p-Index From 2020 - 2025
19.714
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) Seminar Nasional Aplikasi Teknologi Informasi (SNATI) JURNAL SISTEM INFORMASI BISNIS Techno.Com: Jurnal Teknologi Informasi Syntax Jurnal Informatika Bulletin of Electrical Engineering and Informatics Jurnal Sarjana Teknik Informatika Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Informatika Jurnal sistem informasi, Teknologi informasi dan komputer Jurnal Teknologi Informasi dan Ilmu Komputer Telematika Jurnal Edukasi dan Penelitian Informatika (JEPIN) CESS (Journal of Computer Engineering, System and Science) KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan E-Dimas: Jurnal Pengabdian kepada Masyarakat Jurnal Ilmiah KOMPUTASI Sistemasi: Jurnal Sistem Informasi Jurnal Teknologi dan Sistem Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat JURNAL MEDIA INFORMATIKA BUDIDARMA JITK (Jurnal Ilmu Pengetahuan dan Komputer) JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Sisfokom (Sistem Informasi dan Komputer) Jurnal Infomedia JUTIM (Jurnal Teknik Informatika Musirawas) Jurnal Teknologi Informasi MURA Jiko (Jurnal Informatika dan komputer) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer ALGORITMA : JURNAL ILMU KOMPUTER DAN INFORMATIKA J-SAKTI (Jurnal Sains Komputer dan Informatika) IJISTECH (International Journal Of Information System & Technology) KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) The IJICS (International Journal of Informatics and Computer Science) JURIKOM (Jurnal Riset Komputer) JUSIM (Jurnal Sistem Informasi Musirawas) Building of Informatics, Technology and Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) TIN: TERAPAN INFORMATIKA NUSANTARA Brahmana : Jurnal Penerapan Kecerdasan Buatan Jurnal Tunas Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Pengabdian Masyarakat Asia IJISTECH Journal of Applied Data Sciences RESOLUSI : REKAYASA TEKNIK INFORMATIKA DAN INFORMASI JPM: JURNAL PENGABDIAN MASYARAKAT Bulletin of Computer Science Research Journal of Informatics Management and Information Technology KLIK: Kajian Ilmiah Informatika dan Komputer J-SAKTI (Jurnal Sains Komputer dan Informatika) EXPLORER BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer BEES: Bulletin of Electrical and Electronics Engineering Bulletin of Data Science Hello World Journal of Artificial Intelligence and Engineering Applications (JAIEA) JOMLAI: Journal of Machine Learning and Artificial Intelligence Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Journal of Computing and Informatics Research Jurnal Riset Rumpun Ilmu Teknik (JURRITEK) Journal of Systems Engineering and Information Technology Journal of Informatics, Electrical and Electronics Engineering Jurnal Teknologi Informasi Mura Bulletin of Informatics and Data Science Bulletin of Artificial Intelligence Bulletin of Information System Research Prosiding Seminar Nasional Unimus Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) International Journal of Informatics and Data Science Journal of Decision Support System Research
Claim Missing Document
Check
Articles

Analisis Promethee II Pada Faktor Penyebab Mahasiswa Sulit Menemukan Judul Artikel Ilmiah Fanny Adelia; Disty Wahyuli; Tia Imanda Sari; Agus Perdana Windarto
Jurnal Ilmiah KOMPUTASI Vol 17, No 2 (2018): Juni
Publisher : STMIK JAKARTA STI&K

