Article Per Year (5 Year)
p-Index From 2021 - 2026
7.799
P-Index
This Author published in this journals
All Journal Jurnal Mahasiswa TEUB Jurnal EECCIS Research Journal of Life Science Syntax Literate: Jurnal Ilmiah Indonesia at-tamkin: Jurnal Pengabdian kepada Masyarakat Teknobiz : Jurnal Ilmiah Program Studi Magister Teknik Mesin Jurnal Ilmiah Kesehatan Nekton DECISION : Jurnal Ekonomi dan Bisnis Coastal and Marine Journal TEKAD : Teknik Mengabdi
Maulana, Eka
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 60 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 60 Documents
Search

 2   3   4   5   6 
RANCANG BANGUN SISTEM DETEKSI DINI GETARAN GEMPA BUMI DI DAERAH ZONA MERAH GEMPA DENGAN METODE MACHINE LEARNING Yuaniar, Yusuf; Maulana, Eka; Nurussa’adah, n/a
Jurnal Mahasiswa TEUB Vol. 14 No. 1 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Indonesia berada di jalur cincin api pasifik sehingga memiliki risiko gempa bumi yang tinggi,terutama di wilayah rawan gempa, sehingga diperlukan sistem peringatan dini yang cepat,akurat, dan mudah diakses. Penelitian ini merancang sistem deteksi dini getaran gempaberbasis Tiny Machine Learning (TinyML) untuk skala rumah tangga yang portabel, berbiayarendah, dan mampu bekerja secara real time tanpa ketergantungan pada server eksternal.Sistem menggunakan sensor akselerometer ADXL345 untuk merekam percepatan getarantiga sumbu (X, Y, Z) dan mikrokontroler ESP32 sebagai unit pemrosesan dan komunikasinirkabel. Data diproses secara on-device melalui normalisasi dan segmentasi sinyal denganwindowing 50 sampel, serta ekstraksi fitur amplitudo sebagai penguat karakteristik sinyal.Klasifikasi getaran seismik dan non-seismik dilakukan menggunakan model Tiny 1D-CNNberbasis TensorFlow Lite for Microcontrollers yang dilatih menggunakan MEMSAccelerometer Earthquake Dataset. Hasil pengujian menunjukkan akurasi tinggi, responscepat, serta tingkat kesalahan yang rendah, dengan peringatan aktif melalui buzzer dannotifikasi Blynk saat amplitudo ≥ 2,5 gal sesuai kriteria SIG-BMKG.Kata kunci: deteksi gempa bumi; Tiny 1D-CNN; ADXL345; ESP32; sistem peringatan dini.
Mini Electrostatic Precipitator System Model as a Smoke Particle Collector Nugraha, Komang Ari Candra; Maulana, Eka; Djuriatno, Waru
Jurnal Mahasiswa TEUB Vol. 14 No. 4 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Air pollution is one of the most pressing environmental issues today. The increase in industrial activities, transportation, and waste burning has significantly contributed to air pollution. This study aims to design and develop a Mini Electrostatic Precipitator (ESP) as a solution to capture smoke particles in the air. The research problems include the working principle of the device, its manufacturing process, and the resulting electric field strength and corona voltage. The study is limited to prototype development, measuring air quality from waste burning, and focusing on the manufacturing and operational aspects of the device. The ESP operates using the principle of high-voltage direct current and two types of electrodes to capture charged particles. The results indicate that the mini ESP can reduce smoke particles in the air, providing a practical solution to address air pollution in household environments and small industries. Keywords: Air Pollution, Electrostatic Precipitator, High Voltage, Smoke Particles 
DESAIN DAN IMPLEMENTASI KONTROL OPTIMAL LINEAR QUADRATIC REGULATOR (LQR) PADA TWO WHEELED SELF BALANCING ROBOT (TWSBR) BERBASIS ESP32 Alfendito, Ariza Fatah; Nusantoro, Goegoes Dwi; Maulana, Eka
Jurnal Mahasiswa TEUB Vol. 14 No. 4 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Two Wheeled Self Balancing Robot (TWSBR) adalah sistem wheeled inverted pendulum yang bersifat nonlinier dan tidak stabil secara alami. Penelitian ini menyajikan desain dan implementasi pengendali Linear Quadratic Regulator (LQR) pada TWSBR berbasis ESP32. Model state-space dibangun dari persamaan Euler-Lagrange dengan parameter fisik aktual robot. Pembobot LQR ditentukan menggunakan Bryson's Rule dan dioptimalkan melalui sweeping parameter empat skenario simulasi MATLAB. Skenario terpilih menghasilkan settling time ts = 0,581 s dan overshoot Mp = 19,92%. Analisis sensitivitas membuktikan desain robust dengan perubahan ts ≤ 15,3% pada variasi faktor ×2,0. Gain final K = [−13,9306 −51,1488 −43,5040 −5,0316] diperoleh melalui empat iterasi penyesuaian pada sistem fisik. Implementasi pada ESP32 berjalan pada 200 Hz dengan modifikasi skala dinamis, skala adaptif kecepatan sudut, zona mati kendali, logika perlindungan arah, dan kompensasi RPM antar-motor. Robot terbukti mempertahankan keseimbangan secara kontinu dan pulih dari gangguan dorongan ringan. Kata Kunci— Linear Quadratic Regulator; Two Wheeled Self Balancing Robot; ESP32; State-Space; Bryson's Rule; Inverted Pendulum. 
