Article Per Year (5 Year)
p-Index From 2021 - 2026
8.238
P-Index
This Author published in this journals
All Journal Publikasi Pendidikan JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Simantec Scan : Jurnal Teknologi Informasi dan Komunikasi Proceeding International Conference on Information Technology and Business Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) International Journal of Advances in Intelligent Informatics Jurnal Informatika dan Teknik Elektro Terapan Jurnal Sistem Informasi dan Bisnis Cerdas Format : Jurnal Imiah Teknik Informatika Sistemasi: Jurnal Sistem Informasi InComTech: Jurnal Telekomunikasi dan Komputer J-Dinamika: Jurnal Pengabdian Kepada Masyarakat Journal of Information Systems and Informatics bit-Tech Journal of Robotics and Control (JRC) JATI (Jurnal Mahasiswa Teknik Informatika) Jifosi Indonesian Journal of Data and Science Nusantara Science and Technology Proceedings Jurnal Pengabdian Masyarakat Indonesia Jurnal Manajemen Informatika Jayakarta International Journal Of Computer, Network Security and Information System (IJCONSIST) Algoritme Jurnal Mahasiswa Teknik Informatika Literasi Nusantara Teknik: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Kohesi: Jurnal Sains dan Teknologi Jupiter: Publikasi Ilmu Keteknikan Industri, Teknik Elektro dan Informatika Router : Jurnal Teknik Informatika dan Terapan Modem : Jurnal Informatika dan Sains Teknologi Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi Mars: Jurnal Teknik Mesin, Industri, Elektro dan Ilmu Komputer Uranus: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika Router : Jurnal Teknik Informatika dan Terapan
Eva Yulia Puspaningrum
Universitas Pembangunan Nasional “Veteran” Jawa Timur
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities 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 Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Physics Public Health Social Sciences Other

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

Found 86 Documents
Search

 4   5   6   7   8 
Implementasi Algoritma K-Nearest Neighbor (KNN) untuk Identifikasi Penyakit pada Tanaman Jeruk Berdasarkan Citra Daun Abiyan Naufal Hilmi; Eva Yulia Puspaningrum; Henni Endah Wahanani
Router : Jurnal Teknik Informatika dan Terapan Vol. 2 No. 2 (2024): Juni : Router: Jurnal Teknik Informatika dan Terapan
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/router.v2i2.78

Abstract

The development of image processing technology today can create systems that are able to effectively recognize digital images, one of which is in the field of agriculture for plant disease identification. Citrus plants experience a decrease in productivity due to pathogen attacks on leaves such as Black Spot, Cancer, and CVDP so that disease identification is needed. The classification method that can be used to classify images is the K-Nearest Neighbor (K-NN) algorithm because it is simple and has high accuracy in image management. This study aims to implement and determine the performance of the K-NN algorithm in identifying citrus plant diseases based on leaf images. This research uses a dataset from the Kaggle website of 1,096 images. There are 12 research scenarios using the comparison between test data and training data as much as 4, namely (90% training data + 10% test data, 80% training data + 20% test data, 70% training data + 30% test data, 60% training data + 40% test data) and testing with 3 random state values (42, 32, 22). The results showed that the K-NN algorithm is very effective in identifying citrus plant diseases with the highest accuracy value in the 90% training data scenario and 10% test data with a value of K = 2 which is 98.5%.
KLASIFIKASI SENTIMEN TENTANG PEMINDAHAN IBU KOTA NEGARA INDONESIA DENGAN CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN GLOVE DAN FASTTEXT Putri, Desya Ristya; Puspaningrum, Eva Yulia; Maulana, Hendra
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4882

