Claim Missing Document
Check
Articles

Deteksi Suara Gitar Dengan Bahan Jenis Senar Berbeda Melalui Ciri Akustik Dengan MelFrequency Cepstral Coefficients (MFCC) Dan Support Vector Machine (SVM) Andre Danika; Jangkung Raharjo; Bambang Hidayat
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Gitar akustik merupakan salah satu alat musik terpopuler di dunia. Suara yang dihasilkan gitar memiliki karakteristik suara nya masing-masing. Salah satu faktor yang memengaruhi karakteristik suara gitar adalah jenis senar gitar. Gitar terbagi menjadi 2 jenis berdasarkan jenis material senar nya yaitu senar yang terbuat dari baja dan senar yang terbuat dari nylon. Senar baja cenderung menghasilkan suara yang lebih nyaring dan volume suara yang lebih besar dibandingkan dengan senar nylon yang cenderung menghasilkan suara yang mellow. Namun tidak semua orang dapat membedakan suara gitar atau mengetahui berdasarkan senar yang digunakan hanya dengan mendengarkan suaranya saja. Sistem deteksi bahan gitar ini bertujuan untuk membedakan jenis senar pada suatu gitar. Total kelas di sistem ini terbagi menjadi dua kelas, kelas senar baja dan kelas senar nylon. Hasil dari sistem ini berupa GUI yang memunculkan spektogram dan hasil deteksi. Sinyal suara akan melalui proses ekstraksi ciri akustik menggunakan metode MFCC dengan parameter delta-delta window length terbaik bernilai 5. Hasil dari proses tersebut kemudian akan diklasifikasikan dengan metode support vector machine (SVM) dengan fungsi kernel RBF sebagai fungsi terbaik dengan akurasi 95%. Gitar senar baja cenderung menghasilkan frekuensi maksimum yang lebih besar dibandingkan dengan senar nylon. Kata kunci— Gitar Akustik, Senar Baja, Senar Nylon, MelFrequency Cepstral Coefficients (MFCC), Support vector machine (SVM).
Simulasi Optimasi Pembangkit Listrik Tenaga Hibrida Di Pulau Nusa Penida Menggunakan Aplikasi Homer Aditya Pratama; Kharisma Bani Adam; Jangkung Raharjo
eProceedings of Engineering Vol 9, No 5 (2022): Oktober 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Indonesia merupakan negara kepulauan terbesar di dunia dengan luas wilayah sekitar 1.904.569 km2 dan garis pantai sepanjang 54.716 km. Pada Era Industri 4.0 ini, Energi Listrik merupakan kebutuhan primer bagi seluruh masyarakat untuk menunjang segala aktivitas dan kehidupan mereka. Salah satu pulau yang masih belum dialiri listrik secara maksimal yaitu Pulau Nusa Penida di Kabupaten Klungkung, Provinsi Bali. Pada penelitian ini penulis membuat suatu sistem simulasi pembangkit listrik tenaga hybrid di pulau Nusa Penida. Sistem ini merupakan gabungan dari pembangkit listrik tenaga bayu, dan pembangkit listrik tenaga surya menggunakan software HOMER Dalam penelitian ini menghasilkan opsi PLTH (Pembangkit Listrik Tenaga Hybrid) optimal yang berpotensi dapat dibangun di wilayah Kecamatan Nusa Penida, yaitu berkapasitas 11,9 MW, PLTS berkapasitas 3,5 MW, BESS berkapasitas 3 MW, dan berkapasitas 4 MW. Berdasarkan total hasil analisis perhitungan biaya energi yang telah didapatkan dari PLTH, hasil LCC sebesar $62.358.890, PBP menunjukkan bahwa dibutuhkan waktu selama 11,6 tahun untuk mengembalikan modal investasi keseluruhan. Kemudian perhitungan analisis kelayakan investasi yang telah dilakukan, menunjukkan nilai NPV sebesar $35.589.268,96. Nilai Profit Index adalah 7,53, dan nilai IRR 37,38%. Dengan seluruh hasil tersebut, menunjukkan bahwa pembangunan PLTH yang ada di Nusa Penida dapat memberikan keuntungan. Kata kunci— pulau nusa penida, pembangkit listrik tenaga hybrid, homer
Penginderaan Kompresif Berbasis Sparsity Averaging Reweighted Analysis Untuk Kompresi Sinyal Audio Dan Speech Rahmawan Ilham Al Fatha; Jangkung Raharjo; Jaspar Hasudungan
eProceedings of Engineering Vol 8, No 4 (2021): Agustus 2021
Publisher : eProceedings of Engineering

