Article Per Year (5 Year)
p-Index From 2021 - 2026
6.458
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Mahasiswa TEUB Jurnal EECCIS Jurnal Teknologi Informasi dan Ilmu Komputer TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol Indonesian Journal of Electrical Engineering and Computer Science
Raden Arief Setyawan
Jurusan Teknik Elekto Fakultas Teknik Universitas Brawijaya
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 116 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 116 Documents
Search

 8   9   10   11   12 
RANCANG BANGUN PENAKAR OTOMATIS UNTUK PEMBUATAN PASTRY DIUD. BUMIAJI SEJAHTERA Brahmada, Yohanes Valerio; Setyawan, Raden Arief; Setyawati, Onny
Jurnal Mahasiswa TEUB Vol. 12 No. 5 (2024)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

This research discusses the creation of an automatic dosing tool for  making pastry at UD. Bumiaji Sejahtera. This automatic dosing tool will be created by creating subsystems and testing them first before putting themtogether and testing their accuracy and precision. The created subsystems are the material mass data retrieval subsystem, HMI communication subsystem, and material pouring subsystem. From the results of testing the material mass data retrieval subsystem, it was found that this subsystem was able to work with an average error value of 0.001533 grams and an overall average percentage error value of 0.1533%. From the results of testing the HMI communication subsystem, it was found that communication could run well as indicated by the compatibility of data on the sender and receiver sides in both cases. From the results of testing the material pouring subsystem, it was found that the relay and DC Motor worked well, where the relay and DC Motor worked when they received input voltage from the ESP 32. Testing the accuracy and precision of the tool produced an accuracy value of 0.098168498 % and a precision of 0.226067529 % for flour materials and an accuracy value of 0.79010989 % and a precision of 0.783743414 % for sugar materials. Keyword: Accuracy, Precision, Measuring, Mass, Communication, Pouring
Implementasi Metode Pengolahan Citra dan Deteksi Objek pada Sistem Pemantau Ketersediaan Lahan Parkir dengan Perhitungan Jumlah Kendaraan Bermotor Prihartady, Dion; Setyawan, Raden Arief; Muttaqin, Adharul
Jurnal Mahasiswa TEUB Vol. 13 No. 2 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Peningkatan jumlah kendaraan di daerah perkotaan menuntut sistem manajemen parkir yang lebih efisien. Sistem pemantauan parkir  konvensional masih menggunakan pengawasan manual, yang kurang  efektif dalam menyediakan informasi ketersediaan slot parkir secara real- time. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan metode pengolahan citra dan deteksi objek yang  dapat mengidentifikasi kendaraan serta menghitung jumlahnya secara otomatis. Proses deteksi dan penghitungan kendaraan diawali dari proses input data berupa video dari kamera yang merekam lahan parkir dan file  txt yang berisi posisi koordinat posisi slot parkir. Tahap selanjutnya adalah  proses processing dimana pada proses ini digunakan lima metode  pengolahan citra yaitu Grayscale Conversion untuk mengubah citra berwarna (RGB) menjadi citra grayscale untuk menyederhanakan data,  Gaussian filter diterapkan untuk mengurangi noise, Adaptive Thresholding digunakan untuk membedakan antara slot parkir kosong dan terisi,  median filter dan dilation diterapkan untuk meningkatkan kualitas  segmentasi objek. Pada tahap selanjutnya dilakukan proses deteksi slot  parkir dimana slot parkir dipetakan menggunakan transformasi perspektif  agar tampilan hasilnya lebih rata dan sistem menganalisis jumlah piksel non-zero dalam setiap slot parkir untuk menentukan slot kosong dan terisi.  Tahap terakhir adalah proses untuk hasil deteksi dan visualisasi dimana sistem menampilkan jumlah slot kosong dan terisi dalam bentuk  numerik serta warna yaitu hijau untuk slot kosong dan merah untuk slot  merah. Pengujian sistem menggunakan hasil rekaman kamera webcam  pada lahan parkir bermotor Gedung A Departemen Teknik Elektro Universitas Brawijaya. Hasil pengujian menunjukkan bahwa akurasi  tertinggi untuk perhitungan ketersediaan slot parkir kendaraan bermotor  adalah 92%. Jumlah paling kecil error pada perhitungan ketersediaan slot parkir adalah 2. Sebagian besar error terjadi karena hambatan fisik  kendaraan seperti helm dan adanya objek di sekitar area deteksi serta  kendaraan yang terparkir terlalu dekat satu sama lain. Dengan menggunakan lima metode pengolahan citra tersebut diharapkan dapat  membantu dalam perkembangan algoritma pemrosesan citra dan sistem  antarmuka pada sistem pemantau ketersediaan lahan parkir dengan  perhitungan jumlah kendaraan bermotor. Kata Kunci: Pengolahan Citra, Deteksi Objek, Adaptive Thresholding, Sistem Parkir, OpenCV.
