Article Per Year (5 Year)
p-Index From 2021 - 2026
10.351
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Teknologi dan Manajemen Informatika Jurnal Teknologi Informasi dan Ilmu Komputer International Journal of Advances in Intelligent Informatics E-Dimas: Jurnal Pengabdian kepada Masyarakat International Journal of Artificial Intelligence Research Knowledge Engineering and Data Science JURNAL MEDIA INFORMATIKA BUDIDARMA JPM (Jurnal Pemberdayaan Masyarakat) International Journal of Computing and Informatics (IJCANDI) JITK (Jurnal Ilmu Pengetahuan dan Komputer) ILKOM Jurnal Ilmiah Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) EDUMATIC: Jurnal Pendidikan Informatika Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Indonesian Journal of Data and Science Innovation in Research of Informatics (INNOVATICS) Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal Minfo Polgan (JMP) Buletin Sistem Informasi dan Teknologi Islam Ilmu Komputer untuk Masyarakat Bulletin of Culinary Art and Hospitality Jurnal Inovasi Teknologi dan Edukasi Teknik NERO (Networking Engineering Research Operation) Jurnal Informatika: Jurnal Pengembangan IT The Indonesian Journal of Computer Science CSRID Linier: Literatur Informatika dan Komputer
Purnawansyah Purnawansyah
Universitas Muslim Indonesia
Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 99 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 99 Documents
Search

 5   6   7   8   9 
A Comparative Study of Public Opinion on Indonesian Police: Examining Cases in the Aftermath of the Kanjuruhan Football Disaster Purnawansyah, Purnawansyah; Raja, Roesman Ridwan; Darwis, Herdianti
Indonesian Journal of Data and Science Vol. 6 No. 2 (2025): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v6i2.235

Abstract

This research explores public sentiment towards the Indonesian police using sentiment analysis and machine learning techniques. The study addresses the challenge of understanding public opinion based on social media comments related to significant police cases. The aim is to compare reported satisfaction levels with actual public sentiment. Utilizing the Indonesian RoBERTa base IndoLEM sentiment classifier, comments were analyzed and preprocessed. The classification was conducted using Random Forest (RF) and Complement Naive Bayes (CNB) models, incorporating unigram and bi-gram features. Oversampling techniques were applied to handle data imbalance. The best-performing model, Random Forest with bi-gram features, achieved high evaluation scores, including a precision of 0.91 and accuracy of 0.91. The findings reveal significant insights into public opinion, contributing to improved law enforcement strategies and public trust.
An Inflation Rate Prediction Based on Backpropagation Neural Network Algorithm Purnawansyah, Purnawansyah; Haviluddin, Haviluddin; Setyadi, Hario Jati; Wong, Kelvin; Alfred, Rayner
International Journal of Artificial Intelligence Research Vol 3, No 2 (2019): December 2019
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1806.11 KB) | DOI: 10.29099/ijair.v3i2.112

Abstract

This article aims to predict the inflation rate in Samarinda, East Kalimantan by implementing an intelligent algorithm, Backpropagation Neural Network (BPNN). The inflation rate data was obtained from the Provincial Statistics Bureau of Samarinda https://samarindakota.bps.go.id/ for the period January 2012 to January 2017. The method used to measure accuracy algorithm prediction was the mean square error (MSE). Based on the experiment results, the BPNN method with architectural parameters of 5-5-5-1; the learning function was trainlm; the activation functions were logsig and purelin; the learning rate was 0.1 and able to produce a good level of prediction error with an MSE value of 0.00000424. The results showed that the BPNN algorithm can be used as an alternative method in predicting inflation rates in order to support sustainable economic growth, so that it can improve the welfare of the people in Samarinda, East Kalimantan.
Fourier Descriptor Pada Klasifikasi Daun Herbal Menggunakan Support Vector Machine Dan Naive Bayes Samir, Mutmainnah; Purnawansyah; Darwis, Herdianti; Umar, Fitriyani
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107309

