Article Per Year (5 Year)
p-Index From 2021 - 2026
7.092
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 Lontar Komputer: Jurnal Ilmiah Teknologi 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 MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) CCIT (Creative Communication and Innovative Technology) Journal SPIRIT ILKOMNIKA: Journal of Computer Science and Applied Informatics Indonesian Journal of Electrical Engineering and Computer Science 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 Jurnal Indonesia : Manajemen Informatika dan Komunikasi
Chastine Fatichah
Departemen Teknik Informatika Institut Teknologi Sepuluh Nopember Surabaya
Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Public Health Social Sciences Other

Published : 159 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 159 Documents
Search

 6   7   8   9   10 
Penggabungan Fitur Tekstur yang Invariant terhadap Iluminasi dan Fitur Bentuk untuk Deteksi Acute Lymphoblastic Leukemia Rizal A Saputra; Chastine Fatichah; Nanik Suciati
Jurnal Buana Informatika Vol. 7 No. 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v7i1.481

Abstract

Abstract. Detection with microscopic blood image can help early detection of Accute Lymphoblastic Leukemia (ALL). Therefore, image acquisition process under lighting variation cause varying illumination image, so it’s needed to find texture feature extraction method that is invariant towards illumination. Shape feature also needed in this study because can represent characteristics of microscopic blood image.This study proposes combination of texture feature that is illumination invariant and shape feature for ALL detection. Texture feature will be extracted using Complete Robust Local Binary Pattern (CRLBP) method and will be tested on microscopic blood image dataset named ALL_IDB1. Testing will be conducted by using various combination of different texture feature and shape feature. Combination of shape feature and CRLBP is perform better than others. In indvidual cell test, highest result using SVM Linear with accuracy 90.89%, sensitivity 94.24% and specificity 64.82%. Classification using ALL image reach accuracy 88.00 %, sensitivity 82.35% and specificity 100%.Keywords: Acute Lymphoblastic Leukemia detection, Complete Robust Local Bianry Pattern, Local Binary Pattern, shape feature, texture feature. Abstrak. Deteksi dengan citra mikroskopik sel darah dapat membantu untuk deteksi dini Accute Lymphoblastic Leukemia (ALL). Namun, proses akuisisi citra mikroskopik dengan variasi pencahayaan yang berbeda menyebabkan iluminasi citra menjadi beragam sehingga dibutuhkan metode yang dapat mengekstraksi fitur tekstur yang invariant terhadap iluminasi. Fitur bentuk juga dibutuhkan dalam penelitian ini karena dapat merepresentasikan perbedaan pada citra mikroskopik sel darah. Penelitian ini mengusulkan penggabungan fitur tekstur yang invariant terhadap iluminasi dan fitur bentuk untuk deteksi dini ALL. Fitur tekstur akan diekstraksi dengan menggunakan metode Complete Robust Local Binary Pattern (CRLBP) dan diuji coba pada dataset ALL_IDB1. Uji coba dilakukan dengan variasi penggabungan fitur bentuk dan fitur tekstur. Penggabungan fitur bentuk dan CRLBP merupakan kombinasi fitur dengan performansi paling baik. Pada pengujian sel tunggal memberikan hasil tertinggi pada klasifikasi SVM Linear dengan akurasi 90,89%, sensitifitas 94,24% dan sepesifisitas 64,82%. Pada klasifikasi citra ALL akurasi mencapai 88,00%, dengan sensitifitas 82,35% dan spesifisitas 100%.Kata Kunci: Complete Robust Local Binary Pattern, deteksi Acute Lymphoblastic Leukemia, Local Binary Pattern, fitur bentuk, fitur tekstur
Three-level Local Thresholding Berbasis Metode Otsu untuk Segmentasi Leukosit pada Citra Leukemia Limfoblastik Akut Eka Prakarsa Mandyartha; Chastine Fatichah
Jurnal Buana Informatika Vol. 7 No. 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v7i1.483

