Article Per Year (5 Year)
p-Index From 2021 - 2026
1.907
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Ilmu Komputer dan Informasi Jurnal Ilmu Komputer Jurnal Teknik ITS Majalah Kedokteran Bandung IPTEK The Journal for Technology and Science CAUCHY: Jurnal Matematika Murni dan Aplikasi Jurnal Buana Informatika TELKOMNIKA (Telecommunication Computing Electronics and Control) JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Ilmiah Kursor Jurnal technoscientia Jurnal Teknologi Informasi dan Ilmu Komputer Journal of ICT Research and Applications REKAYASA JPM17: Jurnal Pengabdian Masyarakat POROS TEKNIK Annual Research Seminar Register: Jurnal Ilmiah Teknologi Sistem Informasi EMITTER International Journal of Engineering Technology Jurnal Inspiration Dental Journal (Majalah Kedokteran Gigi) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Jurnal ULTIMATICS Journal of Computer Science and Informatics Engineering (J-Cosine) Systemic: Information System and Informatics Journal Specta Journal of Technology EPI International Journal of Engineering ILKOMNIKA: Journal of Computer Science and Applied Informatics Indonesian Journal of Electrical Engineering and Computer Science JURNAL TEKNOLOGI TECHNOSCIENTIA Makara Journal of Technology Sewagati Nusantara Journal of Computers and its Applications Jurnal INFOTEL
Agus Zainal Arifin
Departemen Teknik Informatika Institut Teknologi Sepuluh Nopember Surabaya
Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 99 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 99 Documents
Search

 5   6   7   8   9 
Peringkasan Dokumen Berbahasa Inggris Menggunakan Sebaran Local Sentence Aminul Wahib; Agus Zainal Arifin; Diana Purwitasari
Jurnal Buana Informatika Vol. 7 No. 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v7i1.482

Abstract

Abstract. The number of digital documents grows very rapidly causing time waste in searching and reading the information. To overcome these problems, many document summary methods are developed to find important or key sentences from the source document. This study proposes a new strategy in summarizing English document by using local sentence distribution method to find and dig up hidden important sentence from the source document in an effort to improve quality of the summaries. Experiments are conducted on dataset DUC 2004 task 2. Measurement ROUGE-1 and ROUGE-2 are employed as a performance evaluation of the proposed method with sentence information density and sentence cluster keyword (SIDeKiCK). The experiment shows that the proposed method has better performance with an average achievement ROUGE-1 0.398, an increase of 1.5% compared to SIDeKiCK method and ROUGE-2 0.12, an increase 13% compared to SIDeKiCK method.Keywords: Summarize Document, Important Sentences, Distribution of Local Sentence, ROUGE. Abstrak. Jumlah dokumen digital yang berkembang sangat pesat menyebabkan banyaknya waktu terbuang dalam mencari dan membaca informasi. Untuk mengatasi permasalahan tersebut banyak dikembangkan metode peringkasan dokumen yang diharapkan mampu menemukan kalimat-kalimat penting dari dokumen sumber. Penelitian ini mengajukan strategi baru peringkasan dokumen berbahasa inggris menggunakan metode sebaran local sentence untuk mencari dan menggali kalimat penting yang tersembunyi dalam dokumen sumber sebagai upaya untuk meningkatkan kualitas hasil ringkasan. Uji coba dilakukan terhadap dataset task 2 DUC 2004. Pengukuran ROUGE-1 dan ROUGE-2 digunakan sebagai evaluasi performa metode yang diusulkan dengan metode lain yaitu metode sentence information density dan kata kunci cluster kalimat (SIDeKiCK). Hasil ujicoba didapatkan bahwa metode yang diusulkan memiliki performa lebih baik dengan capaian rata-rata ROUGE-1 0,398, meningkat 1,5% dibanding metode SIDeKiCK dan ROUGE-2 0,12 meningkat 13% dibanding metode SIDeKiCK.Kata Kunci: Peringkasan Dokumen, Kalimat Penting, Sebaran Local Sentence, ROUGE.
Segmentasi Citra Ikan Tuna Dengan Otomatisasi Parameter Dbscan Menggunakan Jumlah Titik Puncak Pada Histogram Wanvy Arifha Saputra; Didih Rizki Chandranegara; Agus Zainal Arifin
POROS TEKNIK Vol. 10 No. 1 (2018)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/porosteknik.v10i1.658