Abstract

Daun herbal bermanfaat sebagai obat alternatif karena kandungan alaminya dapat menyembuhkan berbagai penyakit dan menjaga kesehatan tubuh. Klasifikasi citra daun herbal digunakan untuk membedakan jenis tanaman herbal berdasarkan bentuk daun. Penelitian ini Penelitian menggunakan Fourier Descriptor (FD) untuk mengekstraksi fitur pada daun herbal dan mengklasifikasikannya menggunakan metode Support Vector Machine (SVM) dan Naive Bayes (NB). SVM diimplementasikan dengan empat kernel yaitu Linear, polynomial, Radial Basis Function (RBF), dan sigmoid sementara Naive bayes diaplikasikan dengan tiga jenis kernel yaitu Gaussian, Multinomial, Bernoulli. Evaluasi kinerja menggunakan Precision, accuracy F1-Score dan Recall. Citra daun herbal terdiri dari daun katuk (Sauropus Androgynus) dan daun kelor (Moringa) dengan total 480 citra. Data tersebut dibagi menjadi 80% untuk training dan 20% untuk testing. Terdapat dua skenario pencahayaan yaitu kondisi gelap dan terang. Hasil penelitian menunjukkan bahwa perbandingan metode SVM dengan ekstraksi FD dimana kernel Linear mencapai akurasi sebesar 98% pada skenario gelap, sementara kernel Sigmoid memberikan akurasi terendah sebesar 44% pada scenario gelap maupun terang. Adapun hasil dari metode Naive bayes dengan ekstraksi FD pada kernel multinomial menghasilkan akurasi tertinggi sebesar 83% pada terang, sedangkan kernel Bernoulli memberikan akurasi terendah sebesar 46% pada skenario gelap dan terang. Berdasarkan perbandingan hasil klasifikasi dari kedua metode, disarankan bahwa metode SVM pada ekstraksi FD lebih direkomendasikan dalam proses klasifikasi daun herbal. Penelitian ini dapat memberikan rekomendasu pengembang sistem untuk menetapkan metode yang tepat dalam klasifikasi citra daun herbal.   Abstract Herbal leaves are beneficial as alternative medicine because their natural content can cure various diseases and maintain a healthy body. The classification of herbal leaf images is used to differentiate types of herbal plants based on leaf shapes. This study utilizes Fourier Descriptor (FD) to extract features from herbal leaves and classify them using the Support Vector Machine (SVM) and Naive Bayes (NB) methods. SVM is implemented with four kernels namely linear, polynomial, Radial Basis Function (RBF), and Sigmoid while Naive bayes is applied with three types of kernels namely Gaussian, multinomial, Bernoulli. Performance evaluation includes precision, accuracy, F1- score and recall. Herbal leaf images consist of leaves (Sauropus Androgynus) and moringa leaves with a total of 480 images. The data is divided into 80% for training and 20 % for testing. There are two lighting scenarios, namely dark and light conditions. The result of this study shows a comparison of the SVM method with FD extraction where the Linear kernel achieves the highest accuracy of 98% in dark scenarios, while the Sigmoid kernel provides the lowest accuracy of 44% in both dark and light scenarios. The result of the naïve bayes method with FD extraction on the Multinomial kernel yield the highest accuracy of 83% in light scenarios while the Bernoulli kernel provides the lowest accuracy 46% in both dark and light scenarios. Based on the comparison of the classification result of the two methods, it is suggested that the SVM method for FD extraction is more recommended in the herbal leaf classification process. This research can provide recommendation for system developers to determine the appropriate method for classifying herbal leaf images.  
Literasi dan Pendampingan Pengelolaan Website Fakultas Ekonomi dan Bisnis Untuk Peningkatan Peringkat UMI di Webometrics Berdasarkan Aspek Penilaian Visibility Irawati, Irawati; Purnawansyah, Purnawansyah; Indra, Dolly
Ilmu Komputer untuk Masyarakat Vol 5, No 1 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkomas.v5i1.2292