Abstract

Media sosial kini menjadi tempat untuk berkomunikasi jarak jauh yang marak digunakan. Di dalam media sosial, terdapat berbagai macam opini pengguna yang sering kali terjadi kesalahan penafsiran oleh pembaca. Kadang kala, informasi yang tersebar juga merupakan hoaks sehingga dapat mempersulit pemahaman aktual sentimen yang sesungguhnya ingin disampaikan. Beberapa waktu terakhir, topik pembicaraan mengenai pemindahan ibu kota negara Indonesia sangat banyak tersebar di media sosial. Dilakukannya penelitian ini memiliki tujuan untuk mendapatkan perbandingan hasil antara dua metode ekstraksi fitur yang digunakan. Penelitian ini menerapkan ekstraksi fitur GloVe dan FastText dengan besaran nilai ukuran vektor sebesar 100. Klasifikasi dalam penelitian ini dilakukan dengan algoritma Convolutional Neural Network yang menerapkan beberapa variasi skenario uji, yaitu dengan mengubah nilai batch size dan epoch. Penelitian dilakukan dengan 44957 data komentar YouTube yang besar perbandingannya adalah 70:30 untuk data pelatihan dan data pengujian. Hasil dari dilakukannya percobaan menunjukkan bahwa metode ekstraksi fitur GloVe menghasilkan akurasi yang lebih baik dibandingkan dengan FastText. Hasil akhir didapatkan bahwa implementasi Convolutional Neural Network dengan GloVe menghasilkan rata-rata nilai precision sebesar 74.3%, recall sebesar 73.6%, f1-score sebesar 73.6%, serta accuracy sebesar 76.1%.
CONVOLUTIONAL NEURAL NETWORK DAN FASTER REGION CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI KUALITAS BIJI KOPI ARABIKA Pratama, Gede Ardi; Puspaningrum, Eva Yulia; Maulana, Hendra
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4887

Abstract

Industri kopi global sangat dipengaruhi oleh peran masyarakat pecinta kopi, yang menciptakan ekosistem dimana kopi tetap menjadi komoditas istimewa. Salah satu aspek penting dalam pengelolaan kopi adalah penentuan grade kopi. Standar penilaian cacat pada biji kopi telah diakui secara nasional sejak tahun 1984 dan diperbarui dengan SNI 01-2907-2008 untuk memastikan kualitas dan konsistensi. Untuk meningkatkan efisiensi dan akurasi proses grading kopi, diperlukan sistem otomatis berbasis deep learning. Penelitian ini membahas penerapan CNN dan Faster R-CNN untuk klasifikasi biji kopi, dengan menggunakan biji kopi arabika, robusta, dan liberica. Algoritma CNN VGG-16 dan Faster R-CNN dibandingkan untuk mengidentifikasi pengaruh Region Proposal Network (RPN) terhadap efisiensi klasifikasi citra. Hasil penelitian menunjukkan bahwa CNN VGG-16 mencapai akurasi 86%, sementara Faster R-CNN mencapai rata-rata akurasi 93%, dengan presisi 93%, recall 92%, dan skor F1 92%. Penelitian ini bertujuan untuk memberikan pemahaman mendalam tentang kedua algoritma dalam konteks klasifikasi biji kopi serta meningkatkan efisiensi proses grading kopi. Industri kopi global sangat dipengaruhi oleh peran masyarakat pecinta kopi, yang menciptakan ekosistem dimana kopi tetap menjadi komoditas istimewa. Salah satu aspek penting dalam pengelolaan kopi adalah penentuan grade kopi. Standar penilaian cacat pada biji kopi telah diakui secara nasional sejak tahun 1984 dan diperbarui dengan SNI 01-2907-2008 untuk memastikan kualitas dan konsistensi. Untuk meningkatkan efisiensi dan akurasi proses grading kopi, diperlukan sistem otomatis berbasis deep learning. Penelitian ini membahas penerapan CNN dan Faster R-CNN untuk klasifikasi biji kopi, dengan menggunakan biji kopi arabika, robusta, dan liberica. Algoritma CNN VGG-16 dan Faster R-CNN dibandingkan untuk mengidentifikasi pengaruh Region Proposal Network (RPN) terhadap efisiensi klasifikasi citra. Hasil penelitian menunjukkan bahwa CNN VGG-16 mencapai akurasi 86%, sementara Faster R-CNN mencapai rata-rata akurasi 93%, dengan presisi 93%, recall 92%, dan skor F1 92%. Penelitian ini bertujuan untuk memberikan pemahaman mendalam tentang kedua algoritma dalam konteks klasifikasi biji kopi serta meningkatkan efisiensi proses grading kopi. 
IMPLEMENTASI CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION DALAM PENGOLAHAN CITRA PADA ALGORITMA GENERATIVE ADVERSARIAL NETWORK Attaqwa, Syukur Iman; Puspaningrum, Eva Yulia; Saputra, Wahyu S.J.
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5316

