Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal TEKNIK ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JETT (Jurnal Elektro dan Telekomunikasi Terapan) JURNAL Al-AZHAR INDONESIA SERI SAINS DAN TEKNOLOGI Indonesian Journal of Electrical Engineering and Computer Science Charity : Jurnal Pengabdian Masyarakat Jurnal Nasional Teknik Elektro dan Teknologi Informasi eProceedings of Engineering Jurnal Rekayasa elektrika
Ratri Dwi Atmaja
Universitas Telkom
Arts Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Public Health Social Sciences

Published : 66 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 66 Documents
Search

 1   2   3   4   5 
Deteksi Dan Klasifikasi Stadium Katarak Senilis Berdasarkan Citra Mata Menggunakan Metode Support Vector Machine (svm) Rais Zul Ihram Ramli; Ratri Dwi Atmaja; Inung Widjayanto
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Mata merupakan indera krusial bagi hidup. WHO mengestimasi lebih dari tujuh juta manusia menjadi buta tiap tahunnya. Pada survey nasional tahun 2014 dilaporkan kelaziman katarak mencapai 1.8%. Dengan berkembangnya teknologi, pengolahan citra digital kini dapat dikembangkan untuk memproses fitur-fitur pada tubuh manusia. Hal ini memungkinkan pendeteksian katarak menjadi lebih mudah memanfaatkan fitur-fitur tersebut. Data citra berasal dari capture alat pemeriksa mata slit-lamp yang sudah di crop bagian pupil nya secara manual. Data tersebut masuk kedalam sistem yang dirancang untuk membagi stadium katarak senilis berdasarkan jenisnya: imatur, matur, dan normal. Proses grayscaling dan resizing data citra dilakukan pada pre-processing, metode GrayLevel Co-Occurrence Matrix pada ekstraksi ciri sistem dan klasifikasi menggunakan metode Support Vector Machine yang mengandalkan hyperplane terbaik yang berfungsi sebagai pemisah dua buah kelas data pada ruang input. Program ini mampu mendeteksi dan mengklasifikasi stadium penyakit katarak senilis menjadi tiga: imatur, matur, dan normal. Hasil pengujian menunjukkan variabel layer Green pada pre-processing, kombinasi sudut ketetanggan 0 o dan 45o pada GLCM, fungsi kernel Quadratic dan metode pemisahan hyperplane dengan Quadratic Programming pada SVM, menghasilkan akurasi terbaik yaitu yaitu 93.33% dengan kecepatan komputasi 0.631 detik. Kata Kunci: katarak, Gray-Level Co-Occurance Matrix, Support Vector Machine Abstract The eye is the crucial senses of life. WHO estimates more than seven million people become blinded each year. In a national survey of 2014 it was reported that the prevalence of cataracts reached 1.8%. With the development of technology, digital image processing can now be developed to process the features of the human body. This allows cataract detection to be easier to take advantage of these features. Image data comes from the capture of the slit-lamp eye inspector that has been cropped in the pupil manually. Then goes into systems designed to divide senile cataract stages by type: immature, mature, and normal. Grayscale, and resizing on data is done on pre-processing, Gray-Level Co-Occurrence Matrix method in feature extraction, and Support Vector Machine classify data that relies on the best hyperplane to separate two data classes in the input space. This program can detect and classify the stage of senile cataract stages into three: immature, mature, and normal. The test results show the Green layer variables on pre-processing, combination of co-occurrence angle 0o and 45o on GLCM, Quadratic kernel function and hyperplane separation method with Quadratic Programming on SVM, resulting the best accuracy of 93.33% with computing speed 0.632 seconds. Keywords: cataract, Gray-Level Co-Occurrence matrix, Support Vector Machine
