Article Per Year (5 Year)
p-Index From 2021 - 2026
8.717
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Informatika Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Informasi Jurnal Teknik ITS IPTEK Journal of Science IPTEK Journal of Proceedings Series IPTEK The Journal for Technology and Science Techno.Com: Jurnal Teknologi Informasi MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Jurnal Buana Informatika TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Ilmiah Mikrotek Jurnal Simantec Jurnal Ilmiah Kursor Scan : Jurnal Teknologi Informasi dan Komunikasi Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) International Journal of Advances in Intelligent Informatics Scientific Journal of Informatics Journal of Information Systems Engineering and Business Intelligence Register: Jurnal Ilmiah Teknologi Sistem Informasi EMITTER International Journal of Engineering Technology Jurnal Inspiration Briliant: Jurnal Riset dan Konseptual Journal of Development Research Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research Inform : Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi INTEGER: Journal of Information Technology Seminar Nasional Teknologi Informasi Komunikasi dan Industri JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal ULTIMATICS Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) CCIT (Creative Communication and Innovative Technology) Journal SPIRIT Progresif: Jurnal Ilmiah Komputer ILKOMNIKA: Journal of Computer Science and Applied Informatics Indonesian Journal of Electrical Engineering and Computer Science Journal of Intelligent Computing and Health Informatics (JICHI) Jurnal Teknik Informatika (JUTIF) Journal of Technology and Informatics (JoTI) Melek IT: Information Technology Journal Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal Research of Social Science, Economics, and Management Sewagati RESLAJ: Religion Education Social Laa Roiba Journal Jurnal Indonesia : Manajemen Informatika dan Komunikasi
Chastine Fatichah
Departemen Teknik Informatika Institut Teknologi Sepuluh Nopember Surabaya
Religion Arts Humanities 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 Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences Other

Published : 150 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 150 Documents
Search

 6   7   8   9   10 
Deep Learning Approaches for Multi-Label Incidents Classification from Twitter Textual Information Sherly Rosa Anggraeni; Narandha Arya Ranggianto; Imam Ghozali; Chastine Fatichah; Diana Purwitasari
Journal of Information Systems Engineering and Business Intelligence Vol. 8 No. 1 (2022): April
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20473/jisebi.8.1.31-41

Abstract

Background: Twitter is one of the most used social media, with 310 million active users monthly and 500 million tweets per day. Twitter is not only used to talk about trending topics but also to share information about accidents, fires, traffic jams, etc. People often find these updates useful to minimize the impact. Objective: The current study compares the effectiveness of three deep learning methods (CNN, RCNN, CLSTM) combined with neuroNER in classifying multi-label incidents. Methods: NeuroNER is paired with different deep learning classification methods (CNN, RCNN, CLSTM). Results: CNN paired with NeuroNER yield the best results for multi-label classification compared to CLSTM and RCNN. Conclusion: CNN was proven to be more effective with an average precision value of 88.54% for multi-label incidents classification. This is because the data we used for the classification resulted from NER, which was in the form of entity labels. CNN immediately distinguishes important information, namely the NER labels. CLSTM generates the worst result because it is more suitable for sequential data. Future research will benefit from changing the classification parameters and test scenarios on a different number of labels with more diverse data. Keywords: CLSTM, CNN, Incident Classification, Multi-label Classification, RCNN
KUANTISASI SEL DARAH PUTIH BERTUMPUK MENGGUNAKAN ANALISIS DISTANCE MARKER Benny Afandi; Chastine Fatichah; Nanik Suciati
Jurnal Simantec Vol 5, No 3 (2016)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v5i3.2384