Abstract

Pengolahan citra, terutama teknik peningkatan kontras seperti Contrast Limited Adaptive Histogram Equalization (CLAHE), berperan krusial dalam meningkatkan kinerja model Generative Adversarial Networks (GANs). Penelitian ini mengevaluasi dampak CLAHE pada akurasi klasifikasi gambar menggunakan GANs. Hasil penelitian menunjukkan bahwa penerapan CLAHE berhasil meningkatkan akurasi klasifikasi sebesar 20% dibandingkan dengan model yang tidak menggunakan CLAHE, mencapai akurasi sebesar 76,20%. Temuan ini mengindikasikan bahwa CLAHE efektif dalam meningkatkan kualitas data gambar, sehingga model GAN dapat belajar fitur-fitur yang lebih relevan dan menghasilkan output yang lebih akurat.
Perbandingan Performa Labeling Lexicon InSet dan VADER pada Analisa Sentimen Rohingya di Aplikasi X dengan SVM Muhammad Fernanda Naufal Fathoni; Eva Yulia Puspaningrum; Andreas Nugroho Sihananto
Modem : Jurnal Informatika dan Sains Teknologi. Vol. 2 No. 3 (2024): Juli : Modem : Jurnal Informatika dan Sains Teknologi
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/modem.v2i3.112

Abstract

Rohingya in Indonesia has become trending conversation on social media. Sentiment analysis can get public responds. Big data makes the problem time efficiency labeling process, therefore the lexicon dictionary is needed for the labeling process. Data is growing and circulating very rapidly so it takes a fast and efficient time. Although it is fast and makes it easier to solve problems, it is still necessary to question the accuracy produced when using the lexicon labeling. A comparison of the labeling process between the InSet lexicon and the VADER lexicon was conducted to determine the accuracy of the labeling. It was done by combining lexicon with machine learning method of support vector machine and TF-IDF weighting and accuracy result calculated using confusion marix. Data from social media X as many as 9117 lines and labeled with InSet lexicon result 5241 negative sentiments, 1369 positive, and 521 neutral. Then the labeling results with VADER produced 2749 positive, 2523 negative, and 1881 neutral. After labeled, processed SVM and calculated accuracy with results of InSet lexicon accuracy having an average of 85.8% while the VADER SVM lexicon has an average of 82.65%.
Analisis Pola Pembelian Pelanggan Menggunakan Algoritma Squeezer, Apriori dan FP-Growth Pada Toko Bangunan Faris Syaifulloh; Eva Yulia Puspaningrum; M. Muharram Al Haromainy
Modem : Jurnal Informatika dan Sains Teknologi. Vol. 2 No. 3 (2024): Juli : Modem : Jurnal Informatika dan Sains Teknologi
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/modem.v2i3.153

Abstract

To compete with other stores, store owners need to design various strategies, one of which is understanding customer purchase patterns. This article examines the Squeezer algorithm and compares the performance of the Apriori and FP-Growth algorithms in forming customer purchase association patterns that can be used as a reference for store owners in planning sales strategies. The data mining process was carried out using Association Rules and Clustering methods. A total of 1256 sales transaction data samples were analyzed to understand the association patterns produced by each method. Based on the test results with a minimum support of 0.2 and a confidence of 0.6, the Apriori algorithm produced 194 association rules with a total rule strength of 1.16. Meanwhile, the FP-Growth algorithm produced 52 association rules with the same total rule strength of 1.16. The Clustering Method resulted in 7 clusters with a similarity value of 0.06322. After comparison, the FP-Growth algorithm proved to have better performance in generating association rules compared to the Apriori algorithm.
EKSPLORASI PENGGABUNGAN STATIONARY WAVELET TRANSFORM DAN DISCRETE COSINE TRANSFORM PADA KLASIFIKASI EKSPRESI WAJAH Farkhan, Farkhan; Tri Anggraeny, Fetty; Yulia Puspaningrum, Eva
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11264

