Article Per Year (5 Year)
p-Index From 2021 - 2026
9.669
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) CAUCHY: Jurnal Matematika Murni dan Aplikasi Bulletin of Electrical Engineering and Informatics JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Pengabdian kepada Masyarakat Nusantara Tensor: Pure and Applied Mathematics Journal Prosiding Konferensi Nasional PKM-CSR Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK) eProceedings of Engineering Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Jurnal Nasional Sains dan Teknik
Meta Kallista
Universitas Telkom
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Nursing Public Health Social Sciences

Published : 83 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 83 Documents
Search

 3   4   5   6   7 
Deteksi Social Distancing Dan Penggunaan Di Restoran Menggunakan Algoritma Faster RCNN Ramadhani, Desfitri; Kallista, Meta; Setianingsih, Casi
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Social distancing adalah upaya pemerintah untuk menjaga jarak antar individu dengan individu lain untuk mencegah penyebaran suatu penyakit yaitu Covid-19. Covid-19 dapat dicegah dengan menjaga jarak minimal satu meter, memakai masker jika melakukan bepergian, mencuci tangan dan membawa handsanitizer kemana pun jika bepergian. Akan tetapi, masih banyak masyarakat yang tidak peduli dengan peraturan pemerintah tersebut. Maka dari itu, Tugas Akhir ini memberikan solusi pengawasan masyarakat terhadap social distancing dan penggunaan masker direstoran. Singkatnya pada sistem ini, untuk simulasi ada sebuah kamera yang akan dipasang dalam sebuah ruangan yang merupakan simulasi restoran untuk mendeteksi social distancing dan penggunaan masker di ruangan tersebut. Setelah pendeteksian berhasil kemudian di analisis diterapkan atau tidaknya social distancing dan penggunaan masker. Sistem menggunakan algoritma YOLO untuk social distancing dan penggunaan masker menggunakan algoritma yaitu Faster RCNN. Pengujian sistem ini dilakukan berdasarkan beberapa skenario. Hasil terbaik dari pembuatan model social distancing didapat dari rasio dataset 90% data train dan 10% data test dengan max batches 6000, dan learning rate 0.001 mendapat mAP sebesar 49.02%, sedangkan untuk hasil terbaik dari pembuatan model penggunaan masker didapat dari rasio dataset 80% data train dan 20% data test dengan batch size 10, dan learning rate 0,01 mendapat akurasi sebesar 68.76%. Kata kunci— social distancing, COVID-19, faster R-CNN, YOLO. I
Pemanfaatan Informasi Iklim Terhadap Kasus Demam Berdarah Dengue Di Kota Bandung Menggunakan Algoritma Partial Least Square Kurniawan, M. Fikri Andika; Kallista, Meta; Dinimaharawati, Ashri
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Demam berdarah Dengue (DBD) adalah salah satu penyakit endemik di seluruh wilayah tropis dan sebagian wilayah subtropics. Penyakit ini ditularkan oleh nyamuk aedes aegypti. Penyakit dapat menyebarkan infeksi dalam suatu wilayah dengan cepat. Pada tahun 2016, terdapat ratusan ribu penderita DBD di seluruh wilayah Indonesia akibat penularan DBD yang disebabkan oleh nyamuk Aedes aegypti. Perubahan iklim bisa berpengaruh terhadap pola penyakit infeksi akan mempertinggi risiko penularan. Penelitian ini dilakukan untuk menemukan pengaruh dari iklim dengan tingkat kasus DBD di daerah Kabupaten Bandung menggunakan algoritma Partial Least Square (PLS) sebagai metode untuk mendapatkan korelasi antara variabel independent dengan variabel