Article Per Year (5 Year)
p-Index From 2021 - 2026
6.834
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOIV : International Journal on Informatics Visualization JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Abdimasa TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Teknik Informatika (JUTIF) Jurnal Ilmu Komputer dan Informatika Journal of Informatics and Communication Technology (JICT) Jurnal Nasional Teknik Elektro dan Teknologi Informasi eProceedings of Engineering Journal of Informatics and Communication Technology (JICT)
SOFIA SAIDAH
Telkom University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Other

Published : 73 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4 
Analisis Sinyal Radar Cuaca Menggunakan Discrete Cosine Transform Wibisono Sabdo Utomo; Rita Purnamasari; Sofia Saidah
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Hujan merupakan salah satu fenomena cuaca yang merupakan jatuhnya cairan yang jatuh dari atmosfer yang berwujud cair maupun beku ke permukaan bumi. Radar merupakan teknologi yang sagat bermanfaat bagi manusia, dimana radar dapat menentukan sesuatu pada jarak tertentu, dan prinsip kerja pada radar seperti prinsip kerja pada otak lumba-lumba. Radar sangat sering digunakan untuk menentukan cuaca setiap hari. Dan umat manusia sangat membutuhkan radar untuk menjalankan aktifitas, sebagai pemantauan dini bencana yang akan terjadi agar kerusakan dapat diminimalisir . Tugas akhir ini bertujuan untuk membahas tentang bagaimana pengolahan sinyal radar cuaca yang akan menggunakan metoda DCT (Discrete Cosine Transform). Hasil pengolahan akan dihitung bagaimana performansinya dengan perhitungan yang telah ditentukan, data yang terdapat pada web tersebut yang nantinya akan diambil sampel sebagai pembanding dengan hasil yang sudah menggunakan metoda DCT, yang dimana tanggal, waktu, dan tipe telah ditentukan. Perbandingan yang akan dilakukan adalah membandingkan bagaimana optimasi pengolahan sinyal menggunakan DCT dimulai dari proses sampai data diterima, dan juga ketepatan atau hasil yang diterima apakah mengalami perubahan atau tidak. Penggunaan block size sangat mempengaruhi nilai performansi. Dari data yang di uji terlihat block size 4x4 memiliki performansi terbaik dari 7 block size yang di uji dengan nilai SNR 308.934, PSNR 283.194, dan waktu yang dibutuhkan untuk melakukan kompresinya 48.4186 detik. Kata kunci: IDRA, DCT (Discrete Wavelet Transform), 4TU.Center for Reasearch Data Abstract Radar is a technology that is very beneficial for humans, where radar can determine something at a certain distance, and the working principle on radar is like the working principle of a dolphin brain. Radar is very often used to determine the weather every day. And humanity really needs radar to carry out activities, as early monitoring of disasters that will occur so that damage can be minimized. This final project aims to discuss how to process weather radar signals that will use the DCT (Discrete Cosine Transform) method. The processing results will be calculated how the performance with the predetermined calculations, the data contained on the web which will be sampled as a comparison with the results that have used the DCT method, where the date, time and type have been determined. The comparison that will be made is to compare how the optimization of signal processing using DCT starts from the process until the data is received, and also the accuracy or the results received whether it changes or not. The use of block size greatly affects the value of performance. From the data tested, the block size 4x4 has the best performance out of the 7 block sizes tested with the values of SNR 308,934, PSNR 283,194, and the time needed to compress 48.4186 seconds. Keywords: IDRA, DCT (Discrete Wavelet Transform), 4TU.Center for Reasearch Data
Analisis Sinyal Radar Cuaca Menggunakan Discrete Wavelet Transform Aliefiya Rachman; Rita Purnamasari; Sofia Saidah
