Article Per Year (5 Year)
p-Index From 2021 - 2026
2.724
P-Index
This Author published in this journals
All Journal ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Ilmiah FIFO MIND (Multimedia Artificial Intelligent Networking Database) Journal TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Teknik Informatika (JUTIF) Charity : Jurnal Pengabdian Masyarakat Prosiding SNAST Jurnal Abdi Masyarakat Indonesia eProceedings of Engineering Jurnal INFOTEL
R. Yunendah Nur Fu’adah
Telkom University
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Public Health Social Sciences

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search

 1   2   3   4   5 
PERANCANGAN DAN ANALISIS KEAMANAN PESAN MENGGUNAKAN TEKNIK STEGANOGRAFI DISCRETE WAVELET TRANSFORM DAN ALGORITMA KRIPTOGRAFI RSA Muhammad Ardhi Prakasa; Rita Magdalena; R. Yunendah Nur Fu’adah
PROSIDING SNAST Prosiding SNAST 2018
Publisher : IST AKPRIND Yogyakarta

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

Abstract

The increasing development of data communication technology is certainly directly proportional to the security and data confidentiality aspects. There are some ways to protect information from unauthorized parties. Some of these ways are using steganography techniques and cryptographic techniques. Nowadays steganography technique is commonly used, so it still allows the inserted secret information is solved by other parties. This problem may reduce the level of data security and confidentiality. To overcome these problem, in this study steganography techniques will be combined with cryptographic techniques. Design of the built system is done by combining the application of Rivest-Shamir-Adleman (RSA) cryptography algorithm in encrypting the message on application of the image steganography method in concealing the encrypted messages generated into a color image (RGB) on the Discrete Wavelet Transform (DWT). The results to be obtained from this project is an image that has an encrypted message on the subband frequency of the image. Based on some tests that have been done on the system, the result of average performances score is showed by Avalanche Effect of 43,486%, Peak Signal to Noise Ratio (PSNR) of 67,2755%, Bit Error Rate (BER) and Character Error Rate (CER) of 0%. The conclusion is, the implementation of a combination between RSA cryptographic methods and steganography of DWT transformation image is successfully performed.
Denoising Sinyal EEG dengan Algoritma Recursive Least Square dan Least Mean Square Nor Kumalasari Caecar Pratiwi; Rita Magdalena; Yunendah Nur Fuadah; Sofia Saidah; Syamsul Rizal; Muhamad Rokhmat Isnaini
TELKA - Jurnal Telekomunikasi, Elektronika, Komputasi dan Kontrol Vol 5, No 2 (2019): TELKA
Publisher : Jurusan Teknik Elektro UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (658.294 KB) | DOI: 10.15575/telka.v5n2.122-129