dependen. Sedangkan, algoritma Support Vector Machine (SVM) digunakan untuk melakukan prediksi terhadap kasus DBD. Hasil korelasi menggunakan PLS menunjukkan bahwa kelembapan memiliki pengaruh lebih tinggi terhadap jumlah kasus DBD. nilai cross-loadings yang didapatkan adalah 0.315865 dengan nilai akurasi koefisien determinasi (R2) adalah 0.099771. pada algoritma SVR, kombinasi antara partisi data, parameter dan kernel yang paling baik adalah partisi data yang memiliki perbandingan 80:20 antara data training dan data testing dengan nilai parameter masing-masing C = 10, gamma = 1, dan epsilon = 0.05. Kernel yang digunakan adalah kernel RBF. Hasil regresi dari data kasus DBD memiliki nilai error dan koefisien determinasi masing-masing RMSE = 0.12314 dan R2 = 0.58873.Kata Kunci— Demam Berdarah Dengue, Partial Least Square, Python, Support Vector Machine, Website
Prediksi Penderita Tuberkulosis Menggunakan Algoritma Support Vector Regression (SVR) N, Ridha Melati; Purboyo, Tito Waluyo; Kallista, Meta
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Salahsatu penyakit menular yang menjadi topik pembahasan yang ramai di dunia kesehatan adalah Tuberkulosis (TBC). Karena TBC merupakan salahsatu  dari 10 penyakit yang menjadi penyebab utama kematian di seluruh dunia dan di Indonesia berada peringkat ketiga dengan kasus tertinggi setelah India dan China. Hal tersebut menjadikan penyakit ini perlu adanya suatu peramalan atau prediksi ke depannya sehingga masyarakat mengantisipasi lebih awal.Dalam penelitian tugas akhir ini penulis akan membuat sistem Prediksi Penderita Tuberkulosis. Hasil dari penelitian ini berupa prediksi jumlah penderita kedepannya. Data yang digunakan berasal dari Dinas Kesehatan Kabupaten Karawang periode 1 Januari 2020 sampai 31 Desember 2021.Sistem Prediksi Penderita Tuberkulosis ini menggunakan metode Support Vector Regression  dan menggunakan kernel Radial Basis Function yang menghasilkan nilai error performansi Mean Square Error (MAE) sebesar 0.099448, Root Mean Square Error (RMSE) sebesar 0.136204 dan R² sebesar 0.220323.Kata kunci— penyakit tuberkulosis, prediksi, support vector regression
Prediksi Penderita Tuberkulosis Dengan Algoritma Long Short-Term Memory Aisyah, Diah; Purboyo, Tito Waluyo; Kallista, Meta
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Tuberkulosis (TB) merupakan penyakit menular yang disebabkan oleh kuman Mycobacterium tuberculosis, meskipun dapat menyerang organ apapun didalam tubuh. Ketika bakteri masuk melalu droplet di udara. Pada tahun 2015 terdapat 2.617 kasus tuberkulosis di Kabupaten Karawang. Kurangnya pengetahuan terhadap gejala penyakit dan sosialiasi terhadap pemerikasaan tuberculosis secara dini merupakan faktor utama penyebab tingginya jumlah kasus penderita TB. Oleh karena itu perlu adanya sebuah sistem prediksi jumlah penderita tuberculosis untuk memprediksi jumlah penderita dimasa yang akan datang. Dalam Penelitian ini menggunakan metode Long Short-Term Memory.  (LSTM). LSTM merupakan evolusi dari algoritma Recurrent Neural Network (RNN) untuk mengatasi permasalahan pada RNN dalam mengelola data untuk periode yang lama. LSTM dianggap lebih unggul dibandingakan algoritma lainnya dalam mengelola data yang bersifat time series. Data yang penulis gunakan berasal dari Dinas Kesehatan Kabupaten Karawang dari tanggal 1 Januari 2020 hingga 31 Desember 2021. Berdasarkan Hasil Pengujian diketahui bahwa algoritma LSTM  dengan partisi data 70%:30%, epoch sebesar 900, jumlah hidden layer sebanyak 1 layer LSTM dengan 64 neuron serta tipe optimasi Adam dengan learning rate sebesar 0.001. selain itu, hasil pengujian parameter terbaik menghasilkan nilai RMSE = 0.12019341, MAE = 0.0819 Dan R2 = 0.53508423. Kata kunci— tuberkulosis, prediksi, long short-term memory 
