Article Per Year (5 Year)
p-Index From 2020 - 2025
8.541
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika Pixel : Jurnal Ilmiah Komputer Grafis Elkom: Jurnal Elektronika dan Komputer PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal Informatika dan Teknik Elektro Terapan Jurnal Khatulistiwa Informatika JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Sebatik Martabe : Jurnal Pengabdian Kepada Masyarakat Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Kumawula: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) Santika : Jurnal Ilmiah Sains dan Teknologi JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) MEANS (Media Informasi Analisa dan Sistem) Jurnal Teknologi Informatika dan Komputer Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Jurnal Informatika Terpadu Indexia Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK) Journal of Practical Computer Science (JPCS) Prioritas : Jurnal Pengabdian Kepada Masyarakat Synergy : Jurnal Ilmiah Multidisiplin E-Amal: Jurnal Pengabdian Kepada Masyarakat JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Jurnal Sistem Informasi (JASISFO)
Asriyanik .
Universitas Muhammadiyah Sukabumi, Sukabumi
Religion 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 Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Nursing Public Health Social Sciences Other

Published : 72 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search
Journal : JATI (Jurnal Mahasiswa Teknik Informatika)

 1   2 
KLASIFIKASI HOAX DAN FAKTA MENGGUNAKAN ALGORITMA SHALLOW NEURAL NETWORK PADA BERITA POLITIK PEMILIHAN PRESIDEN INDONESIA 2024 Frananda Adiezwara Ramadhan, Mohamad; Rizal Setiawan, Iwan; Asriyanik, Asriyanik
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10621

Abstract

Dalam beberapa tahun terakhir, isu hoaks telah menjadi ancaman serius terhadap integritas informasi dan proses demokrasi. Pada tahun 2023, Kementerian Komunikasi dan Informatika (Kominfo) mencatat adanya peningkatan signifikan dalam penanganan isu hoaks, dengan 1.615 konten teridentifikasi. Menjelang Pilpres 2024, diperkirakan penyebaran berita hoaks akan meningkat, yang berpotensi mengancam kualitas proses demokrasi di Indonesia. Berbagai penelitian telah dilakukan untuk mengatasi masalah ini menggunakan berbagai metode klasifikasi, termasuk Naïve Bayes dan SVM. Namun, penelitian ini berfokus pada penggunaan Shallow Neural Network, yang diharapkan mampu menangkap pola non-linear dan mengolah berbagai jenis fitur dari data teks. Penelitian ini bertujuan untuk menguji efektivitas Shallow Neural Network dalam klasifikasi berita hoaks dan fakta terkait pemilihan presiden Indonesia 2024. Metodologi yang digunakan dalam penelitian ini adalah SEMMA, yang meliputi tahapan Sample, Explore, Modify, Model, dan Assess. Hasil evaluasi menunjukkan bahwa model klasifikasi yang dikembangkan memiliki performa yang baik dalam membedakan berita valid dan hoaks, dengan akurasi sebesar 93%. Nilai presisi, recall, dan F1 score yang tinggi untuk kedua kelas menunjukkan bahwa model ini dapat diandalkan untuk tugas klasifikasi berita, dengan keseimbangan yang baik antara presisi dan recall, sehingga mampu meminimalkan kesalahan dalam mendeteksi berita valid maupun hoaks.
KLASIFIKASI KUALITAS JENIS KOPI HALUS ROBUSTA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN MOBILENET-V2 Abhista Hibatullah, Akbar; Asriyanik, Asriyanik; Apriandari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10716