Abstract

EEG mengukur fluktuasi tegangan yang dihasilkan dari arus ionik yang beredar sepanjang neuron otak. Dalam pengaturan eksperimental, sinyal EEG sering terkontaminasi dengan berbagai noise akibat gerakan otot dan jantung. Noise dengan magnitudo yang lebih tinggi dari sinyal aslinya akan merusak sinyal EEG dan bisa berakibat fatal dalam analisis diagnosa. Sehingga diperlukan sebuah sistem denoising yang mampu secara maksimal mengurangi noise, tanpa menghilangkan komponen informasi penting dari sinyal EEG. Salah satu algoritma yang dapat digunakan dalam mereduksi noise pada sinyal biomedis adalah RLS dan LMS. Keuntungan utama dari penggunaan adaptif filtering termasuk RLS dan LMS adalah dapat digunakan pada lingkungan non-stasioner. Tujuan penelitian adalah melakukan uji perbandingan performansi filtering RLS dan LMS dalam mereduksi noise pada sinyal EEG. Parameter performansi yang diukur adalah waktu komputasi, MSE, SNR, dan PSNR. Dari hasil pengujian, diperoleh bahwa adaptif filtering dengan RLS dan LMS mampu mereduksi noise pada sinyal EEG dengan baik. Filter LMS memiliki kelebihan pada waktu komputasinya yang singkat, rata-rata waktu komputasi filter LMS selama 0.7 detik, jauh berbeda dengan filter RLS yang membutuhkan waktu sampai dengan 113 detik. Tetapi kehandalan sistem dari sisi MSE, SNR dan PSNR untuk filter LMS masih berada dibawah RLS untuk intensitas noise yang rendah. Besarnya parameter SNR dan PSNR pada filter RLS cenderung lebih stabil pada intesitas noise 10 dB, 20 dB, dan 30 db. Hal berbeda terjadi pada denoising dengan menggunakan filter LMS, terjadi perubahan SNR yang signifikan dari 16.14 dB pada noise 10 dB, 21.09 dB untuk noise sebesar 20 dB, dan 25.81 dB untuk intensitas noise sebesar 30 dB.
PERANCANGAN DAN ANALISIS PENGIRIMAN DATA DIGITAL BERBASIS VISIBLE LIGHT COMMUNICATION (VLC) MENGGUNAKAN LENSA CEMBUNG Hurianti Vidyaningtyas; Yunendah Nur Fuaddah; Teguh Musaharpa Gunawan; Inung Wijayanto; Sugondo Hadiyoso
TEKTRIKA Vol 4 No 2 (2019): TEKTRIKA Vol.4 No.2 2019
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v4i2.2881

Abstract

Teknologi sistem komunikasi optik dikembangkan untuk mengatasi kekurangan yang ada pada sistem komunikasi nirkabel dengan gelombang radio yang memiliki keterbatasan frekuensi. Salah satu sistem komunikasi optik yang dikembangkan adalah Visible Light Communication (VLC) yang menggunakan Light Emitting Diode (LED) sebagai pemancar sinyal dan fotodioda sebagai penerima sinyal. Pada sisi penerima, dipasang lensa cembung yang memiliki karakteristik mengumpulkan cahaya untuk mendapatkan jarak terima yang lebih jauh. Pada penelitian ini, sistem komunikasi optik menggunakan VLC dapat mengirimkan data digital berupa gambar dan video sampai jarak 3m dengan rentang sudut 0o-60o dan baud rate maksimum 9600bps.
OPTIMASI K-NEAREST NEIGHBOR UNTUK SISTEM KLASIFIKASI KONDISI KATARAK Yunendah Nur Fuadah; Rita Magdalena; Steven Palondongan; Nor Kumalasari
TEKTRIKA Vol 4 No 1 (2019): TEKTRIKA Vol.4 No.1 2019
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v4i1.1832

Abstract

Deteksi dini kondisi katarak merupakan solusi untuk mengendalikan peningkatan jumlah kebutaan yangdisebabkan oleh katarak. Dalam penelitian ini, dilakukan optimasi metode Gray Level Co-Occurrence Matrix(GLCM) dan K-Nearest Neighbor (K-NN) untuk klasifikasi kondisi citra mata menjadi kondisi normal, katarakimatur dan katarak matur. Pada tahap ekstraksi ciri digunakan metode GLCM, parameter yang berpengaruhpada tahap ini adalah jarak antar piksel (d), sudut (q), dan fitur statistik. Pada tahap klasifikasi, fitur ciri daritahap ekstraksi ciri diklasifikasikan oleh K-NN, parameter yang diuji pada tahap ini adalah nilai k dan persamaanperhitungan jarak yang digunakan yaitu Euclidean, Minkowski, Chebychev dan City Block. Berdasarkan hasilpengujian diperoleh akurasi pengujian sebesar 93,33 % dengan menggunakan parameter yang paling optimalyaitu d= 2, q= 135, nilai k=5 dengan persamaan jarak Euclidean dan Minkowski.
CONVOLUTIONAL NEURAL NETWORK FOR ANEMIA DETECTION BASED ON CONJUNCTIVA PALPEBRAL IMAGES Rita Magdalena; Sofia Saidah; Ibnu Da’wan Salim Ubaidah; Yunendah Nur Fuadah; Nabila Herman; Nur Ibrahim
Jurnal Teknik Informatika (Jutif) Vol. 3 No. 2 (2022): JUTIF Volume 3, Number 2, April 2022
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jutif.2022.3.2.197

