Article Per Year (5 Year)
p-Index From 2021 - 2026
4.529
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Simantec Jurnal Teknologi Informasi dan Ilmu Komputer International Journal of Advances in Intelligent Informatics Register: Jurnal Ilmiah Teknologi Sistem Informasi JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Information Technology and Computer Science (JOINTECS) Knowledge Engineering and Data Science ILKOM Jurnal Ilmiah SENTIA 2017 SENTIA 2016 Kumawula: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknologi Informasi dan Terapan (J-TIT) Buletin Ilmiah Sarjana Teknik Elektro Jurnal Elkolind : Jurnal Elektronika dan Otomasi Industri Indonesian Journal of Electrical Engineering and Computer Science JAMI: Jurnal Ahli Muda Indonesia International Journal of Engineering, Science and Information Technology Jurnal Pengabdian Polinema Kepada Masyarakat Jurnal Pengabdian pada Masyarakat Ilmu Pengetahuan dan Teknologi Terintegrasi Jurnal Teknik Ilmu dan Aplikasi Jurnal Informatika Polinema (JIP) Jurnal Pengabdian Kepada Masyarakat
Rosa Andrie Asmara
Politeknik Negeri Malang
Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry 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 Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 51 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 51 Documents
Search

 1   2   3   4   5 
Basketball Activity Recognition Using Supervised Machine Learning Implemented on Tizen OS Smartwatch Rosa Andrie Asmara; Nofrian Deny Hendrawan; Anik Nur Handayani; Kohei Arai
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol 8, No 3 (2022): September
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v8i3.23668

Abstract

Basketball Activity Recognition (BAR) in sports teams, especially in basketball, to make statistical analysis of player activity data is currently a very important thing. BAR is one part of sports science that recognizes the movement of players in each activity, such as dribbling, passing, etc. Sport science in the sports business is used as one of the factors of coaches and management to determine strategy, starter line-up, check the condition of players after injury, etc. the current technology to recognize player activity only depends on the object detection method of players' through video recordings of players is considered lacking because it only sees the perspective of the coach to reduce players as starter line-up and there is no logical calculation of why players are not installed as starter line-up. One method for recognizing player activity is using a wearable device that has an accelerometer and gyroscope sensor with high accuracy. The values from those sensors will be classified and recognize their activity, i.e., Dribbling, Passing, and Shooting. Smartwatch is one of those wearable devices that meet those criteria. For the activity classification process, the use of the K-NN classification method is the most appropriate because it has a low computational level that is in accordance with the smartwatch specifications. The results of the classification using accelerometer sensor data and gyroscopes with K-NN as an activity recognition method have an accuracy of 81.62%, and player activity recognition applications using accelerometer and gyroscope sensors can also record the results of player movements for further analysis by management and coaches. This is the advantage of this BAR application compared to the recognition of player activity using object detection on video recordings.
IDENTIFIKASI PERSON PADA GAME FIRST PERSON SHOOTER (FPS) MENGGUNAKAN YOLO OBJECT DETECTION DAN DIIMPLEMENTASIKAN SEBAGAI AGENT CERDAS AUTOMATIC TARGET HIT Rosa Andrie Asmara; M. Rahmat Samudra; Dimas Wahyu Wibowo
Jurnal Teknik Ilmu dan Aplikasi Vol. 3 No. 2 (2022): Jurnal Teknik Ilmu dan Aplikasi
Publisher : Politeknik Negeri Malang

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

Abstract

Game First-person shooter (FPS) merupakan genre video game yang berpusat pada senjata, umumnya permainan ini membutuhkan akurasi untuk membidik sasaran dengan cepat. Tetapi pemain terutama pemain baru biasanya tidak memiliki reaksi yang cepat dalam mengetahui lawan(person) disekitarnya. Metode yang biasa digunakan adalah memanipulasi memori menggunakan dynamic-link library untuk membuat asisten bidik untuk mendeteksi lawan. Penelitian ini mendeteksi dan mengklasifikasi citra person dengan menggunakan metode YOLO. Versi YOLO yang digunakan sebanyak tiga versi, yaitu YOLOv3, YOLOv4 dan YOLOv5s, karena tingkat keberhasilan YOLO yang luar biasa. YOLO akurasi klasifikasi sebesar 65 persen, dan presisi sebesar 98 persen dengan peforma inference pada YOLO Tiny sebesar 30FPS. YOLO pada penelitian ini mendapatkan hasil yang baik pada klasifikasi, akan tetapi dibutuhkan metode untuk mempercepat inference yang baik juga untuk melakukan deteksi yang lebih cepat. Metode YOLO dapat digunakan untuk melakukan deteksi objek, akan tetapi pada kecepatan deteksi didapatkan hasil yang kurang memuaskan.
Prediksi Banjir Lahar Dingin pada Lereng Merapi menggunakan Data Curah Hujan dari Satelit Rosa Andrie Asmara; Arief Prasetyo; Siska Stevani; Ratih Indri Hapsari
Jurnal Informatika Polinema Vol. 7 No. 2 (2021): Vol 7 No 2 (2021)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v7i2.494

