Article Per Year (5 Year)
p-Index From 2021 - 2026
1.756
P-Index
This Author published in this journals
All Journal Jurnal Simetris Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal CoreIT KOMPUTA : Jurnal Ilmiah Komputer dan Informatika AMALIAH: JURNAL PENGABDIAN KEPADA MASYARAKAT Generation Journal IJIIS: International Journal of Informatics and Information Systems Reswara: Jurnal Pengabdian Kepada Masyarakat JINAV: Journal of Information and Visualization BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer Malcom: Indonesian Journal of Machine Learning and Computer Science Edu Komputika Journal
Baihaqi, Wiga Maulana
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
PENGENALAN ARTIFICIAL INTELLIGENCE UNTUK SISWA DALAM MENGHADAPI DUNIA KERJA DI ERA REVOLUSI INDUSTRI 4.0 Baihaqi, Wiga Maulana; Sulistiyana, Fatma; Fadholi, Azhar
Reswara: Jurnal Pengabdian Kepada Masyarakat Vol 2, No 1 (2021)
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/rjpkm.v2i1.876

Abstract

Linkedin merilis hard skill dan soft skill yang sangat dibutuhkan pada tahun 2020 atau di era revolusi industri 4.0. Di antara hard skill tersebut terdapat Artificial Intelligence (AI) berada di posisi 4, AI merupakan suatu keterampilan yang menjadi otak di era revolusi industri 4.0. Pada kegiatan ini kami hanya berfokus pada kebutuhan keterampilan hard skill. Untuk mendapatkan keterampilan baik hard skill maupun soft skill dapat dilakukan dengan mengikuti Pendidikan formal, kursus online atau offline, seminar dan workshop. Siswa yang siap untuk masuk dunia kerja adalah lulusan dari Sekolah Menengah Kejuruan (SMK), akan tetapi kurikulum yang ditawarkan kepada siswa SMK tidak mengarah atau tidak berkembang sesuai dengan teknologi atau industri. Kurikulum atau ketrampilan yang ditawarkan masih sama seperti sebelum berkembangnya teknologi/khususnya di bidang komputer, keterampilan yang ditawarkan hanya tingkatan dasar, seharusnya seperti RPL dapat mengarahkan ketrampilannya semisal membuat system cerdas, sehingga mendekati keterampilan yang dibutuhkan seperti AI. Melalui kegiatan Amikom Mitra Masyarakat (AMM), kami mengadakan kegiatan seminar dan workshop secara daring yang bekerja sama dengan damar.in yang bertujuan untuk mengenalkan Artificial Intelligence. Metode Training of Trainer (TOT) digunakan dalam kegiatan webinar ini, peserta akan mendapatkan ilmu teori dan praktik. Peserta yang mengikuti webinar dari awal hingga akhir mencapai 31 siswa. Hasil evaluasi yang dilakukan setelah webinar didapatkan bahwa peserta menyatakan bahwa kegiatan webinar sangat bermanfaat, menjadi paham kebutuhan skill yang diperlukan untuk menghadapi dunia kerja, mendapatkan ilmu dan pengetahuan baru, dan memahami pentingnya ilmu Artificial Intelligence di era saat ini.
Optimasi Klasifikasi Gaya Belajar Mahasiswa Inklusif Berdasarkan Model VAK dengan Stratified Split dan Multilayer Perceptron Kusuma, Velizha Sandy; Setyo Utomo, Fandy; Baihaqi, Wiga Maulana; Subarkah, Pungkas
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 5: Oktober 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025125

