Articles

Implementasi Algoritme Average Time Based Fuzzy Time Series Untuk Peramalan Tingkat Inflasi Berdasarkan Kelompok Pengeluaran Askin, Mohammad Angga Prasetya; Cholissodin, Imam; Adinugroho, Sigit
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 10 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (694.663 KB)

Abstract

Inflasi adalah suatu kondisi dimana harga jual beli barang atau jasa mengalami kenaikan atau penurunan yang umum terjadi dalam kegiatan perekonomian. Hal ini mempengaruhi masyarakat negara tersebut sehingga berpengaruh sangat besar. Tetapi dalam menentukan tingkat inflasi masih mengalami kesulitan dalam memprediksi inflasi tersebut. Oleh karena itu dilakukan penelitian ini yang bertujuan untuk menentukan/memprediksi tingkat inflasi berdasarkan kategori pengeluaran dengan metode Average Time Based Fuzzy Time Series. Penelitian ini menggunakan skenario berdasarkan data bulan berurutan, tahun berurutan, dan nilai pembagi rerata selisih. Data inflasi kategori pengeluaran didapatkan dari Badan Pusat Statistik (BPS) Indonesia dan hasil prediksi didapatkan adalah nilai rerata RMSE 0.486 di data bulan 15, nilai rerata RMSE  0.335 di data tahun 3, dan terakhir rerata RMSE 0.314 di nilai pembagi 1.9 untuk kategori data bulan berurutan dan rerata RMSE 0.336 di nilai pembagi 2 untuk kategori data tahun berurutan.
Optimasi K-Means untuk Clustering Kinerja Akademik Dosen Menggunakan Algoritme Genetika Santoso, Budi; Cholissodin, Imam; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 1 No 12 (2017)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (997.399 KB)

Abstract

Dosen merupakan pengajar mahasiswa, selain mengajar dosen juga memiliki banyak kegiatan lain dengan memanfaatkan keahlian yang dimiliki untuk mengembangkan potensi dari dosen tersebut. Beberapa karakter yang dimiliki oleh setiap dosen sangat berbeda, diantaranya yaitu pendidikan, penelitian, pengabdian, administrasi, dan penunjang. Kesulitan yang dihadapi oleh kampus salah satunya yaitu terkait pengelompokkan penugasan terhadap dosen. Penugasan tersebut berhubungan dengan studi lanjut, rekomendasi, jabatan terkait structural, mengisi suatu acara, kepanitian, dan lain lain. Sehingga dibutuhkan suatu sistem yang bisa mengkelompokan kinerja akademik dosen secara optimal. Pada penelitian ini untuk mengelompokkan kinerja akademik dosen mneggunakan metode K-Means yang dioptimasi dengan algoritme genetika. Algoritme genetika berperan untuk mengoptimasi pusat awal cluster pada algoritme K-Means. Data yang digunakan dalam penelitian ini merupakan data dosen yang ada di fakultas ilmu Komputer Universitas Brawijaya pada tahun 2016. Data tersebut diperoleh dari GJM fakultas ilmu komputer universitas brawijaya. Hasil pengujian pada clustering kinerja akademik dosen menggunakan algoritme GA-Kmeans memiliki kualitas cluster lebih tinggi yaitu sebesar 2,74% dibandingkan dengan algoritme K-Means tanpa algoritme genetika, dimana kualitas cluster yang diperoleh menggunakan metode Silhouette Coefficient.
Optimasi Pemupukan pada Pertanian Rempah dengan Algoritme Genetika Hidayatullah, Muhammad Fahmi; Cholissodin, Imam; Widodo, Agus Wahyu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 1 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (951.638 KB)

