Article Per Year (5 Year)
p-Index From 2021 - 2026
9.74
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Techno.Com: Jurnal Teknologi Informasi TEKNOLOGI: Jurnal Ilmiah Sistem Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmu Komputer dan Agri-Informatika EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Jurnal Teknologi Informasi dan Ilmu Komputer International Journal of Advances in Intelligent Informatics Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Jurnal Litbang Edusaintech Tri Dharma Mandiri: Diseminasi dan Hilirisasi Riset Kepada Masyarakat (Jurnal Pengabdian Kepada Masyarakat) Kohesi: Jurnal Sains dan Teknologi
Novanto Yudistira
Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Mathematics Public Health Social Sciences Other

Published : 86 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 86 Documents
Search

 3   4   5   6   7 
Deteksi Covid-19 dari Citra X-ray menggunakan Vision Transformer Javier Ardra Figo; Novanto Yudistira; Agus Wahyu Widodo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 3 (2023): Maret 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Corona Virus is a single stranded RNA virus that can infect human dan a few animal. X-ray Imaging can be one of the few way to check or monitor lungs condition such in the case of tuberculosis, pneumonia, and hernia. Combining X-ray Imaging with deep learning can be one of the solution to the covid-19 detection problem. Vision Tranformer is an architecture that inspired by transformer which is state of the art in the natural language processing realm. One of the few public dataset that contain x-ray image is covidX. CovidX can be breakdown into 3 classes which is pneumonia, covid-19, and normal with as few as 30,530 x-ray image available.the Dataset will processed with data augmentation gaussian blur and colorjitter. The vision transformer that will be used in this experiment is base, large, and huge. This architecture will be used with transfer learning and data augmentation. This experiment will use 40 Epoch, stochastic gradient descent Optimizer, WarmupCosine Scheduler, and Cross Entropy loss function. This experiment will test the effect of transfer learning toward accuracy, the effect of data augmentation toward accuracy, and then will be compared to other architecture. The best accuracy from this experiment is achieved by ResNet50 with transfer learning that achieve accuracy as high as 0.9617006 with validation data and 0.9548872 in test data. Based on this result, the model is overfitting.
Prediksi Harga Cabai menggunakan Metode Long-Short Term Memory (Case Study : Kota Malang) Michael David; Imam Cholissodin; Novanto Yudistira
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 3 (2023): Maret 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Chili peppers are fruits or plants of the genus Capsicum. Fruits can be classified as spices or vegetables. As a spice, chili peppers are very popular in Southeast Asia as a food flavor enhancer. Chilies have some nutritional content in 100 grams of it, which content: Water, energy, protein, fat, carbohydrates, fiber, calcium, etc. Chili also has several benefits, including: Relieve pain, maintain digestive health, maintain blood sugar levels, etc. In Malang, chili prices fluctuate, so the price of chili is difficult to predict. This makes the government worried in maintaining the stabilization of chili prices so that they remain affordable and the chili price inflation in Malang City will be good. In this research, several prediction processes were carried out, including, consisting of pre-processing, data normalization, training and prediction using the Long Short-Term Memory method, and error results using the Mean Square Error (MSE). Based on the tests that have been done using daily data on cayenne pepper prices from January 1 2021 to July 31 2022 in Malang City using the Long Short-Term Memory method, the smallest MSE result is 0.0155 with a proportion of training data and testing data of 70%; 30%, with 21 sequence data, 128 hidden units and 150 epochs.
Analisis Sentimen Ulasan Pengguna Aplikasi Shopee di Google Play menggunakan Metode Word Embedding dan Long Short Term Memory (LSTM) Izzatul Azizah; Imam Cholissodin; Novanto Yudistira
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 5 (2023): Mei 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan teknologi yang terus berkembang melalui ide-ide kreatif yang membantu dan memudahkan proses kehidupan salah satunya dalam aspek ekonomi. Transaksi jual beli yang memiliki sangkutan dengan ekonomi sudah mengalami digitalisasi. Penjual beserta dengan pembeli banyak yang mulai atau beralih menuju pasar online dikarenakan kemudahan serta manfaat yang didapatkan dalam transaksi ini. Hal tersebut berdampak kepada persaingan antar e-commerce yang ada. Berdasarkan dari Website data.ai pada Bulan Februari 2023, Shopee menduduki peringkat pertama pada kategori shopping dengan platform Google Play. Google Play merupakan platform layanan distribusi digital yang menyediakan fitur rate dan ulasan untuk memberikan feedback terhadap aplikasi yang tersedia. Namun, tak jarang penilaian dalam bentuk rate tidak sesuai dengan kualitas yang sebenarnya, sehingga untuk mengetahui feedback secara lebih jelas dapat dilihat dari ulasan teks pengguna. Penelitian ini melakukan analisis sentimen terhadap ulasan yang ada menggunakan metode Word2vec untuk tahap word embedding dan LSTM untuk proses klasifikasi. Beberapa tahapan yang dilakukan pada penelitian ini adalah preprocessing, word embedding, lalu proses klasifikasi dan diakhiri dengan evaluasi. Dari proses pengujian hasil akhir didapatkan nilai akurasi 0.73 dan nilai f1-score 0.82.
Prediksi Perubahan Iklim di Indonesia pada tahun 2013-2014 menggunakan LSTM Dhifan Diandra H; Fathina Atsila F; Sulthon Akhdan G; Novanto Yudistira; Raihan Hanif F
Jurnal Litbang Edusaintech Vol. 3 No. 2 (2022): Volume 3 No 2 2022
Publisher : Litbang PWM Jawa Tengah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51402/jle.v3i2.49