Abstract

Identifikasi gaya belajar mahasiswa dengan mempertimbangkan fitur disabilitas memiliki peran penting dalam menciptakan pengalaman belajar yang inklusif dan personal. Namun, ketidakseimbangan data dalam kategori gaya belajar dan disabilitas menimbulkan tantangan yang signifikan bagi model klasifikasi. Penelitian ini bertujuan mengatasi tantangan tersebut dengan menerapkan teknik stratified split untuk menjaga keseimbangan distribusi kelas, khususnya pada variabel disabilitas dan gaya belajar. Algoritma Random Forest dan Multilayer Perceptron (MLP) digunakan untuk mengklasifikasikan gaya belajar mahasiswa berdasarkan model Visual, Auditory, dan Kinesthetic (VAK). Data yang digunakan berasal dari Open University Learning Analytics Dataset (OULAD), yang diproses melalui penggabungan data, pengkodean label, dan transformasi fitur untuk meningkatkan kinerja model. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model MLP mencapai kinerja sempurna dengan skor 100% pada semua metrik, sementara Random Forest menunjukkan performa sangat baik dengan skor 99%. Implementasi stratified split terbukti efektif dalam menjaga keseimbangan distribusi data, memastikan representasi yang memadai untuk semua kelas, termasuk mahasiswa dengan disabilitas. Penelitian ini memberikan kontribusi penting dalam mengembangkan model klasifikasi gaya belajar yang lebih akurat dan mendukung pendekatan pembelajaran yang lebih inklusif.   Abstract Identifying students' learning styles by considering disability features plays an important role in creating an inclusive and personalized learning experience. However, the imbalance of data in learning style and disability categories poses significant challenges for classification models. This research aims to overcome these challenges by applying a stratified split technique to maintain a balanced class distribution, especially in the disability and learning style variables. Random Forest and Multilayer Perceptron (MLP) algorithms are used to classify student learning styles based on the Visual, Auditory, and Kinesthetic (VAK) model. The data used comes from the Open University Learning Analytics Dataset (OULAD), which is processed through data merging, label coding, and feature transformation to improve model performance. Model evaluation was conducted using accuracy, precision, recall, and F1-score metrics. The results showed that the MLP model achieved perfect performance with a score of 100% on all metrics, while Random Forest showed excellent performance with a score of 99%. The implementation of stratified split proved effective in maintaining the balance of data distribution, ensuring adequate representation for all classes, including students with disabilities. This research makes an important contribution in developing more accurate learning style classification models and supporting more inclusive learning approaches.
Algoritma Jaro-Winkler Distance: Fitur Autocorrect dan Spelling Suggestion pada Penulisan Naskah Bahasa Indonesia di BMS TV Prasetyo, Agung; Baihaqi, Wiga Maulana; Had, Iqbaluddin Syam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 4: Agustus 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (556.38 KB) | DOI: 10.25126/jtiik.201854780