Abstract

Indonesia merupakan negara agraris yang mempunyai banyak komoditas pertanian diantaranya rempah yang diminati bangsa asing dan mempunyai nilai dagang yang tinggi. Saat ini produksi dan ekspor rempah Indonesia tidak lagi menguasai pasar dunia, Indonesia sudah kehilangan kejayaan dalam perdagangan rempah dunia. Hal itu disebabkan banyak petani yang hanya menggunakan keterbatasan pengalaman dan pengetahuannya untuk melakukan pemupukan dalam pertanian rempah yang dapat menimbulkan kegagalan panen dan kerugian yang besar. Dari permasalahan tersebut, maka akan dirancang sebuah sistem cerdas yang dapat mengoptimasi pemupukan pertanian rempah agar mendapatkan pupuk yang optimal untuk pertanian rempah dengan Algoritme Genetika. Algoritme Genetika dipilih karena algoritme ini dapat digunakan pada optimasi masalah dalam ruang pencarian yang sangat luas dengan cepat. Dari hasil pengujian menggunakan 2 jenis tanaman, 3 jenis pupuk, ukuran populasi 100, jumlah generasi 700, kombinasi cr 0.3 dan mr 0.7 mampu memenuhi kebutuhan hara tanaman. Hasil terbaik yang didapatkan hasil pengujian sistem dapat menghemat biaya sebesar 0.23%.Indonesia merupakan negara agraris yang mempunyai banyak komoditas pertanian diantaranya rempah yang diminati bangsa asing dan mempunyai nilai dagang yang tinggi. Saat ini produksi dan ekspor rempah Indonesia tidak lagi menguasai pasar dunia, Indonesia sudah kehilangan kejayaan dalam perdagangan rempah dunia. Hal itu disebabkan banyak petani yang hanya menggunakan keterbatasan pengalaman dan pengetahuannya untuk melakukan pemupukan dalam pertanian rempah yang dapat menimbulkan kegagalan panen dan kerugian yang besar. Dari permasalahan tersebut, maka akan dirancang sebuah sistem cerdas yang dapat mengoptimasi pemupukan pertanian rempah agar mendapatkan pupuk yang optimal untuk pertanian rempah dengan Algoritme Genetika. Algoritme Genetika dipilih karena algoritme ini dapat digunakan pada optimasi masalah dalam ruang pencarian yang sangat luas dengan cepat. Dari hasil pengujian menggunakan 2 jenis tanaman, 3 jenis pupuk, ukuran populasi 100, jumlah generasi 700, kombinasi cr 0.3 dan mr 0.7 mampu memenuhi kebutuhan hara tanaman. Hasil terbaik yang didapatkan hasil pengujian sistem dapat menghemat biaya sebesar 0.23%.
KLASIFIKASI GANGGUAN JIWA SKIZOFRENIA MENGGUNAKAN ALGORITME DECISION TREE C5.0 Riyanda, Febriyani; Cholissodin, Imam; Sutrisno, Sutrisno
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 10 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (475.774 KB)

Abstract

Skizofrenia merupakan salah satu gangguan jiwa yang mendapatkan perhatian seluruh dunia. Skizofrenia membutuhkan penanganan yang tepat dan cepat karena  gangguan ini cenderung menjadi kronis. Namun pelayanan di bidang kesehatan jiwa yang masih belum memadai dapat mengakibatkan pasien tidak segera ditangani serta setiap tipe skizofrenia memiliki gejala yang mirip dan hanya dibedakan dari seberapa besar pengaruh suatu gejala terhadap hasil klasifikasi subtipe skizofrenia dapat mengakibatkan kesalahan pengklasifikasian skizofrenia. Oleh karena itu dibutuhkan suatu sistem yang dapat mengklasifikasikan jenis skizofrenia secara tepat. Klasifikasi merupakan pembuatan suatu model yang digunakan untuk mengelompokkan suatu objek yang memiliki ciri-ciri yang sama ke dalam suatu kelas yang telah ditentukan. Dalam klasifikasi gangguan jiwa ini menggunakan algoritme decision tree C5.0, yaitu memiliki fungsi tambahan seperti boosting. Data yang digunakan sebanyak 106 data yang diambil dari RSJ. Dr. Radjiman Wediodiningrat Lawang, data ini terdiri dari 89 data latih dan 17 data uji. Metode pengujian yang digunakan adalah akurasi. Berdasarkan hasil pengujian parameter C5.0 didapatkan nilai rata-rata akurasi tertinggi sebesar 85,884% dengan jumlah data = 71 sampel, jumlah trial atau jumlah decision tree yang terbentuk=100.
OPTIMASI PENJADWALAN PERKULIAHAN DENGAN MENGGUNAKAN HYBRID DISCRETE PARTICLE SWARM OPTIMIZATION (STUDI KASUS: PTIIK UNIVERSITAS BRAWIJAYA) Syafiq, Muhammad; Cholissodin, Imam; Aryadita, Himawat
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 1 No 4 (2017)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1044.837 KB)

