Article Per Year (5 Year)
p-Index From 2021 - 2026
3.691
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JETT (Jurnal Elektro dan Telekomunikasi Terapan) IT JOURNAL RESEARCH AND DEVELOPMENT TECHNO-SOCIO EKONOMIKA Jurnal Nasional Teknik Elektro dan Teknologi Informasi eProceedings of Applied Science eProceedings of Engineering Jurnal Rekayasa elektrika Jurnal INFOTEL
Suci Aulia
Telkom Univeristy
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Social Sciences Other

Published : 60 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 60 Documents
Search

 2   3   4   5   6 
Analisis Dan Implementasi Sistem Pengenalan Wajah Dengan Menggunakan Metode Lnmf Dan Lpp Pada Ruang Terbuka Khairunnisa Alfiyanti Suharja; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Metode pengolahan video saat ini semakin banyak dikembangkan oleh para engineer. Salah satunya untuk aplikasi sistem monitoring kejahatan. Seperti yang kita ketahui kejahatan semakin marak terjadi di berbagai tempat. Oleh karena itu dibuat sistem yang dapat mendeteksi dan mengenali wajah dengan memanfaatkan pengolahan sinyal digital yang mendukung untuk pemantauan suatu tempat .Pada tugas akhir ini dibuat suatu aplikasi yang dapat mendeteksi dan mengenali wajah seseorang dari masukan sebuah Preserving Projections (LPP). Metode LNMF menggunakan non – negative constrains yaiu memfaktorisasi suatu matriks menjadi dua buah matriks lainnya yang tidak mengandung nilai negative. Sedangkan LPP merupakan metode pemetaan proyeksi linear yang mampu menyelesaikan permasalahan yang bervariasi dengan optimal memelihara struktur ketetanggaan dari kumpulan data. Kemudian untuk pengenalan citra ini juga menggunakan pendekatan linear dari suatu database yang telah diajukan sehingga dapat mencocokan wajah yang diinputkan dengan database yang tersedia. Dengan menggunakan kedua metode tersebut maka didapat hasil suatu gambar wajah yang sudah dikenali sesuai dengan input yang diberikan dengan akurasi 70 %. Kata kunci : Face detection, Face Recognition, Local Nonnegative Matrix Factorization, Locality Preserving Projections
Pengklasifikasian Tinggi Dan Berat Badan Manusia Berdasarkan Citra Telapak Kaki Dengan Metode Discrete Cosine Transform (dct) Dan Nearest Neighbor (nn) Berbasis Android Muhammad Rafki; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Tinggi dan berat badan merupakan salah satu parameter untuk mengidentifikasi seseorang. Untuk mengidentifikasi tinggi dan berat badan biasanya dilakukan secara manual, selain dengan cara manual menggunakan alat pengukur tinggi badan dan penimbang berat badan juga dapat menggunakan informasi yang terkait dengan telapak kaki. Maka di implementasikan sistem pengukur tinggi badan dan berat badan manusia melalui telapak kaki berbasis Android.Dalam Tugas Akhir ini penulis membahas bagaimana cara mengestimasi tinggi dan berat badan dari citra telapak kaki. Terdapat beberapa metode yang dapat digunakan untuk mengestimasi tinggi dan berat badan. Pada Tugas Akhir ini penulis menggunakan metode Discrete Cosine Transform (DCT), Histogram Equalization, Otsu Thresholding dan dengan klasifikasi Nearest Neighbor (NN) yang diawali dengan proses prepocessing yang terdiri dari konversi citra ke grayscale, Histogram Equalization, Otsu Thresholding , dan konversi gambar ke black and white.Hasil penelitian Tugas Akhir ini didapatkan nilai akurasi deteksi tinggi badan terbaik adalah 87,50% pada citra 1500x1060 dan waktu komputasi tercepat 2,87 detik pada citra 800x566 dan rata-rata nilai akurasi deteksi berat badan adalah 87,06%.Kata Kunci: Telapak Kaki, Tinggi Badan, Berat Badan, Discrete Cosine Transform (DCT), Nearest Neighbor (NN).