Abstract

ABSTRAKKuantisasi sel darah putih melalui citra mikroskopis sel darah yang low-cost dan reliable masih menjadi tantangan pada banyak penelitian. Keragaman citra sel darah putihdapat mengurangi akurasi kuantisasi sel darah putih, khususnya keberadaan sel darah putih bertumpuk. Penelitian ini mengusulkan metode baru dalam mengkuantisasi sel darah putih bertumpuk menggunakan analisis distance marker. Setiap objek mempunyai marker yang merupakan local maxima dalam distance transform map. Ketika dua objek bertumpuk, marker kedua objek tetap terbentuk dan terpisah. Informasi nilai jarak marker dapat digunakan sebagai pengkuantisasi objek sel darah putih bertumpuk. Metode analisis distance marker lebih robust terhadap bentuk dan ukuran objek sel darah putih dengan tingkat akurasi mencapai 94,1%.Kata kunci :Analisis distance marker, Citra mikroskopis sel darah, Kuantisasi sel darah putihbertumpuk.ABSTRACTThe low-cost and reliable white blood cells quantization through a microscopic image of blood cells still a challenge in many studies. the diversity of white blood cell microscopic images can decrease the accuracy of white blood cell quantization, particularly the presence of the overlapping white blood cells. This paper proposes a novel method to quantize the overlapping white blood cells using analysis distance marker.Each object has a marker which is a local maximum in the distance transform map. When two objects overlap, the marker of both objects is still formed and separate. The information of distance marker values can be used as the overlapping white blood cells quantization. In addition, the proposed method is robust to the shape and size of the white blood cell objects with the accuracy of 94.1%.Keywords: Analysis distance marker, blood cell microscopic image, overlapping white blood cells quantization
Ekstraksi Kata Kunci Metadata Twitter Berbahasa Indonesia dengan Pendekatan Grammatical Tagging untuk Visualisasi Trend Produk Brand Septiyan Andika Isanta; Chastine Fatichah; Diana Purwitasari
Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 6, No 2 (2016): Jurnal Inspiration Volume 6 Issue 2
Publisher : STMIK AKBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35585/inspir.v6i2.2419

Abstract

Diketahui bahwa informasi dari twitter banyak mengandung teks yang berisikan produk sebuah brand. Pemilik brand biasanya mengamati kata kunci apa yang sedang populer dalam twitter. Kata dengan jumlah kemunculan terbesar pada umumnya dijadikan  kata kunci. Selain fitur frekuensi tweet, terdapat metadata twitter yang bisa digunakan untuk menganalisa tweet tersebut, contohnya favourite dan retweet. Selain itu, jika hanya menggunakan jumlah kemunculan kata, kata yang didapatkan belum tentu adalah target dari sebuah tweet. Oleh karena itu, penelitian ini mengusulkan metode ekstraksi kata kunci dari metadata twitter dengan pendekatan grammatical tagging untuk visualisai trend produk brand. Metode dibagi menjadi empat tahap yaitu praproses, ekstraksi kata kunci, ekstraksi target, dan asosiasi serta visualiasi target dengan kata kunci. Berdasarkan pengujian menggunakan tweet dari brand Apple dan Nexus, didapatkan bahwa nilai kemunculan kata lebih berpengaruh dari pada nilai retweet dan nilai favourite. Metode yang diusulkan dapat mengenali target sebuah tweet, dengan nilai precision 81.3%, serta dapat mengenali dengan baik  hubungan antara target dengan kata kunci tweet dengan nilai f-measure 52.5%.
Inisialisasi Klaster Berbasis Varian Maksimum Ternormalisasi Pada Fuzzy C-Means Untuk Segmentasi Sel Darah Putih Pada Citra Mikroskopis Leukemia Sarimuddin Sarimuddin; Chastine Fatichah; Nanik Suciati
Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 7, No 1 (2017): Jurnal Inspiration Volume 7 Issue 1
Publisher : STMIK AKBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35585/inspir.v7i1.2434