Abstract

Webometrics adalah metodologi yang digunakan untuk memberikan pemeringkatan pada perguruan tinggi di seluruh dunia. Sebagai salah satu perguruan tinggi swasta terbesar dan terbaik di Indonesia Timur, UMI berupaya untuk meningkatkan mutu pendidikannya setiap tahun. Setiap kegiatan yang dilakukan oleh UMI akan tercatat website pemeringkatan universitas dunia yang disebut Webometrics. Agar dapat menunjang indikator-indikator pencapaian webometrics UMI, maka civitas akademika UMI perlu memahami tentang pentingnya pengetahuan tentang indikator yang dinilai oleh Cybermetrics Lab sebagai metode pemeringkatan perguruan tinggi. Kegiatan yang dilakukan berupa Sosialisasi dan workshop  Webometrix tentang Visibility Impact (50%), jumlah eksternal link unik yang terhubung dengan domain web milik perguruan tinggi. 
DIGITAL IMAGE CLASSIFICATION OF HERBAL LEAVES USING KNN AND CNN WITH GLCM FEATURES Zahirah, Dinna; Purnawansyah, Purnawansyah; Kurniati, Nia; Darwis, Herdianti
Jurnal Teknik Informatika (Jutif) Vol. 5 No. 1 (2024): JUTIF Volume 5, Number 1, February 2024
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2024.5.1.1162

Abstract

Geographical position and having a tropical climate make Indonesia known for its abundant biodiversity, one of which is herbal leaves. Indonesia has more than 2039 species that fall into the category of herbal medicinal plants. Herbal leaves are plants that are used as an alternative to natural disease healing. The large number of herbal leaf plants makes it difficult for people to distinguish between herbal plants and non-herbal plants, except when herbal leaf plants bear fruit or bloom. With advances in technology, many studies have been conducted to identify types of herbal plants, one of which is to identify the characteristics of the leaves. In this study, image recognition of herbal leaves was carried out using the K-Nearest Neighbor and Convolutional Neural Network methods with feature extraction of the Gray Level Co-occurance Matrix. By using these 2 methods, the data collected in this study were 480 leaf images which were then divided into 80% testing data and 20% training data. The data used are in the form of Sauropus androgynus and Moringa leaves. Based on the test results, the Convolutional Neural Network method which is suggested in the herbal leaf image classification which has an accuracy value of 96%..
Peningkatan Literasi Digital di Kalangan Siswa Internasional Melalui Pelatihan Microsoft Office Syafie, Lukman; Purnawansyah, Purnawansyah; Herman, Herman; Awangga, Narendra; Wahyudi, Ifan
E-Dimas: Jurnal Pengabdian kepada Masyarakat Vol 16, No 2 (2025): E-DIMAS
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/e-dimas.v16i2.20721

Abstract

Program pengabdian ini bertujuan meningkatkan keterampilan digital siswa di Sekolah Kebangsaan Syeikh Mohd Idris Al-Marbawi, Malaysia. Masalah utama yang dihadapi sekolah ini adalah kurangnya akses siswa terhadap komputer dan aplikasi dasar seperti Microsoft Word. Melalui pelatihan intensif yang diberikan oleh Universitas Muslim Indonesia, siswa dibekali dengan keterampilan dasar penggunaan komputer dan aplikasi Microsoft Word. Pelatihan mencakup pengenalan perangkat keras dan perangkat lunak, serta praktik penggunaan fitur Microsoft Word, mulai dari dasar hingga fitur lanjutan seperti Word Art dan pengaturan kolom.Hasil dari pelatihan ini menunjukkan peningkatan signifikan pada keterampilan digital siswa sesudah pelatihan. Selain itu, sebagai luaran dari program ini, panduan pengantar komputer yang dapat digunakan oleh siswa secara berkelanjutan. Program ini berhasil meningkatkan literasi digital siswa dan diharapkan dapat menjadi model bagi sekolah-sekolah lain. Tantangan yang dihadapi adalah tingkat pemahaman siswa yang beragam, namun hal ini diatasi dengan sesi pendampingan dan konsultasi intensif.
Hybrid Fourier Descriptor Naïve Bayes dan CNN pada Klasifikasi Daun Herbal Backar, Sunarti Passura; Purnawansyah, Purnawansyah; Darwis, Herdianti; Astuti, Wistiani
Jurnal Informatika: Jurnal Pengembangan IT Vol 8, No 2 (2023)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v8i2.5186