PENGARUH USIA DAN IQ TERHADAP KINERJA ARTIFICIAL NEURAL NETWORK DALAM KLASIFIKASI GANGGUAN JIWA BERDASARKAN DATA EEG Prawira, Muhammad Satya Buana; Setyawan, Raden Arief; Abidin, Zainul
Jurnal Mahasiswa TEUB Vol. 13 No. 3 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Klasifikasi gangguan jiwa berbasisElectroencephalography (EEG) telah menjadi bidangpenelitian yang berkembang dalam kecerdasan buatan(Artificial Intelligence - AI). Penelitian ini bertujuanuntuk mengevaluasi pengaruh parameter tambahan, yaituusia dan IQ, terhadap performa model Artificial NeuralNetwork (ANN) dalam klasifikasi gangguan jiwa berbasisEEG. Data EEG yang digunakan berasal dari datasetpublik dan dikategorikan berdasarkan dua jenis gangguan,yaitu Schizophrenia dan Post-Traumatic Stress Disorder(PTSD), serta kelompok Healthy Control. Sebanyaksembilan model ANN dikembangkan dengan kombinasiparameter berbeda, meliputi Power Spectral Density(PSD), Functional Connectivity (FC), usia, dan IQ.Proses klasifikasi dilakukan dengan Neural Network padalayer aktivasi sigmoid, sementara preprocessing datamencakup normalisasi menggunakan StandardScaler danpenyeimbangan data menggunakan Synthetic MinorityOver-sampling Technique (SMOTE). Evaluasi modeldilakukan berdasarkan metrik akurasi, sensitivity,specificity, dan AUC.Hasil penelitian menunjukkan bahwa model denganparameter usia dan IQ memberikan peningkatan performayang signifikan dibandingkan model tanpa keduaparameter tersebut. Model terbaik, yaitu PTSD IQ,mencapai akurasi testing sebesar 99,89% dengan standardeviasi rendah (0,17%), sensitivitas dan AUC sempurna(100%), menunjukkan kinerja yang unggul dibandingkanmetode sebelumnya seperti Elastic Net. Penambahanvariabel usia dan IQ terbukti meningkatkan kemampuangeneralisasi model, khususnya pada klasifikasi PTSD,serta berkontribusi dalam mengatasi ketidakseimbangankelas pada data Schizophrenia melalui teknik SMOTE +undersampling. Temuan ini menegaskan bahwa usia danIQ merupakan variabel penting dalam klasifikasigangguan jiwa berbasis EEG, serta memperkuat potensipenggunaan model Artificial Neural Network (ANN)sebagai sistem diagnosis berbasis kecerdasan buatan dibidang kesehatan mental.Kata Kunci— EEG, Artificial Neural Network, klasifikasigangguan jiwa, IQ, Age.
