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 
Sistem Rekomendasi Produk Skincare Korea Berbasis Web Menggunakan Metode Collaborative Filtering Elsyah Ayuningrum; Yufis Azhar; Gita Indah Marthasari
Jurnal Repositor Vol. 4 No. 4 (2022): November 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i4.32284

Abstract

Teknologi informasi saat ini sangat membantu dalam menunjang kehidupan manusia hampir di semua aspek kehidupan dan turut mempengaruhi pesatnya perkembangan industri kecantikan saat ini. Di Indonesia sendiri, brand skincare Korea dari A-Z sudah banyak beredar secara online seperti Laneige, Innisfree, The Saem, Klavuu, COSRX, Some by Mi, dan masih banyak lagi. Maka penulis pada penelitian ini ingin membuat suatu rancangan sistem rekomendasi skincare Korea. Dalam penelitian ini penulis menggunakan system rekomendasi metode collaborative filtering untuk menghasilkan sebuah sistem berbasis web yang dapat menghasilkan rekomendasi produk skincare korea berdasarkan rating produk. Selanjutnya setelah nilai rating berhasil diinput maka selanjutnya adalah Nilai similarity antar produk. Dari penelitian ini nilai yang dihasilkan cukup bagus antar produknya. Nilai similarity yang bagus adalah nilainya mendekati +1 maka artinya hubungan antar kedua produk tersebut cukup kuat, sebaliknya jika nilai yang dihasilkan -1 maka dapat diambil kesimpulan jika hubungan antara kedua produk sangat jauh / bertolak belakang. Hasil dari penelitian ini adalah dapat menyediakan rekomendasi daftar produk skincare sehingga nantinya pengguna dapat memilih produk skincare berdasarkan pendekatan terbaik. Sistem ini juga telah diuji menggunakan blackbox testing yang mana semua fungsi sistem telah valid dan nilai evaluasi MAE yang dihasilkan 0,25.
Implementasi Convolutional Neural Network Untuk Ekstraksi Fitur Citra Daun Dalam Kasus Deteksi Penyakit Pada Tanaman Mangga Menggunakan Random Forest Riksa Adenia; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol. 4 No. 4 (2022): November 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i4.32287

Abstract

Penyakit daun mangga tidak hanya mempengaruhi pentingnya dari proses perkembangan pada tumbuhan, namun juga berdampak terhadap segala aspek, mulai dari hasil perkembangbiakan pada tanaman mangga seperti kualitas dari buah, daun, dan batang, namun juga berpengaruh terhadap nilai kuantitas Tujuan utama dari dari penelitian ini adalah untuk mengembangkan metode serta fitur-fitur yang akan mendukung proses dari penelitian. Seperti klasifikasi, memprediksi serta mendeteksi adanya suatu penyakit pada objek yang diteliti. Oleh karena itu, pada penelitian ini mengusulkan metode CNN untuk klasifikasi daun mangga yang terinfeksi oleh penyakit dan dikombinasi dengan metode Random Forest masuk dalam kategori Supervised Learning yang merupakan sebuah pendekatan yang dimana sudah terdapat data yang dilatih, dan terdapat variabel yang sudah ditargetkan sehingga tujuan dari pendekatan tersebut adalah mengelompokan sebuah data ke data yang sudah ada. Sehingga algoritma Random Forest akan digunakan sebagai penguji algoritma pembelajaran mesin konvensional di dalam penelitian. Penelitian ini mendapatkan hasil yang baik pada hasil pengujian dengan tingkat akurasi sebesar 100% dari kedua metode yang digunakan CNN dan Random forest.
Sistem Pendukung Keputusan Starting Line Up Tim Sepakbola Menggunakan Metode Perbandingan Eksponensial (MPE) Andhika Pranadipa; Yufis Azhar; Agus Eko Minarno
Jurnal Repositor Vol. 4 No. 4 (2022): November 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i4.32289

