dalam institusi pendidikan tinggi.
IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK DALAM MENDETEKSI TINGKAT KEMATANGAN BUAH KAKAO Wahabi Hasibuan, Rahman; Taufik, Insan; AS, Mansur; Iskandar Al Idrus, Said; Indra, Zulfahmi
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.v9i4.14116

Abstract

Indonesia merupakan negara agraris dengan sektor perkebunan yang berperan penting dalam perekonomiannya. Kakao (Theobroma cacao L.) merupakan komoditas strategis yang berkontribusi pada ekspor, lapangan kerja, agribisnis, serta pertanian berkelanjutan. Namun, di Sumatera Utara, meskipun sektor perkebunan berkembang, produksi kakao menghadapi tantangan seperti alih fungsi lahan. Proses pemanenan kakao secara tradisional mengandalkan penilaian kematangan secara manual, yang rentan terhadap kesalahan akibat kelelahan dan subjektivitas manusia. Convolutional Neural Network (CNN) telah banyak digunakan dalam pengolahan citra karena kemampuannya mengenali pola dengan akurasi tinggi. Penelitian ini mengusulkan penggunaan CNN dengan Transfer Learning berbasis EfficientNetB0 untuk mengklasifikasikan tingkat kematangan buah kakao. Dataset terdiri dari 360 gambar dalam kategori Mentah, Matang, Busuk, dan Unclassified, dengan teknik pra-pemrosesan seperti resizing, noise, rotasi, flipping, cropping, dan penghapusan latar belakang. Dataset dibagi menjadi 70% untuk pelatihan dan 30% untuk validasi, dengan optimasi hyperparameter. Model mencapai akurasi tinggi sebesar 99,71% pada data uji. Evaluasi menggunakan confusion matrix dan classification report menunjukkan kemampuan generalisasi yang baik. Selain itu, model berhasil diimplementasikan dalam aplikasi Android dengan fitur klasifikasi, riwayat, informasi, panduan, serta autentikasi pengguna. Sistem ini memungkinkan identifikasi kematangan buah kakao secara real-time dan praktis bagi petani.
IMPLEMENTASI METODE GLCM DAN KNN UNTUK MENGIDENTIFIKASI JENIS BUNGA ANGGREK (ORCHIDACEAE) Nurkhalizah, Rezeki; Febrian, Didi; Manullang, Sudianto; Iskandar Al Idrus, Said; Yandra Niska, Debi
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.v9i4.14142

Abstract

Identifikasi jenis bunga anggrek (Orchidaceae) merupakan salah satu tantangan dalam bidang pengolahan citra digital, mengingat keberagaman bentuk dan warna pada setiap spesies. Penelitian ini bertujuan untuk mengimplementasikan metode Grey Level Co-occurrence Matrix (GLCM) dan K-Nearest Neighbor (KNN) dalam mengidentifikasi jenis bunga anggrek. GLCM digunakan untuk mengekstraksi fitur tekstur pada gambar bunga anggrek, seperti kontras, korelasi, energi, dan homogenitas, yang dapat menggambarkan pola tekstur spesifik pada setiap jenis bunga. Fitur-fitur yang diperoleh kemudian digunakan sebagai input dalam metode klasifikasi KNN untuk mengklasifikasikan gambar bunga anggrek ke dalam kategori spesies yang sesuai. Dataset yang digunakan terdiri dari citra berbagai jenis bunga anggrek, yang telah melalui proses pra-pemrosesan seperti konversi ke grayscale, normalisasi ukuran, dan segmentasi objek bunga dari latar belakang. Proses pelatihan dilakukan dengan membagi dataset menjadi 80% data training dan 20% data testing. Evaluasi performa dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kombinasi metode GLCM dan KNN dapat memberikan akurasi identifikasi yang tinggi, membuktikan efektivitasnya dalam mengenali variasi jenis bunga anggrek berdasarkan karakteristik tekstur citra. Dari hasil pengujian, sistem yang dikembangkan mencapai akurasi sebesar 78,95%, yang menunjukkan kinerja yang cukup baik untuk klasifikasi awal. Penelitian ini diharapkan dapat menjadi kontribusi dalam pengembangan sistem identifikasi otomatis untuk tanaman anggrek, yang berguna bagi bidang botani, konservasi, serta mendukung digitalisasi data flora. Pengembangan lebih lanjut dapat dilakukan dengan memperluas jumlah data, menggabungkan fitur warna atau bentuk, serta menguji algoritma klasifikasi lain untuk meningkatkan akurasi dan keandalan sistem.
IMPLEMENTASI METODE HAARCASCADE CLASSIFIER DALAM MENGIDENTIFIKASI OBJEK WAJAH MANUSIA Farhan Ramadhan, Haikal; Saputra S, Kana; Iskandar Al Idrus, Said; Indra, Zulfahmi; Taufik, Insan
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.v9i4.14143

