Article Per Year (5 Year)
p-Index From 2020 - 2025
6.732
P-Index
This Author published in this journals
All Journal Jurnas Nasional Teknologi dan Sistem Informasi Riau Journal of Computer Science IT JOURNAL RESEARCH AND DEVELOPMENT INOVTEK Polbeng - Seri Informatika Dinamisia: Jurnal Pengabdian Kepada Masyarakat JURNAL TEKNOLOGI DAN OPEN SOURCE Digital Zone: Jurnal Teknologi Informasi dan Komunikasi JURTEKSI Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Zonasi: Jurnal Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Pengabdian Masyarakat Multidisiplin Jurnal Ilmu Komputer Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Teknik Informatika J-COSCIS : Journal of Computer Science Community Service JAIA - Journal of Artificial Intelligence and Applications Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat SATIN - Sains dan Teknologi Informasi RJOCS (Riau Journal of Computer Science)
Mhd. Arief Hasan, Mhd. Arief
Universitas Lancang Kuning
Aerospace Engineering Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Immunology & microbiology Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 57 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 57 Documents
Search

 2   3   4   5   6 
Fuzzy Floor Dust Cleaning Robot Prototype Based On Arduino Sudarso; Mhd Arief Hasan; Muhamad Sadar
JAIA - Journal of Artificial Intelligence and Applications Vol. 2 No. 2 (2022): JAIA - Journal of Artificial Intelligence and Applications
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/jaia.v2i2.839

Abstract

The design of a Floor Cleaning Robot Based on Arduino Uno R3 aims to make it easier for humans to clean the dust on the floor efficiently. This robot consists of several series of components including Arduino Uno r3: Arduino Uno r3, sensor ultrasonic, motor servo, This robot consists of several components including Arduino Uno R3, ultrasonic sensor, servo motor, motor shield driver, dc motor, and vacuum blower motor. The entire system synergizes in the process of cleaning the dust on the floor and all of them are connected to a power source in the form of a dc battery, which supplies a voltage of 7 volts for the Arduino circuit and 12 volts for the vacuum blower. The working principle of this robot starts when the ultrasonic sensor can measure and distinguish the closest distance between the robot and an obstacle, at the same time the servo motor will move up to 180° to assist the ultrasonic sensor in detecting obstacles, both the front, right, and left sides of the robot. This Floor Cleaning Robot is programmed by adapting fuzzy logic artificial intelligence, the fuzzy rules used in this robot aim to control the speed of the robot based on the obstacle distance detected by the ultrasonic sensor. Fuzzy logic executes the data and continues the command to drive the motor so that the robot can work efficiently cleaning dust on the floor by minimizing the occurrence of collisions against obstacles. Dust suction carried out by the vacuum blower motor is not included in the Arduino circuit, because the vacuum blower motor requires an input power of 12 volts. It is not possible to unite it to the Arduino circuit because the power it has is only 7 volts, but these two separate circuits can still synergize well in the process of cleaning the dust on the floor. The results of observations and experiments show that the fuzzy logic embedded in the Arduino as the brain of the dust-cleaning robot on the floor works quite well.
Classification Analysis of Unilak Informatics Engineering Students Using Support Vector Machine (SVM), Iterative Dichotomiser 3 (ID3), Random Forest and K-Nearest Neighbors (KNN) Sunaryanto, Hadi; Hasan, Mhd Arief; Guntoro, Guntoro
IT Journal Research and Development Vol. 7 No. 1 (2022)
Publisher : UIR PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25299/itjrd.2022.8912