Deteksi Social Distancing Dan Penggunaan Masker Di Restoran Menggunakan Algoritma Residual Network (RESNET) Saputra, Fauzi Bayu; Kallista, Meta; Setianingsih, Casi
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Penerapan protokol kesehatan social distancing dan penggunaan masker sangat diperlukan karena dampak dari kasus Covid-19 yang semakin meluas. Karena itu cara terbaik dan efektif guna memutus rantai penyebaran Covid-19 salah satunya dengan menerapkan social distancing dan penggunaan masker. Tugas akhir ini akan membahas tentang perancangan dan implementasi deteksi social distancing dan penggunaan masker. Pada pendeteksian ini akan mengambil gambar berdasarkan gambar yang tertangkap oleh kamera kemudian akan dianalisis apakah social distancing dan penggunaan masker diterapkan atau tidak. Deteksi social distancing dan penggunaan masker ini dilakukan secara realtime. Metode You Only Look Once (YOLO) digunakan untuk mendeteksi objek manusia dan metode Residual Network (RESNET) digunakan untuk mendeteksi penggunaan masker, dan menggunakan metode Euclidean Distance untuk mengukur jarak antar objek manusia yang terdeteksi. Berdasarkan hasil yang terbaik dari pengujian dan pembuatan kedua model yang akan digunakan didapat dari rasio dataset yaitu 90% data train dan 10% data test. Dengan hasil pengujian deteksi penggunaan masker akurasi yang didapatkan sebesar 99.04%, dan hasil pengujian deteksi social distancing mAP yang didapatkan sebesar 49.50%.Kata kunci—social distancing, penggunaan masker, Covid-19, YOLO, RESNET.
Pembelajaran Mesin Pada Data Preprocessing Dengan Metode Principal Component Analysis Dan Smote Putra, Giovano Trihade; Kallista, Meta; Wibawa, Ig. Prasetya Dwi
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Pencemaran udara merupakan dampak negatif dari aktivitas manusia terhadap lingkungan. Udara yang tercemar oleh partikel yang berbahaya dapat membahayakan lingkungan, menyebabkan masalah pernafasan pada manusia, pemanasan global dan mempengaruhi metabolisme lingkungan. Indonesia menduduki peringkat ke-17 pada tahun 2022 dalam indeks kualitas udara (AQI) Internasional. Untuk menurunkan tingkat pencemaran udara, diperlukan adanya kesadaran masyarakat tentang pencemaran udara. Kota Bandung adalah kota besar di Indonesia yang berlokasi dekat ibu kota negara. Lokasi geografis yang strategis membuat kota ini cocok untuk ditempati, namun juga memiliki tingkat populasi dan aktivitas industri yang tinggi, yang menyebabkan tingginya tingkat pencemaran udara. Walaupun Kota Bandung sudah memiliki sistem pemantauan kualitas udara, sistem ini hanya memantau parameter umum seperti ozon, monoksida karbon, dan partikulat. Oleh karena itu, perlu adanya kesadaran masyarakat tentang tingkat pencemaran udara dengan menggunakan Indeks Standar Pencemaran Udara (ISPU) sebagai acuan. Dalam penelitian ini, penulis mengumpulkan data terkini sesuai dengan kebutuhan ISPU. Preprocessing digunakan untuk menentukan akurasi pembacaan kualitas udara dan memberikan prediksi kualitas udara kepada masyarakat. Dengan informasi ini, masyarakat dapat mengambil tindakan pencegahan untuk mengurangi produksi pencemaran.Kata kunci— Polusi Udara, ISPU, Preprocessing, Akurasi, Prediksi.