Abstract

Banjir lahar dingin merupakan sekumpulan lahar yang dimuntahkan oleh gunung berapi dan sampai ke permukaan yang lebih rendah dengan bantuan atau dorongan dari air hujan. Akibatnya, air hujan yang membawa serta material-material vulkanik dari lahar ini akan menerjang lahan yang berada di bawahnya ataupun pemukiman penduduk dan banyaknya kerusakan atapun dampak-dampak lain yang akan dihasilkan oleh banjir lahar dingin ini. Faktor yang menyebabkan banjir lahar adalah intensitas atau curah hujan (mm/jam) dan akumulasi hujan (mm/7hari). Terjadinya banjir lahar dapat dideteksi oleh beberapa alat salah satunya adalah Geofon. Alat sering rusak dan hanyut karena dipasang atau ditempatkan pada permukaan tanah disetiap stasiun sungai, dan pada saat terjadinya banjir lahar hingga sampai ke permukaan yang lebih rendah maka alat tersebut tidak dapat mengirimkan informasi getaran. Oleh karena itu pada penelitian ini di buat sebuah sistem untuk membantu sensor Geofon dalam memprediksi banjir lahar pada kawasan Lereng Merapi. Sistem akan mengeluarkan status getaran yang terdiri dari 4 kelas yaitu banjir rendah, banjir sedang, banjir tinggi dan tidak terjadi banjir lahar dengan memperhitungkan atribut curah hujan dan akumulasi hujan dari satelit menggunakan metode K-NN (K-Nearest Neighbor). Pemilihan nilai K pada algoritma K-NN menjadi hal yang penting karena akan mempengaruhi kinerja dari algoritma K-NN pada sistem prediksi banjir lahar, oleh karena itu perlu diketahui berapa nilai K dan tingkat akurasinya. Metode 10-Fold Cross Validation dan Uji Akurasi digunakan untuk mengetahui nilai K Optimal pada tiap lokasi penelitian yaitu Gendol, Putih 1 dan Putih 2. Berdasarkan hasil pengujian yang didapat adalah pada lokasi Gendol dan Putih 1 menggunakan 3-NN dengan akurasi rata-rata 72.307% dan 81.429%, lokasi Putih 2 menggunakan 1-NN dengan akurasi rata-rata 86.955%. Data pengujian pada lokasi Gendol menggunakan data 1-Fold Cross Validation dengan akurasi 3-NN 92.31%, Putih 1 data 8-Fold Cross Validation dengan akurasi 3-NN 95.24%, dan Putih 2 data 10-Fold Cross Validation dengan akurasi 1-NN 91.3%.
PENENTUAN KLASIFIKASI MUTU FISIK BERAS DARI BENTUK FISIK DAN WARNA MENGGUNAKAN METODE CONNECTED COMPONENT LABELLING Rosa Andrie Asmara; Odhitya Desta Triswidrananta; Fitriana Nur’Aini D
Jurnal Informatika Polinema Vol. 5 No. 4 (2019): Vol 5 No 4 (2019)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v5i4.254