Abstract

Autocorrect adalah suatu sistem yang dapat memeriksa dan memperbaiki kesalahan penulisan kata secara otomatis. Dewasa ini fitur autocorrect memang sering ditemui pada berbagai perangkat dan aplikasi, misalkan pada papan ketik smartphone dan aplikasi misalkan sebut saja Microsoft Word. Sistem autocorrect tersebut langsung mengganti kata yang dianggap salah oleh sistem secara otomatis tanpa memberi tahu pengguna sehingga pengguna seringkali tidak sadar tulisannya berubah sedangkan kata penggantinya tidak selalu benar sesuai dengan yang dimaksud pengguna. Pengetahuan Microsoft Word pada fitur autocorrect-nya berbahasa Inggris sehingga tidak dapat diterapkan pada penulisan naskah berita di BMS TV. Setiap harinya News Director BMS TV memeriksa naskah yang akan diberitakan dimana termasuk diantaranya adalah pemeriksaan ejaan. Dengan fitur autocorrect dan spelling suggestion bahasa Indonesia diharapkan dapat membantu News Director BMS TV untuk memeriksa dan memperbaiki kesalahan penulisan kata secara otomatis serta memberi saran penulisan ejaan kata yang benar dalam bahasa Indonesia. Metode pengembangan perangkat lunak yang digunakan adalah Extreme Programming dan algoritme Jaro-Winkler Distance. Jaro-Winkler adalah algoritme untuk menghitung nilai jarak kedekatan antara dua teks. Hasil dari penelitian ini adalah sebuah sistem yang dapat membantu News Director BMS TV dalam pemeriksaan kesalahan penulisan ejaan kata pada naskah bahasa Indonesia dan mempermudah News Director pusat dalam penghimpunan naskah dari berbagai kontributor BMS TV. Dapat disimpulkan bahwa fitur autocorrect dan spelling suggestion dapat menengani kesalahan penulisan ejaan kata dengan pengujian 60 kata yang terdiri dari berbagai skenario kesalahan penulisan kata fitur ini dapat memperbaiki sepuluh kata secara otomatis dengan benar dan memunculkan saran ejaan kata pada 39 kata dengan tepat. AbstractAutocorrect is a software system that automatically identifies and correct misspelled words. Nowadays autocorrect feature is often encountered in various devices dan applications, like on the smartphone keyboard dan Microsoft Word application. The autocorrect system instantly replaces the word that is considered wrong by the system automatically without notifying the user so that users are often not aware of writing changes while the replacement word is not always true in accordance with the intended user. The Autocorrect feature of Microsoft Word uses English so it can’t be applied on writing news script in BMS TV. Every day News Director of BMS TV checks the script that would be reported where there is a spell checking included. By using bahasa in autocorrect dan spelling suggestion, it is expected to help News Director BMS TV to check dan fix the misspelled word automatically dan give suggestion for the right words spelling in bahasa. The development software method that is used is Extreme Programming dan Jaro-Winkler Distance algorithm. Jaro-Winkler is an algorithm that is applied to calculate the distance of proximity between two texts. The results of this study is a system that could help News Director BMS TV in identifying  misspelled words on script in bahasa dan to make it easier for News Director center in collecting of manuscripts from various contributors of BMS TV. It can be concluded that the autocorrect dan spelling suggestion features can compound the misspelled words with a 60-word test consisting of various error scenarios. This feature can correct ten words automatically dan show correct spelling suggestion word on 39 words.
Pengembangan Media Pembelajaran Tata Surya berbasis Virtual Reality untuk Siswa Kelas 6 Sekolah Dasar dengan Evaluasi Kepuasan Pengguna terhadap Elemen Multimedia Purwati, Yuli; Sagita, Selvi; Utomo, Fandy Setyo; Baihaqi, Wiga Maulana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 2: April 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020701894

Abstract

Dalam studi ini, kami mengembangkan aplikasi virtual reality untuk mempelajari tata surya di tingkat sekolah dasar. Tujuan pembuatan aplikasi ini untuk menyediakan media pembelajaran berbasis multimedia bagi siswa agar dapat memahami konsep tata surya. Multimedia Development Life Cycle (MDLC) adalah tahap pengembangan sistem yang digunakan untuk membangun aplikasi virtual reality. MDLC terdiri dari tahapan konsep manufaktur, desain, pengumpulan bahan, perakitan, pengujian, dan distribusi. Hasil tes penerimaan pengguna yang dilakukan oleh satu orang guru pengampu menunjukkan hasil 81,25%, sedangkan yang dilakukan oleh 26 siswa menunjukkan hasil 88,63%. Berdasarkan hasil tes penerimaan oleh guru diperoleh saran perbaikan aplikasi pada sisi interaktifitas pengguna. Evaluasi kepuasan pengguna terhadap aplikasi dilakukan dengan kuesioner berdasarkan empat elemen multimedia: teks, interaktivitas, animasi, dan gambar grafis. Hasil evaluasi penggunaan teks memiliki nilai 3,57, grafik bernilai 3,52, animasi bernilai 3,54, dan interaktivitas memiliki nilai 3,51. Berdasarkan hasil tes, dapat disimpulkan bahwa responden puas dengan penggunaan elemen multimedia pada aplikasi tersebut, dan aplikasi tersebut dapat membantu mereka untuk memahami topik pembelajaran lebih baik daripada metode pembelajaran dan pengajaran konvensional. AbstractIn this study, we developed a virtual reality application for learning the solar system at the elementary school. The purpose of making this application is to provide multimedia-based learning media for students to be able to understand the concept of the solar system. Multimedia Development Life Cycle is a development stage of the system used to build virtual reality applications. MDLC consists of stages of the manufacturing concept, design, material collecting, assembly, testing, and distribution. Results of user acceptance test conducted by one teacher show the results of 81.25%, while that is done by 26 student shows the results of 88.63%. Based on the acceptance test results by the teacher, there are suggestions to improve the application on the user interactivity aspect. Evaluation of user satisfaction of the applications is done by a questionnaire based on the four elements of multimedia: text, interactivity, animation, and a graphical image. The result of the evaluation of the use of text has a value of 3.57, the graphic has a value of 3.52, animation has a value of 3.54, and interactivity has a value of 3.51. Based on the test results, it can be concluded that the respondents are satisfied with the use of multimedia elements on the application, and the application can help them to understand the learning topic better than conventional methods of learning dan teaching.
Windows Communication Foundation untuk Audiobook Dongeng bagi Anak Penyandang Tunanetra Purwati, Yuli; Utomo, Dadang Wahyu; Utomo, Fandy Setyo; Baihaqi, Wiga Maulana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 2: April 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020721943