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak IDRA (IRCTR Drizzle Radar) adalah radar resolusi tinggi yang dibangun oleh IRCTR (International Research Centre for Telecommunications-Transmission and Radar) di Belanda. IDRA ditujukan untuk pengamatan terperinci distribusi spasial dan temporal dari hujan atau gerimis. Pada penelitian ini, pengolahan sinyal pada radar IDRA ditambahkan metode DWT (Discrete Wavelet Transform) dan IDWT (Invers Discrete Wavelet Transform) sebagai fungsi kompresi dan dekompresi. Metode wavelet dapat digunakan untuk menunjukkan kelakukan sementara (temporal), untuk meningkatkan kualitas data, dapat juga digunakan untuk mendeteksi kejadian-kejadian tertentu.  Tujuan akhir dari penelitian ini adalah untuk mencari performansi dari refklektifitas radar setelah ditambahkan metode wavelet pada pengolahan sinyalnya. Performansi dari reflektifitas radar didapat dari nilai MSE, PSNR, dan SNR yang dilakukan pada proses pengujian .  Kata kunci: IDRA, DWT (Discrete Wavelet Transform), 4TU.Center for Reasearch Data Abstract IDRA (IRCTR Drizzle Radar) is a high resolution radar built by IRCTR (International Research Center for Telecommunications-Transmission and Radar) in the Netherlands. IDRA is intended for detailed observation of the spatial and temporal distribution of rain or drizzle.  The Research of signal processing on IDRA radar is added by DWT (Discrete Wavelet Transform) and IDWT (Inverse Discrete Wavelet Transform) methods as a compression function. The research is validated with actual data that already exists on the web (4TU.Center for Research Data). From the web, several data samples have been taken, processed by adding DWT and IDWT methods to the data. After processing, the performance value between sample data and decompression data is calculated. Keywords: IDRA, DWT (Discrete Wavelet Transform), 4TU.Center for Reasearch Data
Klasifikasi Jenis Kulit Wajah Menggunakan Metode Convolutional Neural Network Zakiah Zakiah; Raditiana Patmasari; Sofia Saidah
eProceedings of Engineering Vol 8, No 6 (2021): Desember 2021
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kulit merupakan salah satu bagian terpenting pada tubuh manusia, selain berfungsi untuk melindungi organ yang ada di dalam tubuh kulit juga merupakan yang paling penting karena mencerminkan penampilan manusia terutama bagian kulit wajah. Setiap individu tentu ingin menjaga dan merawat kulit mereka, namun karena kulit manusia berbeda-beda maka cara merawatnya akan berbeda. Pada tugas akhir ini dilakukan penelitian klasifikasi kulit manusia menggunakan Convolutional Neural Network dengan arsitektur GoogLeNet. klasifikasi akan dilakukan dalam empat kelas yaitu normal, kering berminyak dan kombinasi. klasifikasi akan dilakukan dalam beberapa langkah, yang pertama yaitu dilakukan proses training model terlebih dahulu. Pengujian yang dilakukan melalui beberapa tahap berikut, yaitu penentuan dataset yang dipakai, proses training model, proses testing, dan pengujian performansi. Tujuan dari penelitian ini adalah melakukan analisis kinerja sistem dalam mengidentifikasi jenis kulit metode Convolusi Neural Network (CNN) dengan arsitektur GoogLeNet. Pengujian terbaik dari penelitian ini didapatkan dengan menggunakan nilai test size sebesar 0,2, ukuran citra 64x64, optimizer yang digunakan SGD dan nilai epoch 125. Hasil dari pengujian tersebut dapat mengklasifikasi kulit wajah dengan tingkat akurasi yang didapat sebesar 99,69 %, loss, 1,6496 %, presisi 100 %, recall 100 % dan F-1 Score 100% Kata kunci : Kulit, Convolutional Neural Network, GoogLeNet Abstract Skin is one of the most important parts of the human body, besides it serves to protect the organs in the body, the skin is also the most important because it reflects the human appearance, especially the facial skin. Every individual certainly wants to maintain and care for their skin, but because human skin is different, the way to care for it will be different. In this thesisproject, skin classification was conducted using Convolutional Neural Network with GoogLeNet architecture. Classification will be carried out in four classes, namely normal, dry, oily and combination. Classification will be carried out in several steps, the first is the model training process. The testing is carried out through the following stages, namely determining the dataset used, model training