Abstract

Hasil dari penggilingan padi sangat tergantung pada parameter proses selama penggilingan berlangsung. Di Indonesia sistem penggilingan padi merupakan salah satu faktor utama untuk mendapatkan beras dengan mutu yang tinggi dan kualitas yang memenuhi standar permintaan masyarakat. Penilaian mutu beras saat ini masih menggunakan cara yang manual Sehingga memiliki beberapa kelemahan diantaranya yaitu: 1) adanya faktor perbedaan penilaian dari tiap pengamat sehingga membuat perbedan dalam tiap mutu beras. 2) Hasil pengamatan yang tidak konsisten karena kelelahan fisik. 3) Waktu pengamatan yang relatif lama. Berdasarkan permasalahan tersebut, diperlukan suatu aplikasi penentuan klasifikasi mutu fisik beras dari bentuk fisik dan warna menggunakan metode Connected Component Labeling. Metode Connected Component labeling merupakan metode pelabelan yang digunakan untuk menghitung butir dan mengklasifikasinnya sebagai butir utuh, butir patah, butir menir, butir gabah dan benda asing. Sedangkan warna menggunakan RGB duntuk mengidentifikasikan beras sebagai butir kuning/rusak, benda asing dan butir gabah. Sedangkan bentuknya menggunakan dilasi erosi. Metode ini memiliki kelebihan seperti tidak terpengaruh pada kemiringan objek. Sehingga masih bisa memisahkan objek dengan baik walaupun posisi objek gambar dalam keadaan miring Pengujian terhadap aplikasi dilakukan dengan menggunakan 50 citra input dengan rincian 10 citra input mutu I, 10 citra input mutu II, 10 citra input mutu III, 10 citra input mutu IV, dan 10 citra input mutu V. Dengan hasil akurasi sebesar 90% (45 citra) dapat dikenali dengan tepat oleh aplikasi, sedangkan kesalahannya sebesar 10% (5 citra). Sehingga dari hasil error yang didapatkan menunjukkan bahwa aplikasi ini berjalan dengan baik. Kata kunci : Pemutuan, Pelabelan, Connected Component Labeling, Citra Digital.
PENGEMBANGAN SISTEM PENUNJANG KEPUTUSAN PENENTUAN UKT MAHASISWA DENGAN MENGGUNAKAN METODE MOORA STUDI KASUS POLITEKNIK NEGERI MALANG Syaiful Rokhman; Imam Fahrur Rozi; Rosa Andrie Asmara
Jurnal Informatika Polinema Vol. 3 No. 4 (2017): Vol 3 No 4 (2017)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v3i4.41

Abstract

Aplikasi Decision Support Systems (DSS) atau Sistem Penunjang Keputusan (SPK) penentuan Uang Kuliah Tunggal (UKT) Mahasiswa Politeknik Negeri Malang adalah aplikasi yang digunakan untuk menentukan kelompok biaya kuliah tunggal yang ditanggung oleh masing mahasiswa Politeknik Negeri Malang aplikasi ini dikembangkan menggunakan bahasa pemrograman PHP, database Mysql dan mengimplementasikan Metode Multi Objective Optimization on the Basis of Ratio Analysis (MOORA) dengan menggunakan metode tersebut dapat memberikan alternatif terbaik dalam penentuan uang kuliah tunggal berdasarkan kemampuan ekonomi mahasiswa.
PENERAPAN FACIAL LANDMARK POINT UNTUK KLASIFIKASI JENIS KELAMIN BERDASARKAN CITRA WAJAH Ulla Delfana Rosiani; Rosa Andrie Asmara; Nadhifatul Laeily
Jurnal Informatika Polinema Vol. 6 No. 1 (2019): Vol 6 No 1 (2019)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i1.328

Abstract

Teknologi biometrik yang biasa digunakan adalah face recognition yang menganalisa wajah manusia sehingga menghasilkan suatu informasi salah satunya adalah jenis kelamin. Komputer perlu diberikan pembelajaran untukmembedakan jenis kelamin berdasarkan komponen wajah. Pembelajaran mengenai deteksi jenis kelamin memiliki beberapa kesulitan karena kompleksitas dari kondisi wajah, seperti posisi gambar, pencahayaan dan ekspresi.Beberapa penelitian, menyimpulkan bahwa fitur geometri merupakan fitur yang cocok untuk mengatasi kompleksitas tersebut. Pada penelitian ini, fitur yang digunakan adalah jarak antara kedua mata, lebar nasal root, lebar hidung, tinggi bibir atas dan tinggi bibir bawah. Pengukuran nilai-nilai pada fitur tersebut dapat dilakukan dengan bantuan landmark point seperti dlib regression tree. Setelah itu nilai-nilai yang didapatkan digunakan untuk perhitungan klasifikasi menggunakan metode Support Vector Machine dengan kernel Gaussian RBF dan normalisasi Sigmoid. Menggunakan dataset sejumlah 60 data jenis A dan B untuk training dan 20 untuk testing, hasil akurasi yang didapatkan adalah 70%, precision 80%, dan recall 67%. Sedangkan dengan dataset sejumlah 30 data jenis A untuk training, hasil akurasi yang didapatkan adalah 40%, precision 30%, dan recall 37.5%. Sedangankan dengan dataset sejumlah 30 data jenis B untuk training, hasil akurasi yang didapatkan adalah 65%, precision 70%, dan recall 64%.
SISTEM IDENTIFIKASI BATIK ALAMI DAN BATIK SINTETIS BERDASARKAN KARAKTERISTIK WARNA CITRA DENGAN METODE K-MEANS CLUSTERING Citra Nurina Prabiantissa; Ariadi Retno Tri; Rosa Andrie Asmara
Jurnal Informatika Polinema Vol. 3 No. 2 (2017): Vol 3 No 2 (2017)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v3i2.10