Abstract

Sepakbola adalah salah satu olahraga terpopuler di dunia. Sepakbola Indonesia khusunya pada tingkat grassroots kurang memperhatikan statistik dalam pemilihan lineup pemain. Pada penelitian ini akan diterapkan sebuah sistem pendukung keputusan (SPK) untuk membantu pelatih sepakbola di tingkat grassroots menggunakan Metode Perbandingan Eksponensial untuk memilih pemain berdasarkan statistik pertandingan. Penilaian statistik yang akan dinilai meliputi, gol yang dicetak, tendangan melenceng, tendangan tepat sasaran, assist, umpan kunci, umpan sukses, dribel sukses, tekel sukses, clearance, intercept, penyelamatan, penyelamatan penalti dan menit bermain. Diharapkan dengan adanya sistem ini, pemilihan starting lineup pemain oleh pelatih dapat dilakukan secara objektif dan dapat mendukung pelatih dalam pengambilan keputusan.
Implementasi Jaringan CNN-LSTM Untuk Deteksi Citra X-Ray Dada Covid-19 Ratna Sari; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol. 4 No. 4 (2022): November 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i4.32290

Abstract

Wabah penyebaran Virus Covid-19 muncul desember 2019 di kota Wuhan, China. Virus tersebut mulai menggemparkan dunia karena begitu cepat menyebar ke seluruh belahan dunia. Virus Covid-19 dapat mampu ditulakan melewati batuk bahkan percikan saat berbicara. Penderita terkena Covid-19 dapat merasakan gangguan pernapasan dan parahnya lagi dapat menyebabkan kematian. Sampai sekarang virus tersebut banyak menyebabkan korban meninggal dunia. Maka dari itu dibutuhkan sistem deteksi otomatis untuk mendiagnosis cepat, agar mencegah penyebaran Covid-19. Penelitian ini mengusulkan sebuah kombinasi metode convolutional neural network (CNN) dan long short-term memory (LSTM) untuk mendeteksi Covid-19 dari citra x-ray dada. Dalam penelitian, CNN digunakan sebagai ekstraksi fitur yang dalam dan LSTM digunakan sebagai deteksi menggunakan fitur yang diekstraksi. Data yang digunakan se- banyak 3.829 citra x-ray dada yang terbagi menjadi 3 kelas yaitu, 1.143 citra x-ray Covid-19, 1.341 citra x-ray Normal dan citra x-ray 1.345 Viral Pneumonia. Dari hasil penelitian menggunakan metode CNN menunjukkan akurasi sebesar 98,7%, presisi 98%, recall 1.00%, spesifisitas 99,6%, dan f1-score 99%. Secara keselu- ruhan, metode CNN-LSTM dapat menjadi salah satu referensi untuk mempreksi penyakit lainnya.
Klasifikasi Lesi Kulit Menggunakan Convolutional Neural Network Suryani Rachmawati; 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.v4i3.32327

Abstract

Lesi kulit merupakan suatu kondisi bagian kulit yang memiliki pertumbuhan atau penampakan yang abnormal. Reaksi ini muncul disebabkan oleh infeksi virus seperti herpes simplex (HSV) yang ditandai munculnya kemerahan pada kulit. Mendeteksi jenis penyakit kulit secara otomatis dari hasil dermoskopi dapat membantu mendiagnosa secara cepat dan meningkatkan akurasi untuk menghemat waktu. Pada penelitian ini mengusulkan metode machine learning yaitu Convolutional Neural Network untuk mendiagnosa penyakit kulit secara otomatis. Pengujian penelitian ini menggunakan teknik augmentasi data dan penyeimbangan data untuk diimplementasikan pada dataset citra lesi kulit ISIC 2018. Pada pengujian dengan teknik dan metode yang diusulkan dapat menghasilkan akurasi sebesar 98%. Teknik augmentasi dan penyeimbangan data yang diusulkan, dapat mempengaruhi model yang diusulkan dari segi peningkatan performa.
Implementasi Transfer Learning menggunakan Model Efficientnet-B3 pada Klasifikasi Pigmen Kanker Kulit Muhammad Ferry Fernanda; Yufis Azhar; Agus Eko Minarno
Jurnal Repositor Vol. 7 No. 2 (2025): Mei 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i2.33612