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

Abstract

Di dalam penulisan skripsi mahasiswa dituntut untuk mampu menggunakan kemampuan berfikir dan memanfaatkan pengalaman belajar dalam menyelesikan masalah secara ilmiah dengan cara melakukan penelitian, menganalisis, menarik kesimpulan, dan menulisnya menjadi suatu karya ilmiah. Namun dalam penyelesaian karya ilmiah tidaklah mudah dikarenakan kurangnya kemampuan mahasiswa dan adanya faktor penghambat mahasiswa sulit dalam menentukan judul karya ilmiah. Berdasarkan permasalahan tersebut, penelitian ini dilakukan untuk merekomendasikan faktor penyebab mahasiswa sulit menemukan judul karya ilmiah dengan menggunakan metode Promethee II. Dalam penelitian ini digunakan 13 (tiga belas) kriteria dan 5(lima) alternatif. Berdasarkan perhitungan menggunakan metode Promethee II, diperoleh hasil perangkingan dengan nilai 0,0896 yaitu faktor Kurang Referensi dan peringkat kedua yaitu faktor Kurang Meminta Saran/Pendapat dengan nilai 0,0255. Penelitian ini diharapkan dapat membantu baik mahasiswa maupun pihak STIKOM Tunas Bangsa untuk lebih meningkatkan kemampuan dan meningkatkan niat menulis kepada mahasiswa.
Analisis Metode Profile Matching Pada Rekomendasi Cat Dinding Rumah Berdasarkan Konsumen Sekar Rizkya Rani; Ratika Rizka Lubis; Agus Perdana Windarto
Jurnal Ilmiah KOMPUTASI Vol 17, No 2 (2018): Juni
Publisher : STMIK JAKARTA STI&K

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

Abstract

Rumah adalah salah satu tempat tinggal dimana cat dinding  merupakan  salah  satu  bagian yang  mempengaruhi suatu bangunan yang memberikan kesan keindahan pada bangunan itu sendiri. Dengan banyaknya jenis, variasi dan merk cat dinding yang beredar, banyak konsumen kesulitan dalam menemukan merk cat dinding yang sesuai, terlebih bagi konsumen yang awam dikarenakan kurangnya pengetahuan tentang spesifikasi dan jenis cat yang baik untuk dipakai sebagai pelapis dinding rumah. Berdasarkan permasalahan tersebut, maka peneliti mengangkat topik rekomendasi cat dinding rumah dengan metode Profile Matching. Berdasarkan perhitungan yang dilakukan menggunakan metode Profile Matching. Diperoleh hasil dimana alternatif 4 dengan nilai 1,4 menjadi alternatif pertama yang direkomendasikan dan disusul dengan alternatif pertama dengan nilai 1,1. Diharapkan penelitian ini dapat memberikan masukan kepada konsumen dalam memilih cat dinding rumah berdasarkan kriteria yang sesuai dan menajdi masukan kepada pemilik (owner).
PENERAPAN METODE NAÏVE BAYES DALAM KLASIFIKASI KELAYAKAN KELUARGA PENERIMA BERAS RASTRA Fadlan, Chairul; Ningsih, Selfia; Windarto, Agus Perdana
Jurnal Teknik Informatika Musirawas (JUTIM) Vol 3, No 1 (2018): JURNAL TEKNIK INFORMATIKA MUSIRAWAS (JUTIM) JUNI
Publisher : STMIK MUSIRAWAS