IDENTIFIKASI NON-INVASIF SKOLIOSIS MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR RESIDUAL NETWORK (RESNET18) DAN MOBILE NETWORK (MOBILENETV2) Izanati, Nazuha; Mudjirahardjo, Panca; Setyawan, Raden Arief
Jurnal Mahasiswa TEUB Vol. 13 No. 3 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Skoliosis merupakan kelainan tulang belakang yang menyebabkan kelengkungan abnormal dan berdampak padapostur serta kesehatan jangka panjang penderitanya. Metode deteksi konvensional seperti X-ray memiliki risiko paparan radiasiserta keterbatasan akses di beberapa wilayah. Penelitian ini bertujuan untuk mengidentifikasi skoliosis secara non-invasifmelalui citra tampak belakang tubuh manusia menggunakan model Convolutional Neural Network (CNN) dengan duapendekatan arsitektur, yaitu ResNet-18 dan MobileNetV2. Dataset citra yang digunakan terdiri dari dua kelas: normal danskoliosis, dan diolah melalui beberapa skenario eksperimental seperti representasi warna, jumlah epoch, jenis optimizer, sertanilai learning rate. Hasil menunjukkan bahwa MobileNetV2 memberikan performa terbaik dengan akurasi 88% dan waktukomputasi yang lebih efisien dibandingkan ResNet-18 yang mencapai akurasi 84%. Perbandingan menunjukkan bahwaMobileNetV2 unggul dalam efisiensi, sementara ResNet-18 lebih konsisten dalam performa klasifikasi. Pendekatan inimembuktikan bahwa CNN dapat menjadi solusi alternatif yang aman, efisien, dan mudah diterapkan untuk deteksi skoliosissecara dini dan non-invasif.Kata Kunci—Skoliosis, CNN, ResNet-18, MobileNetV2, Klasifikasi Citra, Deteksi Non-Invasif
RANCANG BANGUN ALAT DETEKSIKUALITAS BUAH BERBASIS MACHINE LEARNING DENGAN ESP32-CAM Bimasena, Muhammad Farrel; Mudjirahardjo, Panca; Setyawan, Raden Arief
Jurnal Mahasiswa TEUB Vol. 13 No. 3 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Kualitas buah yang baik sangat penting dalam industri pertanian dan perdagangan, karena buah yangtidak memenuhi standar dapat menyebabkan kerugian ekonomi dan dampak lingkungan yang signifikan.Metode tradisional dalam penilaian kualitas buah yang bergantung pada inspeksi manual sering kali tidakefisien dan rentan terhadap kesalahan. Dengan meningkatnya permintaan global untuk produksi pangan,diperlukan solusi yang lebih efektif. Penelitian ini menggunakan machine learning dan deep learning melaluiimage classification untuk mendeteksi kualitas buah secara real-time. Dataset tampilan atas buah jambu kristaldengan kelas grade_a, grade_b, dan grade_c yang secara keseluruhan berjumlah 451 gambar dirancangmenggunakan model convolutional neural network (CNN) menunjukkan hasil dengan model terbaikmenggunakan fungsi optimasi Adam mencapai accuracy 90,49%, precision 90,84%, recall 91,05%, dan F1-score 90,84% pada training dan validasi serta accuracy 88,33%, precision 88,88%, recall 88,33%, dan F1-score 87,83% pada testing. Model ini dikonversi ke TensorFlow Lite lalu diekspor ke ESP32-CAM denganbantuan Edge Impulse untuk deployment, memungkinkan klasifikasi gambar buah. Saat model terbaik tersebutdiuji dengan ESP32-CAM, diperoleh nilai accuracy 83,33%, precision 89,00%, recall 83,33%, dan F1-score82,33%.Kata Kunci: Kualitas Buah, Jambu Kristal, Machine Learning, Convolution Neural Network, ESP32-CAM
ANALISIS PERFORMANSI ALGORITMA RANDOM FOREST, LOGISTIC REGRESSION, DAN DECISION TREE UNTUK MELAKUKAN KLASIFIKASI SERANGAN SIBER Kuswardana, Ega Ferdian; Setyawan, Raden Arief; Aswin, Muhammad
Jurnal Mahasiswa TEUB Vol. 13 No. 4 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Intrusion Detection System (IDS) berperanpenting dalam mendeteksi serangan siber, termasukAdvanced Persistent Threat (APT) yang bersifatkompleks dan tersembunyi. Penelitian ini mengusulkanpendekatan klasifikasi berlapis (multilayer classification)yang terdiri dari dua tahap: klasifikasi awal untukmembedakan trafik APT, Non-APT, dan Normal, sertaklasifikasi utama untuk mengidentifikasi jenis serangansecara lebih spesifik. Model dibangun menggunakankombinasi algoritma Random Forest, Decision Tree, danLogistic Regression. Hasil menunjukkan bahwakombinasi Decision Tree dan Random Forest (DT+RF)menghasilkan akurasi terbaik, yaitu 97% untuk dataserangan dan 99% secara keseluruhan. Dibandingkanpenelitian sebelumnya, pendekatan ini menunjukkanpeningkatan nilai precision dan recall pada sebagian besarkategori serangan. Namun, pengujian terhadap data realworld menunjukkan tantangan dalam generalisasi model,menandakan perlunya pengembangan lebih lanjut agarlebih adaptif terhadap kondisi lalu lintas nyata.Kata Kunci— IDS, Advanced Persistent Threat,Multilayer klasifikasi, Random Forest, Decision Tree,real-world data.