Abstract

Leukemia adalah salah satu jenis kanker. Penyakit ini ditandai dengan produksi sel darah putih berlebih yang menyebabkan fungsi darah normal terganggu. Untuk mendeteksi penyakit tersebut dilakukan dengan menganalisis bentuk, populasi dan jenis sel darah. Segmentasi menjadi tahapan terpenting dalam proses identifikasi. Sel darah putih yang terdiri dari inti sel dan sitoplasma seringkali membentuk region dengan batasan yang tidak jelas sehingga sulit membedakan jenis penyakit leukemia. Fuzzy C-Means merupakan salah satu metode klaster yang mampu memisahkan inti sel dan sitoplasma terhadap background. Pemilihan nilai acak pada FCM sering terjebak dalam lokal optima, sehingga berakibat pada hasil segmentasi tidak akurat. Penelitian ini mengusulkan sebuah metode inisialisasiklaster yang berbasis varian maksimum ternormalisasi (IKVMT) pada Fuzzy C-Means untuk segmentasi sel darah putih pada citra mikroskopis leukemia. IKVMT digunakan untuk inisialisasiklaster pada FCM dari dimensi fitur data point. Selanjutnya, FCM melakukan klasterisasi citra berdasarkan IKVMT hingga diperoleh hasil klaster yang dapat memisahkan inti sel dan sitoplasma terhadap background. Dataset diperoleh dari berbagai sumber dengan variasi warna beragam berjumlah 35 citra. Diolah berdasarkan metode usulan dengan menggunakan pendekatan relative foreground area error (RAE) dan misclassification error (ME) sebagai hasil evaluasi. Pengujian diperoleh hasil segmentasi untuk sel keseluruhan citra dengan rata-rata RAE mencapai 4,2807 dan ME mencapai 0,6081 sedangkan segmentasi inti sel untuk keseluruhan citra RAE mencapai 3,85 dan ME 0,53. Untuk efisiensi waktu eksekusi rata-rata metode usulan berkisar antara 12,30 detik. Hasil ini menunjukkan bahwa metode usulan dapat menangani masalah variasi pewarnaan dengan komputasi yang rendah.
Inisialisasi Pusat Cluster Menggunakan Artificial Bee Colony Pada Algoritma Possibilistic Fuzzy C-Means UntukSegmemntasi Citra Amalia Nurani Basyarah; Chastine Fatichah; Darlis Heru Murti
Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 6, No 2 (2016): Jurnal Inspiration Volume 6 Issue 2
Publisher : STMIK AKBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35585/inspir.v6i2.2421

Abstract

Possibilistic Fuzzy C-Means (PFCM) adalah algoritma clustering yang menggabungkan nilai keanggotaan  Fuzzy C-Means (FCM) dan nilai kesesuaian Possibilistic C-Means (PCM) pada fungsi objektifnya. PFCM kemudian mengatur batasan pada nilai keanggotaan dan nilai kesesuaian sehingga dapat mengatasi masalah pada algoritma sebelumnya, yaitu sensitivitas pada noise dan coincidentcluster.Namun PFCM juga masih memiliki kelemahan, utamanya pada inisialisasi pusat clusterawal.Inisialisasi pusat cluster yang kurang tepat akan mengakibatkan masalah local minima, sehingga hasil akhir cluster tidak akan sesuai dengan karakteristik natural cluster yang ada. Untuk mengatasi masalah tersebut, beberapa penelitian mengenai inisialisasi pusat cluster menggunakan metode optimasi telah dilakukan.Salah satunya menggunakan Artificial Bee Colony (ABC).ABC adalah algoritma optimasi yang mengadopsi perilaku cerdas kawanan lebah. Kelebihan algoritma ABC dibandingkan dengan algoritma optimasi lainnya adalah penggunaan parameter kontrol yang lebih sedikit namun tetap memiliki hasil kinerja yang sama dan bahkan lebih baik dari algoritma lain. Oleh karena itu, pada penelitian ini diusulkan metode clustering PFCM dengan inisialisasi pusat cluster menggunakan ABC untuk kasus segmentasi citra.Metode segmentasi citra yang diusulkan tersebut telah dievaluasi menggunakan SSIM (Structural Similarity Index) pada 30 citra dari 6 dataset yang berbeda.Berdasarkan hasil evaluasi diketahui ABC-PFCM memperoleh hasil yang lebih baik daripada PFCM.Hal ini ditandai dengan nilai rata-rata SSIM ABC-PFCM yang lebih tinggi daripada PFCM.Pada citra sintetis ABC-PFCM dan PFCM berturut-turut memperoleh ratarata sebesar 0.9843 dan 0.9699. Selanjutnya, pada citra real, ABC-PFCM dan PFCM dengan berurutan memperoleh rata-rata SSIM 0.8113dan  0.7898.
Modified Convolutional Neural Network Architecture for Batik Motif Image Classification Ardian Yusuf Wicaksono; Nanik Suciati; Chastine Fatichah; Keiichi Uchimura; Gou Koutaki
IPTEK Journal of Science Vol 2, No 2 (2017)
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (655.679 KB) | DOI: 10.12962/j23378530.v2i2.a2846