Abstract

Kopi merupakan komoditas perdagangan global yang sangat bernilai, dengan berbagai jenis yang memiliki karakteristik unik, dipengaruhi oleh asal geografis, metode penanaman, kondisi iklim, serta teknik pengolahan dan pemanggangan. Salah satu jenis kopi yang populer adalah robusta, yang dikenal dengan rasa yang lebih kuat dan pahit. Para ahli kopi menggunakan pengetahuan dan pengalaman mereka untuk mengidentifikasi kualitas kopi robusta unggulan melalui pengamatan visual dan teknik cupping, yang menilai aroma, rasa, kekentalan, keasaman, dan aftertaste. Dengan permintaan yang terus meningkat untuk kopi berkualitas tinggi, kemampuan untuk mengklasifikasikan dan menilai jenis kopi ini menjadi semakin penting, didukung oleh teknologi terbaru yang memastikan konsumen mendapatkan pengalaman menikmati kopi terbaik. Mengklasifikasikan kualitas kopi halus robusta adalah tantangan dalam industri kopi, karena penting untuk menjaga konsistensi kualitas dan pengenalan di pasar. Metode klasifikasi otomatis menggunakan Convolutional Neural Network (CNN) dan arsitektur MobileNet-V2 diusulkan untuk mengidentifikasi kualitas kopi halus robusta. Penggunaan CNN untuk klasifikasi menunjukkan hasil yang luar biasa dalam mengidentifikasi gambar kualitas kopi halus robusta, dengan akurasi validasi sebesar 99,82%, recall score sebesar 0.9982 precision 0.9982, dan F1 Score 0,99. Tingkat akurasi yang sangat tinggi ini menunjukkan kemampuan CNN dalam mengklasifikasikan gambar kualitas kopi halus robusta dengan sangat tepat.
PEMANFAATAN CNN (CONVOLUTION NEURAL NETWORK) DAN MOBILENET V2 DALAM KLASIFIKASI REMPAH-REMPAH LOKAL DI INDONESIA Nesta Suandana, Ilham; Asriyanik, Asriyanik; Apriandari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10873

Abstract

Penelitian ini bertujuan mengembangkan sistem klasifikasi untuk rempah-rempah lokal di Indonesia menggunakan Convolutional Neural Network (CNN) dan MobileNet V2 berbasis PyTorch. Latar belakang penelitian ini didorong oleh dua masalah utama: proses identifikasi rempah-rempah dari gambar atau sumber baca yang memakan waktu lama dan kurang efisien, serta keterbatasan akses ke ahli yang menghambat proses identifikasi dan pengetahuan tentang rempah-rempah. Dataset yang digunakan terdiri dari 16 jenis rempah dengan total 5.111 gambar yang diperoleh dari berbagai sumber foto manual dan publik. Data tersebut menjalani proses pra-pemrosesan, termasuk resizing dan normalisasi, untuk memastikan ukuran gambar yang konsisten dan meningkatkan kualitasnya sebelum diproses oleh model CNN. Metodologi penelitian ini mengadopsi Knowledge Discovery in Databases (KDD), yang menyediakan pendekatan sistematis dalam perencanaan proses, mencakup analisis kebutuhan data, teknik pengumpulan data, dan penjadwalan kegiatan yang terstruktur untuk memastikan kelancaran dan keberhasilan implementasi model klasifikasi. Model CNN yang dikembangkan dilatih untuk mengklasifikasikan jenis rempah berdasarkan fitur visual gambar. Evaluasi performa model menunjukkan akurasi validasi sebesar 99,96%, menunjukkan efektivitas model dalam mengidentifikasi dan mengklasifikasikan rempah-rempah dengan sangat akurat. Penerapan model klasifikasi ini pada situs web sederhana diharapkan dapat mempermudah pengguna dalam kehidupan sehari-hari. Penelitian ini juga menyediakan dasar yang kuat untuk pengembangan dan penyempurnaan model klasifikasi rempah-rempah di masa depan, serta membuka peluang aplikasi serupa dalam pengenalan objek di berbagai bidang lainnya.
PEMODELAN DETEKSI BELA DIRI BERBASIS WEB DENGAN ALGORITMA YOU ONLY LOOK ONCE V8 Afiansyah, Rifan; Prajoko, Prajoko; Asriyanik, Asriyanik
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10879