Analisis Komparatif Metode CLAHE dan Gamma Correction pada Klasifikasi Toksoplasmosis Okular Menggunakan CNN VGG16 Pribadi, Naufal Ramadhino; Maulana, Eka
Jurnal Mahasiswa TEUB Vol. 14 No. 4 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Toksoplasmosis okular merupakan infeksi retina yang disebabkan oleh parasit Toxoplasma gondii dan berpotensi menyebabkan kebutaan permanen. Deteksi menggunakan metode ophthalmoscopy konvensional sangat bergantung pada keahlian dokter spesialis mata dan menghasilkan citra retina dengan kualitas rendah akibat kontras yang tidak merata, underexposure, maupun overexposure. Penelitian ini bertujuan menganalisis dan membandingkan performa metode pra-pemrosesan Contrast Limited Adaptive Histogram Equalization (CLAHE) dan gamma correction dalam meningkatkan kualitas citra retina untuk klasifikasi toksoplasmosis okular menggunakan CNN arsitektur VGG16. Dataset yang digunakan sebanyak 411 citra fundus retina dengan pembagian 80% training, 10% validation, dan 10% testing. CLAHE diuji dengan dua variasi parameter (clip limit = 2 dengan tile grid size = 8×8 dan clip limit = 3 dengan tile grid size = 16×16), sedangkan gamma correction diuji dengan dua variasi nilai ? (0,8 dan 1,5). Hasil toksoplasmosis cukup tinggi, mencapai 26,8% pada pasien HIV/AIDS di Jakarta [4] dan 58,5% di Sulawesi Utara [5]. Kasus toksoplasmosis okular sering tidak menunjukkan gejala spesifik sehingga terlambat terdiagnosis, meningkatkan risiko kebutaan permanen. Metode deteksi ophthalmoscopy konvensional memiliki menggunakan keterbatasan berupa ketergantungan pada keahlian dokter spesialis mata serta menghasilkan citra retina dengan kontras rendah dan kondisi underexposure atau overexposure [6]. Pemanfaatan teknologi Artificial Intelligence (AI) berbasis computer vision menawarkan solusi potensial, penerapan model deep learning mampu mencapai akurasi hingga 98,7% untuk mengklasifikasi kelainan retina mata [7]. pengujian menunjukkan bahwa kedua variasi parameter CLAHE menghasilkan performa identik dengan akurasi 92,68%, presisi 93,1%, sensitivitas 96,43%, dan F1-Score 94,74%. Nilai variasi gamma correction tertinggi (? = 1,5) menghasilkan akurasi 90,24%, presisi 92,86%, sensitivitas 92,86%, dan F1-Score 92,86%. Perbandingan antara kedua metode menunjukkan bahwa CLAHE dengan clip limit = 3 dan tile grid size = 16×16 menghasilkan performa lebih tinggi pada seluruh metrik evaluasi dibandingkan gamma correction (? = 1,5). Model CLAHE tersebut mampu diimplementasikan pada Ocular Toxoplasmosis Detection Device dengan akurasi 82,94%, presisi 83,87%, sensitivitas 92,86%, dan F1-Score 88,14%. Kata Kunci— Ocular Toxoplasmosis, CLAHE, Gamma Correction, CNN VGG16. 