Deteksi Dan Klasifikasi Tingkat Keparahan Retinopati Diabetes Dengan Menggunakan Metode Klasifikasi K - Nearest Neighbor Yafis Sukma Kurniawan; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Retinopati diabetes merupakan kerusakan yang terjadi pada mata akibat dari penyakit dibetes mellitus yang menahun. Tingginya kadar glukosa dalam darah adalah penyebab pembuluh darah kapiler kecil menjadi pecah dan dapat  menyebabkan kebutaan. Menurut artikel pada harian online kompas terbitan 15/08/08, diestimasi bahwa jumlah penderita diabetes yang semula berjumlah 117 juta pada tahun 2000 akan meningkat mennjadi 366 juta di tahun 2030[4]. Pada harian online itu juga dikabarkan bahwa di asia, diabetes akan menjadi “epidemi” dikarenakan pola makan orang Asia yang berkarbohidrat juga berlemak tinggi dan itu semua tidak diimbangi dengan olahraga yang baik. Dengan naiknya jumlah penderita diabetes maka akan berbanding lurus dengan naiknya  jumlah penderita retinopati diabetes.  Pada tugas akhir  sebelumnya telah dibuat  sistem yang  dapat mendeteksi dan mengklasifikasikan penyakit retinopati diabetes dengan akurasi sebesar 67,86%[9]. Pada tugas akhir kali ini dibuat perangkat lunak yang dapat mendeteksi dan mengklasifikasi tingkat keparahan retinopati diabetes dengan menggunakan transformasi curvelet  dan metode klasifikasi K – Nearest  Neighbor (KNN). Sistem ini dapat menggolongkan tingkat keparahan retinopati diabetes tipe non proliferative kedalam empat tingkatan, yaitu non diabetic retinopathy, mild, moderate, dan severe. Dari hasil analisis dan pengujian yang dilakukan pada sistem ini, didapatkan tingkat akurasi sebesar 65%. Kata kunci : Retinopati diabetes, Curvelet, K – Nearest Neighbor.
Perancangan Dan Analisis Sistem Pengenalan Kata Aksara Sunda Menggunakan Metode Learning Vektor Quantization Berbasis Pengolahan Citra Adri Achmad Farhan; Ratri Dwi Atmaja; Suci Aulia
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Aksara Sunda Merupakan salah satu sejarah di Indonesia dalam hal aksara atau penulisan. Aksara sunda Aksara Sunda berjumlah 32 buah. Terdiri atas 7 aksara vokal atau aksara swara dan 23 aksara konsonan atau aksara ngalagena. Pengenalan bahasa merupakan salah satu elemen penting dari sebuah komunikasi, terlebih lagi huruf atau tulisan tangan. Kedua hal tersebut merupakan salah satu bidang pengenalan pola yang telah memberikan kontribusi yang cukup besar bagi kemajuan perkembangan suatu teknologi. Penelitian ini merancang sistem yang dapat mendeteksi atau mengenali aksara sunda berbasis pengolahan citra, menggunakan metode Learning Vector Quantization (LVQ). pada penelitian kali ini menggunakan ekstraksi ciri yang digunakan adalah penjumlahan biner (horizontal dan vertical), DCT, dan DFT. Hasil dari pengujian pada 30 kata aksara sunda terhapat 4 ekstrasi ciri yang diujikan yaitu didapatkan bahwa tingkat akurasi tertinggi sebesar 83.33% pada ekstrasi ciri DCT, sedangkan pada ekstrasi ciri Penjumahan Vertikal didapatkan akurasi sebesar 76.67%, lalu sebesar 73.33% pada ekstrasi ciri Penjumahan horizontal, dan pada ekstrasi ciri DFT didapatkan akurasi sebesar 60%. Kata Kunci: Aksara Sunda, Pengolahan Citra, Thresholding, Learning Vector Quantization (LVQ).