Abstract

Batik adalah kain khas Indonesia yang memiliki berbagai motif dan warna. Pewarnaan batik dibagi menjadi 2 yaitu batik alami dan batik sintetis. Proses pemilihan batik alami dan sintetis umumnya sangat bergantung pada persepsi manusia terhadap komposisi warna. Produsen batik melakukan pengamatan visual secara langsung untuk membedakan warnanya. Kelemahan dari cara ini yaitu keterbatasan visual manusia dan tingkat kelelahan sehingga warna satu dan lainnya dapat tertukar. Perkembangan ilmu pengetahuan dan teknologi pengolahan citra digital memungkinkan untuk membedakan batik alami dan sintetis secara otomatis dengan bantuan aplikasi pengolahan citra. Identifikasi batik alami dan sintetis ini menerapkan metode K-Means Clustering. Pendukung identifikasi menggunakan bantuan media camera digital sebagai pengambilan gambar batik yang kemudian dihitung nilai normalisasi RGB. Tingkat keberhasilan identifikasi yang didapatkan dengan menggunakan metode K-Means adalah 92.8%. Dari hasil identifikasi yang diperoleh menghasilkan 2 output yaitu Batik Alami 100% dan Batik Sintetis 85.71%.
PENDETEKSIAN COPY-MOVE FORGERY PADA CITRA DIGITAL Rosa Andrie Asmara; Dwi Puspitasari; Era Chalis Kurniangesti
Jurnal Informatika Polinema Vol. 5 No. 3 (2019): Vol 5 No 3 (2019)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v5i3.253

Abstract

Pemalsuan citra memberikan dampak yang tidak bisa dianggap sepele bagi masyarakat dikarenakan citra merupakan salah satu sumber informasi yang sering digunakan. Kasus yang paling sering kita ketahui adalah munculnya berita-berita hoax yang tak jarang didukung dengan bukti berupa gambar atau citra yang telah dimanipulasi. Beberapa jenis pemalsuan citra, diantaranya adalah Retouching, Copy-Move dan Splicing. Penelitian kali ini membahas mengenai pendeteksian pemalsuan Copy-Move. Copy-Move adalah pemalsuan citra yang dilakukan dengan maksud untuk menghilangkan suatu objek dengan cara menutupinya dengan blok kecil yang disalin dari bagian lain dari gambar yang sama. Teknik ini juga digunakan untuk memperbanyak suatu objek dengan menempelkan objek pada posisi lain. Tujuan utama dari penelitian ini adalah mendeteksi adanya pemalsuan yang dilakukan pada citra digital khususnya Copy-Move Forgery. Metode yang digunakan pada penelitian ini adalah metode DCT dan DCT Terkuantisasi yang mengubah citra kedalam domain frekuensi sebelum dilakukan pendeteksian. Proses pendeteksian dilakukan dengan langkah-langkah yaitu citra yang dicurigai mengandung pemalsuan akan diinputkan kedalam sistem dan dilakukan pre prosesing menjadi citra grayscale. Kemudian citra dibagi kedalam blok-blok pixel berukuran 8x8 dan mengubah blok-blok pixel tersebut kedalam domain frekuensi dengan DCT atau DCT Terkuantisasi. Setelah itu hasilnya akan dipisah sesuai dengan frekuensinya, yaitu frekuensi rendah, menengah dan tinggi untuk selanjutnya dilakukan pencocokkan. Setelah dilakukan pencocokkan, selanjutnya pixel-pixel yang dianggap sebagai Copy-Move akan ditandai. Pengujian menggunakan 3 kategori citra dengan jumlah masing-masing kategori 3 citra. Selain itu pada masing-masing kategori citra terdapat citra Copy-Move asli dan citra Copy-Move yang telah dilakukan postprocessing. Dari hasil pengujian diperoleh pendeteksian dengan akurasi terbaik dilakukan dengan metode DCT Terkuantisasi Matrik1 dengan presentase Copy-Move yang Pendeteksian dengan akurasi terbaik dilakukan dengan metode DCT Terkuantisasi Matrik 1 dengan presentase Copy-Move yang Terdeteksi pada frekuensi rendah adalah 22.22%, pada frekuensi menengah sebesar 25% dan pada frekuensi tinggi 11,11%. Juga dihasilkan nilai Terdeteksi dengan False Match sebesar 55,56% pada frekuensi rendah, 41,67% pada frekuensi menengah, dan 72,22% pada frekuensi tinggi.
KLASIFIKASI JENIS KELAMIN PADA CITRA WAJAH MENGGUNAKAN METODE NAIVE BAYES Rosa Andrie Asmara; Bella Sita Andjani; Ulla Delfana Rosiani; Priska Choirina
Jurnal Informatika Polinema Vol. 4 No. 3 (2018): Vol 4 No 3 (2018)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v4i3.209