RANCANG BANGUN SISTEM COUNTER MOBIL BERBASIS INTERNET OF THINGS DENGAN INTEGRASI ALGORITMA YOLOv8 DI SURYA SATRIA CARWASH Utomo, Nathaniel Brilliant; Maulana, Eka; Abidin, Zainul
Jurnal Mahasiswa TEUB Vol. 14 No. 4 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem counter mobil berbasis Internet of Things (IoT) dengan integrasi algoritma YOLOv8 pada lingkungan pencucian kendaraan. Sistem ini memanfaatkan kombinasi sensor mekanik ME-8108M, sensor ultrasonik AJ-SR04M, kamera IP, serta mikrokontroler ESP32 untuk mendeteksi, mengklasifikasikan, dan menghitung jumlah kendaraan yang masuk secara otomatis. Data hasil deteksi kemudian disimpan pada Google Spreadsheet dan ditampilkan secara real-time melalui aplikasi berbasis Kodular. Metode yang digunakan meliputi pengujian sensor, pengujian algoritma YOLOv8, serta pengujian sistem monitoring. Hasil pengujian menunjukkan bahwa sensor ME-8108M mampu mendeteksi keberadaan kendaraan dengan baik, sedangkan sensor AJ-SR04M mampu mengklasifikasikan jenis kendaraan berdasarkan tinggi dengan tingkat akurasi yang cukup baik meskipun terdapat beberapa kesalahan akibat faktor modifikasi kendaraan. Selain itu, algoritma YOLOv8 menunjukkan tingkat akurasi yang tinggi dengan nilai confidence di atas ambang batas yang ditentukan, sehingga seluruh deteksi dinyatakan valid. Sistem monitoring juga berhasil menampilkan data kendaraan secara real-time dengan tingkat kesesuaian yang tinggi antara data pada aplikasi dan database. Secara keseluruhan, sistem yang dikembangkan mampu melakukan proses deteksi, pengolahan, penyimpanan, dan monitoring data kendaraan dengan baik serta dapat meningkatkan efisiensi dalam pencatatan jumlah kendaraan pada counter pencucian. Kata Kunci—Internet of Things, YOLOv8, deteksi kendaraan, sensor ultrasonik, sistem monitoring.
Rancang Bangun Sistem Akuisisi Citra Near-Infrared Light Transillumination (NILT) untuk Pemeriksaan Karies Sekunder Berbasis YOLO dan Clinical Decision Support System (CDSS) Nurhaliza, Siti; Maulana, Eka
Jurnal Mahasiswa TEUB Vol. 14 No. 6 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Karies sekunder sulit dideteksi secara dini melalui metode visual-taktil, sementara radiografi konvensional memiliki risiko paparan berbahaya bagi pasien dan tenaga medis. Metode NILT terbukti lebih efektif sebagai alternatif pemeriksaan, tetapi interpretasi citranya masih memerlukan keahlian klinis tinggi, mendorong pemanfaatan deep learning sebagai pendekatan otomatis yang objektif. Integrasi hasil deteksi ke dalam CDSS berbasis LLM dengan pendekatan RAG selanjutnya diperlukan agar temuan dapat diterjemahkan menjadi rekomendasi klinis yang actionable sekaligus memitigasi risiko halusinasi. Penelitian ini mengembangkan CDSS berbasis NILT yang mengintegrasikan hardware akuisisi citra custom, YOLO instance segmentation dengan preprocessing CLAHE, dan pipeline RAG berbasis Gemma3:12B untuk pembuatan laporan klinis otomatis. Dari empat varian model yang dilatih pada 555 citra NILT, YOLOv8s memberikan performa terbaik (Precision 0,907; Recall 0,857; mAP50 0,907; mAP5095 0,655), dengan evaluasi RAG menghasilkan RAGAS Faithfulness 5,00 dan Answer Relevancy 4,75, G-Eval seluruh dimensi ≥4,20, serta human-centered evaluation 3,60–4,40 (dokter gigi) dan 4,50–4,75 (pasien awam), mengonfirmasi sistem sebagai proof-of-concept CDSS berbasis NILT yang efektif untuk deteksi karies sekunder tanpa risiko paparan radiasi. Kata Kunci—karies sekunder, NILT, YOLO, RAG, CDSS 
ANALISIS PENGARUH KOMPLEKSITAS ARSITEKTUR MODEL NEURAL NETWORK TERHADAP WAKTU INFERENSI, PENGGUNAAN MEMORI, DAN AKURASI IMPLEMENTASI ESP32S3 PADA KLASIFIKASI REAL-TIME Mahendra, Hafizh Rizky; Maulana, Eka