Abstract

This research is entitled “Classification Analysis of the Study Period of Informatics Engineering Study Program Students at Unilak with the Support Vector Machine (SVM), Iterative Dichotomiser 3 (ID3), Random Forest and K-Nearest Neighbors (KNN)" method. an attempt to understand whether there are factors that influence the length of a student's study period. Basically, the length of the study period is not a measure of a student's non-academic academic ability, but most people judge that students with a study period of more than 8 semesters or long are not good. Therefore, the researcher chose to classify the factors that affect the length of the student's study period at the Faculty of Computer Science, Lancang Kuning University. This study uses 4 (four) calculation methods. With the several methods used, the authors can compare the results of the four calculation methods so that they can determine which method is better calculated. The result of this research is a comparison between 4 (four) calculation methods in determining which method has good classification ability
Forecasting Simcard Demand Using Linear Regression Method Sitompul, Monica; Hasan, Mhd Arief; Devega, Mariza
IT Journal Research and Development Vol. 8 No. 1 (2023)
Publisher : UIR PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25299/itjrd.2023.12202

Abstract

The purpose of this research is to get a prediction of how package card growth will be based on sales data from SINAR E-XIX CELL. The method used for this forecasting is linear regression, based on the number of card packs sold which is the causal variable. The accuracy of predictions is carried out using Python based on the results of research conducted with data on simcard sales over a period of two years, it was found that in the following year the number of growth in demand for sim cards in the coming year has decreased, but there is one card that has experienced an increase in the number of growth in the following year. which will come. Forecasting using Linear Regression can be said to be classified as very well based on using python. After doing the forecasting it can be concluded that in the next few years the demand for cards will be less.
HEART DISEASE RISK PREDICTION: EVALUATING MACHINE LEARNING ALGORITHMS WITH FEATURE REDUCTION USING LDA Nasution, Nurliana; Nasution, Feldiansyah; Hasan, Mhd Arief
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 11, No 1 (2024): Desember 2024
Publisher : Universitas Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i1.3498

Abstract

Abstract: Heart disease is one of the leading causes of death worldwide, making early detection and accurate diagnosis crucial for reducing mortality rates and improving patient outcomes. This study aims to evaluate the effectiveness of four machine learning algorithms—Logistic Regression, Random Forest, Support Vector Machine (SVM), and K-Nearest Neighbors (KNN)—in predicting heart disease, with a focus on enhancing model performance using Linear Discriminant Analysis (LDA) for feature reduction. Among the models, SVM achieved the highest accuracy at 84.24%, followed by Logistic Regression at 83.70%. Although Random Forest and KNN showed lower accuracies, all models benefited from LDA's dimensionality reduction. This study suggests that SVM, combined with LDA, offers an optimal solution for early and accurate heart disease prediction in the healthcare industry.             Keywords: feature reduction; heart disease; linear discriminant analysis (LDA); machine learning; SVM  Abstrak: Penyakit jantung merupakan salah satu penyebab utama kematian di seluruh dunia, sehingga deteksi dini dan diagnosis yang akurat sangat penting untuk menurunkan angka kematian dan meningkatkan hasil pengobatan pasien. Penelitian ini bertujuan untuk mengevaluasi efektivitas empat algoritma pembelajaran mesin—Regresi Logistik, Random Forest, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN)—dalam memprediksi penyakit jantung, dengan fokus pada peningkatan kinerja model menggunakan Analisis Diskriminan Linear (LDA) untuk reduksi fitur. Di antara model yang diuji, SVM mencapai akurasi tertinggi sebesar 84,24%, diikuti oleh Regresi Logistik dengan 83,70%. Meskipun Random Forest dan KNN menunjukkan akurasi yang lebih rendah, semua model memperoleh manfaat dari reduksi dimensi yang diberikan oleh LDA. Studi ini menunjukkan bahwa SVM yang dikombinasikan dengan LDA merupakan solusi optimal untuk prediksi penyakit jantung secara dini dan akurat dalam industri kesehatan. Kata kunci: linear discriminant analysis (LDA);  machine learning; penyakit jantung; reduksi fitur; SVM.
Pelatihan Pengembangan Game Dengan Unreal Engine Sebagai Solusi Peningkatan Keterampilan Teknologi di SMK N 8 Pekanbaru Nasution, Nurliana; Nasution, Feldiansyah; Hasan, Mhd Arief; Fajar, Muhammad Al
Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Vol 8, No 1 (2025): Januari 2025
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurdimas.v8i1.3519