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

Abstract

Data audio di era digital ini sangat umum digunakan baik untuk kebutuhan personal maupun industri. Namun, ukuran data dalam proses transmisi dan penyimpanan adalah bagian yang penting karena masalah ukuran datanya yang sering kali memiliki ukuran yang besar. Kompresi data audio yang efisien menyelesaikan masalah ukuran data untuk kebutuhan penyimpanan dan transmisi ini. Compressed sensing (CS) memperkenalkan teknik akuisisi sinyal yang melampaui efisiensi teori Nyquist pada umumnya dalam pengambilan sampel. Salah satu metode CS adalah sparsity averaging reweighted analysis (SARA) yang diusulkan untuk meningkatkan kinerja dari metode basis pursuit denoise (BPDN). Kemudian, terdapat metode source separation via reweighted analysis (SSRA) diusulkan untuk data sinyal satu dimensi. Metode SSRA tidak melakukan rata-rata basis sparsity seperti yang dilakukan pada metode SARA, sehingga jurnal ini melakukan analisis untuk kinerja SARA yang dimodifikasi mengikuti prinsip SSRA pada sinyal satu dimensi. Jurnal ini menganalisis kinerja SARA pada data sinyal senandung suara dan sinyal musik hasil segmentasi yang terdiri dari reff/chorus dan verse dari musik bergenre jazz dan reggae dengan jenis file wav. Dimana nantinya akan dilakukan pengujian terhadap 4 file audi yaitu jazz.wav dan reggae.wav yang mewakili data music, kemudian ep2.wav dan ep3.wav untuk jenis file senandung suara. SARA terdiri dari 2 tahap, yaitu tahap awal untuk penentuan basis sparsity dengan mengusulkan basis baru dari hasil rata-rata dari beberapa basis dan proses reweighted dari metode rekonstruksi BPDN. Hasil data audio yang paling bagus diperoleh file audio Jazz dengan nilai Signal to Noise Ratio (SNR) sebesar 56.75 dB, nilai Object Different Grade ODG yang dihasilkan sebesar -1.643 dan nilai Structural Similary Index Measure (SSIM) sebesar 0.9997. Sedangkan, performansi data speech terbaik diperoleh file Ep2 dengan nilai SNR sebesar 45.10 dB, nilai ODG sebesar -3.948 dan SSIM sebesar 0.9981. Keywords: Compressed sensing , sparsity averaging, reweighted analysis, basis pursuit denoise , spread spectrum, wavelet
Implementasi Sistem Pengusir Hama Burung Berbasis ComputerVision Menggunakan Jetson Nano Dan Arduino Uno Rendi Bagus Oklanri; Jangkung Raharjo; Syamsul Rizal
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Pertanian adalah sektor dengan peran besar bagi perekonomian Indonesia. Tujuan untuk meningkatkan produktivitas dibidang pertanian dalam penerapannya menemui banyak sekali masalah, salah satu masalah umum yang terjadi diberbagai jenis tanaman padi adalah hama burung pipit. Metode yang digunakan petani untuk mengatasi masalah hama masih menggunakan cara manual, yaitu dengan menggunakan orang-orangan sawah yang diletakkan di tengah sawah atau dengan langsung terjun ke lapangan. Dunia sekarang berada di era digital dimana bidang teknologi sudah merambah di semua aspek kehidupan dan salah satunya adalah computer vision. Dalam Tugas Akhir ini dikembangkan sistem pengusir hama burung berbasis compter vision dengan Jetson Nano dan Arduino UNO. Sistem ini bekerja dengan mendeteksi hama burung pipit yang di ambil secara real time dengan kamera, ketika sistem mendeteksi alat menyalakan buzzer dan servo yang diikatkan dengan tali untuk mengusir hama burung pipit. Sistem yang digunakan meliputi kamera modul, Jetson Nano, Arduino UNO, servo, buzzer dan tali. Hasil dari pengujian kinerja dari alat dapat berjalan sesuai dengan yang direncanakan. Pada pengujian kamera didapatkan jarak ideal yaitu kurang dari 30 meter untuk cuaca cerah dan kurang dari 20 meter untuk cuaca mendung, FPS tertinggi yang diperoleh 18 FPS, penggunaan RAM 1,4 Gib dari total kapasitas maksimal RAM 1,9 Gib, serta Intensitas cahaya ideal yaitu pada tingkat kecerahan di bawah 1,7. Kata kunci — Computer vision, Jetson Nano, Hama burung pipit
