Article Per Year (5 Year)
p-Index From 2021 - 2026
12.465
P-Index
This Author published in this journals
All Journal Jurnal Dedikasi Jurnal Ilmu Komputer Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Simantec Jurnal sistem informasi, Teknologi informasi dan komputer Jurnal Teknologi Informasi dan Ilmu Komputer SMATIKA Proceeding of the Electrical Engineering Computer Science and Informatics Fountain of Informatics Journal Sistemasi: Jurnal Sistem Informasi Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Informatika Jurnal Pilar Nusa Mandiri Network Engineering Research Operation [NERO] Jurnal Komputer Terapan Syntax Literate: Jurnal Ilmiah Indonesia Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control SINTECH (Science and Information Technology) Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JURTEKSI EDUMATIC: Jurnal Pendidikan Informatika Jurnal Informatika Kaputama (JIK) JISKa (Jurnal Informatika Sunan Kalijaga) Journal of Electronics, Electromedical Engineering, and Medical Informatics Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) Jurnal AbdiMas Nusa Mandiri Jurnal Perempuan & Anak Jurnal Dinamika Informatika (JDI) Makara Journal of Technology Jurnal Sistem Informasi Jurnal Informatika: Jurnal Pengembangan IT Smatika Jurnal : STIKI Informatika Jurnal Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Jurnal Repositor
Yufis Azhar
Universitas Muhammadiyah Malang
Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Other

Published : 153 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 153 Documents
Search

 12   13   14   15   16 
Klasifikasi Citra Sel Darah Untuk Penyakit Malaria Dengan Metode CNN Achmad Fauzi Saksenata; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol. 4 No. 2 (2022): Mei 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i2.31053

Abstract

Semakin berkembangnya teknologi mengakibatkan pola hidup masyarakat ikut berubah, karena kebutuhan masyarakat bergantung pada teknologi yang ada. Perubahan ini dapat dilihat dalam penggunaan komputer dengan dibantu berbagai alat yang telah dibuat dapat mendeteksi penyakit pada seseorang. Dengan adanya alat tersebut dapat membantu masyarakat agar lebih cepat dan mudah mengetahui penyakit yang diderita. Oleh karena itu, diperlukan sistem yang dapat menganalisa, mengenali, secara sensitive, akurat dan otomatis mendiagnosa manusia terkena penyakit malaria atau tidak. Metode yang disulkan untuk menyelesaikan permasalahan tersebut Deep Learning (DL) yaitu Convolutional Neural Network (CNN) yang unggul untuk klasifikasi. Dalam penelitian ini, mengusulkan penggunaan CNN untuk membantu dalam mengklasifikasikan penyakit malaria. Dataset terdiri dari 27558 gambar sel darah. Model yang diusulkan mencapai kinerja dengan akurasi terbaik 96%. Pengujiannya berhasil serta berjalan dengan baik.
Sistem Pendukung Keputusan Rekrutmen Karyawan PT. SIMS JAYA KALTIM Menggunakan Metode SAW (Simple Additive Weighting) Yurizal Rizqon Rifani; Yufis Azhar; Wildan Suharso
Jurnal Repositor Vol. 4 No. 3 (2022): Agustus 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i3.31096

Abstract

PT. Sims Jaya Kaltim merupakan sebuah perusahaan jasa pertambangan yang menjadi salah satu kontraktor di PT. Kideco Jaya Agung yang merupakan produsen batu bara ketiga terbesar di Indonesia. SDM (Sumber Daya Manusia) adalah salah satu elemen terpenting dalam keberhasilan usaha dibidang pertambangan, maka dari itu PT. Sims Jaya Kaltim berupaya selektif saat perekrutan karyawan. Saat ini belum adanya sistem yang dapat membantu keputusan perusahaan tersebut pada saat perekrutan karyawan. Hal ini berdampak pada pengeluaran perusahaan yang sangat besar saat proses Medical Check Up pelamar, dikarenakan pelamar yang akan di Medical Check Up lebih banyak dari yang dibutuhkan nantinya. Untuk mengatasi masalah itu, PT. Sims Jaya Kaltim terutama pada Departemen HRD (Human Resources Departement) membutuhkan sistem yang dapat membatu mengambil keputusan pada proses Medical Check Up dan keputusan akhir penerimaan karyawan. Penelitian ini menggunakan metode Simple Additive Weighting sebagai pendukung keputusan. Sistem akan dibangun menggunakan bahasa pemrograman PHP menggunakan framework CodeIgniter, database MySQL, dan metode Black Box pada pengujiannya, serta melakukan perbandingan perhitungan manual dengan sistem pada metode Simple Additive Weighting. Pada pengujian fungsional sistem didapatkan hasil seperti yang diharapkan, ini menandakan sistem sudah berjalan sesuai dengan kebutuhan pengguna. Begitupun pada hasil perbandingan perhitungan metode Simple Additive Weighting secara manual dengan sistem yang didapatkan adalah sama.
Klasifikasi Citra Histologi Kanker Payudara Menggunakan Metode Ensemble CNN Galang Aji Mahesa; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol. 4 No. 3 (2022): Agustus 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i3.31097