Abstract

Batik is one of the cultural heritages of Indonesia that have many different motifs in each region as well as in its usage. However, the Indonesians sometimes not knowing the batik motif that they’re wearing every day, and sometimes they have a batik image without knowing batik information contained in their batik image. With the growing number of images of batik and batik motifs, a classification method that can classify various motifs of batik is required to automatically detect the motif from the batik image. Image processing using the Deep Learning especially for image classification is widely used recently because it has good results. The most popular method in deep learning is Convolutional Neural Network (CNN) which has been proved robust in natural images. This study offers a batik motif image classification system using CNN method with new network architecture developed by combining GoogLeNet and Residual Networks named IncRes. IncRes merges the Inception Module with Residual Network structure. With the 70.84% accuracy, the system can be used to classify the batik image motif accurately.
A comparative study of finger vein recognition by using Learning Vector Quantization Hardika Khusnuliawati; Chastine Fatichah; Rully Soelaiman
IPTEK Journal of Proceedings Series No 2 (2017): The 2nd Internasional Seminar on Science and Technology (ISST) 2016
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (871.019 KB) | DOI: 10.12962/j23546026.y2017i2.2311

Abstract

Abstract¾ This paper presents a comparative study of finger vein recognition using various features with Learning Vector Quantization (LVQ) as a classification method. For the purpose of this study, two main features are employed: Scale Invariant Feature Transform (SIFT) and Local Extensive Binary Pattern (LEBP). The other features that formed LEBP features: Local Multilayer Binary Pattern (LmBP) and Local Directional Binary Pattern (LdBP) are also employed. The type of images are also become the base of comparison. The SIFT features will be extracted from two types of images which are grayscale and binary images. The feature that have been extracted become the input for recognition stage. In recognition stage, LVQ classifier is used. LVQ will classify the images into two class which are the recognizable images and non recognizable images. The accuracy, false positive rate (FPR), and true positive rate (TPR) value are used to evaluate the performance of finger vein recognition. The performance result of finger vein recognition becomes the main study for comparison stage. From the experiments result, it can be found which feature is the best for finger vein reconition using LVQ. The performance of finger vein recognition that use SIFT feature from binary images give a slightly better result than uisng LmBP, LdBP, or LEBP feature. The accuracy value could achieve 97,45%, TPR at 0,9000 and FPR at 0,0129.  
Software Fault Prediction Using Filtering Feature Selection in Cluster-Based Classification Fachrul Pralienka Bani Muhamad; Daniel Oranova Siahaan; Chastine Fatichah
IPTEK Journal of Proceedings Series No 1 (2018): 3rd International Seminar on Science and Technology (ISST) 2017
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (203.209 KB) | DOI: 10.12962/j23546026.y2018i1.3508

Abstract

The high accuracy of software fault prediction can help testing effort and improving software quality. Previous researchers had proposed the combination of Entropy-Based Discretization (EBD) and Cluster-Based Classification (CBC). However, the irrelevant and redundant features in software fault dataset tend to decrease the prediction accuracy value. This study proposes improvement of CBC outcomes by integrating filtering feature selection methods. Filtering feature selection methods that will be integrated with CBC i.e. Information Gain (IG), Gain Ratio (GR), and One-R (OR). Based on the research using 2 datasets NASA public MDP (i.e. PC2 and PC3), the result shows that the combination of CBC and IG yields the best average accuracy value compared to GR and OR. It generates 67.52% average of probability detection (pd) and 37.42% average of probability false alarm (pf). While CBC without feature selection yields 65.38% average pd and 49.95% average pf. It can be concluded that IG can improve CBC outcomes by increasing 2.14% average pd and reducing 12.53% average pf
Penandaan Otomatis Tempat Parkir Menggunakan YOLO Untuk Mendeteksi Ketersediaan Tempat Parkir Mobil Pada Video CCTV Evan Tanuwijaya; Chastine Fatichah
BRILIANT: Jurnal Riset dan Konseptual Vol 5, No 1 (2020): Volume 5 Nomor 1, Februari 2020
Publisher : Universitas Nahdlatul Ulama Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (456.197 KB) | DOI: 10.28926/briliant.v5i1.434