Abstract

SMK N 8 Pekanbaru faces challenges in preparing students to enter the rapidly growing game industry. Students require specialized skills in game development, such as programming, graphic design, and animation, which are not adequately covered in the school’s current training programs. To address this issue, the community service team proposed game development training using Unreal Engine, a beginner-friendly game engine with exceptional visual capabilities. The training was conducted in several stages, including material preparation, hands-on practice, and evaluation. The material was tailored to align with the student's comprehension levels, while the hands-on sessions allowed participants to directly practice game creation with intensive guidance from the team. Evaluation was conducted using pre-tests and post-tests to measure the participants' improvement. Additionally, the training aimed to help students explore career opportunities in the game industry and enhance their technical skills to meet industry demands. With the support of a developer community and the ease of use of Unreal Engine, students can continue to learn and refine their skills in the future. This program is expected to have a positive impact by equipping students with relevant job-market skills and enabling them to create new opportunities in the game industry.Keywords: game development; technical skills; training; unreal engine; vocational school students Abstrak: SMK N 8 Pekanbaru menghadapi tantangan dalam mempersiapkan siswa untuk memasuki industri game yang berkembang pesat. Siswa membutuhkan keterampilan khusus dalam pengembangan game, seperti pemrograman, desain grafis, dan animasi, yang belum tercakup secara memadai dalam pelatihan sekolah. Untuk mengatasi masalah ini, tim pengabdian masyarakat mengusulkan pelatihan pembuatan game menggunakan Unreal Engine, sebuah game engine yang ramah pemula namun memiliki kemampuan visual yang luar biasa. Pelatihan ini dilakukan melalui beberapa tahapan, yaitu penyusunan materi, praktik langsung, dan evaluasi. Penyusunan materi dirancang untuk memastikan kelayakan dan kesesuaian dengan tingkat pemahaman siswa. Sesi praktik menggunakan pendekatan hands-on yang memungkinkan siswa langsung mempraktikkan pembuatan game dengan bimbingan intensif dari tim. Evaluasi dilakukan melalui pre-test dan post-test untuk mengukur peningkatan pemahaman peserta. Selain itu, pelatihan ini bertujuan untuk membantu siswa membuka peluang karier di industri game dan meningkatkan keterampilan teknis mereka sesuai kebutuhan industri. Dengan dukungan komunitas pengembang dan kemudahan penggunaan Unreal Engine, siswa dapat terus belajar dan mengembangkan keterampilan mereka di masa depan. Program ini diharapkan dapat memberikan dampak positif dalam membekali siswa dengan keterampilan yang relevan untuk dunia kerja dan membantu mereka menciptakan peluang baru dalam industri game.Kata kunci: keterampilan teknis; pelatihan;  pengembangan game; siswa SMK; unreal engine
PERBANDINGAN METODE NAÏVE BAYES DAN K-NEAREST NEIGHBOR DALAM MENGKLASIFIKASI STATUS PERTUMBUHAN ANAK STUNTING (STUDI KASUS : POSYANDU CEMARA) Miftahul Jannah; Hasan, Mhd Arief; Al Fajar, Muhammad
JURNAL FASILKOM Vol. 14 No. 1 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i1.6821