Analisis Kasus Demam Berdarah Di Dki Jakarta Dengan Model Generalized Space Time Autoregressive (GSTAR) Rizkita, Meysa; Kallista, Meta; Dinimaharawati, Ashri
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Demam Berdarah adalah penyakit yang disebabkan oleh gigitan nyamuk Aedes Aegypti yang membawa virus dengue. Menurut Badan Pusat Menurut Badan Pusat Statistik DKI Jakarta yang mengambil sumber dari Kementrian Kesehatan, kasus penderita DBD di DKI Jakarta pada tahun 2020 terdapat 4.744 kasus. Data yang digunakan pada penelitian ini adalah data kasus demam berdarah DBD Kota Administrasi Jakarta Barat, Jakarta Pusat dan Jakarta Utara bulan Januari 2017 - Desember 2020. Pada penelitian ini menggunakan model Generalized Space Time Autoregressive (GSTAR), tujuan dan manfaat dari penelitian ini membuat model GSTAR dengan parameter yang sudah dihitung, dapat membantu dinas Kesehatan untuk memprediksi kasus demam berdarah untuk 1 periode kedepan, GSTAR menggunakan 2 bobot lokasi yaitu bobot lokasi seragam dan bobot lokasi invers jarak. untuk mencari estimasi parameter menggunakan Ordinary Least Square (OLS) dengan meminimumkan jumlah kuadrat residual. hasil penelitian dapat disimpulkan bahwa model GSTAR yang digunakan (1_1), model GSTAR setelah dilakukan pengujian model memenuhi asumsi white noise dan menggunakan persamaan bobot lokasi inverse jarak karena menjadi model terbaik untuk peramalan kasus demam berdarah, dengan nilai Mean Absolute Error (MAE) 29,2213. Root Mean Square Error (RMSE) 5,2197. Dan R^2 0,5543.Kata kunci— Demam Berdarah, GSTAR
Deteksi Tanda Kehidupan Pada Korban Bencana Alam Dengan Bantuan Uav Memakai Algoritma Mask R-Cnn Dan Open Pose Diaraja H, Garry Abel; Setianingsih, Casi; Kallista, Meta
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Bencana alam adalah bencana yang diakibatkan oleh peristiwa atau serangkaian peristiwa yang disebabkan oleh alam. Bencana alam mengakibatkan medan yang sulit dijangkau oleh Tim SAR (search and rescue). Yang dimana penelitian ini bertujuan mempermudah tim Search and Rescue (SAR) dalam melakukan evakuasi korban. Proses pendeteksian korban bencana alam memakai Mask R-CNN. Dataset yang digunakan berisikan 100 gambar kelas manusia yang telah dilabeli diroboflow. Model Terbaik yang digunakan peneliti menggunakan Learning rate 0,01 ; epochs 100; step epochs 1000 mendapatkan Hasil Penelitian Terbaik yaitu nilai TP 104, FN 12, FP 29, Precision 78 %, Recall 89%, F1 score 83% , FNR 10.3%. Sistem ini akan mendeteksi objek manusia menggunakan model terbaik lalu mendeteksi adanya pergerakan dada, perut atau punggung objek yang dibangun melalui RoI Openpose. yang dimana didalam ROI openpose dapat mendeteksi tanda kehidupan memakai Motion Detection. Motion detection yang peneliti gunakan adalah metode Image Difference. Apabila nilai absdiff g 50000 maka dinyatakan hidup sebaliknya apabila f 50000 dinyatakan tidak hidup. Nilai absdiff 50000 merupakan batas nilai perubahan berdasarkan eksperimen peneliti dalam membandingkan manusia dan manekin.Kata kunci— Mask R-CNN, Open Pose, ROI
