Article Per Year (5 Year)
p-Index From 2021 - 2026
13.956
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Techno.Com: Jurnal Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) JOIV : International Journal on Informatics Visualization International Journal of Artificial Intelligence Research Jurnal Sisfokom (Sistem Informasi dan Komputer) Jurnal Sains dan Teknologi: Jurnal Keilmuan dan Aplikasi Teknologi Industri JURNAL PENDIDIKAN TAMBUSAI Jurnal Ilmiah Media Sisfo JOURNAL OF SCIENCE AND SOCIAL RESEARCH JOISIE (Journal Of Information Systems And Informatics Engineering) INTI Nusa Mandiri Jurnal Ekonomi Manajemen Sistem Informasi Jurnal Teknologi Dan Sistem Informasi Bisnis JATI (Jurnal Mahasiswa Teknik Informatika) Indonesian Journal of Electrical Engineering and Computer Science Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Pendidikan Guru (JPG) Journal of Applied Data Sciences Bulletin of Computer Science Research JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Ipteks Terapan : research of applied science and education Journal of Education Research Algoritme Jurnal Mahasiswa Teknik Informatika Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Hasi Penelitian Dan Pengkajian Ilmiah Eksakta - JPPIE Jurnal Ekonomika Dan Bisnis Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Sains dan Teknologi Jurnal Komtekinfo Indonesian Journal Computer Science (ijcs) Intellect : Indonesian Journal of Learning and Technological Innovation SATIN - Sains dan Teknologi Informasi Jurnal Quancom: Jurnal Quantum Komputer Journal of Information System and Education Development Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) The Indonesian Journal of Computer Science CSRID
Ramadhanu, Agung -
Universitas Putra Indonesia “YPTK” Padang
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 132 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 132 Documents
Search

 2   3   4   5   6 
Evaluasi Kualitas dan Kematangan Mangga Menggunakan Analisis Citra Digital dengan Euclidean Distance Fokus pada Buah Hijau dan Kuning Agus Salim, David; Betriana Roza, Yesi; Ramadhanu , Agung
Indonesian Journal Computer Science Vol. 3 No. 2 (2024): Oktober 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcs.v3i2.5599

Abstract

Penelitian ini bertujuan untuk mengevaluasi kualitas dan kematangan buah mangga melalui analisis citra digital. Kualitas dan kematangan buah mangga sangat mempengaruhi rasa, tekstur, dan keberlanjutan dalam industri pertanian dan pengolahan makanan. Metode tradisional penilaian yang melibatkan pengamatan warna, tekstur, dan aroma sering kali bersifat subjektif dan sulit diukur secara konsisten. Oleh karena itu, penelitian ini memanfaatkan teknologi pemrosesan gambar berbasis MATLAB untuk memberikan pendekatan objektif dalam penilaian kematangan buah. Fokus penelitian ini adalah pada dua tahap warna mangga yang umum, yaitu hijau (belum matang) dan kuning (matang). Melalui analisis citra digital, algoritma pemrosesan gambar digunakan untuk mendeteksi perubahan warna yang berkaitan dengan kematangan serta mengidentifikasi cacat atau kerusakan fisik pada buah. Hasil penelitian menunjukkan bahwa analisis citra digital efektif dalam membedakan antara mangga matang dan hijau, dengan tingkat akurasi klasifikasi yang tinggi. Temuan ini mendukung pengembangan sistem penilaian otomatis yang dapat meningkatkan efisiensi dan konsistensi dalam pemilihan serta pemrosesan buah mangga. Dari hasil ekstraksi ciri pada  Metric nilai 0.8373 menunjukkan hasil yang relatif baik. Nilai Eccentricity 0.8333, Nilai Contrast 0.084535. Nilai contrast yang rendah seperti 0.084535 menunjukkan bahwa citra memiliki sedikit perbedaan intensitas antara piksel-pikselnya, nilai Correlation yang didapatkan 0.9877, Nilai yang mendekati 1, seperti 0.9877, menunjukkan bahwa ada hubungan yang sangat kuat antara nilai intensitas piksel yang berdekatan. Nilai Energy yang didapatkan adalahh 0.40659. Nilai 0.40659 menunjukkan tingkat energi yang sedang dalam citra. Dan nilai Homogeneity adalah 0.98094. Nilai 0.98094 menunjukkan bahwa citra memiliki tingkat keseragaman yang sangat tinggi, dengan perbedaan intensitas yang sangat sedikit di seluruh citra.
Implementasi Euclidean Distance dan Segmentasi K-Means Clustering Pada Identifikasi Citra Jeruk Nipis Wirdawati, Wira; Yulihartati, Sandra; Ramadhanu , Agung
Indonesian Journal Computer Science Vol. 3 No. 2 (2024): Oktober 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcs.v3i2.5600