Abstract

Klasifikasi merupakan metode untuk mengelompokkan teks sehingga teks dengan isi yang serupa akan dikelompokkan dalam jenis yang sama. Dalam konteks pertumbuhan anak stunting di Posyandu Cemara, metode data mining untuk klasifikasi menjadi relevan dalam mengidentifikasi kategori pertumbuhan anak sebagai normal atau tidak normal. Stunting, sebagai masalah gizi kronis, disebabkan oleh kurangnya asupan gizi dalam jangka waktu panjang, mengakibatkan gangguan pertumbuhan pada anak dan tinggi badan yang lebih rendah dibandingkan dengan anak-anak seusianya.Dalam penelitian ini, kami menggunakan metode klasifikasi Naïve Bayes dan K-Nearest Neighbor. Naïve Bayes menggunakan perhitungan probabilitas dan statistik, sementara K-Nearest Neighbor adalah metode klasifikasi yang menentukan kategori objek berdasarkan data pembelajaran dengan jarak paling dekat. Hasil eksperimen menunjukkan bahwa Naïve Bayes menghasilkan akurasi sebesar 71.25%, presisi sebesar 66%, dan recall sebesar 11%. Sementara itu, K-Nearest Neighbor memberikan akurasi sebesar 66.67%, presisi sebesar 82%, dan recall sebesar 75%.Temuan ini memberikan wawasan tentang performa dua metode klasifikasi dalam konteks klasifikasi pertumbuhan anak stunting. Diskusi selanjutnya melibatkan implikasi praktis dari hasil penelitian ini dan saran untuk pengembangan penelitian selanjutnya di bidang ini..
PENGEMBANGAN LDII NEWS NETWORK DI PEKANBARU UNTUK MENINGKATKAN KONEKTIVITAS, INFORMASI DAN KOMUNIKASI YANG LEBIH EFEKTIF Nurliana Nasution; Feldiansyah Nasution; Hasan, Mhd Arief
J-COSCIS : Journal of Computer Science Community Service Vol. 5 No. 1 (2025): J-COSCIS : Journal of Computer Science Community Service
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/jcoscis.v5i1.22116

Abstract

Lembaga Dakwah Islam Indonesia (LDII) Pekanbaru melaksanakan program pengembangan media dan komunikasi untuk meningkatkan kualitas penyebaran informasi dan interaksi dengan masyarakat. Latar belakang kegiatan ini adalah kebutuhan akan peningkatan kemampuan dalam memproduksi konten media yang berkualitas dan efektif, serta pemanfaatan teknologi modern untuk mendukung aktivitas dakwah dan sosial LDII. Metode yang digunakan meliputi pelatihan media dan komunikasi berbasis online, kemitraan dengan ahli media, penggunaan perangkat dan perangkat lunak modern, monitoring dan analisis kinerja media, serta kampanye media sosial yang terstruktur.Pelatihan media online berhasil mencapai 100% target peserta, dengan 90% peserta menunjukkan peningkatan keterampilan. Kemitraan dengan media seperti Riaupos, Sigapnews, dan Kontras Riau serta publikasi di website DPP LDII membantu meningkatkan visibilitas dan kredibilitas LDII Pekanbaru. Penggunaan perangkat seperti drone dan kamera profesional, serta perangkat lunak seperti Adobe Premiere Pro dan Canva, menghasilkan konten media yang berkualitas tinggi. Monitoring menggunakan Google Analytics dan Alexa menunjukkan peningkatan jumlah pengunjung situs web dan interaksi di media sosial. Kampanye media sosial yang terstruktur berhasil meningkatkan jumlah pengikut dan tingkat interaksi hingga 30%.Hasil dari kegiatan ini menunjukkan bahwa implementasi strategi media dan komunikasi yang efektif dapat meningkatkan kualitas dan jangkauan konten LDII Pekanbaru, serta memperkuat interaksi dengan audiens. Program ini membuktikan bahwa pemanfaatan teknologi modern dan kerjasama dengan ahli dapat membawa dampak positif yang signifikan dalam penyebaran dakwah dan kegiatan sosial.
Synthetic Minority Oversampling Technique for Efforts to Improve Imbalanced Data in Classification of Lettuce Plant Diseases Nurliana Nasution; Feldiansyah Feldiansyah; Ahmad Zamsuri; Mhd Arief Hasan
JURNAL TEKNOLOGI DAN OPEN SOURCE Vol. 6 No. 1 (2023): Jurnal Teknologi dan Open Source, June 2023
Publisher : Universitas Islam Kuantan Singingi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36378/jtos.v6i1.2883

