Article Per Year (5 Year)
p-Index From 2021 - 2026
10.126
P-Index
This Author published in this journals
All Journal Jurnal Sarjana Teknik Informatika Jurnal Transformatika Jurnal Informatika dan Teknik Elektro Terapan InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Jurnal Teknologi dan Sistem Komputer Jurnal Pengabdian UntukMu NegeRI JIKO (Jurnal Informatika dan Komputer) SMARTICS Journal Insect (Informatics and Security) : Jurnal Teknik Informatika Indonesian Journal of Information System Dinamisia: Jurnal Pengabdian Kepada Masyarakat SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Sisfokom (Sistem Informasi dan Komputer) Compiler Jurnal Teknologi Sistem Informasi dan Aplikasi JUTEKIN (Jurnal Manajemen Informatika) INTEK: Informatika dan Teknologi Informasi Jurnal Riset Informatika AMALIAH: JURNAL PENGABDIAN KEPADA MASYARAKAT Antivirus : Jurnal Ilmiah Teknik Informatika Progresif: Jurnal Ilmiah Komputer Jurnal Ilmu Komputer dan Bisnis Jurnal Manajemen Informatika dan Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) JATI EMAS (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Journal of Computer System and Informatics (JoSYC) International Journal of Advances in Data and Information Systems Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Restikom : Riset Teknik Informatika dan Komputer Mosharafa: Jurnal Pendidikan Matematika Journal of Informatics Management and Information Technology Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan (JUSTIKPEN) Prosiding Seminar Nasional Program Pengabdian Masyarakat sudo Jurnal Teknik Informatika Konstelasi: Konvergensi Teknologi dan Sistem Informasi Jurnal Teknik Informatika Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Informatika Teknologi dan Sains (Jinteks) Industrial Research Workshop and National Seminar Jurnal Sains Informatika Terapan (JSIT) Journal Of Information System And Artificial Intelligence Jikom: Jurnal Informatika dan Komputer J-Icon : Jurnal Komputer dan Informatika TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi SENAPAS BIMASAKTI Jurnal Komputer, Informasi dan Teknologi
Mutaqin Akbar
Universitas Mercu Buana Yogyakarta
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 81 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 81 Documents
Search

 5   6   7   8   9 
Analisis Sentimen Program Makan Bergizi Gratis Menggunakan Claude Sonnet 4.5 dengan pendekatan Zero-Shot Classification Nugroho, Yassir Ahmad; Akbar, Mutaqin
TIN: Terapan Informatika Nusantara Vol 6 No 9 (2026): February 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/tin.v6i9.9308

Abstract

The Free Nutritious Meal Program (Program Makan Bergizi Gratis, MBG) is a national policy aimed at improving public nutritional quality, particularly among school-aged children. Despite its strategic objectives, the program’s implementation has generated diverse public responses, widely expressed through social media platforms. This study aims to analyze public sentiment toward the Free Nutritious Meal Program using the Claude Sonnet 4.5 model with a zero-shot classification approach. The study was conducted online using YouTube user comments on videos discussing the MBG program as the data source. Data were collected through the YouTube Data API between January 5 and January 20, 2026, yielding a total of 5,036 comments. After preprocessing, 4,737 clean comments were retained for analysis. Sentiment classification was performed without model retraining by leveraging the contextual understanding capabilities of Claude Sonnet 4.5. Model performance was evaluated using a Confusion Matrix by comparing automatic classification results with manual labels on 20% of the data as an evaluation sample. The results indicate that relevance classification achieved an accuracy of 97.89%, while sentiment classification reached an accuracy of 94.60%. Sentiment distribution was dominated by negative sentiment at 57.8%, followed by neutral sentiment at 21.5% and positive sentiment at 20.7%. This study contributes by proposing a Large Language Model–based framework for public policy sentiment analysis using Claude Sonnet 4.5 with a zero-shot classification approach, enabling accurate analysis of Indonesian-language public opinion without reliance on labeled training data.
Sistem Pendukung Keputusan Perencanaan Kelas Pelatihan IT Menggunakan Metode Simple Additive Weighting: Studi Kasus pada Perusahaan Pelatihan IT di Kota Yogyakarta Fajriansyah, Dede; Akbar, Mutaqin
sudo Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i1.1543