Abstract

Jeruk nipis (Citrus aurantifolia) adalah buah kecil yang berasal dari Asia Tenggara dan dikenal luas karena aroma dan rasa asamnya. Buah ini memiliki berbagai manfaat kesehatan dan masakan. Penelitian ini bertujuan mengimplementasikan algoritma Euclidean Distance dan segmentasi citra dengan K-Mean Clustering pada identifikasi citra jenis Jeruk Nipis berdasarkan ciri bentuk dan teksturnya. Algoritma K-Mean Clustering digunakan untuk memisahkan antara Foreground dan Background pada citra. Objek tersebut akan diekstraksi cirinya berdasarkan bentuk dan ciri tekstur dengan menggunakan MATLAB. Segmentasi citra merupakan langkah penting dalam pengolahan citra. Fokus penelitian ini adalah pada dua warna jeruk nipis hijau  dan jeruk nipis kuning. Proses segmentasi dimulai dengan tahap praproses citra, seperti konversi ke ruang warna Lab* untuk meningkatkan ketepatan segmentasi berdasarkan komponen warna. Algoritma K-Means Clustering digunakan untuk membagi citra menjadi beberapa kluster yang masing-masing mewakili segmen berbeda dari citra jeruk nipis. Hasil segmentasi dievaluasi untuk memastikan kluster yang terbentuk mampu memisahkan objek jeruk nipis dengan akurat dari latar belakang.  Maka didapatkan hasil ekstraksi ciri pada Metric adalah 0,95965 menunjukan hasil yang sangat baik, pada Eccentricity 0,18568 menunjukan  Ukuran eksentrisitas objek menggambarkan Nilai yang Sempurna. untuk Contrast 0,02922 merupakan nilai yang cukup rendah, pada Correlation tingkat keteraturan atau hubungan antara piksel dalam citra bernilai 0.99448 mendekati 1 dan dapat diartikan memiliki nilai yang baik , untuk Energy 0,67743 Cukup tinggi yang menunjukkan tekstur yang lebih seragam. untuk Homogeneity Keseragaman intensitas Pixel dalam Citra memiliki nilai yang cukup tinggi yaitu  0,99201. fitur-fitur ini digunakan untuk mengidentifikasi citra berdasarkan karakteristik yang relevan.
Penerapan K-Means Clustering untuk Klasifikasi Citra Cabai Keriting: Studi Ekstraksi Warna dan Tekstur GLCM Yasmin, Nabila; Chairunnissa Deliva Akbar, Syifa; Ramadhanu, Agung
Indonesian Journal Computer Science Vol. 3 No. 2 (2024): Oktober 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcs.v3i2.5758