Abstract

Segmentasi pada citra ikan tuna menggunakan Density-Based Spatial Clustering of Application (DBSCAN) membutuhkan dua parameter utama, yaitu Eps dan MinPts. Parameter tersebut dapat melakukan segmentasi citra tanpa mengetahui jumlah kluster. Setiap citra memiliki nilai parameter yang berbeda untuk mendapatkan hasil segmentasi yang terbaik. Input nilai parameter dengan metode manual memiliki kelemahan dalam mendapatkan nilai yang optimal dan secara subjektif dalam menentukan nilai parameter tersebut. Kelemahan dalam mendapatkan nilai parameter yang optimal dapat menyebabkan nilai parameter yang salah dan akan berpengaruh pada hasil segmentasi dari setiap citra. Kami mengajukan metode baru yaitu segmentasi citra ikan tuna dengan otomatisasi parameter DBSCAN menggunakan jumlah titik puncak pada histogram, sehingga mendapatkan nilai parameter yang optimal untuk segmentasi dari setiap citra. Untuk mendukung hal tersebut, kami menggunakan Eps Spatial, Eps Color dan MinPts di algoritma DBSCAN. Parameter tersebut mengambil nilai dari jumlah titik puncak pada histogram dalam ruang warna yang berbeda. Hasil dari metode ini dapat melakukan segmentasi citra ikan tuna dibuktikan dengan 30 citra yang telah digunakan dan mendapatkan akurasi diatas 90&. Jadi ini dapat melakukan segmentasi tanpa mengetahui nilai parameter tersebut.
Trabecular Bone Segmentation Based On Segment Profile Characteristics Using Extreme Learning Machine On Dental Panoramic Radiographs Rizqi Okta Ekoputris; Agus Zainal Arifin; Arya Yudhi Wijaya; Dini Adni Navastara
Annual Research Seminar (ARS) Vol 3, No 1 (2017): ARS 2017
Publisher : Annual Research Seminar (ARS)

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

Abstract

Dental panoramic radiograph contains a lot of Information which one of them can be identified from trabecular bone structure. This research proposes segmentation of trabecular bone area on dental panoramic radiograph based on segment profile characteristics using Extreme Learning Machine as classification method. The input of this method is dental panoramic radiograph. The selection of region of interest (ROI) is performed on the lower jawbone of the trabecular bone area in which there are teeth and cortical bone. The ROI is subdivided into two where the upper ROI contains the teeth and the lower ROI contains cortical bone. After that, the result of the ROI deduction is done by preprocessing using mean and median filters for upper ROI and motion blur filter for lower ROI. The separate images are extracted each pixel into four features consisting of image intensity, 2D Gaussian filter with two different sigma, and Log Gabor filter for upper ROI. For lower ROI, five feature extractions are image intensity, Gaussian 2D filter with two different sigma, phase congruency, and Laplacian of Gaussian. Then used some sample pixels as training data to create Extreme Learning Machine model. The output of this classifier is the segmentation area of trabecular bone. On the upper ROI, the average of sensitivity, specificity, and accuracy were 82.31%, 93.67%, and 90.33%, respectively. While on the lower ROI obtained the average of sensitivity, specificity, and accuracy of 95.01%, 96.50%, and 95.29%, respectively.
PEMISAHAN GIGI PADA DENTAL PANORAMIC RADIOGRAPH DENGAN MENGGUNAKAN INTEGRAL PROJECTION YANG DIMODIFIKASI Bilqis Amaliah; Anny Yuniarti; Anindita Sigit Nugroho; Agus Zainal Arifin
Jurnal Ilmiah Kursor Vol 6 No 2 (2011)
Publisher : Universitas Trunojoyo Madura