Pendeteksian Tingkat Usia Muda, Dewasa Dan Tua Menggunakan Metode Mfcc Dan Fuzzy Logic Berbasiskan Speech Recognition Restu Wardani; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Melalui suara seseorang akan mendapatkan informasi yang dibutuhkan dan mengetahui siapa yang sedang berbicara. Namun dewasa ini, suara bukanlah menjadi suatu parameter faktor keamanan dalam hal berkomunikasi dikarenakan banyaknya terjadi penipuan melalui telepon yang hanya memanfaatkan suara penelepon tanpa tahu identitasnya. Pendeteksian suara adalah salah satu metode keamanan berkomunikasi dengan membedakan suara manusia yang berusia muda, dewasa dan tua. Dengan pendeteksian suara, dapat mempersempit identifikasi seseorang. Dalam tugas akhir ini, tahap yang dilakukan adalah akuisisi data, pre- processing, ekstraksi ciri dan klasifikasi dengan masukan sinyal berupa sinyal bicara. Untuk ekstraksi ciri, metode yang digunakan adalah Mel-Frequency Cepstral Coefficient (MFCC). Setelah didapatkan ciri dari sinyal bicara tersebut, selanjutnya akan dilakukan metode klasifikasi untuk mencocokan dengan ciri dari sinyal bicara yang telah didapatkan dengan menggunakan Fuzzy Logic. Jumlah data latih yang digunakan dalam Tugas Akhir ini adalah sebanyak 84 dan 84 data untuk data uji. Hasil dari penelitian Tugas Akhir ini adalah didapatkan nilai akurasi sebesar 94.05% dengan waktu komputasi selama 1.59 detik. Sedangkan untuk waktu komputasi tercepat yaitu selama 0.49 detik dengan nilai akurasi sebesar 76.19%. Kata Kunci : speech recognition, mel-frequency cepstral coefficient, fuzzy logic
Simulasi Dan Analisis Sistem Klasifikasi Batubara Menggunakan Discrete Wavelet Transform (dwt), Fuzzy Color Histogram (fch) Dan K-nearest Neighbor (k-nn) Pada Citra Digital Viona Apryaleva; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini membahas mengenai teknik untuk mengklasifikasikan batubara dengan menggunakan pengolahan citra digital. Metode ekstraksi ciri yang digunakan adalah Discrete Wavelet Transform (DWT) dan Fuzzy Color Histogram (FCH). Sedangkan metode klasifikasi yang digunakan adalah K-Nearest Neighbor (K- NN) yang akan diimplementasikan pada perangkat lunak Matlab. Penelitian ini diharapkan dapat membantu masyarakat agar lebih jeli dalam memilih jenis batubara yang akan dibeli. Ada tiga jenis batubara yang digunakan pada penelitian ini. Tiga jenis tersebut yaitu batubara kelas rendah dengan kalori 4400 kal/gr, kelas sedang dengan kalori 5100 kal/gr, dan kelas tinggi dengan kalori 7000 kal/gr. Jenis-jenis batubara tersebut memiliki kekhasan pada warnanya. Sebagai contoh, batubara kelas tinggi memiliki warna yang lebih hitam pekat dibandingkan dengan batubara kelas sedang dan rendah. Oleh karena itu penelitian ini dilakukan berdasarkan ciri warna pada citra batubara. Pada prosesnya terdapat 4 tahap utama yaitu akuisisi citra, preprocessing, ekstraksi ciri, dan klasifikasi. Untuk input citra, citra diperoleh dari pemotretan citra menggunakan kamera Canon EOS 600D dengan resolusi 18 MP. Parameter yang diukur adalah waktu komputasi dan tingkat akurasi. Untuk pengujian ini dilakukan pengujian dengan 90 sample foto batubara, dengan komposisi masing-masing kelas memiliki 20 data uji dan 10 data latih. Sehingga didapatkan akurasi terbaik sebesar 76,6666% dan waktu komputasi 4.844273618s dengan menggunakan metode DWT dengan parameter : Level dekomposisi 6, jenis wavelet daubechies1, filter LL, nilai k=1, dan jenis jarak Euclidean. Sedangkan dengan metode FCH didapatkan akurasi sebesar 61,6666% dan waktu komputasi 12.82627064s dengan parameter nilai k=1 dan jenis jarak Euclidean. Kata Kunci : Batubara, Discrete Wavelet Transform (DWT), dan Fuzzy Color Histogram (FCH), K-Nearest Neighbor (K-NN)