Abstract

Seni bela diri merupakan aktivitas yang tidak hanya berfungsi sebagai metode pertahanan diri, tetapi juga memiliki manfaat positif seperti menjaga kesehatan, meningkatkan disiplin, dan mempromosikan nilai-nilai budaya. Dengan minat yang semakin meningkat terhadap teknologi deteksi gerakan bela diri untuk tujuan pelatihan dan edukasi, penelitian sebelumnya telah menggunakan berbagai metode seperti Convolutional Neural Network (CNN) untuk mendeteksi gerakan silat dengan akurasi 77%, serta Support Vector Machine dan YOLOv3 untuk klasifikasi pose dasar karate dengan hasil presisi, recall, dan F1 Score yang tinggi, meskipun masih terdapat tingkat kesalahan sebesar 66,66%. Namun, penelitian-penelitian tersebut umumnya terbatas pada deteksi satu jenis bela diri. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem deteksi gerakan bela diri berbasis web menggunakan metode YOLOv8, dengan fokus pada tiga jenis bela diri: karate, taekwondo, dan silat. Metode YOLO dipilih karena kemampuannya dalam mendeteksi objek secara real-time, dengan memprediksi kotak pembatas dan probabilitas kelas langsung pada satu gambar penuh dalam satu evaluasi. Model yang dikembangkan diharapkan dapat mengenali gerakan dengan tingkat akurasi minimal 90% dan mencakup 25 kelas gerakan yang meliputi ketiga jenis bela diri tersebut. Model ini dilatih secara real-time menggunakan data yang diolah dan di-augmentasi melalui Roboflow, serta menggunakan optimizer AdamW dengan learning rate 0.001. Pengujian dengan 50 epoch menunjukkan akurasi tinggi, dengan metrik precision, recall, dan F1 yang hampir sempurna. Model ini kemudian diimplementasikan dalam sebuah website sederhana yang memungkinkan pengguna mendeteksi gerakan bela diri secara interaktif, menunjukkan potensi besar dalam aplikasi praktis di masa depan. Penelitian ini diharapkan dapat mendorong pengembangan teknologi deteksi gerakan dalam seni bela diri dan memberikan kontribusi terhadap peningkatan kualitas latihan serta edukasi seni bela diri.
IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK MENGIDENTIFIKASI BERITA HOAKS BERBAHASA INDONESIA Ramadhan, Vito; Asriyanik, Asriyanik; Pambudi, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10889

Abstract

Penyebaran berita hoaks, khususnya dalam sektor politik, telah menjadi masalah serius di era digital yang dapat menimbulkan kebingungan dan konflik sosial. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berita hoaks berbahasa Indonesia di Facebook dengan menggunakan pendekatan CRISP-DM dan model Convolutional Neural Network (CNN). Proses dimulai dengan pemahaman bisnis terkait penyebaran hoaks, dilanjutkan dengan pembersihan teks, tokenisasi, dan lemmatization data. Data kemudian dibagi menjadi data latih dan uji untuk pengembangan model CNN. Hasil penelitian menunjukkan model mencapai akurasi 92,53% pada data pelatihan dan 81,09% pada data pengujian, dengan loss 0,33 dan 0,55. Evaluasi menggunakan confusion matrix serta metrik precision, recall, dan F1-score menunjukkan model ini efektif dalam mendeteksi berita hoaks politik dan dapat digunakan untuk meningkatkan keakuratan identifikasi konten hoaks.
PENERAPAN YOU ONLY LOOK ONCE (YOLO) V8 UNTUK DETEKSI TINGKAT KEMATANGAN BUAH MANGGIS Akyas Hifdzi Rahman, Rifqi; Adi Sunarto, Asril; Asriyanik, Asriyanik
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10979

Abstract

Indonesia memiliki potensi besar dalam produksi buah-buahan tropis, salah satunya adalah manggis (Garcinia mangostana Linn) yang dikenal sebagai "ratu buah". Namun, proses klasifikasi kematangan manggis masih dilakukan secara manual, yang rentan terhadap kesalahan manusia. Penelitian ini bertujuan mengembangkan model deteksi kematangan buah manggis menggunakan Algoritma You Only Look Once (YOLO) untuk meningkatkan akurasi dan efisiensi penyortiran. Dengan menggunakan pendekatan CRISP-DM, data gambar manggis dikumpulkan dan diproses untuk dilabeli dan di-augmentasi. Hasil penelitian menunjukkan bahwa model YOLOv8s dengan optimizer SGD memberikan hasil terbaik dengan precision 0.997, recall 1, dan mAP50-95 sebesar 0.972. Implementasi model ini ke dalam sistem berbasis web menunjukkan potensi besar dalam menggantikan metode manual yang rentan terhadap kesalahan manusia. Model ini diharapkan dapat meningkatkan efisiensi dan akurasi dalam industri pertanian, khususnya untuk penyortiran buah manggis.
PENERAPAN ALGORITMA NAIVE BAYES DAN METODE CRISP-DM DALAM PREDIKSI HASIL TES KEMAMPUAN BAHASA INGGRIS MAHASISWA Santiastry, Sany; Asriyanik, Asriyanik; Apriandari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11069