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

Abstract

AbstrakBeras rastra adalah sebuah program pemerintah yang bertujuan untuk meringankan beban keluarga miskin atau hampir miskin dalam hal pangan. Dalam implementasinya pada desa Bandar Siantar Kecamatan Gunung Malela masih belum optimal dikarenakan masih banyak program rastra yang belum tepat sasaran. Konsep data mining akan mempermudahkan mengatasi masalah yang belum optimal di desa Bandar Siantar Kecamatan Gunung Malela. Maka, metode klasifikasi mampu menemukan model yang membedakankonsep atau kelas data, dengan tujuan untuk dapat memperkirakan kelas dari suatu objekyang labelnya tidak diketahui. Oleh sebab itu, Algoritma Naive Bayes dapat memprediksipeluang di masa depan berdasarkan pengalaman dimasa sebelumnya, pada penelitian ini peneliti mengambil data lati sebanyak 70 data dan sebuah data uji, dengan menggunakan 6 kriteria yaitu Status PKH, Jumlah Tanggungan, Kepala rumah Tangga, Kondisi Rumah, Jumlah Penghasilan, dan Status Pemilik Rumah.Hasil penilitian ini diharapkan dapat membantu pemerintah khususnya di dearah dalam menentukan kelayakan keluarga penerima beras Rastra. Kata kunci : Data Mining, Beras Rastra, Algoritma Naïve Bayes Abstract Beras Rastra is a government program that aims to alleviate the burden of poor or near-poor families in terms of food. In its implementation on desa Bandar Siantar Kecamatan Gunung Malela still not optimal because there are still many rastra program that has not been right target. The concept of data mining will make it easier to overcome the problem that has not been optimal in desa Bandar Siantar Kecamatan Gunung Malela,classification methods are able to find models that distinguish concepts or data classes, with the aim of being able to estimate the class of an object whose label is unknown. Therefore Algoritma Naïve Bayes can predict future opportunities based on experience in the past, in this study researchers took data lati as much as 70 data and a test data,using 6 criteria that isStatus of PKH, Number of Dependent, Household Head, House Condition, Income Amount, and Home Owner Status.The results of this study are expected to assist the government, especially in the region in determining the eligibility of families of Beras Rastra beneficiaries Keywords : Data Mining, Beras Rastra, Algoritma Naïve Bayes
SPK: ANALISA METODE MOORA PADA WARGA PENERIMA BANTUAN RENOVASI RUMAH Irwana, Chintya; Harahap, Zaki Faizin; Windarto, Agus Perdana
Jurnal Teknologi Informasi MURA Vol 10, No 1 (2018): JURNAL TEKNOLOGI INFORMASI MURA (TIMUR) JUNI
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat STMIK MUSIRAWAS

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

Abstract

AbstrakRumah berperan sebagai wadah untuk bernaung dan tempat berlindung bagi manusia, bukan hanya saja memiliki fungsi sebagai tempat tinggal semata, rumah juga berfungsi  untuk tempat pembinaan dan bercengkrama suatu keluarga. Kemiskinan merupakan dampak buruk bagi beberapa orang untuk berhasrat memiliki rumah yang layak. Dengan adanya program bantuan renovasi rumah yang diselenggarakan oleh pemerintah daerah Kecamatan Hatonduhan merupakan upaya yang dilaksanakan pemerintah dalam mengentaskan kemiskinan. Namun terjadi permasalahan dalam penyeleksian bagi warga yang berhak menerima bantuan dana tersebut. Penyeleksian hanya dilakukan hanya dengan penilaian secara subjektif tanpa mempertimbangkan penilaian objektif yang memiliki kriteria yang telah ditentukan meliputi pekerjaan, penghasilan/bulan, jenis dinding, jenis lantai, MCK, dan jenis atap. Hal tersebut diperlukannya sebuah Sistem Pendukung Keputusan (SPK) dalam mengatasi penyeleksian program penerima bantuan terhadap warga yang layak direnovasi. Dengan penggunaan metode MOORA yang  merupakan salah satu  SPK yang berafiliasi dengan penerapan  teknik optimasi multiobjective sehingga dapat diterapkan untuk memecahkan berbagai masalah dalam pengambilan keputusan. Kata Kunci : Renovasi, Rumah, Sistem Pendukung Keputusan, SPK, MOORA
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN GURU BERPRESTASI KOTA MEDAN MENERAPKAN METODE PREFERENCES SELECTION INDEX (STUDI KASUS : DINAS PENDIDIKAN KOTA MEDAN) Syahputra, Fajar; Mesran, Mesran; Lubis, Ikhwan; Windarto, Agus Perdana
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Vol 2, No 1 (2018): Peranan Teknologi dan Informasi Terhadap Peningkatan Sumber Daya Manusia di Era
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (23.348 KB) | DOI: 10.30865/komik.v2i1.921