Abstract

Sulitnya menemukan tempat parkir terutama saat jam sibuk adalah masalah yang umum dialami oleh pengemudi. Banyak penelitian untuk mendeteksi ketersediaan tempat parkir memanfaatkan CCTV. Namun, penelitian tersebut memiliki beberapa masalah seperti mendeteksi tempat parkir dilakukan secara manual menjadi tidak efisien ketika diterapkan pada tempat parkir yang berbeda. Oleh karena itu, penelitian ini menggunakan YOLO V3 untuk mendeteksi secara otomatis tempat parkir pada data CCTV kemudian diklasifikasikan terisi atau tidak. Hasil terbaik penandaan menggunakan YOLO V3 yaitu saat kondisi cuaca mendung dengan nilai akurasi rata-rata 94,49%.
Pengenalan Wajah Menggunakan Two Dimensional Linear Discriminant Analysis Berbasis Optimasi Feature Fusion Strategy Sahmanbanta Sinulingga; Chastine Fatichah; Anny Yuniarti
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 3 No 1 (2016): JATISI SEPTEMBER 2016
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (619.761 KB) | DOI: 10.35957/jatisi.v3i1.59

Abstract

The era of technology today,, research on biometric image is not common to do. One well researched biometric image is a face recognition (face recognition). Problems on the human face recognition is a diversity of features or shape between one another face to face. Therefore, the need for facial feature extraction and classification using a particular method so that the classification can be recognized correctly.In this study proposed feature extraction method that can overcome the problems of non-linear automatic data contained in the face image, called the Two Dimensional Linear Discriminant Analysis based on Feature Fusion Strategy (TDLDA-FFS). Not stopping on feature extraction, classification methods proposed also faces that can overcome the problems of the adaptive matrix which aims to study the benefit of weight on each - each input with the method Relevanced Generalized Learning Vector quantization (GRLVQ).This research integrates methods TDLDA-FFS and GRLVQ for face recognition. With the combination of both methods are proven to provide optimal results with a level of recognition accuracy ranged between 77.78% to 82.22% with a pilot using a databaseof facial images from the Institute of Business and Information Stikom Surabaya. While the test uses a database derived from YaleB Database achieve accuracy levels ranging from 88.89% to 94.44%.
Co-Authors Achmad Arwan Adhi Nurilham Aditya Bagusmulya Afrizal Laksita Akbar Agung Prasetya Agus Subhan Akbar, Agus Subhan Agus Zainal Arifin Agus Zainal Arifin Ahmad Hayam Brilian, Ahmad Hayam Ahmad Saikhu Ahmad Syauqi Ahmad Syauqi Aini, Nuru Ainul Mu'alif Akwila Feliciano Akwila Feliciano Al-Haddad, Abdullah Amalia Nurani Basyarah Amelia Devi Putri Ariyanto Amirullah Andi Bramantya Andika Pratama Andrea Bemantoro J Anisa Nur Azizah Anna Kholilah Anny Yuniarti Ardian Yusuf Wicaksono Ariana Yunita Arianto Wibowo Arif Sanjani, Lukman Arijal Ibnu Jati Ario Bagus Nugroho Arya Yudhi Wijaya Asmawati, Diah Avin Maulana Ayu Ismi Hanifah Benny Afandi Bilqis Amaliah Budi Pangestu Cahyaningtyas, Zakiya Azizah Daniel Oranova Siahaan Daniel Sugianto Daniel Swanjaya Darlis Heru Murti Darlis Herumurti Davin Masasih Deni Sutaji Desmin Tuwohingide Dhimas Pamungkas Wicaksono Diana Purwitasari Diana Purwitasari Diema Hernyka Satyareni Dimas Ari Setyawan Dimas