Abstract

Penjadwalan pada umumnya dilakukan secara manual dengan menggunakan tabel konvensional atau spreadsheet. Akibatnya berdampak pada kualitas hasil penjadwalan dan dapat menguras waktu dan tenaga apabila jadwal yang dipertimbangkan mencapai ribuan. Berdasarkan permasalahan tersebut, dibutuhkan sistem cerdas yang tidak hanya mengotomasi prosesesnya, tetapi juga mengoptimasi hasilnya. PSO adalah metode optimasi yang terbukti efektif digunakan untuk memecahkan masalah optimasi multidimensi dan multi-parameter dibandingkan dengan metode yang lain. Algoritme DPSO digunakan pada penelitian ini dikarenakan permasalahan yang diangkat merupakan permasalahan kombinatorial. Berbagai strategi juga digunakan dalam penggunaan DPSO ini seperti clustering komposisi data pada partikel, penggunaan metode transposisi dalam perubahan posisi partikel, penggunaan time-variant, strategi pengacakan posisi partikel, strategi perbaikan posisi partikel serta penggunaan multithreading. Diharapkan dapat memberikan hasil penjadwalan dan waktu eksekusi yang optimal. Dengan berbagai macam strategi yang digunakan, penelitian ini akan menggunakan pendekatan Hybrid Discrete Particle Swarm Optimization. Hasil pengujian menunjukkan kombinasi parameter yang menghasilkan fitness terbaik adalah: bloc_min=0.6, bloc_max=1, bglob_min=0.6, bglob_max=1, brand_min=0, brand_max=0.002, jumlah partikel 2 dan jumlah iterasi 50.000. Fitness yang dihasilkan adalah 248.515,76 dengan waktu eksekusi 1 jam 46 menit 14 detik dan 600 milidetik.
Penerapan Optimasi Susunan Bahan Makanan untuk Ibu Hamil Penderita Kurang Energi Kronis (KEK) Menggunakan Algoritme Evolution Strategies Priatmayanti, Firda; Cholissodin, Imam; Indriati, Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 9 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1146.061 KB)

Abstract

Kesehatan ibu saat kehamilan, tumbuh kembang, kelahiran, persiapan menyusui serta tumbuh kembang bayi dipengaruhi oleh penambahan zat gizi saat kehamilan. Penyebab Kurang Energi Kronis (KEK) pada ibu hamil adalah tidak tercukupi asupan energi dan protein. Risiko wanita hamil mengalami KEK apabila Lingkar Lengan Atas (LILA) yang dimiliki kurang dari 23,5cm. KEK pada ibu hamil dapat menyebabkan kematian secara tidak langsung dan pada anak dapat menyebabkan Berat Badan Lahir Rendah (BBLR) dan BBLR juga dapat mengakibatkan kematian, serta tumbuh kembang anak mengalami gangguan. Algoritme yang digunakan adalah Evolution Strategies dengan menggunakan tipe siklus . Representasi kromosom menggunakan representasi real-vector, rekombinasi menggunakan intermediate recombination dan mutasi menggunakan mekanisme self-adaption. Berdasarkan hasil pengujian, maka solusi terbaik berasal dari populasi sebesar 100 dengan nilai rata-rata fitness sebesar 20,34, jumlah offspring sebesar 30 dengan rata-rata nilai fitness sebesar 18,53, jumlah generasi sebesar 100 dengan rata-rata nilai fitness sebesar 19,35. Solusi yang diberikan berupa susunan bahan makanan sesuai kebutuhan gizi ibu hamil KEK selama 7 hari dengan rata-rata kebutuhan gizi yang tercukupi sebesar 78,5% dan rata-rata menghemat biaya 35,81%.
PREDIKSI PENERIMAAN BEA CUKAI MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION (STUDI KASUS DI KPPBC TIPE MADYA PABEAN C JEMBER) Wirahmi, Dinda Adilfi; Cholissodin, Imam; Indriati, Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 11 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (632.85 KB)