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

Abstract

Tidak mudah untuk mengetahui identitas seorang korban, jika sebagian besar tubuhnya sudah tak berbentuk lagi. Terdapat banyak cara untuk mengidentifikasi korban yang meninggal dunia, antara lain dengan DNA, sidik jari dan citra gigi. Gigi merupakan bagian dari tubuh yang biasanya masih utuh, karena struktur gigi yang padat. Sehingga peneliti mengajukan penelitian tentang identifikasi korban dengan menggunakan citra gigi. Terdapat beberapa tahap untuk identifikasi korban menggunakan citra gigi. Tahapan awal dan sangat menentukan adalah tahap pemisahan citra gigi. Dengan semakin akuratnya hasil dari pemisahan citra gigi, maka akan semakin akurat pula hasil identifikasi korban menggunakan citra gigi. Pemisahan citra gigi yang dilakukan adalah menggunakan metode Integral Projection yang dimodifikasi. Metode Integral Projection yang dimodifikasi ini digunakan untuk memberi garis pemisah antara satu gigi dengan gigi lainnya. Citra gigi yang digunakan adalah dental panoramic radiograph. Keberhasilan Integral Projection biasa dalam memisahkan antara gigi adalah 88,23 %, sedangkan dengan menggunakan Integral Projection yang dimodifikasi meningkat menjadi 93,47 %. Kata Kunci: Dental Panoramic Radiograph, Segmentasi, Integral Projection. Abstract It’s not easy to find out the identity of a victim, if most of his body was not shaped anymore. There are some ways to identify a victims, for example are using DNA matching, fingerprints and dental image. Teeth are part of the body that usually remains intact, because the solid tooth structure. Because of that, identify victim using dental image are purposed. There are several stages for victim identification using dental images. The first stage and the important one is teeth separation. The more accurate the results of the teeth separation, the more accurate the identification victim using dental images. Teeth separation is using modified integral projection method. The modified integral projection method is to make a line between the teeth so that the result is more accurate than the ordinary integral projection. In this research, dental panoramic radiographs are used. Accuration of ordinary integral projection is 88,23 %, and modified projection integral is 93,47 %.
ADAPTIVE DATA CLUSTERING METHOD BASED ON ARTIFICIAL BEE COLONY AND K-HARMONIC MEANS I Made Widiartha; Agus Zainal Arifin; Anny Yuniarti
Jurnal Ilmiah Kursor Vol 6 No 3 (2012)
Publisher : Universitas Trunojoyo Madura