Abstract

Keberadaan deep learning saat ini sangat menguntungkan dan membantu manusia di kehidupan sehari-hari. Salah satunya adalah prediksi, prediksi apapun dapat dilakukan dengan deep learning selama data yang didapatkan memungkinkan untuk diolah. Dalam penelitian ini, dilakukan prediksi perubahan iklim. Karena seiring perkembangannya zaman dan terjadinya global warming, perubahan cuaca semakin tidak menentu. Maka dari itu sering terjadi kekeliruan dalam menentukan kapan waktu musim hujan dan musim panas. Deep learning merupakan sebuah jaringan syaraf tiruan yang terdiri dari banyak layer, yang dimana layer tersebut tersusun dari banyak node. Arsitektur deep learning yang digunakan untuk prediksi di penelitian ini adalah Long Short Term Memory (LSTM). Pada penelitian ini penggunaan LSTM dikarenakan berdasarkan penelitian sebelumnya, prediksi dengan yang menggunakan arsitektur ini dapat menghasilkan output yang cukup baik. Berdasarkan hasil pengujiannya dari 12 data dengan 1.859 data training, telah didapatkan bahwa nilai r2 score sebagai nilai kemiripannya sebesar -3.7490698103542037, dengan nilai mean squared error sebesar 0.001512831193394959. Angka ini merupakan hasil yang cukup baik dengan tingkat kemiripan antara hasil sebenarnya dengan hasil prediksi yang terpaut tidak jauh berbeda.
Perbandingan Convolutional Neural Network VGG16 dan ResNet34 pada Sistem Klasifikasi Sampah Botol Hutamaputra, William; Krisnabayu, Rifky Yunus; Mawarni, Marrisaeka; Yudistira, Novanto; Bachtiar, Fitra Abdurrachman
Jurnal Teknologi dan Sistem Komputer Volume 10, Issue 2, Year 2022 (April 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2021.14045

Abstract

Hampir semua botol minuman kemasan yang beredar di masyarakat terbuat dari bahan plastik dikarenakan plastik merupakan bahan yang murah dan mudah dibentuk. Plastik adalah bahan non-organik yang sulit diuraikan sehingga botol plastik dapat menyebabkan pencemaran lingkungan. Sehingga diperlukan suatu solusi yang efektif untuk mengatasi kerusakan lingkungan yang disebabkan oleh sampah botol plastik. Salah satu solusi yag dapat dilakukan yaitu melakukan klasifikasi dan daur ulang sampah botol plastik. Pengklasifikasian sampah botol plastik dan sampah botol bukan plastik ke dalam kategori yang ditentukan sesuai dengan persyaratan kemudian didaur ulang agar dapat diolah kembali agar tidak merusak lingkungan. Artikel ini mengusulkan model VGG16 dan ResNet34 berbasis deep learning menggunakan CNN (Convolutional Neural Network) untuk mengidentifikasi dan mengklasifikasikan sampah botol. Berdasarkan hasil pengujian menggunakan Convolutional Neural Network, arsitektur VGG16 memiliki akurasi sebesar 90% dan ResNet34 memiliki akurasi sebesar 50% pada klasifikasi botol plastik dan bukan botol plastik. Masing-masing arsitektur menggunakan 10 epoch, 32 batch, 1655 gambar.
Deteksi Pertanyaan Tidak Tulus pada Quora dengan Metode Bidirectional Long Short Term Memory (LSTM) dan Self-Attention Novianti, Siska; -, Apriyanti; Yudistira, Novanto; Bachtiar, Fitra Abdurrachman
Jurnal Teknologi dan Sistem Komputer [IN PRESS] Volume 10, Issue 3, Year 2022 (July 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2022.14047