Abstract

Keamanan menjadi aspek esensial dalam berbagai sektor, terutama pada era teknologi modern yang menuntut sistem pengamanan canggih. Salah satu inovasi dalam identifikasi dan autentikasi adalah pengenalan wajah, metode yang andal, tidak invasif, dan sesuai berbagai konteks. Dalam penelitian ini, algoritma Haar Cascade Classifier dan arsitektur jaringan saraf Inception V3 digunakan untuk meningkatkan efisiensi serta akurasi pengenalan wajah. Penelitian ini merespons tiga permasalahan utama, yaitu kebutuhan sistem keamanan modern, kendala akurasi, dan keandalan teknologi pengenalan wajah saat ini. Penelitian bertujuan menganalisis kemampuan dan kinerja Haar Cascade Classifier dalam mendeteksi wajah dengan variasi pose, serta mengoptimalkan implementasinya untuk memenuhi kebutuhan aplikasi dunia nyata. Metodologi meliputi pengumpulan data berupa citra wajah, pra-pemrosesan data (normalisasi piksel, augmentasi data, segmentasi wajah), serta pemisahan dataset untuk pelatihan (80%) dan pengujian (20%). Proses implementasi melibatkan Haar Cascade Classifier untuk deteksi wajah dan arsitektur Inception V3 untuk pengenalan wajah. Hasil evaluasi menunjukkan bahwa dengan learning rate 10e-4, model mencapai akurasi 100%, jauh lebih tinggi dibandingkan learning rate 10e-6 yang hanya mencapai akurasi 56%.
CERTAINTY FACTOR METHODS IN IDENTIFYING INTERESTS AND TALENTS OF ELEMENTARY SCHOOL CHILDREN AL IKHLAS TAQWA Fitria, Amanda; Idrus, Said Iskandar Al; Asiah, Asiah; Suryani, Nita; Nabila, Rinjani Cyra
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 17 No 1 (2023): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (366.408 KB) | DOI: 10.30598/barekengvol17iss1pp0457-0466

Abstract

Psychologists and child education experts always remind the importance of knowing interests and talents from an early age to provide a stimulus to children from an early age, because the provision of the stimulus affects the future of children. This study aims to (1) To make calculations in mathematical models to calculate and analyze the interests of children's talents using applications. (2) To create a web-based information system that can facilitate teachers and parents in determining the interests of children's talents at the Al-Ikhlas Taqwa Plus Elementary School using the Certainty Factor method. The method used in this research is the research and development (R&D) method using the certainty factor. The population in this study were all students of SD Plus Al Ikhlas Taqwa Medan T.P 2021/2022 starting from grades 3-6. Sampling was done by purposive sampling technique. Data collection was carried out by interviews, material expert test questionnaires, and media experts, and the results of the children's talent interest questionnaire were processed using the Certainty Factor. The results of this study are the results of interest and talent analysis based on 7 intelligence criteria and also the highest summary results from several criteria with one of the tests yielding a percentage of 93.58% in the field of linguistics.
Melody Transcription from Monophony Audio with Fast Fourier Transform Simanjorang, Rio Givent A; Kana Saputra S; Said Iskandar Al Idrus; Zulfahmi Indra
Journal of Informatics and Data Science Vol. 3 No. 2 (2024): November 2024
Publisher : Universitas Negeri Medan

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

Abstract

Music has been an inseparable part of human life since ancient times. One form of music that is often studied is monophonic music, which consists of a single note played at a time. In the digital era, melody transcription has become an important aspect of music processing, allowing sound to be converted into musical notation. This study focuses on melody transcription from monophonic sound recordings using the Fast Fourier Transform (FFT) method. The research aims to analyze the accuracy of FFT in extracting frequency components from monophonic signals and converting them into musical notation. The research methodology involves collecting monophonic sound recordings from piano and guitar, preprocessing the audio to remove noise and normalize volume, applying FFT to extract frequency features, and mapping these frequencies into musical notation. The evaluation process is conducted using Dynamic Time Warping (DTW) and a confusion matrix to measure accuracy, precision, recall, and F1-score. The results show that the FFT-based transcription system achieves an accuracy rate of 99.24% for piano and 98.86% for guitar. The study also highlights the impact of noise and audio quality on transcription accuracy, as well as the limitations of FFT in detecting closely spaced frequencies. Despite these limitations, FFT proves to be an efficient method for melody transcription in simple monophonic music. Future research could explore hybrid approaches combining FFT with other pitch detection algorithms to improve transcription accuracy.
Sentiment Analysis of Twitter Users Regarding Taxation Topics in Indonesia Utilizing Multinomial Naive Bayes Tarigan, Dewan Dinata; Al Idrus, Said Iskandar
Journal of Informatics and Data Science Vol. 3 No. 1 (2024): JUNE 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/j-ids.v3i1.52465