Abstract

Abstract. Segmentation of Acute Lymphoblastic Leukemia (ALL) images can be used to identify the presence of ALL disease. In this paper, three-level local thresholdings based on Otsu method is presented for leucocytes segmentation in ALL image. Firstly, a method based on Gram-Schmidt orthogonalization theory is applied to partition the input image into several sub-images. The proposed method extends Otsu’s bi-level thresholding to three-level thresholding method  to find two local threshold values that maximize between-class variance. Using the two local threshold values and three-level local thresholding technique then segmenting each of sub-images into three regions, e.g. nucleus, cytoplasm, and background. To evaluate the performance of the proposed method, 32 peripheral blood smear images are used. The performance of the proposed method is compared with manually segmented ground truth using Zijdenbos similarity index (ZSI), precision, and recall. An experimental evaluation demonstrates superior performance over three-level global thresholding for ALL image segmentation.Keywords: three-level local thresholding, acute lymphoblastic leukemia, three-level Otsu thresholding, gram-schmidt orthogonalizationAbstrak. Segmentasi citra Limfoblastik Leukemia Akut (LLA) dapat digunakan untuk mengidentifikasi kehadiran penyakit LLA. Pada penelitian ini diusulkan metode three-level local thresholding berbasis metode Otsu untuk segmentasi leukosit pada citra LLA. Pertama-tama, metode berbasis teori ortogonalisasi Gram-Schmidt diaplikasikan untuk membagi citra LLA menjadi sub-sub citra. Metode yang diusulkan memperluas metode bi-level thresholding Otsu ke dalam kasus three-level thresholding untuk pencarian dua nilai ambang lokal tiap sub-citra yang memaksimumkan varian antar kelas. Dengan nilai ambang jamak lokal tersebut, teknik three-level local thresholding selanjutnya  mensegmentasi tiap sub-citra ke dalam tiga region, yaitu nukelus, sitoplasma, dan latar belakang. Untuk mengevaluasi performa metode usulan, 32 citra uji digunakan. Performa metode yang diusulkan dibandingkan dengan citra segmentasi manual menggunakan Zijdenbos similarity index (ZSI), presisi, dan recall. Hasil uji coba menunjukkan performa three-level local thresholding lebih unggul daripada metode three-level global thresholding untuk segmentasi citra LLA. Kata Kunci: three-level local thresholding, leukemia limfoblastik akut, three-level Otsu thresholding, ortogonalisasi gram-schmidt
Feature-based POS tagging and sentence relevance for news multi-document summarization in Bahasa Indonesia Moch Zawaruddin Abdullah; Chastine Fatichah
Bulletin of Electrical Engineering and Informatics Vol 11, No 1: February 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v11i1.3275

Abstract

Sentence extraction in news document summarization determines representative sentences primarily by employing the news feature known as news feature score (NeFS). NeFS can achieve meaningful sentences by analyzing the frequency and similarity of phrases while neglecting grammatical information and sentence relevance to the title. The presence of instructive content is indicated by grammatical information carried by part of speech (POS). POS tagging is the process of giving a meaningful tag to each term based on qualified data and even surrounding words. Sentence relevance to the title is intended to determine the sentence's level of connectivity to the title in terms of both word-based and meaning-based similarity, primarily for news documents in Bahasa Indonesia. In this study, we present an alternative sentence weighting method by incorporating news features, POS tagging, and sentence relevance to the title. Sentence extraction based on news features, POS tagging, and sentence relevance is introduced to extract the representative sentences. The experiment results on the 11 groups of Indonesian news documents are compared with the news features scores with the grammatical information approach method (NeFGIS). The proposed method achieved better results. The increasing f-score rate of ROUGE-1, ROUGE-2, ROUGE-L, and ROUGE-SU4 sequentially are 1.84%, 3.03%, 3.85%, 2.08%.
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
Prediction of Wave-induced Liquefaction using Artificial Neural Network and Wide Genetic Algorithm Dwi Kristianto; Chastine Fatichah; Bilqis Amaliah; Kriyo Sambodho
Lontar Komputer : Jurnal Ilmiah Teknologi Informasi Vol. 8, No. 1 April 2017
Publisher : Institute for Research and Community Services, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1004.159 KB) | DOI: 10.24843/LKJITI.2017.v08.i01.p01