Klasifikasi Jenis Kulit Wajah Pria Berdasarkan Tekstur Menggunakan Metode Gray Level Co-occurrance Matrix (glcm) Dan Support Vector Machine (svm) Teuku Firaz Bintang Nusantara; Ratri Dwi Atmaja; Azizah Azizah
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Wajah merupakan salah satu aspek terpenting pada penampilan seseorang. Pada dasarnya, selain sebagai tanda pengenal alami, wajah merupakan angggota tubuh yang menjadi daya tarik bagi lawan jenis. Namun wajah juga seringkali mengalami kesalahan dalam perawatannya, dikarenakan setiap jenis kulit wajah yang berbeda haruslah dilakukan perawatan yang berbeda pula. Pada tugas akhir ini, dibangun suatu program yang dapat mengklasifikasikan jenis kulit wajah. Sebelum proses klasifikasi, citra terlebih dahulu diakusisi, kemudian dilanjutkan dengan proses preprocessing dan ekstrasi ciri. Pada proses ektraksi ciri, digunakan metode Gray Level Co-occurrence Matrix (GLCM) dan pada proses klasifikasi, digunakan metode Support Vector Machine (SVM) dengan multiclass One-Againts-All (OAA). Pada pengujian ini, digunakan 100 sample citra, dimana setiap 5 titik daerah wajah yaitu dahi, hidung, dagu, pipi kanan dan pipi kiri terdiri dari 20 citra yang diklasifikasi menjadi 2 kelas, yaitu kering dan berminyak. Pengujian dilakukan pada 9 pria, dengan komposisi masing-masing kelas memiliki 3 pria dengan kulit wajah kering, 3 pria dengan kulit wajah berminyak, dan 3 orang pria dengan kulit wajah kombinasi. Parameter yang digunakan pada ekstrasi ciri GLCM dan klasifikasi SVM yaitu parameter orde dua (energi dan homogenitas), arah keabuan 45o , d = 1 piksel, kernel polynomial dan Kernel Option = 9, sehingga didapatkan akurasi terbaik sebesar 88.89% dan waktu komputasi 4 detik. Kata kunci: GLCM, SVM, kulit wajah, klasifikasi, ekstrasi ciri. Abstract Face is one of important aspect of a person's appearance. Except for personal identifier, face is body part, that make someone take an interest from their opposite gender. But people often treat their facial skin not properly, even though there are many type of facial skin that need differently treatment. In this research, the author builds a program that able to classify the type of facial skin. Firstly, system process the acquired image into preprocessing and feature extraction. After that, the image processed and classified. Gray Level Co-occurrence Matrix (GLCM) is the method that used for feature extraction and Support Vector Machine (SVM) method is used for classification. On training section, there are 100 sample of image that taken from 5 parts of face (forehead, nose, chin, right cheek and left cheek). Then 20 image from each parts of face classified into dry skin and oily skin. The test using 9 men that classified into 3 dry facial skin, 3 oily facial skin and 3 combination facial skin. The test using the GLCM method which used feature extraction based on texture with two order of parameter (the energy and homogenity), direction of 45°, d = 1 pixel, kernel polynomial, and Kernel Option =9, so the author can obtain the best accuracy of 88.89% and 4 second for computational time. Keyword : GLCM, SVM, Facial Skin, Classification, feature extraction