Deteksi Tanda-Tanda Kehidupan Pada Korban Bencana Alam Dengan Bantuan UAV Menggunakan Algoritma YOLO Dan MoveNet Thunder Plambudi Dwigantara, Figo; Setianingsih, Casi; Kallista, Meta
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Bencana alam merupakan peristiwa alam yang mengakibatkan dampak besar bagi kehidupan manusia yang datang secara tiba-tiba dan tidak dapat dihindari oleh siapapun. Bencana alam juga dapat merusak dan menghancurkan bangunan sehingga pada pasca bencana alam seperti gempa bumi, tanah longsor, tsunami dan lain-lain, pencarian jalur darat terhambat karena permukaan daratan yang tidak stabil dan medan yang sulit dijangkau oleh Tim SAR (search and rescue). Pada penelitian ini menghasilkan output sistem pendeteksi korban bencana alam yang masih hidup atau tidak. Dalam pelaksanaannya, metode YOLO digunakan dalam penelitian ini untuk mengidentifikasi korban bencana alam. Dataset yang digunakan untuk mendeteksi korban bencana adalah dataset custom yang berisikan kurang lebih 400 gambar kelas manusia dengan berbagai pose. Algoritma yang digunakan untuk mendeteksi adanya korban atau tidaknya menggunakan metode You Only Look Once (YOLO) versi 5 yang dimana memiliki nilai cukup tinggi 90,75% untuk dapat mendeteksi objek manusia. Setelah dapat dideteksi manusia kemudian sistem akan melanjutkan pendeteksian hidup atau mati melalui titik skeleton yang ditentukan menggunakan Tensorflow MoveNet dengan akurasi 100% dari 14 video yang dicoba.Kata kunci— Bencana Alam , Object Detection, Computer Vision, You Only Look Once (YOLO), Tensorflow, MoveNet
Klasifikasi Pose Dasar Beladiri Karate Dengan Support Vector Machine Dan Gerakan Menggunakan Yolov3 Surya Akbar, Qorio; Erfa Saputra, Randy; Kallista, Meta
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Cabang olahraga beladiri Karate yang berasal dari Jepang merupakan salah satu olahraga yang cukup digemari oleh masyarakat Indonesia, termasuk anak-anak sampai orang dewasa. Beladiri seringkali didefinisikan sebagai sistem pertarungan menyerang dan bertahan. Beladiri terkini biasanya merupakan seni pertarungan yang sudah dimodifikasi untuk tujuan olahraga, pertahanan diri, serta hiburan. Hal ini sesuai dengan tujuan beladiri. Cabang olahraga beladiri Karate yang merupakan beladiri beraliran keras yang menggunakan teknik-teknik fisik seperti pukulan, tendangan, tangkisan, dan hindaran dengan kuda-kuda yang kokoh. Karate juga merupakan salah satu olahraga yang mempunyai karakteristik gerak dan teknik tersendiri. Pembelajaran olahraga beladiri Karate pertamatama harus menguasai teknik Kihon yang merupakan Latihan dasar Karate yang meliputi teknik kuda-kuda (Dachi), tangkisan (Uke), tendangan (Geri), pukulan (Tsuki), dan semua gerakan tubuh yang digunakan dalam kata dan kumite. Penelitian mengenai klasifikasi Gerakan beladiri Karate menggunakan metode Support Vector Machine sebelumnya belum pernah dilakukan. Pada Tugas Akhir ini akan menggunakan gerakan Kihon, Kumite, dan Geri. Setelah dilakukan pengujian terhadap performansi dari algoritma Support Vector Machine didapatkan hasil nilai Presisi 99,47%, Recall 99,47%, F1 Score 99,45%, serta akurasi 99,65%, dan error rate sebesar 66,66% dari 27 sampel yang diambil.Kata kunci— Beladiri Karate, Support Vector Machine, Gerakan Dasar