Abstract

Proses perencanaan kelas mingguan (Rencana Kelas Mingguan/RKM) pada lembaga pelatihan teknologi informasi masih banyak dilakukan secara manual, sehingga rawan terhadap kesalahan manusia seperti kelelahan, keterlambatan, dan ketidaktepatan dalam pengambilan keputusan. Penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan (SPK) berbasis metode Simple Additive Weighting (SAW) guna membantu menentukan prioritas kelayakan kelas pelatihan IT. Metode SAW digunakan karena mampu menyelesaikan permasalahan multikriteria secara efektif melalui proses normalisasi dan penjumlahan terbobot dari setiap kriteria penilaian. Sistem dikembangkan dengan tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian fungsional menggunakan metode black box testing. Sistem difokuskan pada tahap pra-perencanaan RKM (Pre-RKM) yang mencakup pengelolaan data prospek kelas, penentuan kriteria dan bobot, serta perhitungan dan pemeringkatan kelayakan kelas. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan peringkat kelayakan kelas pelatihan berdasarkan kriteria yang telah ditentukan dan memberikan rekomendasi kelas yang dapat digunakan sebagai bahan pertimbangan dalam proses pengambilan keputusan. Hasil pengujian Black Box Testing menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna dengan tingkat keberhasilan sebesar 100%.
Klasifikasi Citra Biji Kopi Temangung Menggunakan Residual Network (ResNet-50) Thimoty Pascal Munthe; Mutaqin Akbar
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 1 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i1.1028

Abstract

Artikel ini membahas penerapan metode deep learning dengan menggunakan arsitektur Residual Network (ResNet-50) untuk mengklasifikasikan tiga jenis biji kopi dari Temanggung, yaitu Arabika, Excelsa, dan Robusta. Dataset yang digunakan terdiri dari 1.350 citra, masing-masing kelas berjumlah seimbang. Tahap pra-pemrosesan meliputi perubahan ukuran gambar menjadi 224x224 piksel, normalisasi nilai piksel, serta pembagian dataset menjadi data latih, validasi, dan uji. Pelatihan model dilakukan menggunakan algoritma Adam dengan learning rate 0.0001, batch size 32, dan 20 epoch. Evaluasi kinerja model dilakukan melalui confusion matrix serta metrik klasifikasi seperti akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model ResNet-50 mampu melakukan klasifikasi jenis biji kopi secara akurat, dengan akurasi sebesar 96% dan nilai macro F1-score yang juga mencapai 96%. Capaian ini menunjukkan bahwa fitur visual dari biji kopi dapat dikenali secara efektif oleh model. Temuan ini membuktikan bahwa pendekatan berbasis deep learning, khususnya menggunakan ResNet-50, efektif digunakan dalam sistem klasifikasi otomatis biji kopi dan berpotensi besar untuk mendukung efisiensi identifikasi produk pertanian di sektor industri kopi.
IMAGE SEGMENTATION OF YOGYAKARTA BATIK PATTERN USING SEGNET Irfan Nur Fahrudin; Mutaqin Akbar
Jurnal Riset Informatika Vol. 8 No. 2 (2026): Maret 2026
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v8i2.491

Abstract

Batik is an Indonesian intangible cultural heritage with high artistic value. However, the complexity of classical Yogyakarta patterns, particularly Parang and Kawung, characterized by intricate structures, color variations, and indistinct boundaries, poses significant challenges for automated image processing. Therefore, image segmentation becomes a crucial step in batik identification and digitalization. This study aims to develop an efficient segmentation model for Yogyakarta batik patterns using a modified SegNet architecture. The dataset comprises 720 RGB images, consisting of 360 Parang pattern images and 360 Kawung pattern images. All images were processed into binary ground truth masks through a combination of K-Means Clustering and morphological operations. The SegNet architecture was modified into three encoder and decoder blocks, employing Conv2DTranspose for upsampling and a sigmoid activation function in the output layer. The model was trained for 50 epochs using the Adam optimizer and binary cross entropy loss function. Based on evaluation on the test dataset, the modified SegNet model achieved strong performance with an accuracy of 91.72%, a mean Intersection over Union of 77.23%, and a mean Dice Coefficient of 87.07%. Visual inspection of the prediction results further confirms the model’s ability to accurately separate pattern regions from the background. These findings demonstrate that the modified SegNet architecture performs well in segmenting Parang and Kawung batik patterns and shows strong potential for supporting future batik recognition and digitalization systems.
Analisis Sentimen Masyarakat Terhadap Kebijakan Undang-Undang Tentara Nasional Indonesia (UU TNI) Menggunakan Support Vector Machine Adwin Nurhasananda; Mutaqin Akbar
Jurnal Komputer, Informasi dan Teknologi Vol. 5 No. 1 (2025): Juni
Publisher : Penerbit Jurnal Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53697/jkomitek.v5i1.2603