PERANCANGAN EKSTENSI CHROME PENDETEKSI SITUS WEB PHISHING DENGAN HYPER PARAMETER TUNING PADA MODEL RANDOM FOREST Abrar, Ahmad Akmal; Setyawan, Raden Arief; Razak, Angger Abdul
Jurnal Mahasiswa TEUB Vol. 13 No. 4 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Phishing adalah sebuah kejahatan digital untuk mencuri informasi rahasia pengguna dengan caramenggunakan email dan situs web palsu yang tampilannya menyerupai tampilan asli web sebenarnya.Informasi yang dicuri dapat berupa informasi pribadi, informasi akun atau informasi keuangan. Salah satu carauntuk mencegah pengguna internet terjebak phishing yaitu dengan pendeteksian.Penelitian ini bertujuan untuk membangun Google Chrome extension yang dapat mendeteksi situsweb phishing dengan menerapkan hyperparameter tuning pada model machine learning Random Forest.Google Chrome extension dibangun dengan HTML, CSS, dan JavaScript. Pendeteksian situs web phishingdilakukan oleh model Random Forest yang terintegrasi dengan extension melalui server. Model Random Forestdibuat dengan mengimplementasikan hyperparameter tuning menggunakan metode Grid Search. Grid Searchdiatur untuk mencari model dengan akurasi terbaik kombinasi parameter yang dipilih.Hasil pengujian model dengan 150 data situs web phishing dan 150 data situs web valid menunjukkanbahwa model hasil hyperparameter tuning memiliki performa yang lebih baik secara keseluruhandibandingkan model yang tidak di-tuning. Model yang tidak di-tuning memiliki akurasi sebesar 68,67%, presisisebesar 67,72%, recall sebesar 71,33%, dan F1-score sebesar 69,48%. Model dengan hyperparameter tuningmemiliki akurasi sebesar 74,67%, presisi sebesar 74,34%, recall sebesar 75,33%, dan F1-score sebesar74,83%.Terjadi peningkatan pada akurasi sebesar 6%, presisi sebesar 6,62%, recall sebesar 4%, dan F1-Scoresebesar 5,35%.Kata Kunci: Google Chrome extension, phishing, hyperparameter tuning, Random Forest
PENGAPLIKASIAN ALGORITMA DYNAMIC ROUTING PADA ESP-NOW UNTUK ESP32 Rahmansyah, Aqil Gama; Setyawan, Raden Arief; Razak, Angger Abdul
Jurnal Mahasiswa TEUB Vol. 13 No. 4 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

ESP-NOW pada ESP32 memiliki keterbatasandalam membentuk jaringan mesh skala besar dan dinamiskarena skema broadcast datarnya dan tidak adanyamekanisme rerouting. Penelitian ini mengusulkan sebuahprotokol routing dinamis ringan yang terinspirasi dariOSPF, yang disesuaikan untuk ESP-NOW. Node ESP32secara periodik mengirim beacon, saling mengenalitetangga, serta mencatat “kill-count” untuk mendeteksidan menghapus node yang offline. Node-node ini salingbertukar tabel tetangga, menyebarkan metrik hop-count,dan menghitung jalur terpendek untuk mengirim datasecara optimal. Pengujian dilakukan di lingkungan rumahdengan banyak tembok dan gangguan sinyal, sertapenempatan node secara acak untuk mensimulasikankondisi nyata. Hasilnya, jaringan mesh dapat terbentuksecara otomatis dan hampir instan tanpa konfigurasimanual. Tingkat keberhasilan pengiriman paket mencapailebih dari 80% dalam kondisi ideal, meskipun performadapat menurun karena hambatan fisik dan keterbatasanantena bawaan ESP32. Meski begitu, protokol ini terbuktiefektif dalam membentuk jaringan mesh secara otomatis,skalabel, dan tangguh terhadap perubahan topologi. Solusiini cocok untuk implementasi jaringan IoT yang dinamis,hemat daya, dan berlatensi rendah.Kata Kunci: ESP32, ESP-NOW, routing dinamis,jaringan mesh, IoT, OSPF, peer-to-peer