Abstract

Ekspresi wajah memainkan peran penting dalam komunikasi non-verbal, sehingga klasifikasi ekspresi wajah menjadi topik penelitian yang signifikan dalam pengenalan pola dan visi komputer. Tantangan utama dalam klasifikasi ini adalah mengekstraksi fitur yang efektif dari citra wajah, mengingat kompleksitas informasi spasial dan frekuensi yang perlu dipertahankan. Stationary Wavelet Transform (SWT) dikenal mampu mempertahankan kedua jenis informasi ini, tetapi menghasilkan fitur dengan dimensi yang tinggi yang dapat meningkatkan beban komputasi dan risiko overfitting. Penelitian ini mengeksplorasi dan membandingkan dua metode ekstraksi fitur untuk klasifikasi ekspresi wajah: penggabungan SWT dengan Discrete Cosine Transform (DCT) untuk mengurangi dimensi fitur, dan SWT saja, dengan evaluasi kinerja menggunakan Multi-Layer Perceptron (MLP). Dataset CKPLUS digunakan dalam penelitian ini, di mana citra wajah melalui preprocessing termasuk histogram equalization, resize ke 48x48 piksel, konversi ke grayscale, dan denoising. Hasil pengujian menunjukkan bahwa model yang menggunakan fitur dari SWT saja memberikan akurasi (95%), presisi (95%), recall (95%), dan F1-score (94%) yang lebih tinggi dibandingkan dengan model yang menggunakan fitur dari kombinasi SWT dan DCT, yang menghasilkan akurasi (91%), presisi (89%), recall (91%), dan F1-score (81%). Temuan ini menyarankan bahwa dalam konteks klasifikasi ekspresi wajah, penggunaan SWT saja lebih optimal dibandingkan dengan penggabungan DCT.
Identification of Abnormal Spermatozoa Motility Using the SVM Algorithm Karim, Mohammad Daniel Sulthonul; Puspaningrum, Eva Yulia; Diyasa, I Gede Susrama Mas
Literasi Nusantara Vol. 5 No. 1 (2025): Literasi Nusantara: November 2024- February 2025
Publisher : Yayasan Citra Dharma Cindekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56480/jln.v5i1.1324

Abstract

Spermatozoa motility is one of the key indicators in determining male fertility quality. Manual assessment of motility abnormalities often requires significant time and effort, thus necessitating a more efficient and accurate automated approach. This study aims to identify abnormalities in spermatozoa motility using the Support Vector Machine (SVM) algorithm, utilizing microscopic video data analyzed through TrackPy for spermatozoa trajectory tracking. The analysis process involves data acquisition, spermatozoa detection in each frame, sperm trajectory construction, and trajectory classification into normal or abnormal categories. The SVM model was trained using a dataset derived from spermatozoa trajectories classified based on parameters such as average velocity and trajectory linearity. The results show that the method achieved the highest accuracy of 89 percent in identifying spermatozoa motility abnormalities in HD resolution videos with a frame rate of 30 fps.
Optimalisasi Website Sebagai Media Branding Dan Digital Marketing Batik Lamongan Pada Produsen Titik Batik di Desa Surabayan Kabupaten Lamongan Puspaningrum, Eva Yulia; Mandyartha, Eka Prakarsa; Akbar, Fawwaz Ali
Jurnal Pengabdian Masyarakat Indonesia Vol 5 No 1 (2025): JPMI - February 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpmi.3376