Abstract

The teacher is a major milestone in the world of education, the ability and achievement of students cannot be separated from the role of a teacher in teaching and guiding students. Based on the Law of the Republic of Indonesia No. 14 of 2005 concerning Teachers and Lecturers, in Article 1 explained that teachers are professional educators with the main task of educating, teaching, guiding, directing, training, evaluating, and evaluating students in early childhood education through formal education, basic education and education medium. Whereas in Article 4 of the Act, it is explained that the position of teachers as professionals serves to enhance the dignity and role of teachers as learning agents to function to improve the quality of national education.Decision making is an election process, among various alternatives that aim to meet one or several targets. The decision-making system has 4 phases, namely intelligence, design, choice and implementation. These phases are the basis for decision making, which ends with a recommendation.The Preferences Selection Index (PSI) method is a rarely used decision support system method. This method is a method developed by stevanie and Bhatt (2010) to solve the Multi Criteria Decision Making (MCDM). With the right consideration, this method can be one of the tools to determine policies in decision-making systems, especially the selection of outstanding teachers. Determination of policies taken as a basis for decision making, must use criteria that can be defined clearly and objectively.Keywords: Decision Support System, PSI, Selection of Achieving Teachers
PENERAPAN METODE TOPSIS DALAM MENENTUKAN PEMILIHAN KARTU PRABAYAR HANDPHONE GOBAL SYSTEM FOR MOBILE (HP GSM) Masitha, Masitha; Damanik, Irfan Sudahri; Windarto, Agus Perdana
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Vol 2, No 1 (2018): Peranan Teknologi dan Informasi Terhadap Peningkatan Sumber Daya Manusia di Era
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (23.348 KB) | DOI: 10.30865/komik.v2i1.931

Abstract

Prepaid Card is a card that can only be used if there is a nominal number of pulses or data packets first. This card has an active period that varies depending on the policies and programs of each provider. Many card users are still confused about choosing a prepaid card that is good for use, so they really need information that can be used as a reference in choosing a prepaid card. In this study conducted to analyze a selection of prepaid cards using the TOPSIS (Technique For Order of Preference By Similarity To Ideal Solution) method in determining alternative choices for all prepaid card users, using several assessment criteria, namely: Cost (C1), Feature Completeness (C2), Signal (C3), Promotion / Advertising (C4), and Service Quality (C5). And also by using 6 alternatives, namely: Telkomsel (A1), Axis (A2), IM3 (A3), XL (A4), US (A5), and 3 (A6). And the results of this study were ranked first, namely: 3 (A6) as the first rank with a value of 0.5286 followed by XL (A4) with a value of 0.5238 as the second rank, and Telkomsel (A1) with a value of 0.5027. IM3 (A3) with a value of 0.4988, Axis (A2) with a value of 0.4765, then the last US (A5) with a value of 0.1905. It is hoped that this research can provide a better input to all prepaid card users.Keywords: TOPSIS, decision support system, pematang siantar, prepaid card
ANALISA SPK DENGAN METODE AHP DALAM MENENTUKAN FAKTOR KONSUMEN DALAM MELAKUKAN KREDIT BARANG Fatmawati, Kiki; Windarto, Agus Perdana; Solikhun, Solikhun; Lubis, Muhammad Ridwan
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Vol 1, No 1 (2017): Intelligence of Cognitive Think and Ability in Virtual Reality
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (23.348 KB) | DOI: 10.30865/komik.v1i1.515

Abstract

Credit is a financial facility that allows a person or business entity to borrow money to purchase the product and repay it within the specified time period.  UU No.10 of 1998 states that credit is the provision of money or bills that can be equalized, based on the agreement or lending and borrowing agreements between banks with other parties that require the borrower to repay his debt after a certain period of time with the giving of interest. Currently, credit facilities become the main source of consumer financing in buying goods. In addition there are also consumers who are classified as having enough income to purchase in cash, but choose on credit because there are other needs that must be met. Associated with the cost of most consumers make purchases on credit are consumers who are classified as having middle class income. The process of giving credit to consumers is not easy, because it must consider various factors. The purpose of this research is to make decision support system in determining consumer factor in doing credit goods. Case study conducted by researchers is PT. ADIRA Dinamika Multi Finance Tbk pematangsiantar branch. The method used in this research is Analitycal Hierarchy Process (AHP) method that can give the best ranking order. So as to produce criteria with the highest weights that can be used as consideration for decision makers to be used in decision making. It is expected that this research can contribute to the company in assessing the biggest factor of consumers in choosing goods credits.
PENERAPAN ALGORITMA CLUSTERING DALAM MENGELOMPOKKAN BANYAKNYA DESA/KELURAHAN MENURUT UPAYA ANTISIPASI/ MITIGASI BENCANA ALAM MENURUT PROVINSI DENGAN K-MEANS Sadewo, Mhd Gading; Windarto, Agus Perdana; Wanto, Anjar
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Vol 2, No 1 (2018): Peranan Teknologi dan Informasi Terhadap Peningkatan Sumber Daya Manusia di Era
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (23.348 KB) | DOI: 10.30865/komik.v2i1.943