Abstract

In this study we classified lettuce plant diseases. These plant diseases are available in the form of images that have been converted in .csv format to be classified. These plant diseases are available in the form of images that have been converted in .csv format to be classified. Image These plant diseases have been divided into several classes or categories. Then we determine the features of each row and column of the dataset. Each line in the CSV file represents one image, and each column represents one feature Each line in the CSV file represents one image, and each column represents one feature. Then a label is made for each line in the CSV file, namely the class or category where the images are grouped. Thus, so that we get datasets that are ready to be processed with machine learning. However, in processing the dataset, we get imbalanced data. So we added the Synthetic Minority Over-sampling Technique (SMOTE) method to overcome the imbalance that occurs. So that the data can be classified using several algorithms to find the best accuracy.
IMPLEMENTASI TEKNIK QUERY OPTIMIZATION UNTUK MENINGKATKAN PERFORMA SQL SERVER PADA SISTEM INFORMASI AKADEMIK Patulus Rahmat Tambunan, Salam; Arief Hasan, MHD; Hartono Tambunan, Rezky; Stephen Siahaan, Michael; Jordan Sirait, Michael; Mahmud, Farid
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13041

Abstract

Sistem Informasi Akademik (SIAKAD) berperan penting dalam pengelolaan data akademik di perguruan tinggi, terutama Kartu Rencana Studi (KRS) mahasiswa. Namun, meningkatnya jumlah data dan pengguna sering menyebabkan performa sistem menurun akibat eksekusi query SQL yang kurang efisien. Masalah ini berdampak pada lambatnya proses data, konflik jadwal, dan akses informasi. Penelitian ini bertujuan mengoptimalkan performa SQL server melalui teknik seperti pengindeksan dan penggunaan stored procedures. Hasil implementasi menunjukkan peningkatan signifikan pada waktu eksekusi query dan pengurangan beban server. Pengujian lima kali menunjukkan performa yang lebih baik. Penggunaan indexing menurunkan rata-rata penggunaan CPU dari 9,4 menjadi 3, serta waktu eksekusi query dari rata-rata 249 ms menjadi 129 ms—peningkatan 93%. Sementara itu, stored procedures meski meningkatkan rata-rata penggunaan CPU dari 6 menjadi 9,4, tetap memberikan pengurangan waktu eksekusi rata-rata menjadi 117,6 ms, dengan peningkatan performa hingga 95%. Optimasi ini menjadikan SIAKAD lebih responsif dan efisien, mendukung pengelolaan data akademik secara cepat, akurat, dan handal, sehingga meningkatkan pengalaman pengguna, termasuk mahasiswa, dosen, dan pihak administrasi.
OPTIMASI BACKUP DAN RESTORE SQL SERVER DENGAN SKRIP PYTHON Leonard, Willyam; Arief Hasan, Mhd; Amri, Fadilah; Roma Umboh, Joyful; Daffa Ardiansyah, Muhamad; Rifski Alvares Bangun, Gilang
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13112