Abstract

Anak penyandang tunanetra memiliki keterbatasan dalam mengakses informasi, hiburan, dan hal lain yang bisa diakses anak normal. Salah satu keterbatasan yang tidak mampu dilakukan oleh anak tersebut yakni membaca dongeng. Buku dongeng adalah salah satu yang dibutuhkan oleh anak untuk mengasah daya imajinasi dan kreatifitasnya. Buku dongeng biasanya dilengkapi dengan ilustrasi yang menarik untuk anak. Bagi anak penyandang tunanetra hal tersebut tidak bisa dilakukan. Mereka tidak dapat melihat gambar maupun tulisan di dalam buku dongeng. Namun mereka masih dapat mendengar cerita dongeng dari orang lain. Membaca dongeng membutuhkan ketrampilan khusus karena tidak hanya sekedar membaca tapi juga mengilustrasikan gambar dan teks di buku dongeng sesuai cerita dan karakter dari tokoh-tokoh yang ada di dalam buku sehingga anak seolah-olah masuk dalam cerita di buku tersebut meskipun mereka tidak melihat gambar yang ada di buku. Penelitian ini bertujuan merancang dan membangun Windows Communication Foundation untuk aplikasi Audiobook dongeng agar dapat dimanfaatkan oleh anak penyandang tunanetra. Penelitian ini dilakukan dengan 3 tahapan, yaitu analisis sistem, desain sistem, serta implementasi dan pengujian sistem. Hasil riset ini adalah perangkat lunak Windows Communication Foundation dengan 3 layanan, yakni layanan untuk menambah data audio dongeng, layanan untuk memilih dan memutar audio dongeng, dan layanan untuk melihat daftar audio dongeng. Berdasarkan hasil pengujian terhadap Windows Communication Foundation, seluruh layanan tersebut telah berfungsi dengan baik. AbstractChildren with visual impairments have limitations in accessing information, entertainment, and other things that can be accessed by normal children. One of the limits that cannot be done by the child is reading a fairy tale. A fairy tale book is one that is needed by children to hone their usability and creativity. A fairy tale book that is usually equipped with exciting illustrations for children. For children with visual impairments, this cannot be done. They cannot see pictures or writings in fairy tales books. But they can still hear tales from other people. Reading a fairy tale needs special skills such as how to read it aloud and how to illustrate pictures and texts in a fairytale book according to the stories and characters in it. Children might feel that they are involved in the story even though they could not see the picture given. The purpose of the research is to design and to develop Windows Communication Foundation for the fairytale Audiobook application to be used by children with visual impairments. This research was conducted in 3 stages, namely system analysis, system design, and system implementation and testing. The results of this study are Windows Communication Foundation software with three services, namely services to add audio data tales, services to select and play tale audio, and services to view a list of fairy tales audio. To conclude, the result of testing of the Windows Communication Foundation shows that all these services have been well equipped.
Kombinasi K-Means dan Support Vector Machine (SVM) untuk Memprediksi Unsur Sara pada Tweet Baihaqi, Wiga Maulana; Pinilih, Muliasari; Rohmah, Miftakhul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 3: Juni 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020732126