Renggana, Christiant Dini Adni Navastara, Dini Adni Djoko Purwanto Dwi Kristianto Dwi Taufik Hidayat edy susanto Eha Renwi Astuti Eka Prakarsa Mandyartha Eka Prakarsa Mandyartha Eko Prasetyo Esa Prakasa Evan Tanuwijaya Evelyn Sierra Evy Kamilah Ratnasari Fachrul Pralienka Bani Muhamad Fachrul Pralienka Bani Muhamad Faizin, Muhammad 'Arif Fajar, Aziz Fajrin, Ahmad Miftah Fandy Kuncoro Adianto Fandy Kuncoro Adianto Faried Effendy Fatonah, Nenden Siti FATRA NONGGALA PUTRA Febri Liantoni Febri Liantoni, Febri Fiqey Indriati Eka Sari Furqan Aliyuddien Ginardi, R.V. Hari Ginardi, Raden Venantius Hari Gou Koutaki Hadziq Fabroyir Handayani Tjandrasa Haniefardy, Addien Haq, Dina Zatusiva Hardika Khusnuliawati Hardika Khusnuliawati Hari Ginardi Hendra Mesra hidayat, dwi taufik Hilya Tsaniya Hilya Tsaniya Hisyam Syarif, Hisyam I Ketut Eddy Purnama Ilmi, Akhmad Bakhrul Imam Artha Kusuma Imamah Imamah Irzal Ahmad Sabilla Isye Arieshanti Ivan Agung Pandapotan Jayanti Yusmah Sari Johan Varian Alfa Keiichi Uchimura Kevin Christian Hadinata Kevin Christian Hadinata Kinana Syah Sulanjari Kinana Syah Sulanjari Kusuma, Irnayanti Dwi Kusuma, Selvia Ferdiana Lukman Hakim M Rahmat Widyanto M. Rahmat Widyanto Machfud, M. Mughniy Mambaul Izzi Martini Dwi Endah Susanti Maulani, Irham Maulidiya, Erika Mauridhi Hery Purnomo Moch Zawaruddin Abdullah Mohamad Anwar Syaefudin Muhamad, Fachrul Pralienka Bani Muhammad Bahrul Subkhi Muhammad Fikri Sunandar Muhammad Jerino Gorter Muhammad Meftah Mafazy Muhammad Muharrom Al Haromainy Muhtadin Mustika Mentari Mutmainnah Muchtar Nafiiyah, Nur Nanik Suciati Nanik Suciati Narandha Arya Ranggianto Nazarrudin, Ahmad Ricky Nur Hayatin Nur Nafi’iyah Nur Nafi’iyah Nurilham, Adhi Nurina Indah Kemalasari Nursanti Novi Arisa Nursuci Putri Husain Nurwijayanti nuzula, Muhammad Iqbal firdaus Pradany, Latifa Nurrachma Priambodo, Anas Rachmadi Putra, Ramadhan Hardani R Dimas Adityo R. Dimas Adityo R. V. Hari Ginardi R.V Hari Ginardi R.V. Hari Ginardi Rachmad Abdullah Rahayu, Putri Nur Ramadhan Rosihadi Perdana Ramadhani, Muhammad Rafi' Rangga Kusuma Dinata Rangga Kusuma Dinata Ratih Kartika Dewi Rendra Dwi Lingga P. Riduwan, Muhammad Riyanarto Sarno Rizal A Saputra Rizal A Saputra, Rizal A Rizal Setya Perdana Rizka Wakhidatus Sholikah Rizka Wakhidatus Sholikah, Rizka Wakhidatus Rizqa Raaiqa Bintana Rozi, Fahrur RR. Ella Evrita Hestiandari Rully Soelaiman Safhira Maharani Safhira Maharani Sahmanbanta Sinulingga Salim Bin Usman Salim Bin Usman Sambodho, Kriyo Santoso, Bagus Jati Sarimuddin, Sarimuddin Septiyan Andika Isanta Sherly Rosa Anggraeni Sherly Rosa Anggraeni Shofiya Syidada Siti Mutrofin Siti Mutrofin Siti Rochimah Stefani Tasya Hallatu Subali, Made Agus Putra Subhan Nooriansyah Subkhi, M. Bahrul Sudianjaya, Nella Rosa Suhariyanto Suhariyanto Surya Sumpeno Syah Dia Putri Mustika Sari Sylvi Novita Dewi Tanzilal Mustaqim Tesa Eranti Putri Thoha Haq Tsaniya, Hilya Tuwohingide, Desmin Umi Laily Yuhana, Umi Laily Umy Rizqi Vit Zuraida Wahyu Saputra, Vriza Welly Setiawan Limantoro Wibowo, Prasetyo Wijoyo, Satrio Hadi Wilda Imama Sabilla Yoga Yustiawan Yosi Kristian Yudhi Purwananto Yuhana, Umi Laili Yuita Arum Sari Yulia Niza Yulia Niza Yunan Helmi Mahendra Yuslena Sari, Yuslena Yuwanda Purnamasari Pasrun Zaenal Arifin, Agus Zakiya Azizah Cahyaningtyas Zakiya Azizah Cahyaningtyas Zeng, Xinyou