Abstract

Klasifikasi citra cabai keriting berdasarkan warna dan tekstur merupakan tantangan penting dalam bidang pertanian digital. Dalam penelitian ini, metode K-Means Clustering diterapkan untuk mengelompokkan citra cabai keriting berdasarkan karakteristik warna dan tekstur. Ekstraksi fitur warna dilakukan menggunakan model warna RGB, sedangkan pada bagian fitur tekstur diekstraksi dengan menggunakan metode Grey Level Co-occurrence Matrix (GLCM). K-Means Clustering digunakan untuk mengelompokkan citra ke dalam beberapa kategori, yaitu cabai keriting merah dan cabai keriting hijau. Hasil penelitian menunjukkan bahwa kombinasi antara fitur warna dan tekstur memberikan akurasi yang lebih baik dalam pengelompokan citra. Pada penelitian ini menggunakan 50 citra untuk setiap jenis, dengan total dataset berjumlah 100 citra. Masing-masing kelas terdapat 60 citra untuk pelatihan dan 40 citra untuk pengujian.Skor uji akurasi  untuk kelas cabai merah keriting dengan nilai akurasi sebesar 93%. Sedangkan untuk kelas cabai hijau keriting yang mendapat  akurasi 91%.  Rata-rata  akurasi hasil  pengujian secara keseluruhan yaitu 92%. Berdasarkan hasil penelitian yang dilakukan, klasifikasi cabai keriting merah dan cabai keriting hijau menggunakan ekstraksi fitur warna dan bentuk terbukti efisien dan menghasilkan kategori baik. Program yang digunakan dapat dijalankan dengan baik dan dapat menangkap karakteristik dataset dengan menggunakan ekstraksi bentuk dan warna.
Penerapan Image Processing untuk Identifikasi Jenis Pisang Emas dan Pisang Kapas Menggunakan Metode K-Means Clustering Yanti, Rahma; Chan, Fajri Rinaldi; Ramadhanu, Agung
Journal of Education Research Vol. 5 No. 4 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i4.1698

Abstract

Indonesia dikenal sebagai penghasil sumber pangan salah satunya pisang. Ada dua varietas pisang, yaitu pisang emas (Musa acuminata) dan pisang kapas (Musa balbisiana). Sering kali kita kesulitan dalam membedakan kedua jenis pisang secara visual, terutama ketika tidak dapat membedakan jenis pisang tersebut, sering menyebabkan kebingungan bagi konsumen dan pelaku usaha. Tujuan utama dari penelitian ini adalah mengembangkan sistem klasifikasi otomatis berbasis pengolahan citra yang mampu membedakan kedua jenis pisang tersebut. Metode yang diterapkan meliputi pengolahan citra dengan konversi dari ruang warna RGB ke LAB untuk memisahkan kecerahan dan warna. Proses segmentasi dilakukan menggunakan K-Means untuk mengelompokkan piksel berdasarkan kesamaan warna, diikuti dengan ekstraksi fitur geometris dan tekstur seperti Eccentricity, Energy, dan Homogeneity. Data yang digunakan mencakup 30 citra untuk pelatihan dan 10 citra untuk pengujian. Hasil penelitian menunjukkan bahwa metode ini berhasil mengklasifikasikan pisang emas dan pisang kapas dengan tingkat akurasi 97%, di mana 29 dari 30 citra diidentifikasi dengan benar. metode K-Means Clustering terbukti efektif dan akurat dalam membedakan kedua varietas pisang berdasarkan ciri fisik yang dihasilkan dari citra digital.
Identifikasi Cerdas Apel Fuji dan Apel Hijau: Pendekatan K-Means Clustering untuk Segmentasi Buah Yolanda, Yolanda; Rosa, Imelda; Ramadhanu, Agung
Journal of Education Research Vol. 5 No. 3 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i3.1703

Abstract

Dalam industri pertanian modern, mengidentifikasi jenis buah sangat penting untuk menjamin kualitas dan distribusi produk. Penelitian ini mengeksplorasi penerapan K-Means Clustering untuk segmentasi dan identifikasi Apel Fuji dan Apel Hijau menggunakan fitur dari citra buah. Proses dimulai dengan pengolahan citra, konversi dari RGB ke LBA, kemudian data hasil konversi dianalisis menggunakan K-Means Clustering. Selanjutnya dilakukan ekstraksi bentuk dan tekstur. Dari 20 gambar (10 apel Fuji dan 10 apel hijau), hasil menunjukkan bahwa 1 apel tidak teridentifikasi dengan benar, dengan akurasi mencapai 95%. Hal ini membuktikan bahwa metode K-Means Clustering cukup akurat dalam mengidentifikasi jenis apel.
Klasifikasi Timun Segar dan Busuk menggunakan K-Means Clustering Saputra, Riyan; Dila, Rahmah; Ramadhanu, Agung
Journal of Education Research Vol. 5 No. 4 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i4.1715