Abstract

Anemia is a condition in which the level of hemoglobin in a person's blood is below normal. Hemoglobin concentration is one of the parameters commonly used to determine a person's physical condition. Anemia can attack anyone, especially pregnant women. Currently, many non-invasive anemia detection methods have been developed. One of non-invasive methods in detecting anemia can be seen through its physiological characteristics, namely palpebral conjunctiva images. In this study, conjunctival image-based anemia detection was carried out using one of the deep learning methods, namely Convolutional Neural Netwok (CNN). This CNN method is used with the aim of obtaining more specific characteristics in distinguishing normal and anemic conditions based on the image of the palpebral conjunctiva. The Convolutional Neural Network proposed model in this study consists of five hidden layers, each of which uses a filter size of 3x3, 5x5, 7x7, 9x9, and 11x11 and output channels 16, 32, 64, 128 respectively. Fully connected layer and sigmoid activation function are used to classify normal and anemic conditions. The study was conducted using 2000 images of the palpebral conjunctiva which contained anemia and normal conditions. Furthermore, the dataset is divided into 1,440 images for training, 160 images for validation and 400 images for model testing. The study obtained the best accuracy of 94%, with the average value of precision, recall and f-1 score respectively 0.935; 0.94; 0.935. The results of the study indicate that the system is able to classify normal and anemic conditions with minimal errors. Furthermore, the system that has been designed can be implemented in an Android-based application so that the detection of anemia based on this palpebral conjunctival image can be carried out in real-tim.
Sistem Otentikasi Biometrik Berbasis Sinyal EKG Menggunakan Convolutional Neural Network 1 Dimensi FAUZI FRAHMA TALININGSIH; YUNENDAH NUR FU’ADAH; SYAMSUL RIZAL; ACHMAD RIZAL; MUHAMMAD ADNAN PRAMUDITO
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 1 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i1.1-10

Abstract

ABSTRAKBiometrik merupakan salah satu analisis karakteristik individu yang saat ini banyak digunakan, seperti sidik jari, pengenalan suara, dan pengenalan wajah. Metode biometrik tersebut masih memiliki kelemahan seperti mudah untuk dimanipulasi. Oleh karena itu, penelitian ini akan menggunakan sinyal Elektrokardiogram (EKG) sebagai salah satu metode biometrik. Sinyal EKG memiliki keunikan pada setiap individu sehingga sulit untuk dimanipulasi. Penelitian ini mengembangkan sistem otentikasi biometrik berbasis sinyal EKG. Data yang digunakan berasal dari ECG-ID database dengan jumlah 90 subjek. Sinyal EKG yang digunakan hanya menggunakan gelombang PQRST sebagai input model Convolutional Neural Network 1 Dimensi (CNN). Hasil akurasi yang diperoleh menunjukkan 92.2%. Dengan demikian, sistem yang dikembangkan memungkinkan digunakan sebagai otentikasi biometrik.Kata kunci: Biometrik, Sinyal EKG, Convolutional Neural NetworkABSTRACTBiometrics is analyses individual characteristics that are currently widely used, such as fingerprints, voice recognition, and face recognition. The biometric method still has weaknesses, such as being easy to manipulate. Therefore, this study will use an Electrocardiogram (ECG) signal as a biometric method. The ECG signal is unique to each individual, so it is not easy to manipulate. This study develops a biometric authentication system based on ECG signals. The data used comes from the ECG-ID database with a total of 90 subjects. The ECG signal used only PQRST waves as input for the 1-Dimensional Convolutional Neural Network (CNN) model. The accuracy results obtained show 92.2%. Thus, the developed system allows it to be used as biometric authentication.Keywords: Biometric, ECG Signal, Convolutional Neural Network
Identifikasi Sinyal Congestive Heart Failure dengan Metode Convolutional Neural Network 1D MUHAMMAD ADNAN PRAMUDITO; YUNENDAH NUR FU’ADAH; RITA MAGDALENA; ACHMAD RIZAL; FAUZI FRAHMA TALININGSIH
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 1 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i1.11-20