Abstract

Tulisan yang disampaikan melalui twitter dinamakan dengan tweets atau dalam bahasa indonesia lebih dikenal dengan kicau, tulisan yang dishare memiliki batas maksimum, tulisan tidak boleh lebih dari 140 karakter, karakter disini terdiri dari huruf, angka, dan simbol. Penyalahgunaan dalam berpendapat sering terjadi di media sosial, sering kali pengguna media sosial dengan sadar atau tidak sadar telah membuat konten yang mengandung isu Suku (dalam hal ini menyangkut keturunan), agama, ras (kebangsaan) dan antargolongan (SARA). Perlu adanya analisis yang dapat mengidentifikasi secara otomatis apakah kalimat yang ditulis pada media sosial mengandung unsur SARA atau tidak, akan tetapi korpus tentang kalimat yang mengandung unsur SARA belum ada, selain itu label kalimat yang menandakan kalimat SARA atau bukan tidak ada. Penelitian ini bertujuan untuk membuat corpus kalimat yang mengandung unsur SARA yang didapatkan dari twitter, kemudian melabeli kalimat dengan label mengandung unsur SARA dan tidak,  serta melakukan sentiment klasifikasi.  Algoritme yang digunakan untuk proses pelabelan adalah k-means, sedangkan Support Vector Machine (SVM) digunakan untuk proses klasifikasi. Hasil yang diperoleh berdasarkan k-means antara lain 118 tweet positif SARA dan 83 tweet negatif SARA. Dalam proses klasifikasi menggunakan dua metode validasi, yaitu 5-fold cross validation yang dibandingkan dengan 10-fold cross validation, hasil akurasi dari kedua metode validasi tersebut yaitu, masing-masing 64,18% dan 63,68%. Berdasarkan hasil akurasi yang diperoleh untuk meningkatkan hasil akurasi, data hasil proses k-means diolah kembali dengan validasi pakar bahasa, hasil yang diperoleh menjadi 139 tweet positif SARA dan 62 tweet negatif SARA, hasil akurasi meningkat menjadi 70,15% dan 71,14%. Dari hasil yang didapatkan, twitter dapat dijadikan sumber untuk membuat corpus mengenai kalimat SARA, dan metode yang diusulkan berhasil untuk proses pelabelan dan sentimen klasifikasi, akan tetapi masih perlu peningkatan hasil akurasi. AbstractPosts sent via twitter are called tweets or in Indonesian better known as chirping, the posts shared have a maximum limit, the writing cannot be more than 140 characters, the characters here consist of letters, numbers, and symbols. Broadcasting in discussions that often occur on social media, often users of social media consciously or unconsciously have created content that contains issues of ethnicity, religion, race (nationality) and intergroup (SARA). Obtained from the analysis that can automatically contain sentences on social media containing no SARA or not, but the corpus about sentences containing SARA does not yet exist, other than that the sentence label indicates SARA or no sentence. This study aims to make sentence corpus containing SARA elements obtained from twitter, then label sentences with labels containing elements of SARA and not, and conduct group sentiments. The algorithm used for the labeling process is k-means, while Support Vector Machine (SVM) is used for the classification process. The results obtained based on k-means include 118 positive SARA tweets and 83 negative SARA tweets. In the classification process using two validation methods, namely cross-fold validation of 5 times compared with 10-fold cross validation, the accuracy of the two validation methods is 64.18% and 63.68%, respectively. Based on the results obtained to improve the results, the k-means process data were reprocessed with linguists, the results obtained were 139 positive SARA tweets and 62 SARA negative tweets, the results of which increased to 70.15% and 71.14%. From the results obtained, Twitter can be used as a source to create a corpus about SARA sentences, and methods that have succeeded in labeling and classification sentiments, but still need to improve the results of accuracy.
Ecofy App UX Design using User-Centered Design Approach for Waste Management Baihaqi, Wiga Maulana; Liulinuha, Qurrota A'yun; Buana, Tresnanda Agsifa Cakra; Najmuddin, Faris Labib
Edu Komputika Journal Vol. 11 No. 1 (2024): Edu Komputika Journal
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edukom.v11i1.10927