Abstract

Instansi yang bergerak di bidang bea cukai memiliki tugas menghimpun penerimaan negara dalam sektor bea dan cukai. Penerimaan tersebut memegang peranan penting dalam mendukung pembangunan infrastruktur. Untuk mengontrol penerimaan, dibutuhkan prediksi sebagai syarat untuk melakukan perencanaan pembiayaan Anggaran Pendapatan dan Belanja Negara (APBN) yang baik. Prediksi digunakan sebagai tindakan untuk optimalisasi dan pengontrolan penerimaan. Namun, prediksi sulit dilakukan karena penerimaan tersebut juga mendapat pengaruh dari faktor eksternal yang sulit diprediksi. Untuk mengatasi masalah tersebut, diperlukan suatu pendekatan yang logis dan dapat dipertanggungjawabkan untuk memprediksi penerimaan. Metode prediksi yang digunakan adalah Support Vector Regression (SVR). Algoritme ini memiliki kinerja kuat dalam melakukan identifikasi terhadap pola dataset time series dan dapat memberikan hasil prediksi yang baik apabila penentuan parameter secara baik karena kinerjanya sangat bergantung pada parameter di dalamnya. Implementasi SVR pada penelitian ini menggunakan kernel RBF dengan nilai variasi parameter yaitu sigma = 0.13, lambda = 3.29 , cLR = 0.02, epsilon = 0.00001 dan C = 10, iterasi = 15000 serta menggunaan 4 fitur data menghasilkan MAPE terbaik <20% sehingga dapat dikategorikan bahwa SVR akurat dalam melakukan prediksi penerimaan bea cukai.
Optimasi Komposisi Pakan Burung Lovebird Menggunakan Algoritme Particle Swarm Optimization (PSO) Pratama, Mauldy Putra; Cholissodin, Imam; Natsir, Muhammad Halim
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 1 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (380.413 KB)

Abstract

Burung lovebird merupakan salah satu jenis burung yang banyak orang pelihara atau memperlombakannya. Burung ini membutuhkan asupan nutrisi yang cukup untuk keberlangsungan hidupnya. Banyak burung yang kelebihan dan kekurangan nutrisi dalam kenyataannya. Penelitian ini akan membahas bagaimana mengoptimasi komposisi pakan burung lovebird dan meminimalkan biaya tanpa mengurangi kebutuhan nutrisi. Metode optimasi, Particle Swarm Optimization (PSO) diterapkan pada proses formulasi dan komposisi pakan burung lovebird agar tetap memenuhi kebutuhan nutrisi dengan biaya yang minimal. Proses algoritme PSO dimulai dengan proses inisialisasi awal untuk nilai posisi, kecepatan dan pBest sebanyak jumlah partikel yang ditentukan serta gBest. Kemudian dilanjutkan ke tahap update kecepatan, posisi, pBest dan gBest sebanyak iterasi yang sudah ditentukan. Berdasarkan hasil pengujian yang telah dilakukan pada penelitian ini, diperoleh parameter optimal antara lain jumlah partikel sebanyak 60, jumlah iterasi sebanyak 600 dan nilai koefisien k sebesar 0,3. Dengan menggunakan parameter tersebut, selisih harga yang didapatkan adalah Rp 5.540,00.
Prediksi Jumlah Permintaan Semen Menggunakan Jaringan Syaraf Tiruan Backpropagation Pawoko, Mahendro Agni Giri; Cholissodin, Imam; Dewi, Ratih Kartika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 1 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (432.463 KB)