Abstract

ABSTRAKPenyakit jantung merupakan salah satu penyebab utama kematian di dunia. Salah satu penyakit jantung yang perlu diperhatikan adalah congestive heart failure (CHF). CHF adalah suatu kondisi di mana jantung tidak mampu memompa darah ke seluruh tubuh. Penyakit ini dapat didiagnosis dengan EKG. Oleh karena itu, pada penelitian ini dibuat sebuah sistem yang dapat mengidentifikasi penyakit CHF secara otomatis menggunakan metode convolutional neural network (CNN) dengan 4 hidden layer dan 16 output channel, fully connected layer, dan aktivasi Softmax. Data yang digunakan dalam penelitian ini diambil dari MITBIH dan BIDMC. Penlitian ini memberikan akurasi 100%, sehingga deteksi penyakit CHF otomatis membantu staf medis mendiagnosis pasien untuk menerima perawatan yang tepat.Kata kunci: Elektrokardiogram (EKG), Convolutional Neural Network (CNN), Normal Sinus Rhythm (NSR), Congestive Heart Failure (CHF)ABSTRACTHeart disease is one of the leading causes of death in the world. One of the heart diseases that need to be considered is congestive heart failure (CHF). CHF is a condition in which the heart is unable to pump blood throughout the body. ECG can diagnose this disease. Therefore, this study created a system that can automatically identify CHF disease using the convolutional neural network (CNN) method with four hidden layers and 16 output channels, a fully connected layer, and Softmax activation. The data used in this study were taken from MIT-BIH and BIDMC. In this study provides 100% accuracy. Automated CHF disease detection helps medical staff diagnose patients to receive appropriate treatment.Keywords: Electrocardiogram (ECG), Convolutional Neural Network (CNN), Normal Sinus Rhythm (NSR), Congestive Heart Failure (CHF) 
GLAUCOMA CLASSIFICATION BASED ON FUNDUS IMAGES PROCESSING WITH CONVOLUTIONAL NEURAL NETWORK Yunendah Nur Fu'adah; Sofia Saidah; Nidaan Khofiya; Rita Magdalena; Ibnu Da'wan Salim
Jurnal Teknik Informatika (Jutif) Vol. 3 No. 3 (2022): JUTIF Volume 3, Number 3, June 2022
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jutif.2022.3.3.276