Analisa Jenis Kelamin Berdasarkan Citra Wajah Menggunakan Metode Gray Level Co-occurrence Matrix (glcm) Dan Klasifikasi Naive Bayes Andi Zahra Bunga Zana; Jangkung Raharjo; Hilman Fauzi TSP
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Pada penelitian tugas akhir ini dilakukan perancangan sistem untuk dapat mengklasifikasikan jenis kelamin berdasarkan citra wajah pada manusia. Dengan melakukan ekstraksi ciri menggunakan metode Gray Level Co-Occurrence Matrix (GLCM) dan proses klasifikasi menggunakan metode Naive Bayes yang bertujuan untuk dapat membedakan jenis kelamin laki-laki dan wanita pada manusia. Citra wajah tersebut dikelompokkan berdasarkan kelas laki-laki dan wanita. Tujuan dari penelitian tugas akhir ini untuk mengetahui jenis kelamin pada manusia dan manfaat dari perancangan sistem ini salah satunya dapat digunakan dalam bidang kesehatan untuk mendeteksi perbedaan jenis kelamin laki-laki atau wanita dan sebagai salah satu teknologi awal untuk aplikasi kesehatan cerdas lanjutan dalam pengukuran Body Mass Index (BMI). H
Analisis Sinyal Alpha Dan Beta Eeg Brainwave Terhadap Perbandingan Konsentrasi Seseorang Pada Kondisi Begadang, Merokok Dan Tidak Begadang, Tidak Merokok Mohamad Iqbal; Jangkung Raharjo; Gelar Budiman
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Konsentrasi adalah pemutusan perhatian, pikiran, jiwa, dan fisik pada sebuah objek, kemampuan seseorang dalam berkonsetrasi biasanya di pengaruhi oleh situasi sekitarnya. Konsentrasi bukan suatu sifat bawaan yang dimiki seseorang dan selalu ada setiap waktu. Oleh sebab itu dibutuhkan rangsangan dari luar untuk meningkatkan serta memaksimalkan tingkat konsentrasi otak di kondisi bergadang dan merokok. Penelitian ini dilakukan untuk mengetahui pemaksimalan rangsangan otak saat responden diberi stimulus merokok dan bergadang. Otak manusia sendiri memiliki beberapa jenis sinyal diantaranya alpha, beta, gamma, teta dan delta. Dari sinyal otak tersebut, kita bisa menganalisa bagaimana respon otak manusia terhadap suatu stimulus dari luar hingga manusia bisa merasakan dan dapat berkonsentrasi. Kondisi otak seseorang saat merokok yang memiliki kandungan nikotin dan tar dapat di analisa melalui Electroencepalograph (EEG). Metode yang di gunakan dalam penelitian ini adalah Principal Component Analysis (PCA) sebagai metode Ekstraksi ciri dengan mengekstrasi sinyal terhadap gelombang alpha dan beta untuk mendapatkan suatu ciri yang dibutuhkan pada tahap selanjutnya dalam menjalankan proses klasifikasi menggunakan metode K-Nearest Neighbor (K-NN). Pada penelitian ini digunakan alat perekam yang memiliki 1 saluran kanal, dan menggunakan 10 responden dalam stimulasi yang berbeda. Pada tipe K-NN Chebychev didapatkan akurasi terbaik sebesar 100%, sedangkan pada tipe K-NN Minkowski dan Euclidean hanya didapatkan akurasi sebesar 83%, dengan fs, jenisciri PCA, dan nilah K yang sama
Identifikasi Batik Pekalongan Menggunakan Metode Gray Level Co-occurrence Matrix Dan Probabilistic Neutral Network Frisnanda Aditya; Jangkung Raharjo; Nur Ibrahim