Simulasi Dan Analisis Klasifikasi Genre Musik Berbasis Fft Dan K-nearest Neighbor Taufik Prima Nugraha; Ratri Dwi Atmaja; I Nyoman Apraz Ramatryana
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Dalam tugas akhir ini, dilakukan penelitian bagaimana mengembangkan klasifikasi genre yang memiliki kualitas yang baik dalam ketepatan klasifikasinya dengan menggunakan ciri konten frekuensi dan klasifikasi menggunakan K-Nearest Neighbor. Dari skenario pengujian terhadap paramater Jenis dan Orde Filter didapat parameter terbaik yaitu Jenis filter Chebyshev II dengan orde 6. Setelah dilakukan pengujian terhadap klasifikasi 3 genre lagu yaitu pop, rock, dan dance, akurasi tertinggi adalah 72% untuk jumlah data acuan 50 tiap-tiap genre, jumah data uji 50 tiap-tiap genre, nilai k = 5, dan jenis distance cosine. Kata Kunci : Klasifikasi, genre musik, K-Nearest Neighbor
Analisis Dan Perancangan Pengenalan Pola Huruf Jepang (hiragana) Menggunakan Metode Selforganizing Map (som) Arif Setiawan; Ratri Dwi Atmaja; Suci Aulia
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pada tugas akhir sebelumnya telah dibahas pola pengenal huruf jepang dengan metode Learning Vector Quantization(LVQ) dengan tingkat akurasi 43.913%.Dengan menggunakan metode tersebut pola dapat dikenali namun tingkat akurasi masih bisa di tingkatkan Dari penelitian sebelumnya maka pada tugas akhir ini dirancang sebuah pengenal pola huruf jepang menggunakan metode jaringan syaraf tiruan self organizing map untuk melihat hasil perbandingan antara metode sebelumnya yang digunakan. Pada Tugas akhir ini masukan yang digunakan berupa karakter huruf jepang yang di tulis oleh responden yang ahli dalam penulisan karakter huruf jepang dan di ambil menggunakan kamera lalu di proses menggunakan matlab dengan menggunakan metode klasifikasi jaringan syaraf tiruan. Untuk proses pengujiannya yaitu dengan menggunakan data uji oleh responden yang mengerti atau baru belajar penulisan karakter huruf jepang Hasil dari pengujian dan analisis diperoleh hasil bahwa ekstraksi ciri berpengaruh besar dalam menentukan hasil akurasi dibandingkan dengan parameter pada jaringan syaraf tiruan. Pada pengujian ekstraksi ciri segmentasi memiliki tingkat akurasi terbaik sebesar 91.3034 % dibandingkan dengan ekstraksi ciri dct dengan akurasi terbaik sebesar 67.3913 % .Untuk pengujian sistem ditambahkan noise untuk melihat tingkat akurasinya. Kata kunci: Huruf Jepang,Thresholding ,Jaringan Syaraf Tiruan(JST).
Identifikasi Serat Lurus Dan Miring Pada Kayu Olahan Menggunakan Metode Klasifikasi K-Nearest Neighbor Gurnita Koncara Indraloka; Junartho Halomoan; Ratri Dwi Atmaja
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Kayu olahan merupakan salah satu komoditas terbesar Indonesia yang diperdagangkan di dunia . Kayu yang diekspor memiliki tingkat kualitas yang bisa dilihat dari pola serat kayu pada permukaannya. Pensortiran kayu saat ini masih dilakukan oleh orang ahli dengan hasil yang belum optimal. Maka diperlukan sistem pensortiran kayu otomatis untuk mengurangi kesalahan dalam proses pensortiran. Pada penelitian ini penulis telah merancang sistem klasifikasi kayu otomatis berbasis pengolahan citra digital dengan algoritma ekstraksi ciri statistik orde pertama dan klasifikasi K-Neareset neighbor (K-NN). Berdasarkan hasil simulasi, sistem dapat mengklasifikasikan kayu olahan berdasarkan seratnya, yaitu kayu dengan serat lurus dan miring dengan hasil akurasi tertinggi yang didapatkan adalah 83,12%. Kata kunci : kayu olahan, ekstraksi ciri, klasifikasi, K-NN.