Abstract

Quora adalah salah satu situs tanya jawab terbesar dengan ribuan pertanyaan setiap harinya. Berbagai macam topik pertanyaan dan jawaban disampaikan pengguna untuk bertukar informasi. Demi memberikan kenyamanan pengguna, Quora ingin mendeteksi pertanyaan-pertanyaan yang tidak tulus yang muncul pada platform mereka. Pertanyaan tidak tulus tersebut adalah pertanyaan yang secara sengaja disampaikan pengguna dimana sebenarnya pertanyaan tersebut tidak membutuhkan jawaban, namun hanya untuk membuat sebuah pernyataan yang memprovokasi pengguna lain. Pada penelitian ini diusulkan metode Bidirectional LSTM dan Self Attention untuk membuat model terbaik yang dapat memprediksi pertanyaan-pertanyaan di Quora. Pada akhir pelatihan, didapatkan model terbaik dengan nilai akurasi sebesar 0,9668, nilai pressisi sebesar 0,9880 , nilai sensitifitas (recall) sebesar 0,9769 dan nilai F1 sebesar 0,9824.
DETEKSI DENGUE SHOCK SYNDROME PADA PASIEN DEMAM BERDARAH MENGGUNAKAN ALGORITMA RANDOM FOREST Nisa, Lisa N.; Muflikhah, Lailil; Yudistira, Novanto
Kohesi: Jurnal Sains dan Teknologi Vol. 4 No. 7 (2024): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v4i7.5854