Abstract

Breast cancer is a serious disease and the leading cause of death in women. Breast cancer can be diagnosed through medical imaging tests, such as radiological and hispathological images. However, because histological images have complexity and diversity, the manual examination has disadvantages, namely, requiring high expertise, time consuming, and prone to errors. Deep learning has been widely applied to histological classification including breast cancer, with automation to help overcome the shortcomings of manual diagnostic methods. In this study, Deep learning was developed using CNN with the ensemble method. The MobileNet, MobileNetV2 and VGG16 models were trained on the dataset and averaged the results of the two models. The experimental results show an increase in the ensemble compared to each model with an balanced accuracy 0.8689 dan F1-score 0.8682 in VGG16 + MobileNet combination, these results provide an increase compared to previous studies.
Penerapan Generalized Association Rule Minning Sebagai Analisa Pasien Penderita Kanker Paru Paru Berdasarkan Data Rekam Medis Rangga Kurnia Putra Wiratama; Yufis Azhar; Agus Eko Minarno
Jurnal Repositor Vol. 4 No. 3 (2022): Agustus 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i3.31099

Abstract

Penggunaan pada data rekam medis yang diambil dari database rumah sakit atau badan kesehatan bertujuan untuk mengetahui secara nyata riwayat pasien yang sebelumnya dinyatakan terkena kanker paru-paru. Namun potensi untuk mengetahui suatu pola penyakit secara manual berupa informasi secara langsung sangat memakan waktu sehingga dilakukan proses kegiatan analisa medis secara manual oleh dokter. Salah satunya adalah pola urutan penyakit pasien yang juga merupakan sebagai atribut pasien. Analisa diagnosa penyakit kanekr paru-paru dengan metode Association Rule menjadi teknik dari data mining yang diperlukan dalam menentukan model atribut dari database rekam medis dari atribut yang sebelumnya dimiliki oleh seorang pasien. Berdasarkan data rekam medis yang akan diperiksa terdapat 1000 data dengan 3 kategori yaitu risiko rendah, risiko sedang dan risiko tinggi. batasan dari aturan asosiasi tersebut tak terhingga sehingga nilai support dan nilai confidence akan terdeteksi oleh program secara otomatis dan nilai tersebut akan dijadikan sebagai variabel evaluasi untuk melakukan klasifikasi untuk menentukan kategori yang mendekati.
Segmentasi Citra X-ray Paru dengan Deep Learning Muhammad Hussein; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol. 5 No. 1 (2023): February 2023
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i1.32034

Abstract

Segmentasi gambar merupakan salah satu hal utama dalam kajian computer vision dan image processing. Salah satu contohnya adalah pemrosesan gambar x-ray paru untuk mengetahui penyakit-penyakit yang ada di dalam paru. U-Net merupakan salah satu model segmentasi yang telah dibuat untuk mempermudah seseorang membangun model untuk segmentasi gambar. U-net bisa digunakan pada gambar apapun. Dari keunggulannya itu peneliti mencoba menggunakan U-Net dikombinasikan dengan Inception, MobileNet dan EfficientNet untuk melakukan segmentasi pada gambar medis x-ray paru. Gambar di resize menjadi 512 x 512 pixel. Augmentasi yang dilakukan adalah zoom range, height shift, width shift dan horizontal flip. Epoch sebanyak 200 dan batch size sebesar 4. Skenario terbaik pada penelitian ini adalah dengan menggunakan U-net Efficientnetb0 dengan nilai dice 0.967 dan Jaccard 0.937.
Implementasi Jaringan Syaraf Tiruan Algoritma Backpropagation Pada Kasus Prediksi Permintaan Beras Silcillya Ayu Astiti; Gita Indah Marthasari; Yufis Azhar
Jurnal Repositor Vol. 3 No. 5 (2021): November 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i5.32043