Abstract

Plants are vital to human life on earth, and the leaves and their whole parts have many benefits. These parts of the plant can help distinguish between different species. The leaf identification can be performed at any time, while the other parts of the plants can only be identified at a certain time. The study aims to classify two types of herbs i.e. saur-opus androgynous and moringa oleifera, implementing the Fourier Descriptor method to extract the shape and texture features. In the process of classification using the Naïve Bayes method with three types of nuclei (Gaussian, Bernoulli, and Multinomial) and a Convolutional Neural Network. The testing process was carried out using two scenarios, dark and light, where each scenario consisted of 240 images for a total of 480 images divided into 20% of the data testing and 80% of the training data. The Fourier Descriptor-Bernoulli Naive Bayes method gives the lowest accuracy in both light and dark scenarios, at 46% and 52%, respectively. As for the classification of herbal leaves using a combination of the Fourier Descriptor-Convolutional Neural Network method, it is recommended to be used in light image scenarios and Fourier Descriptor-Gaussian Naive Bayes in the dark scenarios because it is able to detect herbal leaf types with 100% accuracy.
Perancangan Sistem Informasi Pemasaran Perumahan PT. Fipa Indah Residential Berbasis Web Hasrah Wahyuni; Purnawansyah Purnawansyah; Sugiarti Sugiarti
LINIER: Literatur Informatika dan Komputer Vol 1, No 4 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i4.2533

Abstract

PT. Fipa Indah Residential adalah sebuah perusahaan yang bergerak dibidang penjualan properti. PT. Fipa Indah Residential masih menggunakan sistem yang manual dalam melakukan pemasaran perumahannya. Perusahaan ini belum memiliki sistem informasi pemasaran perumahan yang berbasis web. Dalam era globalisasi, kebutuhan terhadap informasi sangat tinggi dan penyajian informasi dituntut untuk cepat dan tepat. Salah satu media yang dapat menjadi fasilitas untuk mendapatkan informasi secara cepat dan tepat adalah internet. Internet merupakan salah satu wadah untuk manusia mudah memperoleh informasi yang diinginkan. Dalam penelitian ini, penulis membuat rancangan sistem informasi pemasaran perumahan berbasis web. Dengan adanya rancangan sistem ini perusahaan akan lebih mudah memberikan informasi yang lebih luas dan valid dalam menyebarkan informasi tentang perumahan yang dikelolanya, konsumen juga akan lebih mudah untuk mendapatkan informasi tanpa harus datang langsung ke kantor pemasaran. Pada sistem ini peneliti juga menerapkan Customer Relationship Management (CRM), sehingga konsumen dapat bertanya dan menjawab pertanyaan seputar perumahan melalui website ini
Rancang Bangun Website Pariwisata Interaktif Meningkatkan Daya Tarik Wisata Kabupaten Banggai Wulan Purnama Sari; Purnawansyah Purnawansyah; Lilis Nur Hayati
LINIER: Literatur Informatika dan Komputer Vol 2, No 4 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i4.3343