Abstract

Demam Berdarah Dengue (DBD) merupakan penyakit yang ditularkan oleh nyamuk yang paling sering ditemui di dunia. DBD disebarkan oleh virus nyamuk Aedes aegypti dan Aedes Albopictus. DBD memiliki gejala klinis ringan hingga berat seperti Dengue Shock Syndrom, Dengue Shock Syndrom atau DSS adalah syok/ renjatan disertai kegagalan sirkulasi. Penanganan DSS apabila tidak ditangani lebih awal dapat membahayakan nyawa pasien oleh karena penting untuk membuat deteksi Dengue Shock Syndrom pada pasien DBD. Penelitian pada dengue shock syndrom pada pasien demam berdarah menggunakan algoritma random forest karena kemampuannya mengurangi jumlah variabel yang diperlukan untuk mendeteksi, meningkatkan efisiensi. Data yang akan digunakan dalam penelitian ini berasal dari data pasien penderita demam dengue Rumah Sakit Umum Daerah dr. Saiful Anwar tahun 2014 sampai 2022 yang berjumlah 501 data. Tetapi terdapat permasalahan pada data yang dipakai yaitu dataset imbalanced. Karena data yang digunakan merupakan data imbalanced maka penulis menggunakan random oversampling, smote. Setelah di oversampling data menjadi 401 data syock dan 401 data tidak syock. Kemudian penulis memilih feature yang relevan untuk membangun model random forest. Feature selection yang digunakan adalah Principal component analysis (PCA) dan information gain. Pengujian pada penelitian ini mencari hyperparameter, metode oversampling dan ekstraksi fitur yang optimal. Hasil penelitian menunjukan algoritma menggunakan PCA dan random oversampling memilki hasil terbaik. Akurasi hasil pengujian tertinggi pada pada 0,911 dengan metode oversampling dan PCA. Kata kunci: Demam Berdarah Dengue, Dengue Shock Syndrom, Principal Component Analysis, SMOTE, Oversampling, Information gain, Hyperparameter Dengue Hemorrhagic Fever (DHF) is the most common mosquito-borne disease in the world. Dengue fever viruses are spread by the Aedes aegypti and Aedes Albopictus mosquitoes. DHF has mild to severe clinical symptoms such as Dengue Shock Syndrome, Dengue Shock Syndrome, or DSS, which is a shock accompanied by circulatory failure. If DSS is not treated early, it can endanger the patient's life because it is important to make predictions about Dengue Shock Syndrome in DHF patients. Research on dengue shock syndrome in dengue fever patients uses the random forest algorithm because of its ability to reduce the number of variables needed for prediction, increasing efficiency. The data used in this research comes from patients suffering from dengue fever at the Regional General Hospital, dr. Saiful Anwar from 2014 to 2022, totaling 501 data. However, there is a problem with the data used, namely the imbalanced dataset. Because the data is imbalanced, the author uses random oversampling and SMOTE. After oversampling, the data became 401 shock data and 401 non-shock data. The author selects relevant features to build a random forest model. The feature selection used is Principal component analysis (PCA) and information gain. The tests in this research look for hyperparameters, oversampling methods, and optimal feature extraction. The research results show that the algorithm using PCA and random oversampling has the best results. The highest accuracy of test results is 0.911 with the oversampling and PCA methods. Keywords: Dengue Hemorrhagic Fever, Dengue Shock Syndrome, Principal Component Analysis, SMOTE, Oversampling, Information gain, Hyperparameter
Klasifikasi Terumbu Karang Menggunakan Metode Convolutional Neural Network (CNN) Marpaung, Veronika Oktafia; Rahayudi, Bayu; Yudistira, Novanto