process, testing process, and performance testing. The purpose of this study is to analyze the performance of the system in identifying skin types using the Convolution Neural Network (CNN) method with GoogLeNet architecture. The best case scenario from this study was obtained using a test size value of 0.2, with image resolution of 64x64, using SGD as an optimizer and an epoch value of 125. Using those number and the chosen optimizer the result of this test can classify facial skin with an accuracy rate of 99.69%, 1.6496% loss, 100% precision, 100% recall and 100% F-1 Score. Keywords: Skin, Convolutional Neural Network, GoogLeNet
Deteksi Jenis Kulit Wajah Menggunakan Convolutional Neural Network Arsitektur Mobilenet Fiera Meiristika Utami; Rita Magladena; Sofia Saidah
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak —Kulit wajah merupakan bagian tubuh yang sering mendapat perhatian ekstra karena mempengaruhi penampilan seseorang. Deteksi jenis kulit wajah sangat dibutuhkan untuk mengetahui jenis perawatan wajah yang harus dilekukan. Perawatan kulit pada wajah yang sesuai dengan jenis kulit yang dimiliki seseorang juga sangat penting agar kulit wajah tetap sehat. Dalam Tugas Akhir ini akan dibahas tentang bagaimana cara mendeteksi jenis kulit wajah pada manusia dengan metode Convolutional Neural Network arsitektur MobileNet. Pada metode ini, pengujian data akan dilakukan setelah melalui proses training. Setelah dilakukan ekstraksi fitur, jenis kulit akan diklasifikasikan berdasarkan jenis kulit wajah tipe normal, kering, berminyak, dan kombinasi. Penelitian deteksi jenis kulit wajah ini diuji oleh enam parameter sebagai tolak ukur hasil dari keempat tipe jenis kulit, yaitu normal, berminyak, kering, dan kombinasi. Hasil pengujian terbaik didapatkan saat ukuran citra 224x224, optimizer Adamax, learning rate 0,0001; epoch 100, batch size 16, dan n-fold 3 menghasilkan akurasi 93,14%; loss 0,2565; precision 93,25%; recall 93,25%; dan F1-Score 93%. Kata kunci—CNN, Convolutional Neural Network, MobileNet, Deteksi Kulit Wajah, Jenis Kulit Wajah
Klasifikasi Penyakit Daun Pada Tanaman Kopi Menggunakan Convolutional Neural Network Dengan Arsitektur Mobilenet Ikhwanda, Alfan; Magdalena, Rita; Saidah, Sofia
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Tanaman kopi merupakan salah satukomoditas unggulan di Indonesia yang berkontribusibesar terhadap perekonomian nasional, baik melaluiekspor maupun konsumsi domestik. Namun,produktivitas kopi sering terancam oleh penyakit daun,seperti karat daun (Hemileia vastatrix), bercak daun(Phoma Costaricensis), dan penggerek daun (LeucopteraCoffeella), yang dapat menyebabkan penurunan kualitasdan hasil panen secara signifikan. Identifikasi penyakitdaun secara manual oleh petani atau ahli pertanianseringkali memerlukan waktu dan keahlian yang khusus,sehingga rentan terhadap kesalahan. Penelitian inibertujuan untuk mengembangkan sistem klasifikasiotomatis penyakit daun pada tanaman kopimenggunakan Convolutional Neural Network (CNN)dengan arsitektur MobileNet. Arsitektur MobileNetdipilih karena efisiensinya dalam menangani data dengansumber daya komputasi terbatas, seperti perangkatseluler. Proses klasifikasi dimulai dengan pengumpulandata dari dataset Kaggle, yang mencakup gambar daunsehat dan yang terinfeksi penyakit. Data ini melalui tahappreprocessing, meliputi penyesuaian ukuran citramenjadi 224x224 piksel. Model dilatih menggunakanparameter utama seperti optimizer, learning rate, batchsize, dan epoch, untuk menghasilkan klasifikasi yangoptimal. Penelitian dilakukan dengan menggunakan 1664dataset, dengan pembagian 400 data daun sehat, 460 datakarat daun, 484 data bercak daun dan 320 datapenggerek daun. Dataset yang digunakan untukpengujian yaitu sebesar 333 data. Melalui serangkaianpengujian dengan empat skenario yang berbeda,diperoleh konfigurasi optimal model dengan hasil terbaikyaitu Akurasi 99.549%, Loss 0.058, Presisi 95%, Recall95%, F1-score 95%. Dengan parameter terbaik adalahoptimizer RMSprop, learning rate 0.0001, epoch 125 danbatch size 16.Kata kunci: Daun Kopi, Convolutional Neural Network(CNN), MobileNet, Penyakit Daun, Citra Daun Tanaman Kopi.