Abstract

Timun merupakan salah satu komoditas pertanian yang rentan terhadap penurunan kualitas akibat proses pembusukan. Klasifikasi timun segar dan busuk secara manual dapat memakan waktu dan tidak konsisten, sehingga diperlukan metode otomatis yang lebih efisien. Tujuan utama dari penelitian ini adalah untuk mengimplementasi sistem klasifikasi otomatis berbasis pengolahan citra dalam mengklasifikasikan timun segar dan timun busuk berdasarkan fitur visual seperti warna, tekstur, dan bentuk, guna meningkatkan efisiensi dan konsistensi dalam proses seleksi kualitas timun. Metode yang diterapkan meliputi pengolahan citra dengan konversi dari ruang warna RGB ke LAB untuk memisahkan kecerahan dan warna. Algoritma K-Means Clustering berfungsi untuk mengelompokkan citra ke dalam dua cluster, yaitu timun segar dan timun busuk. Data yang digunakan mencakup 50 citra untuk pengujian, yang terdiri dari 25 timun segar dan 25 timun busuk. Hasil penelitian ini menunjukkan bahwa metode ini berhasil mengklasifikasikan timun masak dan timun busuk dengan tingkat akurasi 97% di mana 49 dari 50 citra teridentifikasi dengan benar. Metode K-Means Clustering terbukti efektif dan akurat dalam menentukan jenis timun masak dan timun busuk.
Optimalisasi Metode Median Filter untuk Mereduksi Noise pada Citra Kematangan Buah Jambu Madu Al-arrafi, Muhammad Ikhsan; Nurdiansyah, Ali; Ramadhanu, Agung
Journal of Education Research Vol. 5 No. 4 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i4.1858

Abstract

Penelitian bertujuan untuk mereduksi noise pada citra terhadap kematangan Buah Jambu Madu, maka dibutuhkan metode median filter untuk menghasilkan Citra yang lebih bagus dari penelitian sebelumnya. dengan menggunakan metode median filter dapat meningkatkan kualitas tampilan Citra yang lebih baik dan tidak terlihat lagi warna kurang kontras, kurang tajam, kabur (bluring) terhadap Citra Buah Jambu Madu.Citra yang kita miliki sering mengalami penurunan kualitas atau mutu, karena mengandung cacat atau terkena derau (noise). Warnanya kurang kontras, kurang tajam, kabur (bluring) dan sebagainya. Median Filter ini berguna untuk mengurangi noise yang terdapat pada sebuah citra dengan cara memfilternya. Dimana metode ini memiliki pengertian sebagai suatu metode yang menitik beratkan pada nilai median atau nilai tengah dari jumlah total nilai keseluruhan pixel yang ada disekelilingnya. Adapun sistem yang akan digunakan untuk melakukan perbaikan citra buah Jambu Madu adalah aplikasi matlab versi R2023b.
Optimasi Kualitas dan Kematangan Mangga Melalui Pemrosesan Citra Menggunakan Median Filter Betriana Roza, Yesi; Agus Salim, David; Ramadhanu, Agung Ramadhanu
Journal of Education Research Vol. 5 No. 4 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i4.1863