Abstract

Glaucoma is an eye disease that causes damage to the optic nerve due to increased pressure in the eyeball. Delay in diagnosis and treatment of optic nerve damage due to glaucoma can lead to permanent blindness. Thus, several studies have developed a glaucoma early detection system based on digital image processing and machine learning. This study carried out glaucoma classification based on fundus image processing using Convolutional Neural Network (CNN). The CNN architecture proposed in this study consists of three convolutional layers with output channels 8, 16, 32 sequentially and a filter size of 5×5 at each layer, followed by a pooling layer and a dropout layer at the feature extraction stage. Furthermore, a fully connected layer and softmax activation function was implemented at the classification stage to classify fundus images into normal conditions, early glaucoma, moderate glaucoma, deep glaucoma, and ocular hypertension (OHT). The total amount of fundus image data used in this study consisted of 2000 fundus images divided into 1280 training data, 320 validation data, and 400 test data. 5-fold cross-validation is implemented in the training phase to select the best model. At the testing stage, the best accuracy generated by 99%, with the precision value, recall, f-1 scores and the AUC score are close to 1. According to the system performance results obtained, the proposed model can be used as a tool for medical personnel in classifying glaucoma conditions to provide appropriate medical treatment and reduce the risk of permanent blindness due to glaucoma.
Perancangan Dan Analisis Compressive Sampling Dan Sinkronisasi Pada Audio Watermarking Stereo Berbasis Discrete Wavelet Transform Adaptif Dengan Metode Complex Cepstrum Transform Allisha Septariani Ahmad; Gelar Budiman; R. Yunendah Nur Fu’adah
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Watermarking adalah teknik penyisipan data rahasia (watermark) ke dalam suatu informasi digital (host). Watermark dapat berupa teks, citra, maupun audio. Pada penelitian ini dilakukan analisis dan perancangan sistem watermarking dengan penggabungan metode Discrete Wavelet Transform (DWT) dan Complex Cepstrum Transform (CCT). DWT digunakan untuk menentukan subband yang akan digunakan sedangkan CCT digunakan untuk memperoleh koefisien cepstrum. Compressive Sampling (CS) diterapkan pada watermark sebelum disisipkan pada audio. Metode penyisipan yang digunakan adalah Statistical Mean Manipulation (SMM). Pengujian dilakukan dengan parameter BER untuk watermark hasil ekstraksi dan ODG, SNR dan MOS untuk watermarked audio.
Analisis Perbandingan Performansi Denoising Sinyal Ekg Menggunakan Metode Discrete Wavelet Transform Dan Adaptive Filter Muhammad Akhyar Ghifari; Rita Magdalena; R Yunendah Nur Fu'adah
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Denoising merupakan metode unuk menghilangkan noise pada sinyal EKG. Noise yang terdapat pada sinyal EKG tersebar pada rentang yang sama dengan frekuensi yang sama dengan sinyal EKG, sehingga metode filter biasa tidak mampu menghilangkan noise tersebut[2] . Dalam ujicoba denoising pada tugas akhir ini, penulis menggunakan perbandingan metode antara adaptive filter dan discrete wavelet transform (DWT). Dimana metode DWT melakukan denoising sinyal dengan menggunakan beberapa metode basis wavelet seperti Haar, Debuchies, Symlet dan Bior dan thresholding dengan metode soft atau hard thresholding. Sedangkan untuk adaptive filter sendiri dengan menggunakan metode KALMAN, Least Mean Square (LMS), dan Recursive Least Square (RLS). Ujicoba dilakukan dengan memberikan 4 noise yang berbeda yaitu Additive White Gaussian Noise (AWGN), MUSCLE ARTIFACT (MA), ELEKTRODE MOTION ( EMM ) dan BASELINE WANDER ( BW ) untuk masing masing metode DWT dan adaptive filter. Berdasarkan hasil pengujian, denoising terbaik yang dilakukan oleh metode Discrete Wavelet Transform untuk Additive White Gaussian Noise ( AWGN ) adalah dengan Basis Wavelet = DB 12 dengan Threshold Method = SURE dengan HARD THRESHOLD dan Level Dekomposisi = 2 dengan nilai MSE = 0.000498516 dan SNR = 28.12125292 dB. Sedangkan untuk denoising terbaik yang dilakukan oleh metode adaptive filter untuk Additive White Gaussian Noise ( AWGN ) adalah dengan metode LMS dengan nilai MSE = 0.000273995 dan SNR = 30.68395146 dB. Jika dibandingkan dari hasil diatas maka metode terbaik ditunjukkan oleh metode adaptive filter. Kata kunci: Elektrokardiogram (EKG), Denoising, Discrete wavelet Transform, Adaptive Filter. Abstract Denoising is a method to remove noise on ECG signals. The noise present in the ECG signal is spread over the same range with the same frequency as the ECG signal, so the usual filter method can not remove the noise. [2] In the denoising test in this final project, the writer uses a comparison method between adaptive filter and discrete wavelet transform (DWT). Where the DWT method of denoising the signal by using some wavelet base method such as Haar, Debuchies, Symlet and Bior and thresholding with soft or hard thresholding method. As for adaptive filter itself by using the method KALMAN, Least Mean Square (LMS), and Recursive Least Square (RLS). The experiments were conducted by giving 4 different noise like ADDITIVE WHITE GAUSSIAN NOISE (AWGN), MUSCLE ARTIFACT (MA), ELEKTRODE MOTION (EMM) and BASELINE WANDER (BW) for each DWT and adaptive filter method. Based on the test results, the best denoising performed by Discrete Wavelet Transform method for Additive White Gaussian Noise (AWGN) is with Wavelet = DB 12 with Threshold Method = SURE with HARD THRESHOLD and Decomposition Level = 2 with MSE value = 0.000498516 and SNR = 28.12125292 dB. While for best denoising done by adaptive filter method for Additive White Gaussian Noise (AWGN) is by LMS method with value of MSE = 0.000273995 and SNR = 30.68395146 dB. When compared from the above results then the best method is shown by adaptive filter method. Key words: Electrocardiogram (ECG), Denoising, Discrete wavelet Transform, Adaptive filters.
Co-Authors Achmad Rizal Adam Agus Kurniawan Adinda Maulida Agung Aditama Putra Ahmad Fauzan Fauzan Ahmad Zendhaf Allisha Septariani Ahmad Alva Rischa Qhisthana Pratika Ardhi Fibrianto Avon Budiono Azis Ansori Wahid Daulay, Muhammad Agil Syaifullah Dian Ayu Nurlitasari Dyah Retno Mutia Edwar Efri Suhartono FAUZI FRAHMA TALININGSIH Febriani Ruming Sari Firdaus, Muhammad Naufal Firos Fathul Alam Gelar Budiman Hurianti Vidya Hurianti Vidyaningtyas Ibnu Da'wan Salim Ibnu Da’wan Salim Ubaidah Ihsan Budi Purwono Ilma Rahma Dewi Imanuel Boyke Nainggolan Inung Wijayanto Irdin Arjulian Irham Bani Alfafa Jangkung Raharjo Koredianto Usman Ledya Novamizanti Lugina Perceka Putri M Teguh Kurniawan Maghfira Rifki Hariadi Miftahul Fawaz Muhamad Reinaldi Kurniawan Muhamad Rokhmat Isnaini MUHAMMAD ADNAN PRAMUDITO Muhammad Akhyar Ghifari Muhammad Ardhi Prakasa Muhammad Dwi Cahyo Muhammad Yuqdha Faza Mulyantini, Agustien N Kumalasari Caecar Pratiwi Nabila Herman Naufal Adi Gifran Nidaan Khofiya Nivadirrokhman, Dhanendra Nor Kumalasari Nor Kumalasari Caecar Pratiwi Nur Alyyu Nur Ibrahim Ocky Tiaramukti Pandu Jati Utomo PRAMUDITHO, MUHAMMAD ADNAN PRATIWI, NOR KUMALASARI CAESAR Putra, Rafly Fasha Purnomo Raditiana Patmasari Rafid Fakhri Rahmad Hidayatullah Salam Rahmiati Aulia Ramadhan, Ardiansyah Ratna Sari Ratri Dwi Atmaja Razief Moch Diar Rd. Rohmat Saedudin Rezki Ariz Rahadian Rifky Abdul Khafid Rifqi Muhammad Fikri Rita Magdalena Rita Purnamasari Rizki Muhammad Iqbal Rizky Gilang Gumilar Saiful Azis Santosa, Atharizky Ade Sari, Febriani Ruming Siti Hajar Komariah SOFIA SAIDAH Sony Sumaryo Steven Palondongan Sugondo Hadiyoso SY, NIDAAN KHOFIYA Syafiq Hilmi Abdullah Syamsul Rizal Syamsul Rizal TALININGSING, FAUZI FRAHMA Teguh Dian Arifandi Teguh Musaharpa Gunawan UBAIDULLAH, IBNU DAWAN Vidya, Hurianti Wawan Tripiawan Yoga Yuniadi Zuhri, Hamdan Syaifuddin