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

Abstract

ADAPTIVE DATA CLUSTERING METHOD BASED ON ARTIFICIAL BEE COLONY AND K-HARMONIC MEANS a I Made Widiartha, b Agus Zainal Arifin, c Anny Yuniarti a Jurusan Ilmu Komputer, FMIPA, Universitas Udayana Kampus Bukit, Gedung BJ Lt.I, Jimbaran Bali, b,c Informatics Department, Faculty of Information Technology Institute of Technology Sepuluh Nopember E-Mail: a imdewidiartha@cs.unud.ac.id Abstrak Berbagai metode telah dibuat untuk dapat melakukan klasterisasi data. Salah satu metode tersebut adalah K-Harmonic Means Clustering (KHM). KHM merupakan metode klasterisasi data yang menyempurnakan K-Means Clustering (KM). Metode KHM telah mampu mengurangi permasalahan KM dalam hal sensitifitas pada inisialisasi titik pusat awal, meskipun demikian dalam KHM masih terdapat kemungkinan solusi yang dihasilkan merupakan suatu lokal optimal. Permasalahan lokal optimal ini dapat diatasi dengan memanfaatkan suatu metode yang memiliki karakteristik pencarian solusi global ke dalam metode KHM. Artificial Bee Colony (ABC) merupakan suatu metode swarm yang berbasis pada perilaku mencari makan dari koloni lebah madu yang memiliki karakteristik untuk menghindari kemungkinan konvergensi terhadap lokal optimal. Dalam penelitian ini diusulkan sebuah metode baru untuk klasterisasi data yang berbasis pada metode ABC dan KHM (ABC-KHM). Kinerja metode ABC-KHM ini telah dibandingkan dengan metode KHM dan ABC dengan memanfaatkan lima dataset. Dari hasil penelitian didapatkan hasil dimana metode ABC-KHM ini telah berhasil mengoptimalkan posisi titik pusat klaster KHM yang mengarahkan hasil klaster menuju suatu solusi global. Kata kunci: K-Means Clustering, K-Harmonic Means Clustering, Artificial Bee Colony, ABC-KHM. Abstract Various methods have been made to cluster the data. One such method is K-Harmonic Means Clustering (KHM). KHM is a clustering method that improves K-Means Clustering (KM). KHM method was able to reduce the problem of KM in terms of sensitivity to the initialization of the initial center point nevertheless there is still a possibility that the result of KHM is a local optimum. The local optimal problem can be solved by utilizing a method that has characteristic of a global search into KHM method. Artificial Bee Colony (ABC) is a swarm method based on foraging behavior of honey bee colony that has characteristics to avoid the possibility of local optimum convergence. In this research, a new method for data clustering based on ABC and KHM (ABC-KHM) is proposed. The performance ABC-KHM method has been compared with ABC and KHM by using five datasets. The results show that ABCKHM method is able to optimize the position of the cluster center and directs the center to a global solution. Key words: K-Means Clustering, K-Harmonic Means Clustering, Artificial Bee Colony, ABC-KHM.
EFISIENSI PHRASE SUFFIX TREE DENGAN SINGLE PASS CLUSTERING UNTUK PENGELOMPOKAN DOKUMEN WEB BERBAHASA INDONESIA Desmin Tuwohingide; Mika Parwita; Agus Zainal Arifin
JURNAL TEKNOLOGI TECHNOSCIENTIA Technoscientia Vol 8 No 2 Februari 2016
Publisher : Lembaga Penelitian & Pengabdian Kepada Masyarakat (LPPM), IST AKPRIND Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (407.317 KB) | DOI: 10.34151/technoscientia.v8i2.162

Abstract

The number of indonesian documents which available on internet is growing very rapidly. Automatic documents clustering shown to improving the relevant documents search results of many found documents. Suffix tree is one of documents clustering method that developed, because it is proven to increase precision. In this paper, we propose a new method to clustering indonesian web documents based on phrase efficiency in the choice process of base cluster with the combination of documents frequency and term frequency calculation on the phrase with a single pass clustering algorithm (SPC). Every phrase that is considered as the base cluster will be vectored then calculate of the term frequency and document frequency. Furthermore, the documents will be calculate their similarity based on the tf-idf weighted using the cosine similarity and documents clustering is done by using a single pass clustering algorithm. The proposed method is tested on 6 dataset with number of different document 10, 20, 30, 40, 50 and 60 documents. The experiment result show that the proposed method succeeded clustering indonesian web documents by reducing the leaf node with no derivative and produces the F-measure an average of 0.78 while STC traditional produces the F-measure an average of 0.55.This result prove that the efficiency of phrase by phrase choice on internal nodes and leaf nodes that have derivative, and a combination of term frequency and document frequency calculation on the base cluster, gives a significant impact on the process of clustering documents.
Strategi Penentuan Query Region Berdasarkan Posisi Relatif Saliency Region Overlapping Block untuk Region Based Image Retrieval Pasnur Pasnur; Agus Zainal Arifin; Anny Yunairti
Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 5, No 2 (2015): Jurnal Inspiration Volume 5 Issue 2
Publisher : STMIK AKBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35585/inspir.v5i2.62