Abstract

Kanker kulit memiliki beberapa faktor penyebab seperti faktor genetik hingga radiasi ultraviolet berlebihan dari paparan matahari. Meskipun diagnosis kanker kulit bisa dilakukan sejak dini, masyarakat seringkali enggan atau menganggap remeh untuk berkonsultasi dengan ahli, yang bisa menyebabkan kondisinya semakin parah. Teknik umum dalam diagnosa kanker kulit berupa biopsi, tetapi prosesnya sering kali rumit dan memerlukan biaya yang tinggi. Menurut Menurut World Health Organization (WHO), kanker merupakan faktor terbesar yang penyebab dari kematian di dunia, pada tahun 2020 data mencapai 10 juta kematian. Dalam era teknologi yang semakin maju, kanker kulit bisa dideteksi dengan menggunakan deep learning melalui penerapan metode Convolutional Neural Network (CNN) menerapkan model transfer learning EfficientNet-B3 pada klasifikasi pigmen kanker kulit. Penggunaan dataset pada penelitian ini adalah International Skin Imaging Collaboration (ISIC) 2018, yang terdiri dari 10015 citra dermoskopi kulit. Proses augmentasi data dan preprocessing melibatkan pengubahan ukuran citra menjadi 75 x 100 piksel serta penerapan metode hair removal preprocessing. Penelitian ini berfokus pada klasifikasi dua kelas, yaitu Benign (jinak) dan Malignant (ganas). Hasil eksperimen menunjukkan bahwa penggunaan model EfficientNet-B3 berhasil meningkatkan akurasi menjadi 86%, dengan hasil precision, recall, dan F1-score berturut-turut yaitu 0.86, 0.92, dan 0.89 ketika metode hair removal preprocessing diterapkan
Klasifikasi Daun Herbal Menggunakan Convolutional Neural Network dengan Arsitektur VGG19 Ertha Risky Pratisca; Yufis Azhar
Jurnal Repositor Vol. 8 No. 2 (2026): Mei 2026
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v8i2.36556

Abstract

Indonesia memiliki kekayaan keanekaragaman hayati yang melimpah, termasuk beragam tanaman obat yang berperan penting dalam pengobatan herbal. Peningkatan minat terhadap penggunaan obat herbal mendorong kebutuhan sistem klasifikasi otomatis yang mampu mengenali tanaman dengan akurasi tinggi. Penelitia ini mengusulkan metode Convolutional Neural Network (CNN) dengan arsitektur VGG19 untuk mengklasifikasikan daun herbal berdasarkan citra. Perbedaan yang diterapkan meliputi implementasi optimasi Adam, teknik early stopping untuk mencegah overfitting, serta penerapan pengubahan saturasi variasi warna dari RGB ke HSV untuk meningkatkan kinerja model. Tahapan proses penelitian meliputi, input dataset, pre-processing, splitting data, implementasi model, serta evaluasi dan pengujian model. Dataset yang digunakan “Indonesian Herb Leaf Dataset 3500” dari situs Mendelay Data dengan jumlah dataset 3500 data citra daun herbal dan berisi sepuluh kelas, yaitu daun dari belimbing wuluh, daun dari jambu biji, daun dari jeruk nipis, daun dari kemangi, lidah buaya, daun dari nangka, daun dari pandan, daun pepaya, daun dari seledri, dan daun dari sirih dengan masing-masing kelas berisi 350 data citra. Hasil pengujian menunjukkan bahwa arsitektur VGG19 dengan penerapan pengubahan saturasi warna dari RGB ke HSV mendapatkan akurasi pelatihan sebesar 97,36% dan akurasi pengujian sebesar 99%. Hasil penguji menunjukkan bahwa performa model VGG19 lebih baik daripada VGG16 dalam penelitian klasifikasi daun herbal.
Klasifikasi Emosi Pada Tweet Pengguna Platform X Menggunakan Metode LSTM-GloVe Berbasis SMOTE Irham Bagus Jatiarso; Yufis Azhar
Jurnal Repositor Vol. 7 No. 3 (2025): Agustus 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i3.36608