Abstract

Semen merupakan bahan yang penting pada proses pembangunan. Produksi semen di Indonesia terbilang cukup tinggi jika dibandingkan dengan jumlah konsumsinya. Kondisi ini mengakibatkan oversupply, yaitu kondisi dimana jumlah produksi lebih besar dari jumlah konsumsinya. Hal ini mengakibatkan turunnya harga semen dan penuhnya gudang penyimpanan oleh semen yang belum laku terjual. Hal ini membuat Asosiasi Semen Indonesia (ASI) mengeluarkan regulasinya untuk penghentian sementara produksi semen. Penelitian ini bertujuan untuk melakukan prediksi jumlah permintaan semen pada waktu berikutnya agar regulasi dapat dikeluarkan lebih cepat sehingga pabrik dapat menyesuaikan kapasitas produksinya tanpa harus menghentikan produksi. Banyak metode yang dapat digunakan untuk melakukan prediksi, salah satunya adalah Jaringan Syaraf Tiruan Backpropagation yang terbukti dapat memberikan hasil yang baik dalam melakukan prediksi, seperti prediksi jumlah permintaan semen dan produksi gula. Penelitian ini menggunakan Jaringan Syaraf Tiruan Backpropagation dengan arsitektur jaringan berupa 6 neuron input, 4 neuron hidden dan 1 neuron output. Parameter terbaik yang digunakan berupa learning rate sebesar 0,8, iterasi maksimum sebesar 200 dan interval bobot awal antara -1,4 sampai dengan 1,4. Nilai MSE prediksi terbaik yang didapat adalah sebesar 0,049064.
Implementasi Algoritme Extreme Learning Machine (ELM) Untuk Klasifikasi Penanganan Human Papilloma Virus (HPV) Waskito, Stefanus Bayu; Cholissodin, Imam; Santoso, Edy
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 1 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (469.256 KB)