Implementasi Sistem Pendeteksi Cacat Pada Kayu Menggunakan Metode Gabor Wavelet Transform Muhammad Panji Kusuma Praja; Ratri Dwi Atmaja; Suci Aulia
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Pemanfaatan kayu sebagai bahan konstruksi di Indonesia masih menjadi pilihan utama bagi masyarakat. Hal ini disebabkan oleh sifat kayu yang mudah didapat, mudah dalam pengerjaan dan mempunyai nilai estetika bagi jenis kayu tertentu. Kualitas kayu merupakan hal yang sangat penting dalam bidang industri kayu. Selama ini, proses pemilahan kayu normal dan kayu cacat masih dilakukan secara manual dengan tenaga manusia. Tentu saja, hal ini bukan merupakan hal yang efisien. Oleh sebab itu diperlukan suatu metode pemilahan kayu normal dan kayu cacat dengan bantuan computer vision. Pada penelitian ini, telah dilakukan perancangan dan implementasi simulasi sistem yang dapat mendeteksi cacat pada kayu menggunakan metode Gabor Wavelet Transform dan metode klasifikasi K-nearest neighbor. Parameter terbaik dari Filter Gabor dan K-NN menghasilkan nilai akurasi sebesar 75.6% untuk data pengujian sejumlah 500 buah citra dengan waktu komputasi 1,27 detik untuk tiap citra. Kata kunci : cacat kayu, computer vision, Gabor Wavelet, K-NN.
Optimasi Audio Watermarking Berbasis Lifting Wavelet Transform Dengan Metode Spread Spectrum Menggunakan Algoritma Genetika Hafiz Adriansyah; Gelar Budiman; Suci Aulia
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan teknologi dengan menggunakan data digital pada saat ini sudah berkembang dengan cukup pesat. Kemudahan dalam pertukaran dan mengakses suatu data digital, membuatnya rentan akan penyalahgunaan hak cipta. Penyalahgunaan hak cipta ini akan merugikan banyak pihak khususnya pemilik hak cipta yang sebenarnya. Maka dari itu, perlu dilakukan suatu tindakan untuk melindungi hak cipta suatu data digital. Salah satu cara untuk melindungi hak cipta suatu data digital adalah dengan menyisipkan data watermark ke dalam data digital tersebut atau bisa disebut dengan digital watermarking. Digital watermarking adalah salah satu teknik otentikasi untuk perlindungan hak cipta yang dapat digunakan pada berbagai data digital. Data digital yang bisa menjadi data host untuk disisipi data watermark adalah data berupa citra, audio, dan video. Teknik digital watermarking dipilih karena memiliki tiga keunggulan dalam keamanan data seperti ketahanan (robustness), tidak terlihat/terasa oleh indera manusia (imperceptibility), serta keamanan (safety). Pada jurnal ini, teknik digital watermarking yang digunakan adalah audio watermarking. Audio watermarking adalah teknik penyisipan atau penanaman suatu informasi/data watermark ke dalam suatu file audio. Metode yang diterapkan dalam jurnal ini adalah spread spectrum (SS) dengan berbasis lifting wavelet transform (LWT) yang dioptimasi oleh algoritma genetika (Algen). Hasil sistem audio watermarking yang dirancang setelah optimasi algen menunjukkan hasil yang lebih baik dari sebelum dioptimasi yaitu dengan hasil BER 0 hingga 0,27 pada beberapa serangan seperti time scale modification, pitch shifting, resampling, dan kompresi mp3.