Abstract

Sistem Informasi Pariwisata dan UMKM Kuliner dirancang untuk menjadi solusi digital yang menghubungkan sektor pariwisata dengan pelaku usaha kuliner lokal di Kabupaten Banggai. Tujuan utama perancangan awal  sistem informasi pariwisata untuk menyediakan platform interaktif mempermudah wisatawan dalam mencari, menelusuri dan memperoleh informasi lengkap mengenai destinasi wisata, fasilitas, dan lokasi UMKM kuliner terdekat. Dalam perancangan sistem informasi pariwisata menggunakan pendekatan analisis kebutuhan, desain basis data dan perancangan antarmuka berbasis web responsif dan mudah digunakan oleh berbagai kalangan pengguna. Sistem menyediakan fitur utama seperti pencarian destinasi, peta interaktif, ulasan pengguna, dan promosi produk kuliner lokal, saling terintegrasi untuk menciptakan pengalaman wisata digital komprehensif. Hasil perancangan menunjukkan bahwa sistem informasi pariwisata mampu menampilkan informasi secara terstruktur, efisien, dan menarik, sehingga meningkatkan aksesibilitas informasi bagi wisatawan sekaligus memperluas jangkauan promosi bagi pelaku UMKM. Dengan adanya sistem informasi pariwisata, diharapkan dapat tercipta sinergi antara sektor pariwisata dan ekonomi kreatif berbasis digital yang mendukung peningkatan daya saing daerah serta pemberdayaan ekonomi masyarakat lokal di Kabupaten Banggai. Desain UI/UX sistem informasi pariwisata dibuat dengan tampilan sederhana, navigasi yang intuitif, serta konsistensi elemen visual agar pengguna dapat mengakses informasi dengan cepat dan nyaman. Hasil penelitian diharapkan mampu meningkatkan daya tarik wisata dan mendukung pemberdayaan ekonomi lokal melalui digitalisasi promosi pariwisata di Kabupaten Banggai
Rancang Bangun Penerapan Metode Elbow Pada K-Means Untuk Clustering Data Persediaan Barang Andri Rajsya; Purnawansyah Purnawansyah; Abdul Rachman Manga’
LINIER: Literatur Informatika dan Komputer Vol 1, No 4 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i4.2539