Abstract

Human Papilloma Virus merupakan virus yaxng umumnya menyebabkan kutil dan mata ikan. Human Papilloma Virus memiliki metode penanganan yang cukup banyak namun penanganan dengan menggunakan Imunnotherapy dan Cryotherapy. Didasarkan dari banyaknya metode penanganan Human Papilloma Virus makan dilakukan penelitian guna mengklasifikasikan metode penanganan Human Papilloma Virus yang paling tepat berdasarkan parameter gejala yang ada. Pada penelitian  dengan menggunakan metode Extreme Learning Machine untuk klasifikasi metode penanganan Human Papilloma Virus dilakukan pengujian untuk mengetahuui pengaruh fungsi aktivasi , jumlah hidden neuron dan rasio data terhadap akurasi dari hasil klasifikas. Selain itu juga dilakukan pengujian terhadap pengaruh jumlah hidden neuron terhadap lama waktu proses klasifikasi. Berdasarkan dari hasil pengujian yang dilakukan, akurasi yang didapatkan sistem dalam klasifikasi metode penanganan Human Papilloma Virus memiliki akurasi yang baik dengan akurasi sebesar 70,8% dengan menggunakan fungsi aktivasi Sigmoid Biner, rasio data latih uji 80:20 dan hidden neuron 10 buah. Selain itu waktu yang diperlukan untuk melakukan klasifikasi berdasarkan parameter terbaik memiliki waktu yang cukup cepat dengan waktu selama 0,043 detik.
Co-Authors ., Maryamah A. N., Aditya Yudha Achmad Jafar Al Kadafi, Achmad Jafar Adi Sukarno Rachman, Adi Sukarno Agasta, Ema Agnes Rossi Trisna Lestari, Agnes Rossi Agus Wahyu Widodo, Agus Wahyu Agustin, Vivilia Putri Ahmad Afif Supianto Al Azis, Ghulam Mahmudi Anandita Azharunisa Sasmito, Anandita Azharunisa Anang Hanafi, Anang Andika Eka Putra Anggraini, Sofi Hidyah Ardiansyah Setiajati, Ardiansyah Ardina, Shelly Puspa Ardisa Tamara Putri, Ardisa Tamara Arief Andy Soebroto Arina Indana Fahma, Arina Indana Arinda Hapsari Achnas, Arinda Hapsari Ariwanda, Galih Arniantya, Raissa Asikin, Moh. Fadel Askin, Mohammad Angga Prasetya Asri, Novirra Dwi Assayyis, Moh. Ibnu Azhari, M. Khusnul Azizy, Shibron Arby Bachtiar, Fitra Abdurrachman Bachtiar, Fitra Abdurrachman Bayu Rahayudi Brigitta Ayu Kusuma Wardhany, Brigitta Ayu Kusuma Budi Darma Setiawan, Budi Darma Budi Santoso Caesar, Canny Amerilyse Candra Dewi Caturrahmanto, Aldino Daisy Kurniawaty, Daisy Daneswara Jauhari, Daneswara Dellia Airyn, Dellia Denny Irfan Darmawan, Denny Irfan Dewi, Dyah Ayu Wahyuning Dharmawan, Muhammad Robby Dian Eka Ratnawati Difitria, Rien Dinda Novitasari, Dinda Dyan Putri Mahardika, Dyan Putri Edy Santoso Efi Riyandani, Efi Elisa Julie Irianti Siahaan, Elisa Julie Irianti Eriq Muh. Adams Jonemaro, Eriq Muh. Adams Eugenius Yosep Korsan N, Eugenius Yosep Evi Nur Azizah, Evi Nur Fachrony, Alif Faizatul Amalia, Faizatul Fathurrachman, Ficry Agam Fatwa, Rosintan Fauzi, Handika Agus Fauziyah, Aprilia Nur Febiola, Yessica Inggir Fitri Utaminingrum, Fitri Fitriawanti, Restu Gunawan, Fendra Gunawan, Priscillia Vinda Guruh Adi Purnomo, Guruh Adi H, Luqman Hakim Hantari, Sari Narulita Hardiko, Yudo Juni Hayat, Bahruddin El Heru Nurwarsito Hidayah, Uke Rahma Hidayatullah, Muhammad Maulana Solihin Himawat Aryadita, Himawat Husada, Holiyanda Husin Muhamad, Husin I Gusti Ayu Putri Diani, I Gusti Ayu Putri Ichwanda