Abstract

Dengan berkembangnya teknologi, para pelaku UMKM perlu mengembangkan usahanya agar tidak ketinggalan dalam memanfaatkan media digital dalam mempromosikan dan memasarkan produknya. Produsen Titik Batik merupakan salah satu UMKM di Desa Surabayan Kecamatan Sukodadi Kabupaten Lamongan yang berperan dalam melestarikan Batik Lamongan. Selama ini, Titik Batik memasarkan produknya secara tradisional melalui pameran, penjualan langsung, dan promosi dari mulut ke mulut. Cara ini hanya efektif dalam menjangkau pelanggan lokal di Kabupaten Lamongan saja. Banyak masyarakat yang belum mengenal seperti apa motif batik lamongan. Untuk meningkatkan jangkauan pasar dan menjangkau pelanggan di luar Lamongan, Titik Batik membutuhkan strategi pemasaran yang lebih luas. Meningkatnya penggunaan internet dan teknologi memberikan peluang yang sangat besar bagi UMKM seperti Titik Batik untuk menggunakan platform online sebagai media promosi dan pemasaran. Oleh karena itu, tujuan dari kegiatan pengabdian masyarakat ini adalah membantu Titik Batik dalam melakukan promosi secara digital dengan menerapkan website sebagai media agar produk lebih diketahui oleh konsumen lebih luas dan meningkatkan penjualan. Metode dari kegiatan ini yaitu membuat sebuah website sebagai media branding dan marketing digital dan kemudian memberikan pelatihan sebagai transfer knowledge dalam penggunaan website. Hasil dari kegiatan ini adalah sebuat website Titik Batik yang dapat digunakan sebagai media branding dan marketing yang berisi mengenai identitas dari Titik Batik, Produk serta Portofolio dari Konsumen Batik Lamongan. Hasil lainnya yaitu Batik Lamongan semakin dikenal karena informasi tentang Batik Lamongan dapat di akses oleh masyarakat dimanapun dan kapanpun. Hal ini berdampak pada keberlanjutan UMKM Produsen Titik Batik adalam memasarkan Batik Lamongan kepada masyaraka serta adanya peningkatan penjualan menjadi lebih luas.
Identification of Papua Cenderawasih Batik Motifs using Local Binary Pattern and K-Nearest Neighbor Ariani, Dian Dwi; Zuhriyah, Sitti; Puspaningrum, Eva Yulia; Pallawabonang, Mahabintang
Sistemasi: Jurnal Sistem Informasi Vol 14, No 2 (2025): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v14i2.5008