ESTIMASI JARAK LINIER GEOMETRIS BERBASIS RSSI MENGGUNAKAN HIBRIDA KALMAN FILTER DAN REGRESI LINIER PADA SISTEM MULTI-ANCHOR ESP32 Al-Mukhlasin, Sultan Ainnur Ridwan Alaydrus; Setyawan, Raden Arief; Aswin, Muhammad
Jurnal Mahasiswa TEUB Vol. 13 No. 5 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Estimasi jarak dan posisi di lingkungan dalamruangan (indoor) merupakan tantangan fundamental bagiaplikasi Internet of Things (IoT) karena ketidakandalansinyal GPS. Penelitian ini mengusulkan sebuah sistemestimasi jarak linier berbasis Received Signal StrengthIndicator (RSSI) pada platform ESP32. Arsitektur sistemyang diusulkan adalah sistem multi-anchor yang terdiridari satu node target (ChildNode), tiga node jangkar(ParentNode), dan satu node pemroses (ScannerNode)yang berkomunikasi menggunakan protokol ESP-NOW.Untuk meningkatkan akurasi, diimplementasikan sebuahmetode hibrida yang mengintegrasikan Kalman Filter(KF) untuk meredam fluktuasi sinyal RSSI dan RegresiLinier untuk kalibrasi model propagasi sinyal. Parametermodel propagasi ini ditentukan secara empiris dari datakalibrasi untuk memetakan hubungan antara RSSI danjarak. Kinerja metode usulan (KF + Regresi Linier)dievaluasi secara kuantitatif dan dibandingkan dengan duametode baseline: (1) arsitektur multi-anchor dengan RSSImentah dan (2) arsitektur multi-anchor dengan KF saja(KF-Only) pada lima titik lokasi di dalam lingkunganindoor terkontrol. Hasil eksperimen menunjukkan bahwametode usulan berhasil menekan Mean Absolute Error(MAE) secara drastis hingga mencapai rata-rata 16.6 cm,dengan hasil terbaik 10.5 cm. Kinerja ini secara signifikanmengungguli metode Baseline 2 (KF-Only) yang memilikiMAE rata-rata 81.4 cm dan Baseline 1 (RSSI Mentah)dengan MAE di atas 1.5 meter. Temuan ini membuktikansecara kuantitatif bahwa pendekatan hibrida KalmanFilter dan Regresi Linier pada arsitektur multi-anchorsangat efektif dalam meningkatkan akurasi estimasi jaraklinier di lingkungan indoor yang kompleks.Kata Kunci— Estimasi Jarak, RSSI, ESP32, ESP-NOW,Kalman Filter, Regresi Linier, Trilaterasi, Multi-Anchor.
IMPLEMENTASI FACE RECOGNITION MENGGUNAKAN BAHASA PYTHON Rizqullah, Putra; Setyawan, Raden Arief; Kusmaryanto, Sigit
Jurnal Mahasiswa TEUB Vol. 13 No. 6 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Pengenalan wajah (Face Recognition) dari sebuah citra gambar diam maupun bergerak merupakan topikyang penting dan menarik untuk diangkat saat ini. Proses pengenalan wajah ini menjadi lanjutan dari prosesdeteksi wajah yang mempunyai banyak implementasi baik pada bidang keamanan maupun sosial media.Tujuan dari proses pengenalan wajah adalah mengidentifikasi identitas seseorang melalui wajah seseorangtersebut sesuai dengan data yang diterima dari suatu basis data. Wajah dapat menjadi identitas pribadi dariseseorang yang dapat digunakan untuk berbagai macam kepentingan dalam interaksi manusia dengankomputer serta juga dapat menentukan atau mengkonfirmasi seseorang. Oleh sebab itu komputer memerlukansuatu program khusus untuk melakukan hal tersebut, karena komputer sendiri tidak memiliki cara berpikirseperti manusia. Pada penelitian ini akan membahas mengenai pemrograman dari pengenalan wajah denganmenggunakan bahasa Python yang menggunakan IDE Pycharm. Hasil dari pemrograman ini akanmemperlihatkan proses dan citra video yang telah terimplementasikan pengenalan wajah.Kata Kunci : Python, Pycharm, Deteksi wajah, Pengenalan wajah.