Klasifikasi Sinyal Elektrokardiogram Untuk Irama Jantung Normal dan Aritmia Menggunakan Convolutional Neural Network (CNN) Gaol, Satya Wira Fernanda Lumban; Purnamasari, Rita; Saidah, Sofia
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Jantung merupakan organ tubuh manusia yang berfungsi untuk memompa darah ke seluruh tubuh.Dalam proses mendiagnosis kelainan jantung dapat denganElektrokardiogram (EKG). Elektrokardiogram (EKG) adalahsalah satu tes untuk mengetahui detak jantung menggunakanmesin pendeteksi impuls listrik atau disebut denganelektrokardiograf.. EKG dilakukan jika kamu mengalamigangguan irama jantung (aritmia), dimana kecepatan detakjantung penderitanya berdetak tidak normal sepertidetakannya cepat, detakan lambat, atau tidak beraturan.Dalam pengklasifikasian sinyal EKG pada jantung diperlukandeep learning karena dapat menganalisis data dalam skalabesar, diagnosa lebih cepat dan efisien, dan akurasi lebih tinggidibanding metode tradisional. Pada penelitian ini penulismelakukan pengklasifikasian menggunakan Deep Learning,dengan mengklasifikasikan sinyal EKG yang dipecah menjadi 2kelas, yaitu Normal Sinus Rhythm (NSR) dan Arrhythmia. Padatugas akhir ini merancang system deteksi Aritmia denganmetode Convolutional Neural Network (CNN) 1 Dimensi.Skenario uji dilakukan dengan membandingkan jenis optimizer,nilai learning rate, dan batch size agar memperoleh hasilterbaik. Pada tugas akhir ini membentuk sistem untuk deteksiAritmia dengan metode Convolutional Neural Network (CNN)1- Dimensi. Skenario uji membandingkan nilai learning rate,mencari optimizer terbaik, dan mencari batch size yang tepatuntuk mendapatkan akurasi terbaik. Hasil Uji terbaikdidapatkan dengan memakai optimizer RMSProp, learningrate 0.01, dan batch size 8. Didapatkan hasil hampir sempurnayaitu akurasi 99% , recall 99%, presisi 99%, dan f-1 score 99%.Kata Kunci : Convolutional Neural Network (CNN), PenyakitJantung, PhysioNet
Implementasi Sensor Matrix Force Sensing Resistor (FSR) untuk Mendeteksi Kelainan Telapak Kaki Subiakto, Septiaini Dela; Wijayanto, Inung; Saidah, Sofia
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Lengkungan pada telapak kaki yang berupa celah antara bagian dalam dari kaki dan permukaan disebut arkus. Terdapat tiga jenis arkus yaitu normal, tinggi, dan datar. Dari ketiga jenis arkus tersebut, dua diantaranya merupakan kelainan pada telapak kaki (tinggi dan datar). Kelainan ini berpengaruh pada calon anggota Kepolisian Republik Indonesia (POLRI) da- lam proses pemeriksaan fisik. Saat ini, pemeriksaan fisik tersebut masih menggunakan cara konvensional dengan menggunakan penggaris untuk mengukur panjang dan lebar telapak kaki. Untuk mengatasi masalah tersebut, penelitian ini merancang sebuah hardware, yaitu sistem pendeteksi telapak kaki bernama <Flatyfoot=. Sistem ini menggunakan komponen sensor matrix FSR, shift register dan analog, mikrokontroler ESP32, dan baja ringan. Kata Kunci-Arkus, Hardware, Mikrokontroler ESP32, PO- LRI, Sensor Matrix FSR
Implemetasi Convolutional Neural Network (CNN) dalam Mendeteksi dan Mendiagnosis Kelainan Telapak Kaki Alrizqi, Naufal Dwi; Wijayanto, Inung; Saidah, Sofia