Hamdhani, Ichwanda Idham Triatmaja, Idham Ika Oktaviandita, Ika Indriati Indriati Irawan, Fathony Teguh Irbakanisa, Nabila Lubna Irma Lailatul Khoiriyah, Irma Lailatul Istiana Rachmi, Istiana Istiqhfarani, Windy Adira Jayanti, Heny Dwi Jupiyandi, Sisco Kafa, Muhammad Hasbi Wa Karimah, Sayyidah Kartikasari, Oktavianis Khairiyyah Nur Aisyah, Khairiyyah Nur Kurnianingtyas, Diva Kurnianto, Ega Ajie Kusumadewi, Vergy Ayu Lailil Muflikhah Larasati, Shinta Anggun Latifah Hanum Lazuardy, Muhammad Aghni Nur Leni Istikomah, Leni Listiya Surtiningsih, Listiya Luqyana, Wanda Athira Luqyana, Wanda Athira M Gilvy Langgawan Putra, M Gilvy Langgawan M. Ali Fauzi, M. Ali M. Tanzil Furqon, M. Tanzil Ma'rufi, Muhammad Rizal Maria Tenika Frestantiya, Maria Tenika Marji Marji Maulana Putra Pambudi, Maulana Putra Mayangsari, Lintang Resita Ma’rufi, Muhammad Rizal Mehaninda, Danastri Ramya Mochammad Ali Fauzi, Mochammad Ali Muhammad Fahmi Hidayatullah, Muhammad Fahmi Muhammad Fhadli, Muhammad Muhammad Fuad Efendi, Muhammad Fuad Muhammad Halim Natsir MUHAMMAD SYAFIQ Muhammad Tanzil Furqon, Muhammad Tanzil Muhammad Taufan Mukh. Mart Hans Luber, Mukh. Mart Hans Multazam, Salsabila Munthe, Brendy Oscar Nabilla Putri Sakinah, Nabilla Putri Nadia Natasa Tresia Sitorus, Nadia Natasa Tresia NADZIR, MUHAMMAD Najib, Mochammad Ainun Nanda Agung Putra, Nanda Agung Nisa, Ana Holifatun Nugroho, Fikhi Nur Firra Hasjidla, Nur Firra Nurdiansyah, Vivin Vidia Nurul Hidayat Paripih, Bayu Andika Pawoko, Mahendro Agni Giri Prabowo, Dhimas Anjar Pramana, Firadi Surya Prasetyo, Andriko Hedi Prasojo, Cahyo Adi Pratama, Andhica Pratama, Mauldy Putra Pratiwi, Radita Noer Prayogi, Tony Faqih Priatmayanti, Firda Pudyakinarya, Gregorius Dhanasatya Purwandari, Kartika Puteri, Rinindya Nurtiara Putra Pandu Adikara Putra, Rayhan Tsani R, Bariq Najmi Rahardian, Brillian Aristyo Randy Cahya Wihandika, Randy Cahya Ratih Kartika Dewi Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Rina Christanti, Rina Riyanda, Febriyani Rizal Setya Perdana Rizaldi, Hilmi Ilyas Rizaldy Aditya Nugraha, Rizaldy Aditya Robbana, Siti Rofi'ah, Anim Sabrina Nurfadilla, Sabrina Safitri, Annisaa Amalia Sandya Ratna Maruti, Sandya Ratna Saniputra, Fadhil Rizqullah Sari, Selly Kurnia Satria Habiburrahman Fathul Hakim, Satria Habiburrahman Fathul Satria, Arrofi Reza Satriani, Nining Nahdiah Seisarrina, Maulidya Larasaty Setyawan, Tobing Shafaat, Muhammad Sigit Adinugroho Silalahi, Obed Manuel Siregar, Daniel Agara Sugianto, Nur Afifah Sugianto, Nur Afifah Sugiarta, Komang Anggada Sunaryo, Aryeswara Suprapto Suprapto Sutrisno . Sutrisno sutrisno Tibyani Tibyani, Tibyani Toriq, Mohammad Tusiarti Handayani, Tusiarti Tusty Nadia Maghfira, Tusty Nadia Umi Rofiqoh, Umi Uswatun Hasanah Veronica Kristina Br Simamora, Veronica Kristina Br Waskito, Stefanus Bayu Wati, Laila Restu Setiya Wayan Firdaus Mahmudy Whenty Ariyanti, Whenty Wibowo, Ageng Winda Cahyaningrum, Winda Winda Estu Nurjanah, Winda Estu Wirahmi, Dinda Adilfi Wulandari, Ulfa Lina Yattaqillah, Azmi Makarima Yoga Pratama, Yoga Yuita Arum Sari Yuniarsa, M Fahrul Alam Yusuf Priyo Anggodo, Yusuf Priyo Zakiyyah, Rizka Husnun Ziya El Arief, Ziya El Zulianur Khaqiqiyah, Zulianur