eProceedings of Engineering Vol 6, No 3 (2019): Desember 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Batik adalah kesenian menggambar diatas kain yang dalam pembuatannya dilakukan secara khusus. Kerajinan batik setiap daerah memiliki ciri khas tertentu salah satunya batik Pekalongan. Perkembangan dan jenis yang membedakan batik dari negara lain masih belum banyak yang mengetahui, dikarenakan belum adanya pendataan secara komputerisasi yang baik dan belum adanya aplikasi untuk menganalisis batik Pekalongan guna membantu pengetahuan masyarakat Indonesia. Berdasarkan permasalahan diatas penulis membuat sistem yang dapat mengidentifikasi motif batik Pekalongan. Pada Tugas Akhir ini telah dilakukan penelitian Identifikasi batik Pekalongan menggunakan metode Gray Level Co-occurrence Matrix sebagai metode ekstraksi ciri dan metode Probabilistic Neural Network sebagai klasifikasi. Metode Gray Level Co-occurrence Matrix merupakan matriks yang mengandung informasi mengenai posisi ketetanggaan piksel yang memiliki tingkat keabuan tertentu. Jaringan Probabilistic Neural Network jauh lebih relatif tidak sensitif terhadap outlier dan menghasilkan prediksi probabilitas target yang akurat. Dari hasil pengujian pengklasifikasian ini diperoleh akurasi terbaik 98,33%. Akurasi diperoleh dari pengujian 150 citra menggunakan parameter Gray Level CoOccurrence Matrix kontras-korelasi-energy-homogenitas, dengan nilai sudut 𝟎°, 𝟒𝟓°, 𝟗𝟎°𝟏𝟑𝟓°, dan radius = 1 dan Probabilistic Neural Network yaitu, ukuran gambar 256 × 256, dan nilai spread 0.1.Kata Kunci: Batik, Gray Level Co-Occurrence Matrix, Probabilistic Neutral Network Abstract Batik is the art of drawing on fabric which is specially made in its making. Batik crafts in each region have certain characteristics, one of which is Pekalongan batik. Not many people know about the development and types that distinguish batik from other countries, due to the lack of a good computerized data collection and the absence of applications to analyze Pekalongan batik to help the knowledge of the Indonesian people. Based on the above problems the writer makes a system that can identify Pekalongan batik motifs. In this Final Project a research on Pekalongan batik identification has been carried out using the Gray Level Co-occurrence Matrix method as a feature extraction method and the Probabilistic Neural Network method as a classification method. The Gray Level Co-Occurrence Matrix method is a matrix that contains information about the neighboring pixel positions that have a certain gray level. Probabilistic Neural Networks are far more relatively insensitive to outliers and produce accurate target probability predictions. From the test results obtained the best accuracy of 98,33%. Accuracy was obtained from testing 150 images using the parameter Gray Level Co-Occurrence Matrix contrast-correlation-energy-homogeneity, with angular values 𝟎°, 𝟒𝟓°, 𝟗𝟎°𝟏𝟑𝟓°, and radius = 1. While Probabilistic Neural Network uses the 256×256 image size parameter and the Spread value 0.1. Keywords: Batik, Gray Level Co-Occurrence Matrix, Probabilistic Neural Network
Analisis Kompresi Nada Seruling Menggunakan Compressive Sensing Dengan Metode Discrete Fourier Transform Dan Stationary Wavelet Transform Ridho Nurbagja Gumelar; Jangkung Raharjo; Irma Safitri
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