Abstract

Indonesia sebagai negara yang mayoritas penduduknya memilih beras sebagai sumber pangan utama, di tahun 2020 mengalami penurunan pola konsumsi yang mengakibatkan permintaan beras yang seharusnya stabil menjadi berkurang. Menurunnya daya beli masyarakat akan beras berdampak pada beberapa penyetok beras atau yang biasa disebut dengan agen beras untuk membeli beras pada perusahaan produksi beras. Untuk meminimalisir kerugian yang dialami oleh perusahaan produksi beras, terdapat salah satu cara yang dapat diterapkan, yaitu dengan melakukan peramalan data menggunakan metode jaringan syaraf tiruan backpropagation yang pada penelitian ini data yang digunakan merupakan data permintaan beras Perusahaan CV. PUSPA yang bersifat time series. Skenario pemodelan pada penelitian menerapkan 1-5 hidden layer dengan jumlah neuron hidden yang berbeda di setiap percobaannya. Hasil yang diperoleh memperlihatkan bahwa menggunakan jaringan syaraf tiruan backpropagation menunjukkan prediksi yang baik yang pada penelitian ini hasil terbaik terdapat pada arsitektur 7-50-200-300-250-300-1 dengan MSE = 0.001278, RMSE = 0,301950 di proses pelatihan dan hasil MSE = 0.002391, RMSE = 0.204972 di proses pengujian.
Klasifikasi COVID-19 Menggunakan Algoritma CNN Muhammad Nuchfi Fadlurrahman; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol. 5 No. 2 (2023): May 2023
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i2.32060

Abstract

X-Ray atau Sinar X merupakan teknik pencitraan pada bidang medis yang digunakan untuk melihat berbagai macam benda di dalam tubuh manusia yang tidak dapat dilihat langsung oleh mata manusia. Salah satu kegunaannya adalah melihat paru-paru manusia khususnya dalam mendeteksi COVID-19. Namun, Sinar X tidak dapat menembus tulang. Adapun salah satu metode klasifikasi citra adalah Convolutional Neural Network (CNN). CNN menerima input berupa gambar, menentukan aspek atau obyek apa saja dalam sebuah gambar yang bisa digunakan untuk mengenali gambar, dan membedakan antara satu gambar dengan gambar lainnya. Penelitian sebelumnya pada kasus ini menggunakan model CNN dengan arsitektur VGG-16. Penelitian ini bertujuan untuk membandingkan hasil akurasi akhir yang diperoleh model CNN dalam mengolah dataset Sinar X. Penelitian ini menggunakan CNN dengan arsitektur VGG-16 dan augmentasi data untuk mendapatkan akurasi yang tinggi. Berdasarkan hasil pengujian yang telah dilakukan menggunakan CNN dengan arsitektur VGG-16 dengan dataset sebanyak 3.829 data yang dibagi menjadidata train, validation, dan test dengan rasio split 80%, 10%, 10% penelitian ini mendapatkan hasil yang cukup baik dengan tingkat akurasi 90%.
Penerapan Model EfficientNetV2-B0 pada Benchmark IP102 Dataset untuk Menyelesaikan Masalah Klasifikasi Hama Serangga Ahmad Hanif Nurfauzi; Yufis Azhar; Didih Rizki Chandranegara
Jurnal Repositor Vol. 5 No. 3 (2023): August 2023
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i3.32075

Abstract

Hama serangga merupakan masalah yang sering di hadapi oleh petani. Karena ukurannya yang kecil dan jenis spesiesnya banyak. tak jarang petanipun kesulitan untuk menjaga tanaman mereka dari ancaman hama serangga karena penanganannya tidak memakai satu obat, melainkan dengan mencocokan spesies serangga. Sehingga karena banyaknya obat pembasmi, petanipun bingung obat mana yang tepat. Di dalam penelitian ini, telah di coba penggunaan metode deep learning arsitektur model EfficientNetV2 B0 pada dataset IP102 yang berkarakteristik imbalance dan ada jenis serangga yang identik antara satu dengan yang lain. Penelitian ini bertujuan untuk mengeksplorasi kemungkinan model kecil yang dapat di implementasikan di smartphone atau IOT yang mudah di bawa ke ladang pertanian tanpa tergantung pada internet. Model terbaik yang berhasil dibuat memperoleh akurasi 51% dengan F1-Score 50.14%.
Analisis Klasifikasi SMS Spam Menggunakan Logistic Regression Ferin Reviantika; Yufis Azhar; Gita Indah Marthasari
Jurnal Repositor Vol. 3 No. 4 (2021): Agustus 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i4.32080