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 3 (2024): Maret 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Terumbu karang memiliki beberapa tipe. Sebagai alat bantu untuk mengetahui klasifikasi tipe terumbu karang, maka dibutuhkan sebuah model yang dapat mengenali bentuk dari terumbu karang di Indonesia. Salah satunya dengan menerapkan teknologi ilmu komputasi yang sedang berkembang yaitu object detection. Salah satu metode object detection adalah Convolutional Neural Netwok (CNN) dan akan diterapkan pada penelitian ini. Tujuan dari penelitian ini adalah untuk mendapatkan hyperparameter usulan yang memiliki hasil optimal terhadap klasifikasi terumbu karang pada model serta menguji tingkat nilai akurasi, precision, recall, dan F1-Score untuk melakukan klasifikasi terumbu karang. Pengumpulan data untuk penelitian ini didapatkan dari kegiatan Studi Potensi Hewan Benthic Penyusun Terumbu Karang Beserta Biota Pendukungnya di Pulau Miang Kec. Sangkulirang. Data yang terkumpul kemudian dianalisis dan diuji menggunakan confusion matrix. Hasil pengujian beberapa hyperparameter pada metode CNN didapatkan hasil akurasi tertinggi yaitu pada pengujian menggunakan hyperparameter optimizer Adam, learning rate sebesar (0.0001), batch size (32), fungsi aktivasi ReLU, setelah melakukan perulangan selama 500 epoch, yaitu nilai rata-rata akurasi training sebesar 93%. Hasil pengujian dengan data testing dan analisis yang sudah dilakukan, didapatkan nilai akurasi, precision, recall, dan F1-Score dengan menggunakan model CNN dapat dikatakan kurang baik secara performa. Hal ini ditunjukkan dengan hasil klasifikasi dengan nilai rata-rata precision sebesar 0,7033, nilai rata-rata recall sebesar 0,7133, nilai rata-rata F1-Score sebesar 0,6933, dan nilai akurasi rata-rata setiap jenis sebesar 0,8115. Selain itu, diketahui juga bahwa jumlah epoch dan jumlah data juga mempengaruhi performa klasifikasi pada model yang diuji, terutama pada waktu, nilai akurasi, dan nilai loss.
Pengembangan Aplikasi Perangkat Bergerak Panduan Resep Masakan Menggunakan Metode Klasifikasi Gambar Berbasis Android Saputra, Kylix Eza; Huda, Fais Al; Yudistira, Novanto
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Proses memasak merupakan suatu cara untuk menciptakan makanan dengan melalui tahapan-tahapan yang berurutan. Berdasarkan survei yang dilakukan kepada 60 orang masyarakat berusia 17 tahun ke atas, didapatkan hasil bahwa 93,3% responden memiliki keinginan sendiri dalam memasak. Oleh karena itu, sebanyak 93,3% responden merasa membutuhkan aplikasi yang dapat mencari resep masakan menggunakan hasil tangkapan kamera berdasarkan makanan yang telah siap saji. Maka dari itu dikembangkan sebuah aplikasi panduan resep masakan menggunakan metode klasifikasi gambar. Aplikasi berbasis android ini dikembangkan menggunakan SDLC Prototyping dan system design yang terdiri atas ktor untuk sisi server, android native kotlin pada sisi android, dan tensorflow untuk mengembangkan model machine learning. Pengujian aplikasi dengan black box testing memberikan hasil sempurna yaitu 100% yang berarti semua fungsionalitas bekerja dengan semestinya. Pengujian usability testing juga menghasilkan tingkat efektivitas sebesar 99,3%. Usability testing didukung oleh SUS yang mendapatkan nilai 92 yang berarti aplikasi dapat diterima oleh pengguna, berada pada grade A, dan memiliki rating best imaginable. Pengujian model machine learning terhadap 10 kelas makanan memberikan hasil akurasi yang sangat baik yaitu sebesar 94%. Berdasarkan hasil tersebut dapat disimpulkan bahwa aplikasi dapat dengan mudah diterima dan digunakan oleh pengguna.
Peningkatan pemasaran produk UMKM melalui pemanfaatan marketplace tokopedia dan facebook Muflikhah, Lailil; Widodo, Agus Wahyu; Rahman, Muh. Arif; Yudistira, Novanto
Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Vol 7 No 3 (2024)
Publisher : University of Islam Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33474/jipemas.v7i3.21920