Simulasi Dan Analisis Sistem Klasifikasi Batubara Menggunakan Fuzzy Color Histogram, Discrete Cosine Transform, Dan K-nearest Neighbor Pada Citra Digital Galuh Laksmita Ranggi; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Tugas Akhir ini membahas tentang simulasi dan analisis sistem klasifikasi batubara dengan analisis ciri warna pada citra batubara. Penelitian Tugas Akhir ini dapat membantu masyarakat menjadi lebih jeli dalam memilih jenis batubara yang akan dibeli. Sehingga, angka kejahatan terkait kualitas batubara dapat menurun. Penelitian ini menggunakan 3 jenis batubara untuk dianalisis, yaitu: batubara dengan nilai kalori tinggi, sedang, dan rendah. Secara kasat mata, ketiga jenis batubara tersebut dapat dibedakan berdasarkan warnanya. Adapun tahapan yang dilakukan dalam penelitian ini ialah: akuisisi citra, preprocessing, ekstraksi ciri, dan klasifikasi. Metode utama yang digunakan untuk keperluan analisis adalah Discrete Cosine Transform (DCT), Fuzzy Color Histogram (FCH), dan K-Nearest Neighbor (K-NN). Penelitian ini membandingkan sistem ekstraksi ciri DCT dengan sistem ekstraksi ciri FCH. Parameter yang diukur adalah waktu komputasi dan tingkat akurasi. Untuk mengetahui nilai dari masing-masing parameter tersebut, digunakan 10 data latih dan 20 data uji untuk tiap kelasnya. Sehingga, total data yang digunakan dalam penelitian ini ada 90 buah data. Akurasi terbaik pada metode DCT terjadi ketika ukuran bloknya sebesar 8×8, yaitu mencapai 78,33%. Sedangkan, metode FCH hanya memperoleh akurasi sebesar 61,67%. Apabila dilihat dari waktu komputasi, model FCH membutuhkan waktu lebih sedikit dari DCT. Kata kunci : klasifikasi batubara, DCT, FCH, K-NN
Pengklasifikasian Tinggi Dan Berat Badan Manusia Berdasarkan Citra Telapak Kaki Menggunakan Metode Discrete Wavelet Transform (dwt) Dan Support Vector Machine-multiclass (svm-mc) Melina Melina; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Berat badan merupakan salah satu parameter yang memberikan gambaran pada massa tubuh. Pada pengukuran berat badan yang telah dilakukan secara manual yaitu dengan menggunakan alat penimbang berat badan (timbangan injak) didapatkan hasil timbangan berat badan yang berbeda-beda, dikarenakan ketika posisi telapak kaki diatas alat penimbang berat badan (timbangan injak) tidak sesuai atau tidak tepat pada titik tumpu alat penimbang berat badan (timbangan injak). Berat badan harus selalu dimonitor karena berat badan merupakan parameter antropometri yang sangat tidak stabil guna mengatasi kecenderungan penurunan atau penambahan berat badan yang tidak dikehendaki (berat bedan tidak normal). Pada tugas akhir ini, penulis membahas mengenai teknik untuk mengklasifikasikan tinggi badan dan berat badan manusia melalui basis tekstur cap telapak kaki dengan menggunakan pengolahan citra digital.Sehingga pada tugas akhir ini akan dirancang simulator untuk mengukur berat badan, dimana kelebihan lainnya selain mengukur berat badan adalah mengukur tinggi badan menggunakan data cap telapak kaki. Metode yang digunakan dalam penelitian tugas akhir ini adalah metode Discrete Wavelet Transform (DWT) sebagai ektraksi ciri dan metode Support Vector Machine Multi Class (SVM-MC) sebagai klasifikasi dengan menggunakan aplikasi MATLAB. Dalam sistem aplikasi ini, menggunakan data latih sebanyak 89 citra dan data uji sebanyak 26 citra. Waktu komputasi yang tercepat pada sistem ini dengan menggunakan metode klasifikasi