Jurnal Mahasiswa TEUB Vol. 14 No. 6 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Perkembangan Tiny Machine Learning (TinyML) memungkinkan implementasi model machine learning pada perangkat embedded dengan sumber daya yang terbatas. Namun, peningkatan kompleksitas model dapat memengaruhi kebutuhan memori, kapasitas penyimpanan, dan waktu inferensi sehingga diperlukan analisis untuk menentukan konfigurasi model yang sesuai pada implementasi klasifikasi real-time. Penelitian ini bertujuan untuk menganalisis pengaruh kompleksitas arsitektur model terhadap waktu inferensi, penggunaan memori, dan akurasi implementasi pada mikrokontroler ESP32-S3. Data penelitian diperoleh menggunakan sensor MPU6050 dengan empat kelas gerakan, yaitu diam, ayunan, getaran, dan gerakan acak. Tiga arsitektur model digunakan, yaitu Dense Neural Network (DNN), 1D Convolutional Neural Network (1D CNN), dan Lightweight Convolutional Neural Network (LWCNN), dengan empat variasi kompleksitas pada masing-masing arsitektur. Model yang telah dilatih dikonversi ke format TensorFlow Lite dan diimplementasikan pada ESP32-S3 untuk mengukur kebutuhan flash memory, memori runtime, waktu inferensi, dan akurasi implementasi. Hasil pengujian menunjukkan bahwa waktu inferensi tercepat diperoleh oleh model LWCNN_8 sebesar 2,849 ms, sedangkan waktu inferensi terlama diperoleh oleh model 1D CNN_64 sebesar 30,367 ms. Kebutuhan flash memory berkisar antara 332,22 KB pada model 1D CNN_8 hingga 610,08 KB pada model DNN_256. Kebutuhan memori runtime terendah sebesar 3,30 KB diperoleh oleh seluruh model DNN, sedangkan kebutuhan tertinggi sebesar 26,26 KB diperoleh oleh model LWCNN_64. Model DNN_256 menghasilkan akurasi inferensi dalam orde milidetik sehingga berpotensi untuk diimplementasikan pada aplikasi klasifikasi real-time berbasis ESP32-S3 yang memiliki kebutuhan temporal yang sesuai. Kata Kunci—TinyML, ESP32-S3, TensorFlow Lite Micro, DNN, 1D CNN, Lightweight CNN, waktu inferensi, sistem real-time. 
Sistem Penyimpanan Hasil Data Filtrasi Elektrostatik Precipitator Menggunakan Thingspeak Mangkunegara, Muhammad Fauzan Azis; Maulana, Eka; Razak, Angger Abdul
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Pengelolaan sampah, khususnya melalui insinerasi, seringkali menimbulkan masalah emisi berbahaya seperti Karbon Monoksida (CO) dan Karbon Dioksida (CO₂) yang mengancam kesehatan dan lingkungan. Meskipun teknologi Precipitator Elektrostatik (ESP) efektif untuk menyaring partikel, verifikasi kinerjanya secara real-time dan berbasis data sering terabaikan. Penelitian ini mengembangkan sebuah prototipe sistem yang mengintegrasikan teknologi Electrostatic Precipitator (ESP) dengan platform Internet of Things (IoT), yaitu ThingSpeak, untuk memantau dan mengelola emisi pembakaran sampah secara real-time. Sistem ini dirancang menggunakan mikrokontroler ESP32, sensor MQ-7 (CO), MQ-135 (CO₂), dan DHT-11 (suhu dan kelembaban), yang terhubung ke sebuah unit ESP dan insinerator prototipe. Data dari sensor dikirimkan secara real-time ke ThingSpeak untuk diverifikasi kinerja filtrasi. Hasil pengujian menunjukkan kinerja yang sangat efektif, dengan tingkat penurunan emisi mencapai 97,43% untuk Karbon Monoksida (CO) dan 91,12% untuk Karbon Dioksida (CO₂). Sistem monitoring berbasis IoT terbukti andal dalam mengumpulkan dan menyimpan data, memberikan bukti kuantitatif tentang efektivitas ESP. Sistem penyimpanan data berbasis WiFi juga terbukti andal dalam mengirimkan dan mencatat data secara berkelanjutan. Temuan ini menunjukkan bahwa prototipe yang dikembangkan merupakan solusi yang efektif dan terjangkau untuk pengelolaan emisi di Tempat Pembuangan Sampah (TPS), serta meletakkan dasar bagi pengembangan sistem pengelolaan lingkungan yang lebih cerdas dan berkelanjutan di masa depan. Kata Kunci: Precipitator Elektrostatik, Internet of Things (IoT), Pengelolaan Sampah, Pemantauan Emisi, Thingspeak, ESP32. 