Abstract

Natural disasters are natural events that have a large impact on the human population. Located on the Pacific Ring of Fire (an area with many tectonic activities), Indonesia must continue to face the risk of volcanic eruptions, earthquakes, floods, tsunamis. Application of Clustering Algorithm in Grouping the Number of Villages / Villages According to Anticipatory / Natural Disaster Mitigation Efforts by Province With K-Means. The source of this research data is collected based on documents that contain the number of villages / kelurahan according to natural disaster mitigation / mitigation efforts produced by the National Statistics Agency. The data used in this study is provincial data consisting of 34 provinces. There are 4 variables used, namely the Natural Disaster Early Warning System, Tsunami Early Warning System, Safety Equipment, Evacuation Line. The data will be processed by clustering in 3 clushter, namely clusther high level of anticipation / mitigation, clusters of moderate anticipation / mitigation levels and low anticipation / mitigation levels. The results obtained from the assessment process are based on the Village / Kelurahan index according to the Natural Disaster Anticipation / Mitigation Efforts with 3 provinces of high anticipation / mitigation levels, namely West Java, Central Java, East Java, 9 provinces of moderate anticipation / mitigation, and 22 other provinces including low anticipation / mitigation. This can be an input to the government, the provinces that are of greater concern to the Village / Village According to the Natural Health Disaster Mitigation / Mitigation Efforts based on the cluster that has been carried out.Keywords: Data Mining, Natural Disaster, Clustering, K-Means
PEMANFAATAN ALGORITMA CLUSHTERING DALAM MENGELOMPOKKAN JUMLAH DESA/KELURAHAN YANG MEMILIKI SARANA KESEHATAN MENURUT PROVINSI DENGAN K-MEANS Sadewo, Mhd Gading; Windarto, Agus Perdana; Andani, Sundari Retno; Handrizal, Handrizal
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Vol 1, No 1 (2017): Intelligence of Cognitive Think and Ability in Virtual Reality
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (23.348 KB) | DOI: 10.30865/komik.v1i1.483