Abstract

Sistem Region BasedImageRetrieval (RBIR) yang efisien harus mempertimbangkan teknik pemilihan query regionsebelum melakukan proses pencarian. Query region merupakan region yang merepresentasikan sebuah Region of Interest (ROI) atau saliency region. Query regionyang terpilih harus menentukan region-region tertentu pada koleksi gambar yang akan menjadi cakupan pencarian, agar waktu komputasi dapat direduksi. Penelitian ini bertujuan untuk mengusulkan strategi penentuan query region berdasarkan posisi relatif Saliency Region OverlappingBlock (SROB), agar dihasilkan sistem RBIR dengan komputasi yang lebih efisien. Saliency region dipilih secara manual oleh pengguna dan akan ditentukan target pencarian berdasarkan posisi relatif SROB. Hasil pengujian pada NEC AnimalDataset menunjukkan bahwa metode usulan memerlukan waktu pencarian rata-rata selama 0,113 detik atau67,53% lebih cepat dibandingkan metode Shrivastavadengan ukuran region 5x5. Penelitian ini membuktikan bahwa penentuan query region dapat dilakukan berdasarkan posisi relatifSROB untuk menghasilkan sistem RBIR yang lebih efisien.
Pengklasteran Berbasis Segmen Menggunakan Paragraf Untuk Identifikasi Topik Pada Deteksi IndikasiPlagiarisme Arini Rosyadi; Agus Zainal Arifin; Diana Purwitasari
Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 6, No 2 (2016): Jurnal Inspiration Volume 6 Issue 2
Publisher : STMIK AKBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35585/inspir.v6i2.2418

Abstract

Salah satu permasalahan dalam plagiarisme adalah keberagaman topik pada dokumen-dokumen sumber yang menyebabkan dibutuhkan waktu yang relatif lama saat proses pendeteksian berjalan. Maka penelitian ini dilakukan pengembangan sistem pendeteksi indikasi plagiarisme menggunakan proses klastering berbasis segmen menggunakan paragraf dari set dokumen sumber untuk selanjutnya dilakukan identifikasi topik pada setiap klaster.Sebagai evaluasi dari kinerja proses klastering digunakan dataset berupa 170 dokumen jurnal penelitian, menggunakan Bahasa Indonesia, dengan total paragraf adalah 3159. Hasil pengujian menunjukkan bahwa dengan menggunakan pengembangan yang diusulkan dapat mengurangi jumlah dokumen sumber sampai 98.8% serta waktu yang dibutuhkan dalam proses deteksi indikasi plagiarisme dengan hasil klastering rata-rata membutuhkan waktu 2.8 menit untuk setiap proses deteksi.
Integrasi Density-Based Clustering dan HMRF-EM Pada Ruang Warna HSI untuk Segmentasi Citra IkanTuna Ryfial Azhar; Agus Zainal Arifin; Wijayanti Nurul Khotimah
Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 6, No 1 (2016): Jurnal Inspiration Volume 6 Issue 1
Publisher : STMIK AKBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35585/inspir.v6i1.89

Abstract

Segematasi citra adalah tahapan yang penting dalam proses segmentasi citra ikan tuna. Namun, pada umumnya terdapat beberapa kendala yang sering dihadapi dalam proses segmentasi citra ikan seperti pencahayaan yang tidak seimbang, adanya noise, dan ketidakakuratan tepi objek yang dihasilkan setelah proses segmentasi. Pada penelitian ini diusulkan sebuah metode segmentasi citra ikan tuna baru dengan mengintegrasikan metode Density-Based Clustering (DBSCAN), Hidden Markov Random Field (HMRF), dan algoritma expectation-maximization (EM) pada ruang warna HSI. Metode ini terdiri dari tiga tahapan utama. Tahap Pertama ialah konversi ruang warna HSI. Tahap kedua ialah segmentasi menggunakan pengklasteran DBSCAN. Tahap terakhir ialah perbaikan tepi objek hasil segmentasi menggunakan HMRF-. Hasil uji coba menunjukkan bahwa metode yang diusulkan pada penelitian ini mencapai akurasi segmentasi sebesar 98%.
Pembentukan Thesaurus yang Sensitif Terhadap Tingkat Polaritas Review Pada Cross-Domain Sentiment Classification Putu Praba Santika; Agus Zainal Arifin; Diana Purwitasari
Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 5, No 2 (2015): Jurnal Inspiration Volume 5 Issue 2
Publisher : STMIK AKBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35585/inspir.v5i2.69