Abstract

Proses backup dan restore pada SQL Server sering menghadapi berbagai kendala, seperti waktu pelaksanaan yang lama, ukuran file yang besar, serta penggunaan sumber daya sistem yang tinggi. Penelitian ini bertujuan untuk mengembangkan solusi berbasis skrip Python yang dirancang untuk meningkatkan efisiensi waktu, mengurangi ukuran file backup, dan meminimalkan penggunaan sumber daya selama proses tersebut. Metodologi yang digunakan melibatkan pengembangan skrip Python yang diuji dalam berbagai skenario, termasuk lingkungan lokal dan cloud.Skrip Python ini dirancang dengan menggunakan algoritma kompresi yang efisien serta dilengkapi fitur otomatisasi dan fleksibilitas tinggi agar dapat disesuaikan dengan kebutuhan organisasi. Hasil pengujian menunjukkan bahwa proses backup menggunakan skrip ini dapat diselesaikan hanya dalam waktu 0,11 detik dengan ukuran file sebesar 1,39 MB. Hal ini jauh lebih cepat dan efisien dibandingkan metode tradisional, yang membutuhkan waktu hingga 60 detik dengan ukuran file sebesar 8 MB. Selain itu, tingkat keberhasilan backup mencapai 98%, lebih tinggi dibandingkan metode tradisional yang hanya mencapai 85%. Penelitian ini membuktikan bahwa skrip Python merupakan solusi yang efektif dan efisien untuk proses backup dan restore, khususnya dalam pengelolaan basis data berskala besar. Untuk ke depannya, disarankan agar skrip ini diintegrasikan dengan teknologi cloud dan pengamanan data tingkat lanjut guna meningkatkan skalabilitas dan keandalan dalam pengelolaan data secara modern.
Co-Authors Adnan, Govindo Agung Kurniawan Ahmad Zamsuri, Ahmad Al Fajar, Muhammad Alexander, Jonatan Alfajar, Muhammad Amri, Fadilah Aprizald, Aprizaldi Bhaskoro Maghribi, Aulia Bimby, Novia Carlo Pratama Silalahi, Ricky Daffa Ardiansyah, Muhamad David Setiawan David Setiawan David Setiawan, David Debi Setiawan, Debi Di Juni, Padina Dwi Putri, Shania Dwi Wahyu Handoyo Erwin Darmawan Ewa Haris Sembiring Fadrial, Yogi Ersan Fajar Kesuma, Andika Fajar, Muhammad Al Fajrizal Fajrizal Fajrizal, Fajrizal Fatkuroji, Moh Feldiansyah Bakri Nasution Feldiansyah Feldiansyah Feldiansyah Feldiansyah Feldiansyah Nasution Feraldi, Riyan Guntoro, Guntoro Gyna Rahmi Fajri Handoyo, Dwi Wahyu Hartono Tambunan, Rezky Hidayat, Ibnu Irawan, Marigel Irsando, Irsando Jordan Sirait, Michael Khairuna, Aida Khasbulla Ridwan, Mohammad Kurniawan, Veby Leonard, Willyam Loneli Costaner Mahmud, Farid Marco Bilbo, Ronaldo Mariza Devega Megawati Menzona, Redico MIFTAHUL JANNAH Moh. Fatkuroji Muhamad Sadar Muhamad Sadar, Muhamad Muhammad Al Fajar Muhammad Fitra Hamidy Muhammad Luthfi MUHAMMAD RIZAL Nasution, Feldiansyah Nur Iman, Muhamad Nurliana Nasutio Nurliana Nasution, Nurliana Nurmala Sari Patulus Rahmat Tambunan, Salam Rahmawati, Ningsi Raihan Siddik, Muhammad Rama Putra, Muhammad Ramadhan, Hardiansyah Raphaela Mei Lanny Br Aritonang, Gloria Refnaldi kurniawan saputra Rezky, Rafael Rianto Rianto Rifski Alvares Bangun, Gilang Roma Umboh, Joyful Sadar, M. Sasqia Ismi Aulia Sembiring, Rafael Rezky Sihombing, Riyan Feraldi Simorangkir, Jansihar Sitompul, Monica Sri Putri Sitompul, Yefita Sri Utami Lestari Stefanus, Vito Stephen Siahaan, Michael SUDARSO Sudarso Sunaryanto, Hadi Supriadi Supriadi Suranta Sipayung, Rizky Sutejo Sutejo Sya'banu Ahmad Tulus Parmonangan Uyun Harahap, Qurrotul Walhidayat Walhidayat Widiyanto, Septian Yitro Amazihono Yogi Yunefri, Yogi Yuhendri Putra Zamzami Zamzami Zamzami, Zamzami