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Arkus adalah lengkungan pada telapak kaki berupa celah antara bagian dalam dari kaki dan permukaan. Ada tiga jenis arkus yaitu normal, tinggi, dan datar, dengan dua terakhir dianggap sebagai kelainan kaki. Kelainan ini menjadi fokus dalam penilaian calon anggota Kepolisian Republik Indonesia (POLRI). Saat ini, pengukuran arkus dilakukan secara manual dengan penggaris, yang sering kali tidak akurat. Untuk mengatasi masalah ini, kami merancang sistem pendeteksi telapak kaki bernama "Flatyfoot". Sistem ini, yang berbasis Deep Learning dan menggunakan arsitektur Convolutional Neural Network (CNN) ResNet152 V2, dapat mengidentifikasi dua jenis telapak kaki (normal dan tidak normal) dengan akurasi tinggi. Dengan demikian, proses seleksi POLRI dapat menjadi lebih akurat dan efisien. Penelitian kami menunjukkan bahwa sistem ini memiliki performa 84,44%, menandakan bahwa model dapat berjalan sesuai rancangan. Kata Kunci4Flatfoot, POLRI, Deep Learning, Convolutional Neural Network (CNN), Deteksi Kelainan Telapak Kaki
Desain dan Implementasi User Interface Sistem Deteksi Kelainan Telapak Kaki Fardiyanti, Defitriana; Wijayanto, Inung; Saidah, Sofia
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Arkus adalah lengkungan pada telapak kaki berupa celah antara bagian dalam dari kaki dan permukaan. Ada tiga jenis arkus yaitu normal, tinggi, dan datar, dengan dua terakhir dianggap sebagai kelainan kaki. Kelainan ini menjadi fokus dalam penilaian calon anggota Kepolisian Republik Indonesia (POLRI). Saat ini, pengukuran arkus dilakukan secara manual dengan penggaris, yang sering kali tidak akurat. Untuk mengatasi masalah ini, kami merancang sistem pendeteksi telapak kaki bernama "Flatyfoot". Sistem ini, yang berbasis Deep Learning dan menggunakan arsitektur CNN ResNet152 V2, dapat mengidentifikasi dua jenis telapak kaki (normal dan tidak normal) dengan akurasi tinggi. Dengan demikian, proses seleksi POLRI dapat menjadi lebih akurat dan efisien. Penelitian kami menunjukkan bahwa sistem ini memiliki performa 84,44%, menandakan bahwa model dapat berjalan sesuai rancangan. Kata Kunci: Flatfoot, POLRI, Deep Learning, Convolutional Neural Network
Analisis dan Klasifikasi Penyakit Pada Daun Padi Dengan Menggunakan Metode Yolov8 Prayudi, Yoshi; Saidah, Sofia; Magdalena, Rita
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Penyakit pada daun padi merupakan tantangan utama dalam pertanian padi yang dapat secara signifikan mengurangi hasil panen. Penyakit ini disebabkan oleh berbagai patogen, termasuk jamur, bakteri, dan virus, yang menyerang daun padi dan mempengaruhi pertumbuhan serta kualitas tanaman. Gejala umum yang muncul meliputi bercak-bercak pada daun, perubahan warna, deformasi, dan penurunan luas daun yang sehat. Pengendalian penyakit ini melibatkan pemilihan varietas yang tahan, pengaturan tanaman yang baik, penerapan teknik sanitasi, serta penggunaan agen pengendali penyakit yang tepat. Memahami penyakit pada daun padi dengan baik sangat penting untuk menjaga produktivitas pertanian dan keberlanjutan sistem pertanian padi di masa depan. Pada penelitian ini dilakukan klasifikasi penyakit pada daun padi menggunakan metode YOLOv8. Metode ini digunakan karena akurasi yang dihasilkan dalam melakukan klasifikasi objek cukup tinggi. Selain itu dengan YOLOv8 proses klasifikasi objek dapat dilakukan secara real time. Dari total dataset yang digunakan 3.773 gambar dengan pembagian data testing sebanyak 418 gambar, data training 2.684 gambar, dan data validasi 671 gambar. Dengan total data training sebesar 70%, validasi sebesar 20%, dan testing sebesar 10%. Hasil dari pengujian yang dilakukan didapatkan nilai terbaik yaitu pada saat pengujian menggunakan size 224, learning rate 0.01, batch size 16, dan optimizer SGD yaitu presisi sebesar 0.982, recall 0.989, mAP50 0.986, dan mAP50-95 0.929 dan dari hasil perhitungan F1-Score sebesar 96,2%. Kata Kunci : Google Collab, Penyakit Daun Padi, Phyton, YOLOv8.