Abstract

SMS atau Short Message Service biasa nya terdapat pada telepon seluler. SMS dibagi menjadi dua kategori yaitu SMS spam dan SMS non spam (ham). SMS spam adalah SMS yang bersifat mengganggu pengguna telepon karena cenderung berisi pesan yang tidak penting seperti promo dan penipuan. Sedangkan SMS non spam (ham) cenderung berisi SMS yang penting, seperti sudah ada riwayat pesan dengan pengguna sebelumnya. Pada penelitian ini dilakukan klasifikasi SMS spam dan SMS non spam (ham) menggunakan metode logistic regression. Tujuan dari penelitian ini untuk membedakan atau mengklasifikasikan antara SMS spam dan non spam (ham). Dataset dalam penelitian ini berjumlah 1143 data, terdapat dua kolom yaitu kolom teks dan kolom label. Jumlah untuk pesan spam sebanyak 566 pesan dan jumlah untuk pesan non spam sebanyak 577. Metode yang diusulkan mendapat akurasi yang lebih baik yaitu 95%.
Classification of Tuberculosis using a Convolutional Neural Network Zamah Sari; Yufis Azhar
Jurnal Repositor Vol. 5 No. 4 (2023): November 2023
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i4.32093

Abstract

Tuberculosis disease causes the death of 1.8 million people worldwide, according to data from the World Health Organization in 2018 that nearly 10 million people were affected by tuberculosis and about 98,000 of them died. Technological developments, especially computer engineering, have helped accelerate the diagnosis of tuberculosis in poverty source areas. One of them is Computer Vision and Machine Learning Technology which causes development and utilization in all aspects, including the health sector. In the development of computer vision, there is a deep learning technique, this technique can automatically detect and classify various diseases with better accuracy. One method of deep learning that can produce precise accuracy and better efficiency is using a Convolutional Neural Network (CNN). This study uses CNN in the classification of the Tuberculosis Chest X-ray Database. The study was carried out in 4 scenarios, with each scenario getting accuracy results of 70%, 97%, 97%, and 72%..
Co-Authors A.A. Ketut Agung Cahyawan W Achmad Fauzi Saksenata Adhigana Priyatama Aditya Dwi Maryanto Aditya Dwi Maryanto Adnan Burhan Hidayat Kiat Adnan Burhan Hidayat Kiat Afdian, Riz Agus Eko Minarno Agus Zainal Arifin Ahmad Annas Al Hakim Ahmad Annas Al Hakim Ahmad Darman Huri Ahmad Hanif Nurfauzi Ahmadu Kajukaro Akbi, Denar Regata Akmal Muhammad Naim Al asqalani, Sheila Fitria Al-rizki, Muhammad Andi Alfin Yusriansyah Ali Sofyan Kholimi Amelia, Putri Juli Ananda Ayu Dianti Andhika Ade Verdiyanto Andhika Pranadipa Andhika Pranadipa Andi Shafira Dyah Kurniasari Andreawana, Andreawana Andriani Eka Pramudita Andriani Eka Pramudita Annisa Annisa Annisa Diyan Novitasari Annisa Fitria Nurjannah Aria Maulana Aripa, Laofin Aris Muhandisin arrafiq, ubay hakim Arya, Tri Fidrian Audi Bayu Yuliawan Aulia Ligar Salma Hanani Bagas Aji Aprian Basuki, Setio Bayu Yuliawan, Audi Bintang, Rahina Chandranegara, Didih Rizki Chita Nauly Harahap Christian Sri Kusuma Aditya Christian Sri kusuma Aditya, Christian Sri kusuma Cokro Mandiri, Mochammad Hazmi Denny Risky Delis Putra Dewi Agfiannisa Diana Purwitasari Didih Rizki Chandranegara Doni Yulianti Doni Yulianto Dwi Anggraini Puspita Rahayu Dwi Kurnia Puspitaningrum DWI RAHMAWATI Dyah Anitia Dyah Anitia Dyah Ayu Irianti Dyah