Abstract

Kesehatan merupakan hal yang sangat penting bagi semua manusia karena tanpa kesehatan yang baik, maka setiap manusia akan sulit dalam melaksanakan aktivitasnya sehari-hari. Kesehatan adalah keadaan sehat, baik secara fisik, mental, spritual maupun sosial yang memungkinkan setiap orang untuk hidup produktif secara sosial dan ekonomis. Penelitian ini membahas tentang Pemanfaatan Algoritma Clushtering Dalam Mengelompokkan Jumlah Desa/Kelurahan Yang Memiliki Sarana Kesehatan Menurut Provinsi Dengan K-Means. Sumber data penelitian ini dikumpulkan berdasarkan dokumen-dokumen keterangan Jumlah Desa/Kelurahan Yang Memiliki Sarana Kesehatan yang dihasilkan oleh Badan Pusat Statistik Nasional. Data yang digunakan dalam penelitian ini adalah data dari tahun 2008-2014 yang terdiri dari 34 provinsi. Variable yang digunakan (6) jumlah populasi dari tahun 2008-2014. Data akan diolah dengan melakukan clushtering dalam 3 clushter yaitu clusther tingkat sarana kesehatan  tinggi, clusther tingkat sarana kesehatan  sedang dan rendah. Centroid data untuk cluster tingkat populasi tinggi 245, 624, 1434, 1038, 2264, 1223, Centroid data untuk cluster tingkat populasisedang 53, 89, 203, 271, 691, 212, dan Centroid data untuk cluster tingkat populasi rendah 7, 1, 9, 50, 0, 23. Sehingga diperoleh  penilaian berdasarkan indeks Desa/Kelurahan Yang Memiliki Sarana Kesehatan dengan 4 provinsi tingkat sarana kesehatan tinggi yaitu Sumatera Utara, Jawa Barat, Jawa Tengah, Jawa Timur, 14 provinsi tingkat sarana kesehatan sedang, dan 16 provinsi lainnya termasuk tingkat sarana kesehatan rendah. Hal ini dapat menjadi masukan kepada pemerintah, provinsi yang menjadi perhatian lebih pada Desa/Kelurahan Yang Memiliki Sarana Kesehatan berdasarkan cluster yang telah dilakukan.
PENERAPAN CLUSTERING PADA PENDUDUK YANG MEMPUNYAI KELUHAN KESEHATAN DENGAN DATAMINING K-MEANS Rofiqo, Nurul; Windarto, Agus Perdana; Hartama, Dedy
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Vol 2, No 1 (2018): Peranan Teknologi dan Informasi Terhadap Peningkatan Sumber Daya Manusia di Era
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (23.348 KB) | DOI: 10.30865/komik.v2i1.929