Abstract

Papua Island has natural and cultural richness wich is reflected in its batik motifs, such as the Cenderawasih and Tifa motifs. Although batik recognition technology has developed, systems capable of automatically identifying Papua batik motifs are still limited. This research aims to develop a texture recognition system using the Local Binary Pattern (LBP) feature extraction method and K-Nearest Neighbor (KNN) classification. The Cenderawasih motif dataset consists of 115 images, and the Tifa motif dataset consists of 120 images with an 80:20 composition for training and testing data. We tested the KNN model with various k values and found that k = 7 yielded the best results, with accuracy of 97.16%, precision of 97.10%, and F1-score of 97.10%. The developed GUI interface facilitates users in identifying batik motifs, providing prediction results, and texture visualization. The results of this study show that image processing technology could help protect Papuan batik. Future research could improve model accuracy by utilizing larger data sets and classification algorithms to make the models more accurate.
Co-Authors Abiyan Naufal Hilmi Achmad Junaidi Adityawan, Firza Prima Adyani, Adelia Putri Agung Mujiono, Alfinas Agung Mustika Rizki Agung Mustika Rizki, Agung Mustika Ahmad Fahry Hamidy Ahmad Hilman Dani Akbar, Fawwaz Ali Al Danny Rian Wibisono Ali Muhhamad Saleh Baaboud Andhika Ahnaf Daniswara Andreas Nugroho Sihananto Annisaa Sri Indrawanti Anny Yuniarti Aqsa Prima Cahya Ariani, Dian Dwi Ariyono Setiawan Aryananda, Rangga Laksana Aswan Aswan Attaqwa, Syukur Iman Az-Zahro', Syaikhhanun Nabila Azizah, Nabila Wafiqotul Bagus Sutikno Putra Basuki Rahmat Basuki Rahmat Basuki Rahmat Masdi Siduppa Bimantara, Candra Kusuma Muhammad Budi Nugroho Budi Nugroho Budi Nugroho Budi Nugroho Chafid, M Putih Devan Cakra Mudra Wijaya Dewi, Deshinta Arrova Dhian Satria Yudha K. Dimas Saputra Diyasa, I Gede Susrama Mas Dwi Anggraeni, Shinta Dwiki Aditama Supangkat Eka Prakarsa Mandyartha Eka Prakarsa Mandyartha Eka Prakarsa Mandyartha Eka Prakarsa Mandyartha, Eka Elzandy, Imeldha Etniko Siagian, Pangestu Sandya Fahmi Al Hafidz, Achmad Fara Disa Durry Faris Syaifulloh Farkhan, Farkhan Fetty Tri Anggraeny Firza Prima Adityawan Fitri Rahmawati Hapsari Wiji Utami Hasby Bik, Ahmad Henni Endah Wahanani Humairah, Sayyidah Humam Maulana Tsubasanofa Ramadhan I Gede Susrama Mas Diyasa I Gede Susrama Mas Diyasa I Nyoman Sujana I Wayan Alston Argodi Idhana, Ilham Ainur indrawanti, annisaa sri Karim, Mohammad Daniel Sulthonul Kartini Kartini Lestari, Kusmiyati Lina Nurlaili, Afina M. Syahrul Munir, M. Syahrul Mada Lazuardi Nazilly Made Hanindia Prami Swari Manggala, Herwantoro Arya Marchel Adias Pradana Mas Diyasa, I Gede Susrama Mas Diyasa, I Gede Susrama Susrama Maulana, Hendra Merdin Risalul Abrori Moch. Hatta Mohammad Idhom Muhammad Asyraf Muhammad Fernanda Naufal Fathoni Muhammad Misbachuddin Muhammad Muharrom Al Haromainy Muhammad Syafril Hidayat Nabilah, Qonitah Jihan Nanik Suciati Noor Fitria Azzahra Nugroho, Budi Nugroho, Budi Nugroho, Budi Nurcahyo, Syai'in Bayu Nurul Taukid, Mochamad Pallawabonang, Mahabintang Pratama Wirya Atmaja Pratama, Gede Ardi Prisheila Dharmawan, Diaz Putra, Chrystia Aji Putra, Riza Satria Putri, Desya Ristya Retno Mumpuni Rizqi Mar'atus Sholiihah, Eka Royan Fajar Sultoni S J Saputra, Wahyu Safira, Dwi Putri Salsabilah, Andini Fitriyah Samuel Krispama Lumbantoruan Saputra, Raka Aji Saputra, Wahyu S J Saputra, Wahyu S J Saputra, Wahyu S. J. Saputra, Wahyu S.J. Satria Yudha Kartika , Dhian Shawn Hafizh Adefrid Pietersz Shofiya Syidada Sukendah, Sukendah Surjohadi, Surjohadi Susrama Mas Diyasa, I Gede Syahrul Hidayat Syaifullah JS, Wahyu Taruna Ardianto Tataq Distasianto Utami, Hapsari Wiji Vita Via, Yisti Wafiqotul Azizah, Nabila Wahyu Caesarendra Wahyu Dwi Lestari Wahyu S.J. Saputra Wahyu Syaifullah Jauharis Saputra Wan Awang, Wan Suryani Wan Suryani Wan Awang Wiji Utami, Hapsari Yisti Vita Via Yisti Vita Via Yogie Wilvren Saragih Yudha K., Dhian Satria Yudhistira Nanda Kumala YUSMI NUR AINI Zacky Yaser Malik Gumiwang ZAMAZANI, ZAIN MUZADID Zuhriyah, Sitti