Abstract

Bahasa Inggris memiliki peran penting dalam sistem pendidikan di Indonesia, terutama karena fungsinya sebagai bahasa internasional. Pentingnya hal ini terlihat dari banyaknya informasi ilmiah dan teknologi di berbagai bidang yang ditulis dalam bahasa Inggris. Meskipun demikian, belum ada penelitian di Universitas Muhammadiyah Sukabumi yang berfokus pada memprediksi tingkat keberhasilan mahasiswa dalam tes kecakapan bahasa Inggris. Penelitian ini bertujuan untuk membangun model prediksi menggunakan algoritma Naive Bayes di platform Google Collaboratory untuk memperkirakan hasil tes kecakapan bahasa Inggris mahasiswa di Universitas Muhammadiyah Sukabumi. Naïve Bayes adalah salah satu algoritma machine learning yang banyak digunakan dalam klasifikasi dan prediksi. Penelitian ini menghasilkan model prediktif serta situs web sederhana yang dapat mencatat nilai mata kuliah bahasa Inggris mahasiswa dan memprediksi keberhasilan mereka dalam tes kemahiran bahasa Inggris. Evaluasi model ini menggunakan metrik akurasi, presisi, recall, dan nilai F1. Model yang dibuat menunjukkan akurasi sebesar 87,94%, dengan rata-rata presisi makro 0,82, recall 0,91, dan nilai F1 0,84, serta rata-rata presisi berbobot 0,89, recall 0,88, dan nilai F1 0,88. Model ini dapat secara akurat memprediksi hasil kelulusan mahasiswa berdasarkan nilai mereka.
GAME EDUKASI MENCOCOKAN NAMA HEWAN DALAM BAHASA INGGRIS UNTUK ANAK USIA DINI MENGGUNAKAN METODE GAME DEVELOPMENT LIFE CYCLE (GDLC) Adiwijaya, Fahmi; Asriyanik, Asriyanik; Frazzna Az-zahra, Fathia
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11117

Abstract

Pendidikan anak usia dini di Indonesia berfokus pada perkembangan menyeluruh anak usia 0-9 tahun, dengan bahasa Inggris sebagai bahasa asing penting. Saat ini, pengajaran nama hewan dalam bahasa Inggris sering hanya menggunakan buku dan materi cetak yang kurang interaktif. Berdasarkan Undang-Undang Pendidikan Pasal 28 ayat (3) yang mendorong metode bermain sambil belajar, penelitian ini mengusulkan pengembangan game edukasi "Game Edukasi Mencocokkan Nama Hewan dalam bahasa inggris untuk anak usia dini.Game ini akan dibuat dengan Metode Game Development Life Cycle (GDLC) di platform Unity menggunakan bahasa C#, dengan model 2D dan kontrol drag-and-drop. Didesain untuk dimainkan offline di perangkat Android, game ini akan fokus pada 13 hewan herbivora. Survei menunjukkan anak-anak usia dini menghabiskan 1-2 jam sehari bermain game, dengan genre puzzle sebagai favorit, dan tertarik pada game edukasi. Game ini diharapkan dapat menawarkan pengalaman belajar yang menyenangkan dan efektif.
PENERAPAN YOLO (YOU ONLY LOOK ONCE) UNTUK DETEKSI ETIKA BERBUSANA DI UNIVERSITAS MUHAMMADIYAH SUKABUMI Jamaludin, Firdaus; Asriyanik, Asriyanik; Pambudi, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11124

Abstract

Pendidikan memainkan peranan yang krusial dalam mengembangkan potensi individu dan kemajuan masyarakat. Universitas Muhammadiyah Sukabumi, sebagai lembaga pendidikan Islam, menekankan pentingnya etika berbusana sebagai cerminan nilai dan norma kampus. Dengan kemajuan teknologi, khususnya dalam kecerdasan buatan dan model deep learning seperti YOLO (You Only Look Once), data gambar yang digunakan meliputi empat kategori busana yang dikumpulkan dari berbagai sumber dengan total 400 frame citra. Data ini kemudian diproses melalui pelabelan menggunakan aplikasi Roboflow serta augmentasi untuk meningkatkan variasi dataset. Model YOLOv8 dilatih dengan 1200 frame citra dan dievaluasi menggunakan metrik seperti Mean Average Precision (mAP) dan Confusion Matrix, menghasilkan akurasi rata-rata sebesar 99,5%. Implementasi model ini dilakukan pada situs web berbasis Flask, memungkinkan deteksi objek secara real-time melalui kamera. Sistem ini bertujuan untuk memberikan solusi praktis dalam pemantauan dan pengelolaan etika berbusana, berfungsi sebagai asisten otomatis yang memberikan informasi langsung kepada pengguna.
IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK PENGENALAN BACAAN TAJWID BERDASARKAN GAMBAR TULISAN DALAM AL-QUR’AN Nuraeni, Fika; Asriyanik, Asriyanik; Pambudi, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11177