Abstract

Ketidaksesuaian antara isi opini dan rating yang diberikan pada review produk mungkin terjadi karena diberikan secara terpisah. Pendekatan Machine Learning dapat dilakukan untuk klasifikasi sentimen yang terdapat pada opini untuk mendapatkan rating. Idealnya classifier dilatih dengan data yang sudah diketahui polaritasnya dari domain yang sama dengan domain yang akan diuji, sehingga diperlukan data latih tersendiri. Pelabelan secara manual pada pembuatan data latih sangat menghabiskan waktu dan biaya. Untuk menghidari pelabelan secara manual, dilakukan dengan pendekatan cross-domain sentiment classification.Pendekatan ini hanya membedakan polaritas opini menjadi positif dan negatif. Hal ini menyebabkan kerancuan, sehingga perlu digunakan rentang nilai untuk menunjukkan tingkat polaritas suatu opini. Penelitian ini bertujuan untuk mengusulkan pendekatan pengukuran tingkat polaritas review pada cross-domain sentiment classification agar dapat melakukan klasifikasi pada domain yang berbeda. Metode yang digunakan adalah membuat thesaurus yang sensitif terhadap tingkat polaritas sentimen digunakan dalam features expansion untuk menambahkan feature baru pada Review. Review yang sudah ditambah feature baru digunakan pada training dan testing.Hasil pengujian menunjukkan bahwa rata-rata akurasi pada pengujian cross-domain sentiment classification yang menerapkan features expansion dengan memanfaatkan thesaurus yang sensitif terhadap sentiment 8.17% lebih baik dari pada yang tidak menerapkan features expansion. Penelitian ini membuktikan bahwa klasifikasi pada domain yang berbeda dapat dilakukan dengan menerapkan features expansion dengan memanfaatkan thesaurus yang sensitif terhadap tingkat polaritas sentiment.
Co-Authors - Azhari AA Sudharmawan, AA Adenuar Purnomo Adhi Nurilham Adi Guna, I Gusti Agung Socrates Afrizal Laksita Akbar Ahmad Afiif Naufal Ahmad Reza Musthafa, Ahmad Reza Ahmad Syauqi Aida Muflichah Aidila Fitri Fitri Heddyanna Akira Asano Akira Taguchi Akwila Feliciano Alhaji Sheku Sankoh, Alhaji Sheku Alif Akbar Fitrawan, Alif Akbar Alifia Puspaningrum Alqis Rausanfita Amelia Devi Putri Ariyanto Aminul Wahib Aminul Wahib Aminul Wahib Ana Tsalitsatun Ni'mah Andi Baso Kaswar Andi Baso Kaswar Anindhita Sigit Nugroho Anindita Sigit Nugroho Anny Yunairti Anny Yuniarti Anto Satriyo Nugroho Arif Fadllullah Arif Mudi Priyatno Arifin, M. Jainal Arifin, M. Jainal Arifzan Razak Arini Rosyadi Arrie Kurniawardhani Arya Widyadhana Arya Yudhi Wijaya Bagus Satria Wiguna Bagus Setya Rintyarna Baskoro Nugroho Bilqis Amaliah Chandranegara, Didih Rizki Chastine Fatichah Christian Sri kusuma Aditya, Christian Sri kusuma Cinthia Vairra Hudiyanti Cornelius Bagus Purnama Putra Daniel Sugianto Daniel