RANCANG BANGUN TEMPAT SAMPAH DENGAN SISTEM PEMILAHAN OTOMATIS TERINTEGRASI BANK SAMPAH BERBASIS INTERNET OF THINGS Faza, Nafis; Maulana, Eka; Setyawati, Onny
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Penelitian ini membahas perancangan dan implementasi tempat sampah otomatis terintegrasi bank sampah berbasis Internet of Things (IoT) yang mampu memilah jenis sampah dan mengukur berat sampah yang dikonversi menjadi nilai rupiah.  Sistem ini menggunakan sensor HC-SR04, sensor proximity kapasitif, dan sensor berat yang diintegrasikan dengan mikrokontroler ESP32.  Data dikirimkan secara real-time ke aplikasi melalui Firebase.  Hasil pengujian menunjukkan bahwa sistem mampu melakukan pemilahan sampah secara otomatis, mengkonversinya menjadi nilai rupiah, serta menampilkan data dan memperbarui saldo pengguna secara real-time pada aplikasi. Dengan demikian, sistem yang dikembangkan berpotensi mendukung peningkatan efektivitas pengelolaan sampah di lingkungan masyarakat.  Kata kunci – Bank sampah, Internet of Things, ESP32, sensor proximity kapasitif, sensor berat 
Analisis Performa Arsitektur CNN VGG16 dan VGG19 dengan Metode Pra-Pemrosesan CLAHE dalam Identifikasi Toksoplasmosis Okular Maulana , Aryo Nabil; Maulana, Eka
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Toksoplasmosis okular merupakan infeksi retina yang disebabkan oleh parasit Toxoplasma gondii dan berpotensi menyebabkan kebutaan permanen. Deteksi menggunakan metode ophthalmoscopy konvensional sangat bergantung pada keahlian dokter spesialis mata dan rentan terhadap subjektivitas interpretasi. Penelitian ini bertujuan menganalisis dan membandingkan performa arsitektur Convolutional Neural Network (CNN) VGG16 dan VGG19, masing-masing dalam skenario standar dan termodifikasi, untuk klasifikasi toksoplasmosis okular pada citra fundus retina. Dataset yang digunakan berjumlah 411 citra dengan pembagian 70% training, 15% validation, dan 15% testing. Ketidakseimbangan kelas pada data pelatihan ditangani melalui augmentasi selektif pada kelas minoritas (Healthy), meningkatkan jumlahnya dari 92 menjadi 195 citra. Prapemrosesan Contrast Limited Adaptive Histogram Equalization (CLAHE) dengan clip limit 2,0 dan tile grid size 8×8 diterapkan secara independen pada seluruh subset data. Hasil pengujian menunjukkan VGG16 Termodifikasi meningkatkan akurasi dibandingkan VGG16 Standar dari 87,10% menjadi 88,71%, sedangkan VGG19 Termodifikasi meningkatkan akurasi secara signifikan dibandingkan VGG19 Standar dari 80,65% menjadi 91,94%. Perbandingan kedua arsitektur pada skenario termodifikasi menunjukkan VGG19 Termodifikasi menghasilkan performa tertinggi dengan akurasi 91,94%, presisi 91,11%, sensitivitas 97,62%, dan F1-Score 94,25%, unggul dibandingkan VGG16 Termodifikasi pada seluruh metrik evaluasi kecuali sensitivitas yang setara. Model VGG19 Termodifikasi selanjutnya diimplementasikan pada Ocular Toxoplasmosis Detection Device, menghasilkan akurasi 88,71%, presisi 97,30%, sensitivitas 85,71%, dan F1-Score 91,14%. Kata Kunci— Ocular Toxoplasmosis, CLAHE, CNN VGG16, CNN VGG19 