Abstract

Pemahaman dan penerapan tajwid dalam membaca Al-Quran adalah aspek krusial dalam praktik keagamaan Islam. Walaupun tajwid dianggap fardhu kifayah, saat membaca Al-Quran, penerapannya menjadi fardhu 'ain. Namun, banyak orang masih menghadapi kesulitan dalam memahami dan menerapkan aturan tajwid secara tepat. Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) guna meningkatkan akurasi model dalam mengenali bacaan tajwid berdasarkan gambar tulisan dalam Al-Quran. Selain itu, penelitian ini juga berupaya untuk mengidentifikasi dataset yang mencakup lebih dari dua hukum tajwid, sehingga model dapat mengklasifikasikan bacaan tajwid dengan lebih menyeluruh. Model CNN yang dikembangkan memiliki input shape 150x150 piksel dan terdiri dari tiga lapisan konvolusi dengan filter 32, 64, dan 128, yang masing-masing diikuti oleh lapisan maxpooling 2x2. Pada lapisan fully connected, terdapat 512 neuron, dengan output 11 neuron menggunakan fungsi aktivasi softmax. Model ini dilatih menggunakan optimizer Adam dan fungsi loss categorical crossentropy, menghasilkan akurasi 92,68% pada data pelatihan dan 95,10% pada data validasi, menunjukkan kemampuan generalisasi yang baik. Dataset yang digunakan mencakup 219 gambar yang mewakili empat hukum tajwid utama. Hasil penelitian menunjukkan bahwa model ini efektif dalam mengenali dan mengklasifikasikan bacaan tajwid, memberikan kontribusi signifikan pada teknologi pembelajaran tajwid yang lebih interaktif dan efektif.
Co-Authors Abhista Hibatullah, Akbar Adi Sunarto, Asril Adiwijaya, Fahmi Adzkia, Hawarizmi Ummul Afiansyah, Rifan Agung Pambudi Agung Pambudi Akyas Hifdzi Rahman, Rifqi Alifatih, Auriel Haiqal Asep Budiman Kusdinar Asep M.Ramdan Asep Muhamad Ramdan Asril Adi Sunarto Azhilla Margiani Saraswati Budhy Adzy, Luthfy Budiman Kusdinar, Asep Dafa Satria Sidik, Muhamad Dang Kurniawan, Dito DANNY RAMADHAN Daris Riyadi Didik Indrayana Din Azwar Uswatun Edward, MA Algifari Eka Fitriah, Tika Elwanda Putra, Isra Fadhil Faizal Akbar Fahmi Nurfalah Fajar Hikmal Gunawan Fathia Frazna Az-Zahra Fathia Frazna Azzahra Frananda Adiezwara Ramadhan, Mohamad Frazna Azzahra, Fathia Frazzna Az-zahra, Fathia Ilmi Barokah Indra Griha Tofik Isa iqbal setiawan Isa, Indra Griha Tofik Iwan Rizal Setiawan Jamaludin, Firdaus kania, euis Kokom Komariah Kokom Komariah Larasati Mayan Pramesti Lelah Lelah Lelah Lelah Leonita Siwiyanti lucky valiant M. Rizky Suherlan M.Ramdan, Asep MA Algifari Edward Maulana Muhammad Rizky Mohamad Nurizki Mohamad Ridwan Mokhamad Hendayun Mubharak, Gilang Fauzul Muhammad Drajat Ramdhani muhammad musyfik Muhammad Zaynurroyhan Mulud Muchamad, Reski musyfik, muhammad Nesta Suandana, Ilham Nur Asiah Ramdani Nuraeni, Fika Nurmilah, Risma Nurmillah, Risma Prajoko . Prajoko Prajoko Putra, Muhammad Rafli Afandi Rahmawati, Verra Sri Yulia Ramadhan, Vito Rambe, Sarah Syakira Ramdan, Adam Rijal Agus Rusmana Risma Nurmilah Riyadi, Daris Rustiandi, Ryan Santiastry, Sany Sarah Novia Hermawanti Soebandi, Andry Subhan, Roby Azhari Suhendar Syafira Zahara Syah Rizal Fauzy Syahputra, M Ramdhan widi aulia rohmah Winda Apriandari Winda Apriyandari Zahra, Fathia Frazna Az