Co-Authors A F Akbar Abdillah, Obey Muhammad Abel Bima Wiratama Aditya S.B, I Dewa Agung Aditya, Hendra Akbar Trisnamulya Putra Al Brando Ardes Harjoko Aliefiya Rachman Alif Fajri Ryamizard Alrizqi, Naufal Dwi Andre Megantoro, Andre Megantoro Angga Prihantoro Arfat, Ikrar Khaera ARIS HARTAMAN Azzahra, Fatima Bainuri, Aulia Novria Bambang Hidayat Bambang Hidayat Bambang Hidayat Bongso, Dery Febryanto Darwindra Darwindra, Darwindra Dea Sifana Ramadhina Denny Darlis Desi Dwi Prihatin Dyah Ajeng Pramudhita Effendi , Doni Oktavian Ibnu Efri Suhartono Enrico Wiratama Purwanto Fadia Qothrunnada Fardiyanti, Defitriana Fathurrahman, Muhammad Hanif Fatima Azzahra Fellia Rizki Kusumowardani Fiera Meiristika Utami Firdaus, Muhammad Ilham Zuhruf Fitria, Ismaulida Nur Gaol, Satya Wira Fernanda Lumban Gelar Budiman Givalle , Zerricho Helsa Bagus Hidayat , Bambang Hilman Fauzi, Hilman Hurianti Vidya I Putu Yowan Nugraha Suparta Ibnu Da'wan Salim Ibnu Da’wan Salim Ubaidah Ibnu Da’wan Salim Ubaidah Ikhwanda, Alfan Ikrar Khaera Arfat Inung Wijayanto Iqbal Kurniawan Perdana Irwansyah Irwansyah Israndy Yainahu Iwan Iwut Tritoasmoro Jangkung Raharjo Kintan Veriana Koredianto Koredianto Koredianto Usman Mas, Muhammad Sabri Masykur, Muhammad Fadhel Affandi Muhamad Rokhmat Isnaini Muhammad Bayu Adinegara Muhammad Ilham Muhammad Ilham Muhammad, Zalfa Alif Nabila Herman Nidaan Khofiya Nimra , Fadhil Julian Nor Kumalasari Caecar Nor Kumalasari Caecar Pratiwi Nur Alyyu Nur Ibrahim Perdana, Iqbal Kurniawan Pramudhita, Dyah Ajeng Pratama, Irsyad Fadil Augusta PRATIWI, NOR KUMALASARI CAESAR Prayudi, Yoshi Prihantoro, Angga Putra, Akbar Trisnamulya Putri , Yusnita Putri, Tasya Busrizal Putri, Yusnita Qothrunnada, Fadia R. Yunendah Nur Fu’adah Rachmat Hidayat Ashary Raditiana Patmasari Ratna Sari Ratri Dwi Atmaja Reza Ahmad Nurfauzan Richard Bina Jadi Simanjuntak Rita Magdalena Rita Magladena Rita Purnamasari Robinzon Pakpahan Salsabil Farah Aqilah Wijaya Salsabila, Afap Sangkala, Muh Aslam Mahdi Sevierda Raniprima Subiakto, Septiaini Dela Susilo, Mochammad Hilmi Suwandhi, Adhisty Putrina Syamsul Rizal Syamsul Rizal Tahta Restu Adiguna Tasya Busrizal Putri Tita Haryanti Trisaputra , Andi Farhan Tsabita Al Asshifa Hadi Kusuma Vidya, Hurianti Wahid, Gloria Shekinah Florensia Wahyu, I Komang Trisna Wibisono Sabdo Utomo WIDIANTO, MOCHAMMAD HALDI Widya Alisya Kusuma Ningrum Yunendah Fu’adah Zakiah Zakiah