Swanjaya Darlis Herumurti Dasrit Debora Kamudi Desepta Isna Ulumi Desmin Tuwohingide Dhian Kartika Diana Purwitasari Didih Rizki Chandranegara Dika Rizky Yunianto Dimas Fanny Hebrasianto Permadi Dini Adni Navastara, Dini Adni Dinial Utami Nurul Qomariah Dwi Ari Suryaningrum Dyah S. Rahayu Eha Renwi Astuti Endang Juliastuti Erliyah Nurul Jannah, Erliyah Nurul Ery Permana Yudha Eva Firdayanti Bisono Evan Tanuwijaya Evelyn Sierra Fahmi Syuhada Fahmi Syuhada Fandy Kuncoro Adianto Fathoni, Kholid Fathoni, Kholid Fiqey Indriati Eka Sari Gosario, Sony Gulpi Qorik Oktagalu Pratamasunu Gus Nanang Syaifuddiin Handayani Tjandrasa Hanif Affandi Hartanto Hudan Studiawan Humaira, Fitrah Maharani Humaira, Fitrah Maharani I Guna Adi Socrates I Gusti Agung Socrates Adi Guna I Made Widiartha I Putu Gede Hendra Suputra Indra Lukmana Irna Dwi Anggraeni Ismail Eko Prayitno Rozi Januar Adi Putra Kevin Christian Hadinata Khadijah F. Hayati Khairiyyah Nur Aisyah Khairiyyah Nur Aisyah, Khairiyyah Nur Khalid Khalid Khoirul Umam Lafnidita Farosanti Laili Cahyani Lutfiani Ratna Dewi Luthfi Atikah M. Ali Fauzi Mamluatul Hani’ah Maulana, Hendra Maulana, Hendra Mika Parwita Moch Zawaruddin Abdullah Moh. Zikky, Moh. Mohammad Fatoni Anggris, Mohammad Fatoni Mohammad Sonhaji Akbar Muhamad Nasir Muhammad Bahrul Subkhi Muhammad Fikri Sunandar Muhammad Imron Rosadi Muhammad Imron Rosadi Muhammad Machmud Muhammad Mirza Muttaqi Muhammad Muharrom Al Haromainy Munjiah Nur Saadah Muttaqi, Muhammad Mirza Nahya Nur Nanang Fakhrur Rozi Nanik Suciati Nina Kadaritna Novi Nur Putriwijaya Novrindah Alvi Hasanah Nur, Nahya Nuraisa Novia Hidayati Nursanti Novi Arisa Nursuci Putri Husain Ozzy Secio Riza Pangestu Widodo, Pangestu Pasnur Pasnur Pasnur Pasnur Puji Budi Setia Asih Putri Damayanti Putri Nur Rahayu Putu Praba Santika Rangga Kusuma Dinata Rarasmaya Indraswari Ratri Enggar Pawening Renest Danardono Resti Ludviani Rigga Widar Atmagi Riyanarto Sarno Riza, Ozzy Secio Rizka Sholikah Rizka Wakhidatus Sholikah Rizqa Raaiqa Bintana Rizqi Okta Ekoputris Rosyadi, Ahmad Wahyu Ryfial Azhar, Ryfial Safhira Maharani Safri Adam Saiful Bahri Musa Salim Bin Usman Saputra, Wahyu Syaifullah Jauharis Satrio Verdianto Satrio Verdianto Setyawan, Dimas Ari Sherly Rosa Anggraeni Siprianus Septian Manek Sonny Christiano Gosaria Sugiyanto, Sugiyanto Suprijanto Suprijanto Suwanto Afiadi Syadza Anggraini Syuhada, Fahmi Takashi Nakamoto Tegar Palyus Fiqar Tesa Eranti Putri Tio Darmawan Umi Salamah Undang Rosidin Verdianto, Satrio Waluya, Onny Kartika Wanvy Arifha Saputra Wardhana, Septiyawan R. Wawan Gunawan Wawan Gunawan Wawan Gunawan Wawan Gunawan Wijayanti Nurul Khotimah Yudhi Diputra Yufis Azhar Yulia Niza Yunianto, Dika R. Zainal Abidin Zakiya Azizah Cahyaningtyas