Abstract

Penerapan metode elbow pada algoritma K-Means untuk clustering data persediaan barang bertujuan untuk mengoptimalkan penentuan jumlah cluster yang optimal, yang sangat penting dalam manajemen persediaan barang. Penelitian ini melibatkan analisis data persediaan barang menggunakan algoritma K-Means dan metode elbow untuk menentukan jumlah cluster yang tepat. Data yang digunakan dalam penelitian ini mencakup data persediaan barang dari sebuah toko retail. Metode penelitian meliputi pengumpulan data, penerapan algoritma K-Means, dan evaluasi hasil clustering dengan metode elbow. Hasil penelitian menunjukkan bahwa penerapan metode elbow dapat memberikan gambaran yang jelas tentang jumlah cluster optimal yang dapat digunakan untuk meningkatkan efisiensi manajemen persediaan barang. Kesimpulan penelitian ini menunjukkan bahwa metode elbow merupakan alat yang efektif dalam menentukan jumlah cluster optimal dalam clustering data persediaan barang.Penelitian ini juga menunjukkan bahwa dengan menentukan jumlah cluster yang optimal, toko retail dapat mengelompokkan produk secara lebih tepat, sehingga strategi pengelolaan stok dapat disesuaikan dengan karakteristik setiap cluster. Hal ini berkontribusi pada pengurangan biaya penyimpanan, peningkatan kecepatan rotasi barang, dan optimalisasi ruang penyimpanan
Co-Authors - Nurhikma A. Nurjulianty Abd. Rasyid Syamsuri Achmad Fanany Onnilita Gaffar Achmad Fanany Onnilita Gaffar Adela Regita Azzahra Adela Regita Azzahra Adnan, Adam Agung R Ahmad Fadly Aji P. Wibawa Aji Prasetya Wibawa Alfitriana Riska Alfitriana Riska Alfiyyah, Nurul Alisma, Alisma Andi Muhammad Adnan Rusdy Andi Muhammad Halis Andi Muhammad Naufal Andri Rajsya Anisatul Humairah Arfah, Jumrayanti Arrosied, Harun Arvina Yudithia Sompie Astuti, Wistiani Atussaliha, Nur Almar' Aulia Rezky Rahmadani Darmawati Awang Harsa Kridalaksana Awangga, Narendra Azwan Triyadi Backar, Sunarti Passura Basri, Haerunnisa Benny Leonard Enrico P Benny Leonard Enrico Panggabean Bustam, Faida Daeng Darmawati, Aulia Rezky Rahmadani Desi Anggreani Desy Indri Luthfia Andy Dewi Widyawati Dian Dian Dolly Indra Dwiyanto, Felix Andika Eka Arman Enrico Panggabean, Benny Leonard Erick Irawadi Alwi, Erick Irawadi Fahmi Fahmi Fajar AR, Muh. Aqil Faradibah, Amaliah Farniwati Fattah Fatimah Syarifuddin Fattah, Farniwati Fattah, St. Fajriah Fery Setyo Aji Fifi Febrianti Usman Firman Akbar Fitriyani Umar Gaffar, Achmad Fanany Onnlita Gaffar, Andi Widya Mufila Harlinda L Harlinda Lahuddin Hasihi, Cholisah Erman Hasnidar S. Hasrah Wahyuni Haviluddin Haviluddin Herawati Herawati Herman Herman Huzain Azis Ifan Wahyudi Irawati Irawati Irawati Irawati Iriani Indah Saputri Jumrayanti Arfah Kasmira Kasmira Kasmira, Kasmira Kotot Tri Hartanto Kurniati, Nia La Saiman Lilis Hayati lilis nurhayati Listyan Nur Saida Lokapitasari Belluano, Poetri Lestari Lukman Syafie Lutfi Budi Ilmawan, Lutfi Budi Lutfi Budiman Ilmuwan M. Imam Maulana M. Takdir Mahfuddin Mukmin Malani, Rheo Manga, Abdul Rachman Mardiyyah Hasnawi Ming Foey Teng Ming Foey Teng, Ming Foey Muh Alim Abdi Muh. Fadhil Attariq Hasril Muh. Rifqi Zulkifli Muhammad Arfah Asis Muhammad Arfah Iswaniah Muhammad Hardiansyah Hairi Muhammad Ikhsan Supriyadi Muhammad Nur Firdaus Muhammad Yushar Mattola Munaf, Adryan Dwiprawira Munawir Nasir Hamzah Nafalski, Andrew Nia Kurniati Nirmala Nirmala, Nirmala Nirwana, Nirwana Nugroho, Basuki Rahmat Nur Afra Dimitri Pratiwi Nur Ainun Zulkarnain Nur Almar' Atussaliha Nur Rahmah NURZAENAB NURZAENAB NURZAENAB, NURZAENAB Panggabean, Benny Leonard Enrico Purba, Muren Fiatra Denata Putri Regina Prayoga Putri, Inggrianti Pratiwi Rahma Puspitasari Rahma Puspitasari Rahmadani Rahmadani Raja, Roesman Ridwan Ramdan Sastra Ramdan Sastra Ramdaniah Ramdaniah Rayner Alfred Rayner Alfred Resky Anugrah Rezky Anugrah Saiman, La Salim, Yulita Saly, Intan Novita Samir, Mutmainnah Sastra, Ramdan Setyadi, Hario Jati Siti Rahmi Kelilauw Sitti Nurhalimah Sitti Rahmah Jabir St. Hajrah Mansyur Sugiarti, Sugiarti Sulfikar Sulfikar Sunarti Passura Backar Syafie, Lukman Syamsiar, Syamsiar Tasrif Hasanuddin Triyanna Widiyaningtyas Triyanna Widyaningtyas, Triyanna Umalekhoa, Alfi Syahrin Umar, Fitriyani Usman, Fifi Febrianti Wahyuni Wahyuni Wd. Shaqina Rafa Naura Widyawati, Dewi Wistiani Astuti Wistiani Astuti Wong, Kelvin Wulan Purnama Sari Yudha Islami Sulistya Yulita Salim Yusrandi Yusrandi Zahif Safyin Saleh Zahirah, Dinna Zulkifli Zulkifli