Abstract

This study aims to utilize Clushtering Algorithm in grouping the number of people who have health complaints with the K-means algorithm in Indonesia. The source of this research data was collected based on the documents of the provincial population which had health complaints produced by the National Statistics Agency. The data used in this study are data from 2013-2017 consisting of 34 provinces. The method used in this research is K-means Algorithm. Data will be processed by clushtering in 3 clushter, namely clusther high health complaints, clusther moderate and low health complaints. Centroid data for high population level clusters 37.48, Centroid data for moderate population level clusters 27.08, and Centroid data for low population level clusters 14.89. So that obtained an assessment based on the population index that has health complaints with 7 provinces of high health complaints, namely Central Java, Yogyakarta, Bali, West Nusa Tenggara, East Nusa Tenggara, South Kalimantan, Gorontalo, 18 provinces of moderate health complaints, and 9 other provinces including low health complaints. This can be an input to the government to give more attention to residents in each region who have high health complaints through improving public health services so that the Indonesian population becomes healthier without health complaints.Keywords: data mining, health complaints, clustering, K-means, Indonesian residents
Co-Authors Abdul Karim Abdullah Ahmad Acai Sudirman Ade Dwi Amanda Adinda Putri Azhari Afrialita Widiastari Afrina Wati Alkhairi, Putrama Alkhairi, Putrama Alrizca Trydillah Alrizca Trydillah M Amanda, Ade Dwi Ambariyanto Ambariyanto Amri Amri Anan Wibowo Anandi Ayu Anggi Trifani Anjani, Dila Dwi Annisa, Liza Aprilia Syahputri Arfandi Arfandi Ariana, Anak Agung Gede Bagus Arieni, Fildzah Nadya Arifah Hanum Arifin Nur, Khairun Nisa Aulanda, Lulu Aulia Sugarda Aulia Sugarda Ayu Wulandari Ayu, Nur Zannah sekar Azhari, Ridhan Azzahra, Fahrija B. Herawan Hayadi Badawi, Masrof Beauti, Intan Bintang Aufa Sultan Butarbutar, Marisi Chairul Fadlan Chairul Fadlan Chintya Irwana Cici Astria Cici Astria Cici Astria Dedi Suhendro Dedi Suhendro Dedi Suhendro Dedi Suhendro Dedi Suhendro Dedy Hartama Dedy Hartama Dedy Hartama Dedy Hartama Dedy Hartama Dedy Hartama Defit, Sarjon Della Puspita Deri Setiawan Desi Asima Silitonga Desi Asima Silitonga Desi Ratna Sari Devi Syahfitri Dewi Fortuna Efendi Dewinta Marthadinata Sinaga Deza Geraldin Salsabilah Saragih Dicky Wahyudi Manurung Dinda Nabila Batubara Dinda Nabila Batubara Dinda Nabila Batubara Dini Rizky Sitorus P Dio Hutabarat Disty Wahyuli Dwi Findi Auliasari Dwi Findi Auliasari Dwira Azi Pragana Dwira Azi Pragana Dwita Elisa Sinaga Edi Suharto Edy Satria Efendi, Muhamad Masjun Ega Widya Sari Eka Desriani Aritonang Eka Irawan Eka Irawan Eka Irawan Erbin Chandra Erlin Windia Ambarsari Evani Sitohang Fachri, Barany Fadhillah Azmi Tanjung Fadilla Anissa Fadillah Alwi Pambudi Fadlan, Chairul Fahrija Azzahra Fahry Husaini Fahry Husaini Fajar Syahputra Fania, Fira Fanny Adelia Fatmawati, Kiki Febiola, Adinda Fica Oktavia Lusiana Fifto Nugroho Fira Fania Fira Fania Fitri Rizki Frskila Parhusip Gita Febrianti Gita Febrianti Gumilar Ramadhan Pangaribuan Handrizal Handrizal Handrizal Handrizal Hanifah Urbach Sari Hanifah Urbach Sari Harahap, Zaki Faizin Hartama, Dedy Hartama, Dedy Hasudungan Siahaan Hendry Qurniawan Hendry Qurniawan Hendry Qurniawan Hersatoto Listiyono Heru Satria Tambunan Ht. Barat, Ade Ismiaty Ramadhona I Gede Iwan Sudipa Ida Mayanju Pandiangan Ihsan Maulana Muhamad Ihsan Syajidan Iin Indriani Iin Parlina Iin Parlina Iin Parlina Iis Warlinda Ikhwan Lubis Ilham Syahputra Saragih Ima Kurniawan Indah Dea Anastasia Indah Pratiwi M.S Indah Syahputri Indra Riyana Rahadjeng Indri Fatma Irfan Sudahri Damanik Irnanda, Khairunnissa Fanny Irwana, Chintya Isnaini, Alvina Ivo