Abstract

Saat ini perkembangan teknologi yang berkaitan dengan pengenalan wajah banyak dimanfaatkan pada aplikasi pengenalan data biologis (biometrics) seperti pengenalan jenis kelamin. Penerapan aplikasi yang memerlukan pengenalan jenis kelamin adalah proses segmentasi pasar untuk mengetahui trend demografis dari produk yang dipasarkan berdasarkan jenis kelamin. Selain itu, aplikasi ini juga dapat digunakan untuk pembatasan akses suatu ruangan. Klasifikasi jenis kelamin pada citra wajah menggunakan metode Naive Bayes dapat digunakan untuk membedakan wajah wanita dan wajah pria berdasarkan fitur. Pembuatan data training berupa citra wajah dengan total 61 data dengan rincian 25 perempuan dan 36 laki-laki. Penggunaan fitur yang diperoleh dari deteksi mata, hidung dan mulut diekstraksi dengan metode Principal Component Analysis yang selanjutnya akan dilakukan proses klasifikasi jenis kelamin dengan metode Naive Bayes yang menghasilkan akurasi kecocokan sebesar 80%.
KLASIFIKASI KUALITAS TANAMAN CABAI MENGGUNAKAN METODE FUZZY K-NEAREST NEIGHBOR (FKNN) Angga Aditya Indra Wiratmaka; Imam Fahrur Rozi; Rosa Andrie Asmara
Jurnal Informatika Polinema Vol. 3 No. 3 (2017): Vol 3 No 3 (2017)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v3i3.25