Abstract

Penelitian ini bertujuan meningkatkan penilaian kualitas dan kematangan buah mangga melalui analisis citra digital menggunakan MATLAB. Kematangan mangga mempengaruhi rasa, tekstur, dan daya simpan, dan penilaian tradisional sering kali bersifat subjektif. Oleh karena itu, teknologi pemrosesan gambar digunakan untuk memberikan pendekatan objektif, dengan klasifikasi berdasarkan perubahan warna dari hijau (belum matang) ke kuning (matang). Hasil penelitian menunjukkan akurasi tinggi dalam membedakan mangga matang dan hijau, dengan parameter citra yang diperoleh: Eccentricity 0,84218, Contrast 0,041545, Correlation 0,99141, Energy 0,44415, dan Homogeneity 0,98644. Nilai-nilai ini menunjukkan hubungan kuat antar piksel dan keseragaman citra yang tinggi, yang mendukung pengembangan sistem penilaian otomatis yang efisien untuk menentukan kematangan buah mangga.
Identifikasi Jenis Anggur Otomatis Menggunakan Kombinasi Median Filter, K-Means, Lab*, dan Ekstraksi Fitur Harnaranda, Jefri; Afriadi, Afriadi; Ramadhanu, Agung
Journal of Education Research Vol. 5 No. 4 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i4.1864

Abstract

Identifikasi varietas anggur secara otomatis adalah langkah krusial dalam proses penyortiran dan pengendalian kualitas di sektor makanan. Dalam penelitian ini, kami mengembangkan sistem untuk mengidentifikasi anggur merah dan hijau dengan memanfaatkan kombinasi Median Filter, segmentasi warna menggunakan K-Means Clustering, serta analisis fitur tekstur. Hasilnya menunjukkan bahwa sistem ini mampu mencapai akurasi 95.45% dalam membedakan kedua jenis anggur dengan waktu eksekusi yang efisien. Dengan mengurangi noise melalui Median Filter, melakukan segmentasi warna dalam model warna Lab*, dan mengekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix, metode ini menunjukkan potensi yang signifikan untuk diterapkan dalam sistem penyortiran buah otomatis. Penelitian ini berkontribusi pada peningkatan efisiensi dan akurasi dalam identifikasi varietas anggur, yang sangat penting bagi industri makanan. Penelitian lebih lanjut dapat difokuskan pada penerapan teknik machine learning untuk meningkatkan kinerja klasifikasi pada dataset yang lebih besar dan lebih beragam.
Pengelolahan Citra Cabai Keriting: Kombinasi Median Filtering dan Algoritma K-Means untuk Pengelompokan Berbasis Fitur Yasmin, Nabilla; Akbar, Syifa Chairunnissa Deliva; Ramadhanu, Agung
Journal of Education Research Vol. 5 No. 4 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i4.1865