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

Abstract

Alat musik di Indonesia sangat beragam dan menjadi media untuk menghasilkan berbagai macam nada – nada untuk didengarkan. Salah satunya adalah seruling. Seruling sering kali dipakai untuk mengiringi sebuah lagu dan dapat dimainkan oleh semua orang. Ukuran dari hasil data rekamannya pun sering kali memakan tempat/space yang cukup besar.Kompresi data menjadi cara untuk mengatasi masalah tersebut. Solusi untuk mengurangi kapasitas audio data sekaligus tanpa mengurangi kualitas audionya adalah kompresi dengan teknik compressive sensing. Penelitian ini bertujuan untuk menganalisis perbandingan sebuah kompresi pada nada seruling menggunakan CS (Compressive sensing). CS (Compressive sensing) terdiri dari dua langkah yaitu proses kompresi dan rekontruksi. Audio dalam bentuk format .WAV akan dikompresi menggunakan metode DFT (Discrete Fourier Transform) dan SWT (Stationary Wavelete Transform) dan di rekontruksi menggunakan metode IRLS (Iteratively Reweighted Least Square). Performa yang didapatkan pada pengkompresian dengan menggunakan Perbandingan compressing ratio 10%, 30% dan 50%, dihasilkan hasil yang terbaik dengan compressing ratio 50%. Perbandingan kualitas metode pengkompresian pada rasio kompresi 50 % dengan parameter pengujian SNR, MSE dan MOS diperoleh untuk parameter SNR pada metode SWT 77,80dB, sedangkan metode DFT 77,73dB, untuk parameter MSE pada metode SWT dan metode DFT memiliki nilai yang sama yaitu 0.03, dan hasil Analisa MOS yang dilakukan oleh 5 orang koresponden adalah untuk hasil kompresi SWT bernilai 3,9 (baik), kompresi DFT 3,9 (baik), rekontruksi SWT 3.5 (cukup baik), dan rekontruksi DFT 3,6 (baik).Kata kunci :Compressive Sensing, Discrete Fourier Transform, Stationary Wavelet Transform, Iteratively Reweighted Least Square.
INTEGRASI PEMBANGKIT LISTRIK TENAGA SURYA ON GRID UNTUK MEMBANTU SISTEM KELISTRIKAN DI MASJID JAMI’ P3SB Jangkung Raharjo; Bandiyah Sri Aprillia; Novi Prihatiningrum; Irwan Purnama; Yusuf Nur Wijayanto; Ilma Mufidah; Augustina Asih Rumanti
JMM (Jurnal Masyarakat Mandiri) Vol 7, No 5 (2023): Oktober
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v7i5.16867

Abstract

Abstrak: Berdasarkan hasil wawancara dengan pengurus Pondok Pesantren Pembangunan Sumur Bandung (P3SB) salah satu masalah yang dihadapi yaitu tagihan listrik bulanan yang cukup besar untuk memenuhi fasilitas kelistrikan di wilayah pondok pesantren. Selain itu berdasarkan hasil analisis dari tim Universitas Telkom, secara lokasi P3SB cocok untuk integrasi Pembangkit Listrik Tenaga Surya (PLTS). Selain untuk mengurangi tagihan listrik bulanan adanya sistem PLTS yang dibangung juga diharapkan menjadi media belajar santri pada bidang sistem energi terbarukan. Pelaksanaan kegiatan ini dilakukan dalam 3 tahap yaitu survey lokasi, pemasangan pembangkit tenga surya atap dan evalusi kegiatan. Selama pelatihan dan pemaparan Keamanan, Kesehatan dan Keselamatan Kerja (K3) para siswa dan guru berjumlah 15 orang dapat menjawab pertanyaan dengan rerata akurasi jawaban 90%. Adanya pelatihan K3 ini diharapkan mitra dapat melakukan perawatan pembangkit surya secara mandiri. Berdasrkan hasil umpan balik, 72% dari masyarakat sasar sangat setuju dan 28% Setuju menerima kegiatan pengabdian masyarakat yang dilakukan dan berharap kegiatan serupa dapat dilanjutkan di masa yang akan datang.Abstract: Based on the results of interviews with the management of the Islamic Boarding School (P3SB), one of the problems faced is the monthly electricity bill which is large enough to fulfill electricity facilities in the Islamic boarding school area. In addition, based on the analysis results from the Telkom University team, the location of P3SB is suitable for the integration of Solar Power Plants (PLTS). In addition to reducing monthly electricity bills, the PLTS system being built is also expected to become a learning medium for students in the field of renewable energy systems. The implementation of this activity was carried out in 3 stages, namely site survey, installation of a rooftop solar generator and activity evaluation. During training and presentation on Occupational Safety, Health, and Safety (K3) students and teachers consist of 15 peoples can answer questions with an average answer accuracy of 90%. K3 training is expected that partners to carry out solar generator maintenance independently. Based on the results of the feedback, 72% of the target community strongly agreed and 28% agreed to accept the community service activities being carried out and hoped that similar activities could be continued in the future. 
Support Vector Regression untuk Prediksi Beban Listrik Jangka Pendek Menggunakan Metode Fraktal Khalisa Sasikirana Athaya; Jangkung Raharjo; Syamsul Rizal
Ranah Research : Journal of Multidisciplinary Research and Development Vol. 5 No. 4 (2023): Ranah Research : Journal Of Multidisciplinary Research and Development (Agustus
Publisher : Dinasti Research