Abstract

The hassle of analytical and numerical solution for liquefaction modeling, repetitive laboratory testing and expensive field observations, have opened opportunities to develop simple, practical, inexpensive and valid prediction of wave-induced liquefaction. In this study, Artificial Neural Network (ANN) regression modeling is used to predict the depth of liquefaction. Despite of using Back Propagation (BP) to train ANN, a modified Genetic Algorithm (called as Wide GA, WGA) is used as ANN training method to improve ANN prediction accuracy and to overcome BP weaknesses such as premature convergence and local optimum. WGA also aim to avoid conventional GA weaknesses such as low population diversity and narrow search coverage. Key WGA operations are Wide Tournament Selection, Multi-Parent BLX-? Crossover, Aggregate Mate Pool Mutation and Direct Fresh Mutation-Crossover. ANN prediction accuracy measured by Median APE (MdAPE). Global optimum solution of WGA is best ANN connections weights configuration with smallest MdAPE.
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.
Co-Authors Achmad Arwan Adhi Nurilham Aditya Bagusmulya, Aditya afrizal laksita akbar, afrizal laksita 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 Amalia Nurani Basyarah Amelia Devi Putri Ariyanto Andika Pratama Anisa Nur Azizah Anna Kholilah Anny Yuniarti Ardian Yusuf Wicaksono Ariana Yunita Arianto Wibowo Arif Sanjani, Lukman Ario Bagus Nugroho Arisa, Nursanti Novi Arya Yudhi Wijaya Aryo Harto, Aryo Asmawati, Diah Ayu Ismi Hanifah Benny Afandi Bilqis Amaliah Bramantya, Amirullah Andi Budi Pangestu Cahyaningtyas, Zakiya Azizah Christian Sri kusuma Aditya, Christian Sri kusuma Daniel Oranova Siahaan Daniel Sugianto Daniel Swanjaya Darlis Heru Murti Darlis Herumurti Davin Masasih Deni Sutaji Desmin Tuwohingide Dewi Rosida Dhimas Pamungkas Wicaksono Diana Purwitasari Diana Purwitasari Diema Hernyka Satyareni 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 Fabroyir, Hadziq Fachrul Pralienka Bani Muhamad Fachrul Pralienka Bani Muhamad Faida Royani Faizin, Muhammad 'Arif Fajar Baskoro Fajar, Aziz Fajrin, Ahmad Miftah Fandy Kuncoro Adianto Fandy Kuncoro Adianto Faried Effendy Farosanti, Lafnidita FATRA NONGGALA PUTRA Febri Liantoni Febri Liantoni, Febri Febriani, Kristina Fiqey Indriati Eka Sari Furqan Aliyuddien Ginardi, R.V. Hari Ginardi, Raden Venantius Hari Gou Koutaki Handayani Tjandrasa Haniefardy, Addien Haq, Dina Zatusiva Hardika Khusnuliawati Hardika Khusnuliawati Hari Ginardi Hendra Mesra hidayat, dwi taufik Hilya Tsaniya I Ketut Eddy Purnama Ilmi, Akhmad Bakhrul Imam Artha Kusuma Imamah Imamah Irfan Subakti, Misbakhul Munir Irzal Ahmad Sabilla Isye Arieshanti Ivan Agung Pandapotan Izzi, Mambaul Jayanti Yusmah Sari Johan Varian Alfa Junaidi Junaidi Keiichi Uchimura Kevin Christian Hadinata Kevin Christian Hadinata Kusuma, Selvia Ferdiana Lukman Hakim M Rahmat Widyanto M. Rahmat Widyanto Machfud, M. Mughniy Mafazy, Muhammad Meftah Mamluatul Hani’ah Maulana, Avin Maulani, Irham Maulidiya, Erika Mauridhi Hery Purnomo Mirza Galih Kurniawan, Mirza Galih Moch Zawaruddin Abdullah Mohammad Sholik Muhamad, Fachrul Pralienka Bani Muhammad Bahrul Subkhi Muhammad Fikri Sunandar Muhammad Muharrom Al Haromainy Muhammad Riduwan Muhtadin Mustika Mentari Mutmainnah Muchtar Nafiiyah, Nur Nanik Suciati Nanik Suciati Narandha Arya Ranggianto Nazarrudin, Ahmad Ricky Nenden Siti Fatonah Nenden Siti Fatonah Nur Hayatin Nur Nafi’iyah Nur Nafi’iyah Nurilham, Adhi Nurina Indah Kemalasari 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 Rangga Kusuma Dinata Rangga Kusuma Dinata Ratih Kartika Dewi Rendra Dwi Lingga P. Riyanarto Sarno Rizal A Saputra Rizal A Saputra, Rizal A Rizal Setya Perdana 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 Setyawan, Dimas Ari Sherly Rosa Anggraeni Sherly Rosa Anggraeni Shofiya Syidada Siti Mutrofin Siti Mutrofin Siti Rochimah Subali, Made Agus Putra Subhan Nooriansyah Subkhi, M. Bahrul Sudianjaya, Nella Rosa Suhariyanto Suhariyanto Surya Sumpeno Susanti, Martini Dwi Endah Syah Dia Putri Mustika Sari Sylvi Novita Dewi Tanzilal Mustaqim Tesa Eranti Putri Tsaniya, Hilya Tursina, Dara Tuwohingide, Desmin Umi Laily Yuhana, Umi Laily Umy Rizqi Vit Zuraida Wahyu Saputra, Vriza Wattiheluw, Fadli Husein 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, Yunan Helmi Yuslena Sari, Yuslena Yuwanda Purnamasari Pasrun Zaenal Arifin, Agus Zakiya Azizah Cahyaningtyas Zakiya Azizah Cahyaningtyas