Co-Authors Adillah, M Novrian Aina, Brilliant Friezka Aisyah, Diah Akbar, Andi Muhammad Rezky Akbar, Maulidiatama Akbar, Muh. Akbar, Muhammad Raja Amanullah Bahtiar, Mohammad Rizky Fauzan Amelia, Angelica Sharon An – Nisaa, Siti Ananta , Fauzi Annisa Aprilia P S Aprilia, Nella Ardhya Chaeruna Salim Aryomukti, Muchlis Ashri Dinimaharawati Azhar, Ferikho Fatih Butar-Butar, Muhammad Raihan Candrasyah Hasibuan, Faisal Casi Setianingsih Daffa Ahmadhan K Daulay, Imada Syaifullah Diaraja H, Garry Abel Dwi Wibowo , Ig. Prasetya Dwitiniardi, Isni Erfa Saputra, Randy Fadhel, Hafiz Muhammad Faisal Candrasyah H Faisal Candrasyah Hasibuan Faiz Rasyid, Sutan Fajri, Daffa Fathir Farha S. N, Augyres Faris Alim M Fauzan, Aldi Fauzan, Rakha Luthfi Fauzi, Farhan Rizki Fiqri, Rifqi Muhammad Friezka Aina, Brilliant Fussy Mentari D Ganga Ram Phaijoo Gastiadi, Arya Fridayana Harison Taufiq, Hans Hasibuan , Faisal Candrasyah Ig Prasetya Dwi W Ig. Prasetya Dwi Wibawa Irghiansyah Izzul Haque Isni Dwitiniardi Jalaluddin , Afif Ibadurrahman Khalisheka, Daffa Asyqar Ahmad Khoerul Umam, Khoerul Kurniawan, M. Fikri Andika Kusumah, Zaky Ibnu Lase, Aldo Nitehe M. Fikri Andika Kurniawan M. Fikri Andika Kurniawan Malikulmulki, Jaisy Manna, Muhammad Rayyan Aqiilah Martuahman, Fransiskus Alexander Meiska, Ivana Michael Mikhael Prausdian A W Muhammad Faris Ruriawan Muhammad Nasrun Muhammad Syarif, Muhammad Muhtar, Ahmad Fauzan Mulia, Thasya N, Ridha Melati Naf’an , Syifa Melinda Naf’an, Syifa Melinda Nathaniel, Giovanni Naufal H, Raden M Novianty, Astri Nugraha, M Kahfi Nugroho, Ginaldi Ari Paramartha Vikrama, Made Plambudi Dwigantara, Figo Purba Daru Kusuma Purnama, Badi Rafli Rizky Purnaningsih , Ni Kadek Ayu Putra Athallah, Raken Putra, Giovano Trihade Putra, Rio Mandala Nuryan Putri Sakri, Annisa Aprilia Rahman, Muhammad Syaiful Raif Haidar D Rama Pratama Ramadhani, Desfitri Ramdhan, Mohammad Rizki Ramdhani, Agung Sulaksono Raspati , Fadlan Yusuf Rassya, Farrel Rifqi Muhammad Fikri Rizkita, Meysa Rosunika, Wening Alfina Ruriawan , Muhammad Faris Sakri, Annisa Aprilia Putri Saputra , Ariq Nurcahyo Saputra, Fauzi Bayu Setianingsih, Casie Setyadi, Ardhana Shafira Zahra Anisa Shandi, Rifqi Fadhila Shiddieqy, Hasbi Ash Siahaan, Eva Fiorina Sugandi, Delatifa Putri Suhartono, Ardhien Fadhillah Sukiman, Wahyu Mubarak Sultan Chisson O Surya Akbar, Qorio Tarigan , Ray Talenta Tito Waluyo Purboyo Utari, Rai Barokah Wahid, Zulian Wardhana, I Made Bayu Satria Wibawa , Muhamad Ibnu Fajar Wibawa, I.G Prasetya Wibawa, Ig. Prasetya D. Wibawa, Ig.Prasetya Dwi Wibowo , Ig. Prasetya Dwi Wibowo, Ig. Prasetya Dwi Yasir , Yusran Zahrani , Putri Mellia Zaref, Pandu Ing