Abstract

Revisi Undang-Undang Nomor 34 Tahun 2004 tentang Tentara Nasional Indonesia (TNI) menimbulkan perdebatan pro dan kontra di tengah masyarakat, dalam hal ini berkaitan dengan perluasan peran militer dalam ranah sipil. Tujuan dari penelitian ini untuk menganalisa sentimen oleh masyarakat terhadap Undang-Undang Tentara Nasional Indonesia (UU TNI) melalui data dari media sosial. Data dikumpulkan dari platform X (Twitter) selama periode 1–31 Maret 2025 menggunakan teknik scraping. Setelah dilakukan preprocessing dan pelabelan manual, kemudian data dianalisis menggunakan algoritma Support Vector Machine (SVM) dengan pendekatan pembobotan TF-IDF. Evaluasi terhadap model dilakukan dengan menggunakan teknik 5-Fold Cross Validation dan confusion matrix. Hasil penelitian menunjukkan bahwa model menghasilkan akurasi rata-rata sebesar 78,99% dengan F1-score sebesar 0,83 untuk sentimen negatif. Mayoritas data menunjukkan respons negatif terhadap UU TNI, menandakan adanya kekhawatiran publik terhadap potensi ancaman terhadap demokrasi. Temuan ini menunjukkan bahwa analisis sentimen berbasis media sosial dapat memberikan gambaran objektif mengenai persepsi masyarakat dan menjadi masukan berharga bagi pembuat kebijakan.
Implementasi Drop Rate Item menggunakan Algoritma Weighted Random Sampling dalam Game Action Platformer Zada Maulana; Mutaqin Akbar
Jurnal Komputer, Informasi dan Teknologi Vol. 5 No. 1 (2025): Juni
Publisher : Penerbit Jurnal Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53697/jkomitek.v5i1.2712

Abstract

Penelitian ini berfokus pada penerapan algoritma Weighted Random Sampling untuk sistem drop rate item dalam game action platformer berbasis Godot Engine. Tujuan utama penelitian adalah menciptakan distribusi hadiah yang lebih adil dan terkendali, sehingga memperbaiki kelemahan metode acak seragam. Algoritma Weighted Random Sampling memberikan bobot berbeda untuk setiap jenis item — common, rare, dan epic — sehingga peluang kemunculannya sesuai kelangkaan yang diinginkan. Metode pengembangan meliputi studi literatur, perancangan, implementasi dalam GDScript, dan pengujian secara visual dan fungsional. Hasil pengujian menunjukkan bahwa distribusi drop item mendekati rasio teoritis dan mampu memberikan pengalaman bermain yang lebih memuaskan. Dengan begitu, sistem ini terbukti efektif dan efisien untuk digunakan dalam game berbasis Godot Engine.
Pengembangan Chatbot untuk Layanan Konsultasi Hukum dengan OpenAI GPT-4 Purnama, Arif Pria; Akbar, Mutaqin
SMARTICS Journal Vol 12 No 1 (2026): Journal SMARTICS (April 2026)
Publisher : Universitas PGRI Kanjuruhan Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21067/smartics.v12i1.13817

Abstract

The development of information and communication technology has encouraged the use of artificial intelligence in various fields, including legal consultation services. In Indonesia, legal consultation services still face several challenges, such as a limited number of legal experts, relatively high consultation costs, and unequal access, making it difficult for the public to obtain basic legal understanding. This study aims to develop an intelligent chatbot for legal consultation services using the OpenAI GPT-4 Application Programming Interface (API). The research methodology includes problem scope determination, user needs analysis, legal data collection, data exploration and pre-processing using Natural Language Processing (NLP) techniques, GPT-4-based chatbot modeling, and system evaluation. The evaluation focuses on measuring the chatbot’s response time in delivering legal information to users. The results indicate that the chatbot developed using the OpenAI GPT-4 API is able to provide basic legal information quickly and interactively. However, human supervision is still required to ensure the accuracy and reliability of the legal information provided.
KLASIFIKASI RISIKO HIPERTENSI LANSIA BERBASIS DATA KESEHATAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK Hilda Sukma Pertiwi; Mutaqin Akbar
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 2 (2026): EDISI 28
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i2.7573