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/rrj.v5i4.772

Abstract

In this era of globalization, electricity is one of the essential needs in human life. Electricity load prediction plays a crucial role in designing supply-demand operations to avoid losses from various aspects. In this study, short-term electricity load prediction is conducted per 30 minutes, aiming to achieve minimum prediction errors. Support Vector Regression (SVR) is used as the machine learning method for data classification, and fractal method is employed for dimension calculation and feature extraction from historical data. The results of this research are as follows: In the first experiment, short-term prediction was conducted without using the fractal method, resulting in a Mean Absolute Percentage Error (MAPE) of 2.85%. In the second experiment, short-term prediction was performed using the dataset that had undergone fractal calculation and feature extraction, leading to a lower MAPE of 2.32%. The prediction results using the fractal method obtained a lower MAPE compared to the non-fractal approach. Fractal significantly influences the calculation of short-term electricity load prediction using Support Vector Regression (SVR).
Co-Authors Adi Soeprijanto Aditya Pratama Ahmad Zaky Rafif Muthafa Aisy, Naura Safina Rahadatul Andhika Yoga Andi Zahra Bunga Zana Andre Danika Angga Rusdinar Annisa Puji Lestari Arafah, M. Ilmil Madya Noor Ardio Pratama Putra ARIS HARTAMAN Ariza Rizky Pratama Arizsatrio Anggawijaya Atina Nur Azizah Augustina Asih Rumanti Bambang Hidayat Bandiyah Sri Aprilia Bandiyah Sri Aprillia Basuki Rahmat Masdi Siduppa Burhanuddin Dirgantoro Dega Pradipta Ramadhan Denny Darlis Desri Kristina Silalahi Dwi Bayu Leksono Efri Suhartono Eka Sugiarto Ekki Kurniawan Elia Kurniawati Fadlil Azimi Syafli Fairoez Nauval Reformatio Fajar Dwi Septria Fajar Kurniawan Alhamal Farhan, Mhd Althalif Firman Ag. Roni Fitria, Ismaulida Nur Fityanul Aditya Frisnanda Aditya Gelar Budiman Haidy Anazmar Hanifah, Dyatisa Hasbiya Ghifari Alfarizi Hermagasantos Zein Hernawan Kurniansyah Hilman Fauzi, Hilman I Gede Putu Oka Indra Wijaya I Nyoman Apraz R I Nyoman Apraz Ramatyana Ilma Mufidah Inung Wijayanto Irma Safitri Irwan Purnama Isnaeny Rahmawanthi Iwa Swandana Iwan Iwut Tritoasmoro Jaspar Hasudungan Kahfi Fadhlan Maulana Khalisa Sasikirana Athaya Kharisma Bani Adam Koredianto Usman Kristi, Meilinda Santa Ledya Novamizanti Lilis Setiono Maharani, Nabila Sri Mahendra, Dio Manfaati, Rintis Mohamad Iqbal Muayyadi, Achmad Aly MUFLIKHAH, INTAN LAILY Muh Hisyam Siddiq Muh Zidni Makarim Muh, Ipnu Udjie Hasiru Muhammad Alif Rizqi Hatmadiansyah Muhammad Samsul Muarif Muhammad Zakiyullah Romdlony Nabila Hatami Putri Nachwan Mufti Adriansyah Nadya Ainun Avrilya Nizhar Arya Hamitha Nor Kumalasari Caecar Pratiwi Novi Prihatiningrum Nur Andini Nur Ibrahim Putri Marhamah Yunita Putri Marito Putri, Aquila Anandya R. Yunendah Nur Fu’adah Rahmawan Ilham Al Fatha Rendi Bagus Oklanri Ridho Nurbagja Gumelar Rifki Rahman Nur Ikhsan Rifqy Assariy Victory Rissa Rahmania Rita Magdalena Rizqi Muhammad Rufus Ocsan Saiful Azis Salsabila, Siti Marwa Sambono, Oranda Aracelly Saputra, Muhamad Farid Yahya SASTROSUBROTO, ASHWIN SASONGKO Sayidina Ariq Farhan Silviana, Rena SOFIA SAIDAH Sudiana Sudiana Suryo Adhi Wibowo Sutomo Sutomo Suyatno Budiharjo Syamsul Rizal Syamsul Rizal Thoriq Bayu Aji Tita Haryanti Tri Siswanto Yogi Ghifari Sidik Yulinda yulinda Yustika, Lindiasari Martha Yusuf Nur Wijayanto