Co-Authors Abdullah Rasyid Abrar, Ahmad Akmal Achmad Basuki Achmad Basuki Ade Vali Sofyan Adharul Muttaqin Admaja Dwi Herlambang, Admaja Dwi Agus Satrio Ahmad Sulkhan Taufik Akbar, Sabriansyah Rizkika Akhmad Zainuri Akmal Hibban Syah Alam Al-Mukhlasin, Sultan Ainnur Ridwan Alaydrus Algy Prastya Derosa Andreas Horaciyo Simanjuntak Angger Abdul Razak Asmungi, Gaguk Asrori Arsyad Aulia, Fikri Bayu Aditya Herlambang Bertoni Ramadhan Putra Bima Aditia M. S. Bimasena, Muhammad Farrel Brahmada, Yohanes Valerio Brian Reza Kawalta Tarigan S. Danial Risaf Ashari David Stefano Dewi Nur Ayuningtya Dian Falah J. Ebim Iskandar Muda Edinar Valiant Hawali Eldoni Tuah Rito Purba Endy Hendrawan Erfan Achmad Dahlan Erni Yudaningtyas Fahrunnisa, Zulfa Fajar Mit Cahyana Falah, Raisul Farizqi, Yayang Firhan Bagus Adji Fredy Christiawan Fuad Sultan Muhammad Gagas Wijaksana Nugraha Giffary Risa Nugraha Gilang Luih Pinandita Hafidin Bangun Widyanto Hani Khulud Harits Al Furqon Akbar Herdinto Praja Mukti I B Giri Kusuma I Putu Putra Darmawan Ibrahim Hasan Ibtihal, Moch Fahulul Insanutama, Adam Issa Arwani Itsna Az Zahra Itsna Az Zahra Izanati, Nazuha James Christianto Jam’iyatul Hidayah Jason Danny Setiawan Jibril Asida Angkara Kenny Aldebaran Roberts Khulud, Hani Kusmaryanto, Sigit Kuswardana, Ega Ferdian Lukman Gumelar M. Rendra Perdana Kusuma Djaka Maulana, Eka Milendy Arifputra Pamungkas Moch. Agus Choiron Mochammad Agus Choiron Moh Fahri Ferdiansyah Moh. Wildan Ali Fikri Moh. Yusuf Firmansyah Mohammad Alif Robby Gani Mohammad Ghadafi Mudjirahardjo, Panca Muhamad Ilham Muhammad Aswin Muhammad Aswin Muhammad Aswin Muhammad Aziz Muslim Muhammad Fauzan Edy Purnomo Muhammad Julius St. Muhammad Khairy Mahdi Muhammad Naufal Muhammad Rahma Arif Muhammad Wisem Royyan Muslichin Muslichin Muslichin, n/a Muslim, ST., MT., Ph.D, Muhammad Aziz Mustofa, Ali Mutia Prameswari n/a Angellica n/a Nurussa’adah n/a Soeprapto Nano Bagus Septyanto Nisa Intan Kumalasari Nurus Sa'adah Nurussa'adah, n/a Onny Setyawati Panca Mudji Rahardjo Panca Mudjirahardjo Ponco Siwindarto Prasetyo Rizky Arfan Sodiq Prawira, Muhammad Satya Buana Pretty Lumbantobing Prihartady, Dion Primusa, Reyhandhy Arianda Rachmadwipa Novandri Rahmadwati Rahmadwati Rahmadwati, n/a Rahmansyah, Aqil Gama Raisul Falah Reynald Darmawan Reza Anhario Rhezananta Arya H. Ricky Insyani Santosa P. P. Rif'an, Mochammad Rizki Firmansyah Rizki Jumadil Putra Rizki Wahyu Nugroho Rizky Adi Sanjaya Rizqullah, Putra Royyannuur Kurniawan Endrayanto Rudy Soenoko Rudy Sunoko Ruri Ridha Rajwari Saif Masharil Huda Samuel Aji Sena Satrio Agung Wicaksono Sepvicho Prima Putra P. Sigit Kusmaryanto, Sigit Sofyan Andika Yusuf Suyono, Hadi Taqiy Asyam Listyawan Thufeil Claudy Rahman Tommy Eka Putra Bimantara Vika Mubarokah Wardana, Fitri Candra Waru Djuriatno Waru Djuriatno Wiam Mardliy Syahrir Yana Wahyuana Yudika Putra Perdana Pangaribuan Yusuf Kurniawan Yusuf Rangga Pratomo Yusuf, n/a Zainul Abidin Zainul Abidin Zainuri, Akhmad Zamrut Hirsa Mohammad