Abstract

Perkembangan teknologi komunikasi digital yang pesat, khususnya di platform media sosial seperti X telah mengubah cara manusia berinteraksi. Komunikasi melalui teks sering kali menyulitkan dalam menginterprestasikan emosi seseorang karena tidak adanya petunjuk non-verbal seperti ekspresi wajah atau nada suara. Klasifikasi emosi dari teks menjadi penting agar pembaca dapat memahami perasaan pengirim secara lebih tepat dan merespons dengan empati. Penelitian ini bertujuan untuk mengklasifikasikan emosi dari teks menggunakan Long Short-Term Memory (LSTM) dengan embedding GloVe, serta menerapkan Synthetic Minority Over-sampling (SMOTE) untuk mengatasi ketidakseimbangan data. Data diambil dari platform X yang berisi berbagai emosi dan model dilatih untuk mengklasifikasikan lima jenis emosi: anger, happiness, sadness, fear, dan love. Hasil evaluasi menunjukkan bahwa penerapan SMOTE berhasil meningkatkan performa model, dengan akurasi mencapai 48% dan peningkatan pada precision, recall, serta f1-score dibandingkan penelitian sebelumnya [5] yang tidak menggunakan SMOTE. Peningkatan ini menunjukkan bahwa teknik SMOTE efektif dalam mengatasi masalah ketidakseimbangan data, serta penggunaan LSTM dengan embedding GloVe memberikan hasil klasifikasi emosi yang lebih akurat.
Penerapan Model Arsitektur VGG-19 untuk Klasifikasi Kanker Serviks Menggunakan Citra Pap Smear Leta Anindya Riyadi; Yufis Azhar
Jurnal Repositor Vol. 7 No. 3 (2025): Agustus 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i3.36610

Abstract

Kanker serviks merupakan jenis kanker yang menjadi ancaman serius bagi kesehatan wanita secara global, termasuk di Indonesia. Infeksi Human Papillomavirus (HPV) adalah penyebab utama kanker ini, dan sering kali sulit terdeteksi pada tahap awal. Penelitian ini memanfaatkan model arsitektur VGG-19 untuk membantu proses klasifikasi kanker serviks, karena interpretasi manual citra pap smear memiliki keterbatasan, seperti waktu yang lama. Model VGG-19 dioptimalkan dengan menggunakan teknik transfer learning. Dataset penelitian diambil dari situs Kaggle berjudul “Cervical Cancer largest dataset (SipakMed)” dengan 4049 gambar, kemudian dibagi menjadi data validasi, pelatihan, dan pengujian dengan rasio 80:10:10. Augmentasi data dilakukan untuk meningkatkan keragaman dan kualitas dataset. Hasil evaluasi menunjukkan bahwa akurasi klasifikasi mencapai 92%, dengan pprecision, recall, dan F1-Score yang tinggi di beberapa kelas. Dari hasil tersebut, arsitektur VGG-.19 terbukti efektif ddalam membantu klasifikasii gambar pap smear dan berpotensi menjadi solusi untuk deteksi kanker serviks yang lebih cepat dan akurat.
IMPLEMENTASI DEEP LEARNING EFFICIENTNET DENGAN FINE TUNING PADA KLASIFIKASI RAS KUCING Pritha Aulliah; Yufis Azhar
Jurnal Repositor Vol. 8 No. 3 (2026): Agustus 2026
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v8i3.37148

Abstract

Kucing memiliki berbagai jenis dengan karakteristik yang berbeda-beda. Penelitian ini bertujuan untuk mengklasifikasikan berbagai jenis ras kucing menggunakan model arsitektur EfficientNet, yang dikenal memiliki efisiensi komputasi tinggi dan kinerja superior dalam klasifikasi gambar. Teknik fine-tuning, data augmentation, dan dropout diterapkan untuk meningkatkan kinerja model. Dalam penelitian ini, model EfficientNetB0 digunakan untuk klasifikasi ras kucing, dengan membandingkan performa antara model dasar tanpa tambahan metode dan model yang dioptimalkan. Model EfficientNetB0 yang menerapkan data augmentation, fine-tuning, dan dropout berhasil mencapai akurasi 99% pada data latih, 97% pada data validasi, dan 91% pada data uji.
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