OAO pada citra 300x264 piksel yaitu 0.17165 detik dengan level dekomposisi 8. Tingkat akurasi terbaik untuk tinggi badan sebesar 98.27% dengan menggunakan citra yang berukuran 1200x1056 piksel. Sedangkan, tingkat akurasi terbaik untuk berat badan sebesar 91.17% dengan menggunakan citra yang berukuran 300x264 piksel. Kata kunci: biometrik,footprint, thresholding, DWT, SVM. ABSTRACT Weight is one of the parameters that give a representation of body mass. On the weight measurement which has been done manually that is using the weighing tool (weight scales) obtained the different results, because when the soles of the foot position above the weighing tool (weight scales) is not appropriate at the fulcrum on the weighing tool (weight scales).Weight should always be monitored because weight is a very unstable parameter anthropometry in orderto over come the tendency ofdecreased or increased a weight undesired (abnormal weight). ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 5245 In this final exam, the author discusses about how to techniques the height and weight of the human body through the basis texture of the feet stamp. So in this final exam will be designed simulator to measure weight, which other advantages besides measuring body weight is measure body height using of data foot. The method used in this research is the Discrete Wavelet Transform (DWT) as a feature extractionand methods Multi-Class Support Vector Machine (SVM-MC) as a classification by using the application MATLAB. In this application system, using training data as many as 89 images and test data as many as 26 images. The fastest computing time on the system using the method of classification OAO at 300x264 pixel image that is 0.17165 seconds with the level of decomposition of 8. The best accuracy for height of 98.27% using the image size of 1200x1056 pixels. Mean while, the best accuracy rate of weight gain of 91.17% using the image size of 300x264 pixels. Keywords: biometryc, footprint, thresholding, DWT, SVM
Co-Authors Aaron Abel Abraham Caesar Yanuar Putra Adri Achmad Farhan Agus Gunarso Alvinas Deva Sih Illahi Amri Khurniawan Anatasya Bella Andik Wijanarko Angga Rusdinar Ardyandrea Erstya Surya Arif Setiawan Arif Setiawan Asep Mulyana ATIK NOVIANTI Aulya Ellanda Bagus Budhi L. Bambang Hidayat Bayuaji Kurniadhani Burhanuddin Burhanuddin Burhanuddin D. Dadan Nur Ramadan Dadan Nur Ramadhan Della Oktriani Denny Darlis Didin Yulian Dimitri Mahayana Diovani Estidia Akbar Efri Suhartono Erizka Banuwati Candrasari Erty Kasdiantika Fony Ferliana Widianingrum Galuh Laksmita Ranggi Gelar Budiman Grislend Gloria Natalies Hafiddudin Hafiddudin Hafiidh As Syahidulhaq Hafiz Adriansyah Handoko Supeno Hengki Setiadi Indrarini Dyah Irawati Inung Wijayanto Jean Pierre Uwiringiyimana Khairunnisa Alfiyanti Suharja Kusumawardhani, Eka Ledya Novamizanti M. Dyovan Uidy Okta Meidi Mahendra Rahmatullah Melina Melina Muhammad Arly Gunawan Muhammad Biyan Priatama Muhammad Obi Nugraha Muhammad Obi Nugraha Muhammad Panji Kusuma Praja Muhammad Rafki Nur Ramadhani Raditiana Patmasari Rahmat Sopian Rajali Ginting Ratri Dwi Atmaja Raymond Y. Purba Reivind P. Persada Restu Wardani Rita Magdalena Rita Purnamasari Rizky Edi Saputra Rudy Gunawan Ryan Bagus Wicaksana Ryan Bagus Wicaksono Sri Dewi Sartika Sugondo Hadiyoso Syahban Rangkuti Thoriq Dharmawan Viona Apryaleva Yafis Sukma Kurniawan YULI SUN HARIYANI Yuyun Siti R. YUYUN SITI ROHMAH