Ayu Irianti Eko Budi Cahyono Elsyah Ayuningrum Elza Norazizah Elza Norazizah Ertha Risky Pratisca Evi Febrion Rahayuningtyas Faizun Nuril Hikmah Faizun Nuril Hikmah Faldo Fajri Afrinanto Fatimah Defina Setiti Alhamdani Fenny Linsisca Putri Feny Novia Rahayu Feranandah Firdausi Ferin Reviantika Ferin Reviantika Fikri, Ulul Fiqri Azmi Fachir Fiqri Azmi Fachir Firdausi, Feranandah Firdausita, Nuris Sabila Firdausy, Aidia Khoiriyah Firdhansyah Abubekar Firdhansyah Abubekar Fitri Bimantoro Galang Aji Mahesa Galang Aji Mahesa Gita Indah Marthasari Haidar Zakki Jumali Hanung Adi Nugroho Haqim, Gilang Nuril Hardianto Wibowo Haris Diyaul Fata Haris Diyaul Fata Harmanto, Dani Hasanuddin, Muhammad Yusril Hermansyah Adi Saputra Hiu Adam Abdullah Hussin Agung Wijaya Ibrahim, Zaidah Ilham Rahmana Syihad Imam Halimi Imam Halimi Irfan, Muhammad Irham Bagus Jatiarso Ivan Dwi Nugraha Jahtra Hidayatullah Jalu Nusantoro Khoirir Rosikin Khoirir Rosikin Kiki Ratna Sari Kiki Ratna Sari Leta Anindya Riyadi Lina Dwi Yulianti Linggar Bagas Saputro Luqman Hakim Lusianti, Aaliyah M Syawaluddin Putra Jaya M. Randy Anugerah M. Syawaluddin Putra Jaya Mahar Faiqurahman Maskur Maskur Maskur Maskur Masluha, Ida Maulina Balqis Meilina Agustina Meilina Agustina Mentari Mas'ama Safitri Mentari Mas'ama Safitri Moch Shandy Tsalasa Putra Moch. Chamdani Mustaqim Mochammad Hazmi Cokro Mandiri Moh. Badris Sholeh Rahmatullah Muhammad Aji Purnama Wibowo Muhammad Al Reza Fahlopy Muhammad Andi Al-Rizki Muhammad Athaillah Muhammad Athaillah Muhammad Bima Al Fayyadl Muhammad Fadliansyah Muhammad Ferry Fernanda Muhammad Hussein Muhammad Misbahul Azis Muhammad Nuchfi Fadlurrahman Muhammad Reza Syahfahlevi Sahri Muhammad Riadi Muhammad Riadi Muhammad Rifal Alfarizy Muhammad Rivaldi Asyhari Muhammad Rizki Muhammad Rizki Muhammad Rizky Iman Permana Muhammad Rizky Iman Permana Muhammad Shalahuddin Zulva Mujaddid Izzul Fikri Mujaddid Izzul Fikri Nabillah Annisa Rahmayanti Nabillah Annisa Rahmayanti Nina Mauliana Noor Fajriah Nina Mauliana Noor Fajriah Novandha Yudyanto Novandha Yudyanto Noviani Sintia Duwi Trisna Nur Hayatin Nur Putri Hidayah Nuryasin, Ilyas Oktavia Dwi Megawati Otto Endarto Otto Endartoi Prakoso, Rahmat Pratama, Dhimas Rama Anthony Navy Pritha Aulliah Putri, Ira Ekanda Rahma Ningsih Rahma Ningsih Rangga Kurnia Putra Wiratama Ratna Sari Rifky Ahmad Saputra Rifky Ahmad Saputra Riksa Adenia Riska Septiana Putri Rista Azizah Arilya Riz Afdian Rizal Arya Suseno Rizal Rakhman Mustafa Rizal Rakhman Mustafa Rozi, Fahrur S, Vinna Rahmayanti Sabrila, Trifebi Shina Saniyya Ruzzy Marwa Saputri, Indah Sari Wahyunita Sari Wahyunita Sari, Veronica Retno Sari, Zamah Satrio Hadi Wijoyo Septiyan Andika Isanta Setiono, Fauzan Adrivano Shintya Larasabi , Auliya Tara Silcillya Ayu Astiti Siti Maghfiroh Siti Maghfiroh Sucia, Dara Suryani Rachmawati Suseno, Jody Ririt Krido Susi Ekawati Syaifuddin Syaifuddin Syaifuddin Syaifuddin Syaifudin Zuhri Syaifudin Zuhri Taufik Nurahman Taufik Nurahman Tri Fidrian Arya Ujilast, Novia Adelia Ulfah Nur Oktaviana Veronica Retno Sari Vinna Rahmayanti Vinna Utami Putri Wahyu Andhyka Kusuma Wahyu Priyo Wicaksono Wana Salam Labibah Wicaksono, Galih Wasis Widya Rizka Ulul Fadilah Wildan Suharso Wildan Suharso Wildan Suharso Yesicha Amilia Putri Yuda Munarko Yuda Munarko Yudhono Witanto Yurizal Rizqon Rifani Yusuf, Achmad Zamah Sari Zulva, Muhammad Shalahuddin