Abstract

Pengolahan citra digital berperan penting dalam klasifikasi tanaman, termasuk cabai keriting. Penelitian ini mengusulkan metode pengelompokan citra cabai keriting menggunakan algoritma K-Means dengan median filtering sebagai langkah awal untuk mengurangi noise pada citra. Ekstraksi fitur dilakukan dengan model warna RGB untuk fitur warna dan metode Grey Level Co-occurrence Matrix (GLCM) untuk fitur tekstur. Dataset terdiri dari 100 citra, masing-masing 50 citra cabai merah dan hijau keriting, dengan pembagian 60 citra untuk pelatihan dan 40 citra untuk pengujian. Hasil menunjukkan bahwa penggunaan median filtering meningkatkan akurasi klasifikasi, dengan akurasi 95% untuk cabai merah keriting dan 93% untuk cabai hijau keriting, menghasilkan rata-rata akurasi 94%. Temuan ini menegaskan pentingnya median filtering dalam meningkatkan kualitas data untuk pengelompokan citra cabai keriting.
Co-Authors ., Ulfa Afriadi Afriadi Afriadi, A Agsera, Nilam Agus Salim, David Agusty, Dhia Fadhila Ahmad Syarif ahmad yani Akbar, Syifa Chairunnissa Deliva Al-arrafi, Muhammad Ikhsan Andry Novrianto Angga Angga Anggara Putra, Febri Antoni Antoni Arsyah Arsyah atiqah, sri Avezrima Rahmamuthi Bayuputra, Ramdani Berta Agus Petra Betriana Roza, Yesi Betriana, Yesi Chairunnissa Deliva Akbar, Syifa Chan, Fajri Rinaldi Delvi, Syerlin Aprilia Desi Permata Sari Desi Permata Sari Desi Permata Sari Desi Permata Sari Devi Maryuni Devita, Retno Dhia Fadhila Agusty Dicky Imansyah, Muhammad Dila, Rahmah Dinantia, Triend Dodi Guswandi Enggari, Sofika Erlanda, Hadrian Fadila Cahyani Putri Fajri Saputra, Charisman Fajrul Islami Febri Hadi Fiki Pratama Firmansyah, Ryan Firna Yenila Fitri Yeni Gafari, Abuzar Gunadi Widi Nurcahyo Hadi Syahputra Hadi Syahputra Hadi Syahputra Putra Halifia Hendri Hanna Pratiwi Harnaranda, Jefri Hasmaynelis Fitri Hendri, Hallifia Hidayati, Dzil Hidayattullah, Hafis Hikmi, Zakiya Honestya, Gabriela Husna Arsyah, Rahmatul Ilmawan, Fachrul Imrah, Imrah Sari Irfan Rizki Nur Irsyad, As'Ary Sahlul Jehan Harka Johan Harlan Jufriadif Na`am, Jufriadif Kareem, Shahab Wahhab Karseno, Doni Khomsi, Ahmad Larissa Navia Rani M.Iqbal, M.Iqbal Maharani, Filsha Rifi Majid, Mazlina Abdul Mardison Mardison Mardison Mardison Mardison Marfalino, Hari Masri, Taufik Mokti Isra Mokti Isra Muhammad Idris Muhammad Raihan Zaky Muhammad Raihan Zaky Muhammad Yusuf Nabila Frisca Oktavia Nadia, Nadia Aini Hafizhah Nasution, Amir Salim Khairul Rijal Nasution, Annio Indah Lestari Negoro, Wahyu Saptha Neni Sri Wahyuni Nengsi Neni Sri Wahyuni Nengsi Neni Sri Wahyuni Nengsi Neni Sri Wahyuni Nengsih Neni Sri Wahyuni Nengsih Neni Sri Wayuni Ningsih Neni Sri Wayuni Ningsih Ningsih, Neni Sri Wayuni Nurdiansyah, Ali Nurhaliza Nurhaliza Nurjannah, Farah Permata, Edo Pertiwi, Yuliana Pratama, Dede Putra, Kharisma Utama Putra, Ramdani Bayu putri, kamila amaliah Rahmad Rahmad Rahmad, R Raja Ayu Mahessya Rani, Larissa Navia Repelita Witri Rheza Thresya Rianti, Eva Riati, Itin Rindy Citra Dewi Riyan Saputra, Riyan Rizky Gusrianto Rosa, Imelda Rosda Syelly Sajida, Mayang salim, alfajri Saputra, Charisman Fajri Saputra, Randy Sarjon Defit Selvia, Dina Silfia Andini, Silfia Sisi Hendriani Sofika Enggari Sofika Enggari Sofika Enggari Sovia, Rini Suci Wahyuni Sularno Sularno Sumijan, S Sutri, Ridwan Syafri Arlis Syafrika Deni Rizki Syafrika Deni Rizki, Syafrika Deni Syafril Syafril Syafril, S Syalsabilla, Adinda Teri Ade Putra Tesa Vausia Sandiva Tomi, Zebbil Billian Utama Putra, Kharisma Utari, Utari Armila Vidyanti, Angela Citra Wiratama, Aditya Wirdawati, Wira Witri, Repelita Yagus Valentino Harefa Yanti, Rahma Yasmin, Nabila Yasmin, Nabilla Yemi, Leonardo Yesi Betriana Roza, yesibetriana_18 Yogi Wiyandra Yolanda Yolanda, Yolanda Yosfand, Windra Yuhandri Yuhandri Yuhandri Yulihartati, Sandra Zubaidah, Rima Puti