Yohana Manurung Iwan Purnama Jahril Jalaluddin Jalaluddin Jaya Tata Hardinata Johan Muslim Jufriadif Na`am, Jufriadif Khairun Nisa Arifin Nur Khairunnissa Fanny Irnanda Khairunnissa Fanny Irnanda Kiki Apni Puspita Sari Kiki Fatmawati Kurniawan Kurniawan Kusuma, Rizky Tri Leza Khairani Linda Sari Dewi Listy Oktaviani Lubis, Ikhwan M Fauzan M FAUZAN M Fauzan M Fauzan M Fauzan M Fauzan M Fauzan M Mesran M Mesran M. Fauzan M.Ridwan Lubis Manurung, Dicky Wahyudi Maria Etty Simbolon Marini Marini Masitha Masitha Masitha, Masitha Maulidya Rahma Siregar Mawaddah Anjelita Mawaddah Anjelita Mesran Mesran Mesran, Mesran Mhd Gading Sadewo Mhd Gading Sadewo Mhd Gading Sadewo Mhd Ridhon Ritonga Millah Sari Miralda, Viya Mita Yustika Mokhamad Ramdhani Raharjo Mokhamad Ramdhani Raharjo Mora Malemta Sitomorang Muhamad Muhamad Muhammad Alfahrizi Lubis Muhammad Aliyul Amri Muhammad Dwi Chandra Muhammad Fachrur Rozi Muhammad Fauzan Muhammad Kurniawansyah Muhammad Mahendra Muhammad Noor Hasan Siregar Muhammad Ridwan Lubis Muhammad Ridwan Lubis Muhammad Yasin Simargolang muhammad yuda rizki Muhammad Yuda Rizki Muliadi Musiafa, Zayid Mustika Azzahra N Nurhayati N Nurhayati Nasution, Della Fatricia Nasution, Irmanita Nasution, Rizki Alfadillah Nazlina Izmi Addyna Nelson Butarbutar Nila Soraya Damanik Ninaria Purba Ningsih, Selfia Novika, Tri Nur Wulandari Nurul Atina Nurul Izzah Hadiana Nurul Rofiqo Nurwijayanti Ogi Wahyudi Okprana, Harly Oktaviani, Selli Onita Sari Sinaga P, Dini Rizky Sitorus P.P.P.A.N.W Fikrul Ilmi R.H.Zer Parinduri, Ikhsan Parlina, Iin Poningsih Poningsih Poningsih Poningsih Poningsih Poningsih, Poningsih Prakasiwi, Cindy Pramesti, Adinda Frizy Prihandoko Prihandoko Putrama Alkhairi Putrama Alkhairi Putrama Alkhairi Rafiqotul Husna Raharjo, Mokhamad Ramdhani Rahmat Zulpani Raichan Septiono Ramadana, Rica Ramadani, Sri Ramadhani, Cerah Fitri Ranjani Rapianto Sinaga Ratih Ramadhanti Ratika Rizka Lubis Razalfa Aindi Siregar Rica Ramadana Ridho, Ihda Innar Rika Nur Adiha Rika Setiana Rika Setiana Rika Setiana Riski Yanti Rizal Efendi Rizki, Muhammad Yuda Rofiqo, Nurul Rohmat Indra Borman Rohmat Indra Borman Ronal Watrianthos Roni Kurniawan Rosanti, Yerika Puspa Rotua Sihombing Hutasoit Roy Chandra Telaumbanua Rozy, Muhammad Fachrur S Solikhun S Solikhun Sadewo, Mhd Gading Sahendra Fahreza Saidah, Fatiyah Saifullah Saifullah Saifullah Saifullah Salis, Rahmi Samosir, Rafiah Aini Sandy Erlangga Sari, Hanifah Urbach Sari, Riyani Wulan Sari, Riyani Wulan Sarjon Defit Sekar Rizkya Rani Selfia Ningsih Sembiring, Rahmat Widia Setiawan, Yudika Dwi Setiawansyah Setiawansyah Sigit Anugerah Wardana Sinaga, Dolli Sari Sinaga, Waris Pardingatan Sinta Maulina Dewi Sinta Maulina Dewi Sintya Sintya Siregar, Razalfa Aindi Siregar, Sandy Putra Siti Hajar Siti Hawani Siti Maysaroh Siti Sundari Sitompul, Wati Rizky Pebrianti Sitti Rachmawati Yahya Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun, Solikhun Sri Rahayu Ningsih Sri Ramadani Suci Cahya Mita Suhada Suhada Suhendro, Dedi Sundari Retno Andani Sundari Retno Andani Susi Susilowati, Susi Syahfitri, Retno Ayu Syahputra, Fajar Syahputra, Muhammad Tania Dian Tri Utami Tanjung, Fadhillah Azmi Tanjung, Fatimah Dwi Puspa Tia Imanda Sari Tia Imandasari Tia Imandasari Tira Sifrah Saragih Manihuruk Tri Ayu Lestari Tri Novika Tri Novika Tri Welanda Trydillah, Alrizca Ulfah Indriani Viya Miralda Waldi Setiawan Wanto, Anjar Warlinda, Iis Wendi Robiansyah Wendi Robiansyah Wida Prima Mustika Widiastari, Afrialita Widodo Saputra Widya Try Taradipa Winanjaya, Riki Winda Lidyasari Winda Permata Sari Wiranto Hernandesz Sirait Yanto, Musli Yuegilion Pranavarna Purba Yuegilion Pranayama Purba Yuhandri Yuhandri, Yuhandri Yuhandri, Muhammad Habib Yuli Sartika Nasution Yulia Andini Yuni Sara Luvia Zahra Nur Atthiyah Zahra Syahara Zaki Faizin Harahap Zer, P. P.P.A.N.W.Fikrul Ilmi R.H. Zulfia Darma Zuly Budiarso