Abstract

The country's income is heavily dependent on taxes, which contribute to improved public well-being. Public confidence in tax authorities plays a key role in increasing tax receipts. Therefore, it is important to measure this level of confidence. One of the methods used is sentimental analysis, which helps to understand public views on regulations, services, performance, and tax policies. One of the purposes of this study is to measure the sentiment of Twitter users towards taxation in Indonesia. Sentiment analysis involves data collection processes, initial data processing, separation of datasets, feature extraction, classification, and evaluation. The classification model used is Multinomial Naive Bayes with a comparison of 80% training data and 20% test data. The results show that 89.65% of tweets about taxation in Indonesia have negative sentiment. The model evaluation was carried out on two test scenarios, namely initial data and randomly under-sampleed data. Classification on initial data achieved accuracy of 89.97%, precision of 46.68%, and sensitivity of 33.61%. Whereas on undersampling data results, accuration reached 53.28%, accurateness of 52.66%, and sensibility of 52.52%. Analysis showed significant differences between the two scenarios in which undersammpling techniques resulted in a more balanced distribution of data. Despite this, the model still faces difficulties in classifying positive and neutral data due to the dominance of negative sentiment.
Co-Authors Ada Novisari D. Simanungkalit Adidtya Perdana Afiq Alghazali Lubis Ahmad Landong Alfattah Atalarais Ananda Hatmi, Reza Angga Warjaya Arifin, Khusnul Arnah Ritonga Arnita Arnita Arnita Arnita Arnita Arnita Arnita Arnita Arnita Arnita Ary Prandika Siregar Asiah Asiah Billroy A Ginting Chairunisah Chairunisah Chairunisah Chairunisah, Chairunisah Citra Citra Debi Yandra Niska Dechy Deswita Indriani.S Devi Juliana Napitupulu Diah Retno Wahyuningrum Dian Septiana DIdi Febrian Didi Febrian Eka Nainggolan, Rinay Eko Prasetya, Eko Elvis Napitupulu, Elvis Fadlan Isa Damanik Fadlan Isa Damanik Farhan Ramadhan, Haikal Faridawaty Marpaung Fatizanolo Buulolo Fauziyah Harahap Fira Dilla Fitria, Amanda Hermawan Syahputra Hermawan Syahputra Hermawan Syahputra Ichwanul Muslim Karo Karo Ihsan Zulfahmi Inna Muthmainnah Insan Taufik Izwita Dewi Josua Christian Kana Saputra S Kana Saputra S Kana Saputra S Kana Saputra S Kana Saputra S Kuraini, Atifa Nuzulul Lazuardi Lazuardi M. Ananda Rizki Tambunan M. Revano Ananda Lubis MANSUR AS Manullang, Sudianto Manurung, Jeremia Marlina Setia Sinaga Maulana Malik Fajri Miclyael Luge Miftahul Janna Mika . Layakana Mochammad Gani Alfa Alkhoiri Siregar Molliq Rangkuti, Yulita Mualiawan Firdaus Muhammad Noer Fadlan Muhammad Rifqi Maulana Muthmainnah, Inna Nabila, Rinjani Cyra Nafisa, Anti Nada Nasution, Hamidah . Nerli Khairani Nice R Refisis Niska, Debi Yandra Nurkhalizah, Rezeki Nurliani Manurung Olga Laura Mahlona Pane, M Iqbal Anata Pane, Yeremia Yosefan Puji Prastowo, Puji Purba, Boy Hendrawan Rahmani . . Ramadhani, Fanny Refisis, Nice Rejoice Reza Al Alif Reza Al Alif Rovita Indah Ayu Ningtias Rudi Setiawan Salsabila, Aqila Siburian, Rulli Prasetio Bane Sihombing, Jeremia Jordan Simamora, Elmanani Simanjorang, Rio Givent A Simbolon, Mula Tua Elia Sri Mulyana Sri Mulyana Sudianto Manullang Sudianto Manullang Suryani, Nita Susiana Susiana Susiana Susiana Susiana Syarida Aini, Desti Tarigan, Dewan Dinata Tarigan, Yosua Yosephine Todo Josafat Simanjutak Trisna Utami Putri Wahabi Hasibuan, Rahman Warjaya, Angga Wilma Handayani Yuanita Rachmawati Yulita Molliq Rangkuti Yulita Molliq Rangkuti Yulita Molliq Rangkuti Yusuf, Yusnaeni Zufahmi Indra Zulfahmi Indra Zulfahmi Indra Zulfahmi Indra Zulfahmi Indra, Zulfahmi