Abstract

Pada penelitian kali ini akan membahas tentang klasifikasi kualitas tanaman cabai menggunakan metode Fuzzy K-Nearest Neighbor(FKNN). Hal tersebut dilatarbelakangi karena cabai banyak dimanfaatkan untuk keperluan rumah tangga maupun industri. Terdapat berbagai jenis cabai yang ada di Indonesia, tetapi cabai yang banyak dimanfaatkan sebagai bahan olahan adalah cabai merah besar. Sebagai komuditas tanaman hortikultura dengan fluktuasi harga yang tinggi konsumen mengharapkan kualitas yang baik pula pada proses produksi. Agar produksi cabai memiliki kualitas yang merata, cabai hasil panen harus diklasifikasikan sebelum proses distribusi. Saat ini proses klasifikasi cabai di kota Blitar masih dilakukan secara manual oleh pegawai terkait. Algoritma FKNN memberikan nilai keanggotaan kelas pada vektor dan bukan menempatkan vektor pada kelas tertentu. Data didapat dari Dinas Pertanian, Peternakan, dan Perikanan Kota Blitar pada tahun 2015. Penelitian ini menggunakan 100 data sampel dengan 70 data latih dan 30 data uji . Dari pengujian didapatkan akurasi 96,67% terhadap data sampel. Maka dapat disimpulkan bahwa penelitian menggunakan metode Fuzzy K-Nearest Neighbor (FKNN) memiliki kinerja yang baik dalam klasifikasi kualitas cabai di kota Blitar.
Co-Authors Abdurrahman, Raka Admiral Adhiati Kusuma Wardani Adhitama, Dodik Widya Adzikirani Adzikirani Adzikirani, Adzikirani Agustina, Reza Alfan Hadi Permana Aliza Rizqi Fitriana Almira Rahma Sabita Alviana, Vita Andjani, Bella Sita Angga Aditya Indra Wiratmaka Anik Nur Handayani Anik Nur Handayani Annisa Taufika Firdausi Ariadi Retno Tri Ariadi Retno Tri Hayati Ririd Arie Rachmad Syulistyo Arief Prasetyo Arief Prasetyo Arinda, Vivid Ichtarosa Astuti, Ely Setyo Atiqah Nurul Asri Awan Setiawan Banni Satria Andoko Batubulan, Kadek Suarjuna Bella Sita Andjani Burhanuddin, Mohd Aboobaider Candra Bella Vista Choirina, Priska Christine, Anastasia Merry Citra Nurina Prabiantissa Citra Nurina Prabiantissa Damanhuri, Nor Salwa Damayanti, Farradila Ayu Deddy Kusbianto P. A Deddy Kusbianto Purwoko Aji Dhika Ainul Luthfi Dian Hanifudin Subhi Dika Rizky Yunianto Dimas Wahyu Wibowo Dolly Indra Dwi Puspitasari Dwi Puspitasari DWI PUSPITASARI Eka Larasati Amalia Ekojono, Ekojono Elok Nur Hamdana Era Chalis Kurniangesti Erfan Rohadi Faisal Rahutomo Farida Ulfa Fitriana Nur’Aini D Galang Audi Pramasha Gunawan Budi P Habibie Ed Dien Hanun, Nabilah Hendrawan, Muhammad Afif Heru Wahyu Herwanto Heru Wahyu Herwanto Ilmy, Muhammad Ainur, State Polytechnic of Malang Imam Fahrur Rozi Indra Dharma Wijaya Indra Wiratmaka, Angga Aditya Indrazno Siradjuddin Kasmira, Kasmira Kohei Arai Kohei Arai Kohei Arai Kristinanti Charisma Kurniangesti, Era Chalis Kusbianto P. A, Deddy Kusbianto P. A Kusumaningtyas, Sella Laistulloh, Dika Fikri lilis nurhayati M. Rahmat Samudra M. Unggul Pamenang Manga, Abdul Rachman Moch Zawaruddin Abdullah Mochamad Faisal Rahman Muhammad Ainur Ilmy Muhammad Ridwan Muhammad Rizqi Ardiansyah Mungki Astiningrum Musthafa, Muhammad Bisri Mustika Mentari Nadhifatul Laeily Nalendra, Adimas Ketut Ngatmari, Ngatmari Ni’ma Shoumi, Milyun Noprianto, Noprianto Noprianto, Noprianto Nor Salwa Damanhuri Nur’Aini D, Fitriana Nurudin Santoso Odhitya Desta Triswidrananta Permana, Alfan Hadi Pramasha, Galang Audi Primadhana, Yoga Andri Putra Prima Arhandi, Putra Prima Qonitatul Hasanah Rahmad, Cahya Rahmanto, Anugrah Nur Rahmat Samudra Anugrah, Muhammad Rakhmat Arianto Ratih Indri Hapsari Reza Agustina Robertus Romario Roesman Ridwan Raja Rokhman, Syaiful Ronilaya, Ferdian Rudy Ariyanto Ryan Rifqi Arista Sakti Oktafiansyah, Haidar Santoso, Nurudin Sari, Irawati Nurmala Sarosa, Mochammad Sella Kusumaningtyas Siska Stevani Siti Romlah Stevani, Siska Syaiful Rokhman Syamsul Bahri Taw, Phillip Tri, Ariadi Retno Triswidrananta, Odhitya Desta Ulla Delfana Rosiani Usman Nurhasan Veithzal Rivai Zainal Vita Alviana Vivin Ayu Lestari Wahyu Sakti Gunawan Irianto Wardani, Adhiati Kusuma Wilda Imama Sabilla Yan Watequlis Syaifudin Yoga Andri Primadhana Yoppy Yunhasnawa Yudha Islami Sulistya