Abstract

Salah satu bentuk usaha yang merupakan potensi desa dan mendapat dukungan dari pemerintah adalah Usaha Mikro, Kecil, dan Menengah (UMKM). Namun, adanya keterbatasan dalam hal pemasaran menjadikan tidak nampaknya produk asli masyarakat setempat. Pentingnya dilakukan program Pengabdian kepada Masyarakat. Pada program ini bertujuan untuk meningkatkan pemasaran produk UMKM melalui pemanfaatan platform marketplace Tokopedia dan media sosial Facebook. Metode pengabdian masyarakat yang digunakan meliputi sosialisasi, pelatihan, dan pendampingan langsung kepada para pelaku UMKM di wilayah target. Tokopedia, digunakan sebagai marketplace toko online, sedangkan untuk Facebook sebagai sarana pengiklanan produk. Kegiatan ini bertujuan untuk memberikan pemahaman mengenai pentingnya digital marketing, serta keterampilan praktis dalam membuat dan mengelola akun di Tokopedia dan Facebook. Hasil dari program ini menunjukkan adanya peningkatan yang signifikan dalam pemahaman dan kemampuan peserta dalam menggunakan kedua platform tersebut. Selain itu, terdapat peningkatan penjualan dan jangkauan pasar produk UMKM setelah program berjalan. Kesimpulan dari penelitian ini menyatakan bahwa pemanfaatan marketplace Tokopedia dan media sosial Facebook secara efektif dapat membantu pelaku UMKM dalam meningkatkan pemasaran dan penjualan produk mereka, yang pada gilirannya dapat mendorong pertumbuhan ekonomi lokal.
Co-Authors Abdurrachman Bachtiar, Fitra Abel Filemon Haganta Kaban Achmad Basuki Achmad Ridok Adam Hendra Brata Adhi Setiawan Aditama, Gustian Agi Putra Kharisma Agus Wahyu Widodo Agus Wahyu Widodo Agus Wahyu Widodo, Agus Wahyu Akbar, Alvin Tarisa Al Huda, Fais Aldi Fianda Putra Alfen Hasiholan Almasyhur, Muhammad Bin Djafar Alwan, Muhammad Fajrul Amin, Muhammad Basil Musyaffa Anarya Indika Putra Andina, Sherla Puspa Anggraheni, Hanna Shafira Annisa Sukmawati Apriyanti -, Apriyanti Ardhani, Luthfi Afrizal Ardhanto, Riyadh Ilham Arifandis Winata Arifien, Zainal Asmani, Wahayu Widyaning Austin, Yehezkiel Stephanus Bahrur Rizki Putra Surya Bana Falakhi Bayu Rahayudi Budi Darma Setiawan Caesar Rio Anggina Toruan Cahyo Prayogo, Cahyo Candra Dewi Cevita Detri Intan Suryaningrum Chindy Aulia Sari Christopher, Juan Young Darmawan, Abizard Hashfi Darmawan, Hanif Daud, Nathan Daut Daman Dewa Gede Trika Meranggi Dhaifullah, Afif Naufal Dhifan Diandra H Didik Suprayogo Dytha Suryani Edy Santoso Edy Santoso Elmira Faustina Achmal Eriq Muhammad Adams Jonemaro Fadhil Yusuf Rahadika Fadhil Yusuf Rahadika Fadhil Yusuf Rahadika Fahmi Achmad Fauzi Fajrina, Julia Nur Fathina Atsila F Fauzi, Muhammad Rifqi Firhan Fauzan Hamdani Fitra Abdurrachman Bachtiar Griselda Anjeli Sirait Griselda Anjeli Sirait Hafshah Durrotun Nasihah Hakim, Gibran Hakim, Sulthan Abiyyu Hanum, Assyfa Rasida Haris, Asmuni Harlan, Fajri Rayrahman Hawari, Rahmada Zulvia Azzahra Hermanto, Putri Tsania Maulidia Heru Nurwarsito Huda, Fais Al Hutamaputra, William Ikhwanul Kiram, Muh Zaqi Imam Cholissodin Indriati Indriati Iqra Ilhamsyah Irfan Ardiansyah Irfannanto, Adimas Irfano, Haikal Irwanto, M. Sofyan Izzatul Azizah Jauhar Bariq Rachmadi Javier Ardra Figo Karina Amadea Katrina Puspita Kevin Nadio Dwi Putra Khalid Rahman Khoirullah, Habib Bahari Krisnabayu, Rifky Yunus Kurnia Fakhrul Izza Kurnianingtyas, Diva Lailil Muflikhah Laksono, Khansa Salsabila Sangdiva Larasati, Saqina Salsabila Lutfi, Raniyah Mahardika, Mohammad Alfiano Rizky Manurung, Daniel Geoffrey Marasitua, Wahyu Valentino Marji Marpaung, Veronika Oktafia Maulana Ahmad Maliki Maulana, Muhammad Taufik Mawarni, Marrisaeka Meilinda Dwi Puspaningrum Michael David Muh. Arif Rahman Muhammad Rizaldi Muhammad Rizaldi Muhammad Tanzil Furqon Muhammad Zaini Rahman Natanniel Eka Christyanto Naufal, Muhammad Jilan Niluh Putu Vania Dyah Saraswati Nisa, Lisa N. Nisa, Septia Khoirin Novianti, Siska Nurannisa, Nadhira Oakley, Simon Pangondian, Yosia Permadhi, Raditya Atmaja Satria Pinasthika, Mohammad Ryan Prais Sarah Kayaningtias Prasetia, Anugrah Prayata, Rakan Fadhil Putra Pandu Adikara Putra, Octo Perdana Putri, Rania Aprilia Dwi Setya Putri, Salwa Cahyani Qurrata Ayuni Rahmadi, Anang Bagus Rahman, Muhammad Arif Raihan Hanif F RAMADHAN, ADITYA RIZKY Randy Cahya Wihandika Renata Rizki Rafi' Athallah Rian Nugroho Rilinka Rilinka Rishani Putri Aprilli Rizal Setya Perdana Rizky, Audhinata Bebytama RR. Ella Evrita Hestiandari Sabriansyah Rizqika Akbar, Sabriansyah Sahirah, Rafifa Addin Saputra, Kylix Eza Sastomo, Yogi Puji Selle, Nurfatima Setyawan Purnomo Sakti Sholeh, Mahrus Stephen Lui, Michael Sugihdharma, Joseph Ananda Sukma, Lintang Cahyaning Sulthon Akhdan G Suprapto Suprapto Sutrisna, Naufal Putra Syafira, Putri Amanda Tampubolon, Agustinus Parasian Thiodorus, Gustavo Timothy Bastian Sianturi Usfita Kiftiyani Vasya, Muhammad Azka Obila Wa Ode May Zhara Averina Wahyu Taufiqurrahman, Rayhan Waludi, Ikbal Wayan Firdaus Mahmudy Wulandari, Rafifah Ayud Yuita Arum Sari Yuita Arum Sari Zetha, Ivykaeyla Adriana