Article Per Year (5 Year)
p-Index From 2021 - 2026
3.323
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 JOIV : International Journal on Informatics Visualization Knowledge Engineering and Data Science ILKOM Jurnal Ilmiah SENTIA 2017 Kumawula: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknologi Informasi dan Terapan (J-TIT) Buletin Ilmiah Sarjana Teknik Elektro Indonesian Journal of Electrical Engineering and Computer Science JAMI: Jurnal Ahli Muda Indonesia International Journal of Engineering, Science and Information Technology 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 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 : 42 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 42 Documents
Search

 1   2   3   4   5 
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.
SISTEM PENGATURAN LAMPU LALU LINTAS BERDASARKAN ESTIMASI PANJANG ANTRIAN MENGGUNAKAN PENGOLAHAN CITRA Adzikirani Adzikirani; Rosa Andrie Asmara; Deddy Kusbianto P. A
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.v3i3.29

Abstract

Saat ini salah satu penyebab kemacetan adalah lampu lalu lintas yang menggunakan waktu yang tetap sedangkan volume kendaraan selalu berubah-, sehingga lampu lalu lintas menjadi kurang efektif. Maka dibutuhkan metode untuk menghitung lama lampu lalu lintas menyala dengan waktu sesuai dengan jumlah kendaraan. Sistem ini mengimplementasikan 4 kamera pada persimpangan. Kamera mengambil gambar saat jalur sedang kosong sebagai acuan, dan mengambil gambar setiap sequence sebagai input. Gambar diproses menggunakan pengolahan citra, dari merubah format RGB menjadi grayscale, dilakukan proses subtraction dengan gambar acuan, penambahan brightness, merubah format grayscale menjadi biner dengan Otsu‟s threshold dan menghitung jumlah objek sebagai input dari logika fuzzy tsukamoto yang menghasilkan lama lampu hijau menyala. Sedangkan lama lampu merah menyala dihitung dengan menjumlahkan lama lampu hijau menyala dari jalur lainnnya Penggunaan 4 buah input dimaksudkan agar sistem memperhatikan jumlah antrian dari setiap jalur dan memperhatikan sebaran kepadatan, Sehingga hasil lama lampu merah dan lampu hijau menyala dapat berubah-ubah sesuai dengan sebaran kepadatan antrian. Semakin terang kondisi jalan, semakin tinggi tingkat akurasi yang didapatkan. Pada pagi hari, didapatkan nilai error 1.74%, pada siang hari sebesar 9%, pada malam hari dengan penerangan normal sebesar 21% dan pada malam hari dengan tambahan penerangan sebesar 15%.
ENKRIPSI CITRA MENGGUNAKAN ALGORITMA KUBUS RUBIK DENGAN PEMBANGKIT KUNCI MD5 Yoga Andri Primadhana; Rosa Andrie Asmara; Ariadi Retno Tri Hayati Ririd
Jurnal Informatika Polinema Vol. 3 No. 1 (2016): Vol 3 No 1 (2016)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v3i1.21

Abstract

Perkembangan teknologi memberikan pilihan untuk pegiriman dan penyimpanan informasi. Informasi tak hanya disimpan di komputer, namun dapat dikirimkan dan disimpan di internet. Informasi juga tak hanya disimpan pada tulisan, namun bisa dilakukan dalam bentuk citra digital, meskipun keamanan yang diberikan masih kurang. Hal ini berakibat rentannya pencurian citra oleh pihak ketiga untuk kepentingan pribadi sehingga bisa merugikan pemilik citra. Penelitian ini menawarkan untuk memberikan pengembangan keamanan pada citra digital. Keamanan tersebut berasal dari enkripsi citra dengan menggunakan algoritma kubus rubik. Keamanan diawali dengan pembangkitan deret kunci baris dan kunci kolom dengan fungsi MD5 berdasarkan kata kunci, kemudian dilakukan pengacakan pada tiap piksel secara horizontal dan vertikal sesuai dengan kunci kolom. Citra yang telah teracak akan mengimplementasikan gerbang XOR pada tiap pikselnya. Sehingga algoritma kubus rubik akan menghasilkan citra terenkripsi. Analisa yang dilakukan adalah tingkat keberhasilan proses enkripsi dan proses dekripsi, senstifitas kunci, serangan citra, kecepatan proses, tipe file penyimpanan, dan media pengiriman yang digunakan. Algoritma kubus rubik disimpulkan aman terhadap serangan kunci dengan parameter perbedaan 1 bit pada kunci baris dan kunci kolom yang digunakan. Penyimpanan tipe PNG memiliki keuntungan yang terbanyak, karena file PNG memiliki ukuran paling kecil dan dapat memberikan hasil dekripsi dengan kecocokan 100% dengan citra asli.
Co-Authors Abdurrahman, Raka Admiral Adhiati Kusuma Wardani Adhitama, Dodik Widya Adzikirani Adzikirani Adzikirani, Adzikirani Agustina, Reza Alfan Hadi Permana Alviana, Vita Andjani, Bella Sita Angga Aditya Indra Wiratmaka Anik Nur Handayani Ardiansyah, Muhammad Rizqi Ariadi Retno Tri Ariadi Retno Tri Hayati Ririd Arie Rachmad Syulistyo Arief Prasetyo Arief Prasetyo Arinda, Vivid Ichtarosa Astiningrum, Mungki Astuti, Ely Setyo Atiqah Nurul Asri Awan Setiawan 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 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 Fitriana Nur’Aini D Fitriana, Aliza Rizqi Galang Audi Pramasha Gunawan Budi P Habibie Ed Dien Hapsari, Ratih Indri Hendrawan, Muhammad Afif Heru Wahyu Herwanto Imam Fahrur Rozi Indra Wiratmaka, Angga Aditya 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 Muhammad Ainur Ilmy Muhammad Ridwan Musthafa, Muhammad Bisri Mustika Mentari Nadhifatul Laeily Nalendra, Adimas Ketut Ngatmari, Ngatmari Noprianto, Noprianto Nur’Aini D, Fitriana Nurudin Santoso Odhitya Desta Triswidrananta Permana, Alfan Hadi Pramasha, Galang Audi Primadhana, Yoga Andri Qonitatul Hasanah Rahmad, Cahya Rahman, Mochamad Faisal Rahmanto, Anugrah Nur Rahmat Samudra Anugrah, Muhammad Raja, Roesman Ridwan Rakhmat Arianto Reza Agustina Robertus Romario Rokhman, Syaiful Ronilaya, Ferdian Rudy Ariyanto Ryan Rifqi Arista Sabita, Almira Rahma Santoso, Nurudin Sari, Irawati Nurmala Sella Kusumaningtyas Shoumi, Milyun Ni’ma Siradjuddin, Indrazno Siska Stevani Siti Romlah Stevani, Siska Syaiful Rokhman Taw, Phillip Tri, Ariadi Retno Triswidrananta, Odhitya Desta Ulfa, Farida 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