Abstract

Indonesia faces a significant waste management challenge, particularly with plastic waste, which poses severe environmental risks and has low recycling rates. This study aims to address these challenges by designing and developing the Ecofy application using the User-Centered Design (UCD) approach. The focus is on creating a solution that not only meets user needs but also effectively facilitates the waste management process, making it more accessible and efficient for the general population. The UCD methodology was employed to ensure that the application’s features are intuitive, user-friendly, and tailored to the local waste bank model, which encourages recycling at the community level. The research involved multiple stages, including user needs assessment, iterative design, and usability testing, to refine the application. The findings demonstrate that the Ecofy application significantly enhances the effectiveness of waste management by offering practical tools for users to sort, manage, and recycle waste. Furthermore, the implementation of this application is projected to reduce the burden on Final Processing Sites (TPA), lower environmental pollution, and increase recycling rates, especially for non-biodegradable materials like plastic. The success of Ecofy could serve as a model for other regions facing similar waste management issues, contributing to broader sustainable development goals in Indonesia.
Enhancing Waste Classification with MobileNetV2: Adding a Plastic Sachets Class for Sustainable Management Pritama, Argiyan Dwi; Sandy Kusuma, Velizha; Baihaqi, Wiga Maulana; Subarkah, Pungkas
Edu Komputika Journal Vol. 12 No. 1 (2025): Edu Komputika Journal
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edukom.v12i1.18931

Abstract

The issue of waste management remains a critical concern due to its adverse impact on the environment. This research enhances a deep learning-based waste classification model by introducing a new class, namely plastic sachets, to broaden the classification scope and increase the model's relevance to waste types commonly found in the community. The dataset used is an extended version of a previous open-source dataset, comprising 2,968 images divided into seven classes. Data preprocessing steps include stratified data splitting, data augmentation to increase image diversity, and pixel normalization. The model adopts the MobileNetV2 architecture through a transfer learning approach, utilizing 2D Global Average Pooling and Dense layers with softmax activation for multi-class classification. Evaluation using precision, recall, and F1-score demonstrated strong performance, with an overall accuracy of 97%. While the model performs well across most classes, further improvement is needed for minority classes such as plastic sachets. This study highlights the promising potential of deep learning in supporting automated waste sorting to promote sustainable waste management practices in Indonesia.
Co-Authors Agung Prasetyo Amanta, Zanuar Gesit Dian Arief Rachman Hakim Buana, Tresnanda Agsifa Cakra Dwi Krisbiantoro, Dwi Elistiana, Khoerotul Melina Fadholi, Azhar Fandy Setyo Utomo Febriyan, Farhan Sulis Habibah, Ariska Nurul Had, Iqbaluddin Syam Heryanti, Linda Khafid, Anas Nur Kusuma, Bagus Adhi Kusuma, Velizha Sandy Laela, Ida Nur Liulinuha, Qurrota A'yun Melia Dianingrum Miftakhul Rohmah Muliasari Pinilih, Muliasari Najmuddin, Faris Labib Nurdiansyah, Najib Nurwanti, Aulia Nuzul Ramadhan, Kurnia Aswin Pritama, Argiyan Dwi Pungkas Subarkah Ramadhan, Kurnia Aswin Nuzul Sagita, Selvi Salsabila, Sabita Sandy Kusuma, Velizha Saputra, Dicky Arya Sulistiyana, Fatma Taqwa Hariguna Utomo, Dadang Wahyu Yuli Purwati Zahrani, Aura Arnelia