Co-Authors Abidin, Revalina Nathasya Amelia Abrar, Fachri Ade Ruhama, Ade Adharul Muttaqin Adibrata, Sudirman Adriyansyah, Nico Akbar, Arham Hafidh Alamanda, Muthi’ah Alamsyah, Yahya Aldia, Dia Aldy, Farouq Akbar Alfendito, Ariza Fatah Alqodri, Muhammad Faris Angelia, Fera Angger Abdul Razak Animah Animah Aruan, Viery Sanjaya Asmungi, Gaguk Baehaqi Cakramedia, Muhammad Rizki Citra Ayu, Citra Dedi Dedi Dika, Johan Wayan Djadmiko, Eddy Efendi, Muhammad Ichsan Erni Yudaningtyas Evitulistiono, Rizki Fathonni, Mochammad Cyrilla FATRA NONGGALA PUTRA Faturrahman, Vieri Faza, Nafis Febriana Febriana, Febriana Febrianto Febrianto, Febrianto Ferizal, Jemi Fidya, Shadeka Putratama Firdhaus, Taufan Fuad Fuad Goegoes Dwi Nusantoro Gunawan, Robi Hadi Suyono Hafizah, Adisti Harahap, Lukman Hariawan, Bramantia Rayhan Herry Santosa Ichsan, M. Ibrahim Indradi Wijatmiko Ismu Rini Dwi Ari Khairullah, Naufal Raihan Khalid, Muhamad Komarullah, Umam Linoval , M. Dilan M. Yogi Riyantama Isjoni Mahendra, Hafizh Rizky Mangkunegara, Muhammad Fauzan Azis Marbun, David Yoel Maulana , Aryo Nabil Mimit Primyastanto Moch. Agus Choiron Moch. Dhofir Mohammad, Akmal Rozan Muchamad Ali Safaat Mudjirahardjo, Panca Muftiadi, M. Rizza Muhammad Aswin Muhammad Aziz Muslim MUHAMMAD MAHATIR Muhammad, Fadhil Muslimin, Nurhaliza Nabawi, Naufal Noviyanto, Tri Nugraha, Komang Ari Candra Nur Hidayah Nursiwan Nurussa'adah, Nurussa'adah Nurussa’adah, n/a Onny Setyawati Pangestu, Mochammad Kelvin Yudha Prakasa, Mochamad Andhika Pranowo, Doddy Prastyo, Andri Dwi Pratama, Aditya Risky Pratama, Aqil Gilang Pratomo, Setyo Fajar Prawoto Pribadi, Naufal Ramadhino Pusada, Era Enggal Artis Putri, Aisha Ananda Putri, Dinda Dwi Laksono Rafi, Zaidan Muhammad Raharjo, Bambang Rahmadwati, n/a Raihan, Najmi Adiel Robiansyah, Muhammad Romadona, Iqbal Sandri, Sandri Sanusi, Muhammad Anwar Sapriyadi, Sapriyadi Saputra, Andhika Rahmat Sari, Wahida Kartika Sigit Kusmaryanto, Sigit Simatupang, Sain Gimel Filbert Siswojo, Bambang Siti Nurhaliza Sofyan Sofyan Surpiyadi, Supriyadi Tricia, Sarina Triwinanto, Puguh Utomo, Nathaniel Brilliant Valeri, Rayhan Azhar Wahyu Adi Waru Djuriatno Wicaksono, Ferdiansyah Wildan, Muhammad Adyan Winanda, Aryan Yuaniar, Yusuf Yulistianto, Arief Zahro, Septia Zaidatudz Zainul Abidin Zarkasih, Muhamad Asyir