Abstract

Hipertensi merupakan penyakit tidak menular dan kerap dijuluki "silent killer" karena dapat merusak berbagai organ tubuh tanpa menunjukkan gejala yang jelas. Pada lansia, risiko hipertensi bertambah seiring penurunan elastisitas pembuluh darah sehingga diperlukan metode yang mampu mengklasifikasikan tingkat risiko secara akurat berbasis data kesehatan. Penelitian ini bertujuan mengklasifikasikan risiko hipertensi pada pasien lansia menggunakan Artificial Neural Network (ANN) berdasarkan data rekam medis RSUD KRT. Setjonegoro Wonosobo dengan jumlah 400 pasien lansia. Variabel yang digunakan terdiri dari sembilan fitur, yaitu umur, jenis kelamin, berat badan, tinggi badan, denyut nadi, sistolik, diastolik, kolesterol, dan gula darah. Tahap penelitian meliputi pembersihan data menggunakan fungsi dropna(), normalisasi dengan MinMaxScaler, penetapan label empat kelas (Normal, Pra-hipertensi, Hipertensi Grade 1, Hipertensi Grade 2), serta pembagian data 70% pelatihan dan 30% pengujian. Arsitektur terbaik yang diperoleh adalah ANN dengan dua hidden layer yang masing-masing terdiri dari 128 neuron, fungsi aktivasi ReLU dan Softmax, optimizer Adam, serta loss categorical cross-entropy. Model mencapai akurasi sebesar 98,33%, presisi 98,43%, recall 98,33%, dan skor F1 98,34%. Hasil penelitian menunjukkan bahwa ANN efektif digunakan untuk klasifikasi risiko hipertensi pada pasien lansia dengan tingkat kesalahan yang sangat minimal.
Segmentasi Citra Rambu Lalu Lintas Menggunakan Arsitektur DeepLabV3+ Berbasis Convolutional Neural Network Intan Aulia; Mutaqin Akbar
Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan Vol. 6 No. 1 (2026): Edisi April - September 2026 IN PRESS
Publisher : Utiliti Project Solution

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

Abstract

Keamanan di jalan raya sangat ditentukan oleh kemampuan pengemudi dalam memahami serta mengikuti petunjuk yang ada. Namun, pengenalan rambu secara manual rentan terhadap kelalaian manusia, sehingga diperlukan sistem yang dapat secara otomatis mendekteksi dan memisahkan rambu lalu lintas secara akurat. Tujuan dari studi ini adalah menciptakan model segmentasi citra rambu lalu lintas dengan memanfaatkan arsitektur DeepLabV3+ berbasis Convolution Neural Network (CNN) dengan backbone MobileNetV2. Kumpulan data yang dipakai terdiri atas 2.050 foto rambu lalu lintas yang mencakup 10 kategori rambu, yang diperoleh dari penelitian terdahulu. Karena dataset awal belum memiliki anatosi mask, dilakukan proses pelabelan manual menggunakan perangkat lunak LabelMe untuk menghasilkan mask segmentasi. Citra tersebut kemudian diubah ukurannya menjadi 128×128 piksel. Model DeepLabV3+ dikonfigurasi dengan optimizer Adam (learning rate 0,0002), ditraining selama 40 epoch dengan batch size 4 pada platfrom Google Colab menggunakan GPU T4. Evaluasi terhadap data pengujian mengindikasikan bahwa model ini memperoleh tingkat akurasi sebesar 93,59%,Intersection over Union (IoU) sebesar 79,12%, serta koefisien Dice sebesar 79,96%. Hasil ini membuktikan bahwa arsitektur DeepLabV3+ dengan backbone MobileNetV2 mampu melakukan segmentasi citra rambu lalu lintas secara efektif pada dataset 10 kelas.
Implementasi Convolutional Neural Network dengan Arsitektur MobileNetV3 untuk Klasifikasi Batik Jawa Timur Rivka Novi Cahyati; Mutaqin Akbar
Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan Vol. 6 No. 1 (2026): Edisi April - September 2026 IN PRESS
Publisher : Utiliti Project Solution

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

Abstract

Kesenian batik menyimpan kekayaan motif yang khas di berbagai wilayah Indonesia, termasuk Jawa Timur. Setiap motif batik memiliki corak, warna, dan tekstur yang khas sehingga identifikasi secara manual memerlukan ketelitian ekstra dan waktu yang tidak singkat. Kemajuan teknologi pemrosesan citra digital beserta deep learning membuka peluang untuk melaksanakan identifikasi motif batik secara otomatis yang menghasilkan akurasi optimal. Penelitian ini dibuat bertujuan untuk mengimplementasikan Convolutional Neural Network (CNN) berbasis arsitektur MobileNetV3Small untuk mengategorisasikan motif batik Jawa Timur. Dataset penelitian ini menggunakan 450 citra batik yang terdistribusi dalam tiga kategori, yaitu batik Madura, batik Banyuwangi, dan batik Pring. Tahap preprocessing terdiri dari resize citra menjadi 224×224 piksel, normalisasi data, serta augmentasi menggunakan horizontal flip, rotation, dan zoom. Model ini dibangun dengan menerapkan teknik transfer learning, di mana MobileNetV3Small dimanfaatkan sebagai feature extractor. Pelatihan meliputi fase feature extraction dan fine-tuning dengan optimizer Adam serta loss function sparse categorical crossentropy. Hasil pengujian menunjukkan bahwa model mencapai accuracy 72% dengan recall tertinggi pada kelas batik_pring senilai 0,91. Penelitian ini membuktikan bahwa MobileNetV3Small dapat diterapkan secara efektif untuk klasifikasi citra batik dengan komputasi yang lebih ringan dan efisien. Lebih lanjut, implementasi transfer learning dan augmentasi data mampu meningkatkan kapabilitas generalisasi model sehingga menghasilkan klasifikasi yang lebih optimal.
Co-Authors Adella Maharani, Putri Adrian, Reka Adwin Nurhasananda Agung Firmansyah Agus Salim Ahsan, Moh An-Naufal Nuha, Alfian Anisyah Jatu Siti Nurjanah Aprisia Bahagia, Grace Arifadillah, Elang Arita Witanti Ascha, Nugrah Pratama Astri Wulandari Audita Nuvriasari Auditya, Yonathan Bagus Dwi Kurniawan, Bagus Dwi Bambang Agus Setyawan Budi Sulistiyo Jati Budi Sulistiyo Jati Budianto, Alexius Endy Dangin, Dangin Dian Kartika Sari, Dian Kartika Diski Ijtima Putri Dwiyati Pujimulyani Elsa Anggraini Maili Fajriansyah, Dede Febri Rahmadsyah Fiki Ertandi Firdaus Alfajar Sudarsih Hardiyanto, Andri Hendri Tri Cahya Leksana Hilda Sukma Pertiwi Ichlasia Ainul Fitri Ikram, Rauf Al Indah Susilawati Intan Aulia Irfan Nur Fahrudin Irfan Pratama Jeremias Quintino Tilman Junianto Bagas Prasetyo Kafilahudin, Fahrul Advis Kartadinata, Arifqi Khuzaini*, Nanang Kuswandaru, Kuswandaru Marfianto, Jodhy Dwi Muhammad Abdul Gofur Muhammad Ali Ma'mun Muhammad Pratiwo Muhammad Syadham, Syahrun Muhammad Syaifudin Musa, Rahmat Nafida Hetty Marhaeni Nanang Khuzaini, Nanang Nanik Triatmi Nugroho, Yassir Ahmad Nur Alamsyah Nurdiarti, Rosalia Prismarini Nusantara, Bondan Surya Prasetyaningrum, Putri Taqwa Primananda, Muhammad Izra Priyanto Purnama, Arif Pria Putu Sangyoga, Titus Bintang Pekiek Rahmat Musa Ramos, Sarah Vega Refky Satria Bima Reny Yuniasanti Rio Setya Pambudi Rismanto, Septa Rivansyah Subagyo, Ibnu Rivka Novi Cahyati Riyanto, Agung Rizky, Muhammad Rafi Fajar Rofiqi, Lutfi Rohmad, Arinadi Nur Rosalia Prismarini Nurdiarti Saputra, Aldi Dwi Saputra, Andika Dwi Sari, Prima Wulan Sedyarsa, Hanif Fauzan Septa Rismanto Setyaningsih, Putry Wahyu Sidiq Purnomo, Agus Sri Muhammad Kusumantomo Subhan Bole Boly Suharjo, Imam Supatman Supatman Thimoty Pascal Munthe Umul Aiman Wakidi Wakidi Wibowo, Sigit Heri Wisnu Adi Yulianto Wulandari, Astri Yusanto, Yoga Zada Maulana