Analisis Dan Implementasi Metode Niblack Pada Sistem Pengenalan Identitas Berbasis Palm Vein Novia Inggrit Dewiayu Santikasari; Ratri Dwi Atmaja; Eko Susatio
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Sistem Pengenalan berbasis palm vein merupakan salah satu metode yang digunakan untuk melakukan pengenalan identitas pada individu melalu sistem biometrik yang ada pada bagian telapak tangan, yakni melalu pembuluh darah vena yang terdapat pada telapak tangan. Pemilihan palm vein kini banyak diteliti dan dikembangkan sebagai sistem pengenalan identitas yang dianggap memiliki tingkat akurasi yang baik karena bagian tersebut terdapat di bagian dalam tubuh sehingga sulit untuk ditiru atau dipalsukan. Palm vein juga dianggap lebih cocok digunakan pada sistem rekognisi karena merupakan bidang yang relatif besar pada sebuah sistem pengenalan biometrik, dan tidak tumbuh rambut yang dapat menjadi gangguan pada citra pada saat sistem pengenalan individu tersebut. Metode Ni-Black merupakan salah satu metode yang digunakan untuk melakukan image enhancement, terutama pada tahap segmentasi citra. Metode ini merupakan algoritma segmentasi thresholding lokal dinamis. Metode ini mampu menembus tingkat akurasi sebesar 95.5% ketika diterapkan pada dorsal hand vein pattern recognition dengan bantuan normalisasi, dan skeletonisasi. Hasil pengujian menunjukkan baahwa hasil akurasi terbaik sistem sebesar 90% dengan menggunakan perbandingan data latih dan data uji 5:1, menggunakan windowsize 40, constant threshold 0.5, dan menggunakan ROI manual. Kata kunci : palm vein ,image enhancement,NiBlack
Perancangan Dan Analisis Sistem Pengenalan Kata Aksara Sunda Menggunakan Metode Learning Vektor Quantization Berbasis Pengolahan Citra Adri Achmad Farhan; Ratri Dwi Atmaja; Suci Aulia
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Aksara Sunda Merupakan salah satu sejarah di Indonesia dalam hal aksara atau penulisan. Aksara sunda Aksara Sunda berjumlah 32 buah. Terdiri atas 7 aksara vokal atau aksara swara dan 23 aksara konsonan atau aksara ngalagena. Pengenalan bahasa merupakan salah satu elemen penting dari sebuah komunikasi, terlebih lagi huruf atau tulisan tangan. Kedua hal tersebut merupakan salah satu bidang pengenalan pola yang telah memberikan kontribusi yang cukup besar bagi kemajuan perkembangan suatu teknologi. Penelitian ini merancang sistem yang dapat mendeteksi atau mengenali aksara sunda berbasis pengolahan citra, menggunakan metode Learning Vector Quantization (LVQ). pada penelitian kali ini menggunakan ekstraksi ciri yang digunakan adalah penjumlahan biner (horizontal dan vertical), DCT, dan DFT. Hasil dari pengujian pada 30 kata aksara sunda terhapat 4 ekstrasi ciri yang diujikan yaitu didapatkan bahwa tingkat akurasi tertinggi sebesar 83.33% pada ekstrasi ciri DCT, sedangkan pada ekstrasi ciri Penjumahan Vertikal didapatkan akurasi sebesar 76.67%, lalu sebesar 73.33% pada ekstrasi ciri Penjumahan horizontal, dan pada ekstrasi ciri DFT didapatkan akurasi sebesar 60%. Kata Kunci: Aksara Sunda, Pengolahan Citra, Thresholding, Learning Vector Quantization (LVQ).
Deteksi Tumor Otak Dengan Ekstraksi Ciri Dan Feature Selection Menggunakn Linear Discriminant Analysis (lda) Dan Support Vector Machine (svm) Agung Adinegoro; Ratri Dwi Atmaja; Rita Purnamasari
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Dunia kesehatan dewasa ini tidak bisa dipisahkan dengan teknologi yang terus berkembang. Pengembangan teknologi yang erat kaitannya dengan dunia kesehatan atau dunia kedokteran adalah pengolahan citra digital Dengan penggunaan teknologi pengolahan citra digital seperti MRI, para dokter radiolog bisa menganalisis dan mendiagnosa anatomi dan tumor otak yang menyerang pasiennya tanpa harus melakukan pembedahan secara langsung hanya untuk mengetahui keadaan pada pasien. Pada tugas akhir ini akan dikembangkan sebuah sistem berbasis komputer yang akan digunakan untuk mendeteksi tumor pada otak. Citra MRI yang masuk sebagai input akan mengalami proses normalisasi, ekstrak si ciri, seleksi ciri dan klasifikasi. Untuk proses ekstraksi ciri, akan digunakan LDA (Linear Discriminant Analysis) akan mengambil perannya sebagai ekstraksi ciri dan seleksi ciri. Ciri yang direduksi setelah mengalami proses ekstraksi ciri tidak akan kehilangan arti, sehingga akan membantu proses klasifikasi dengan lebih cepat dan akurat. Klasifikasi nantinya akan dilakukan oleh metode SVM (Support Vector Machine). SVM akan mentranformasi input yang sudah direduksi dimensinya dengan mengkonstruksi hyperplane yang memiliki jarak maksimum dari titik-titik terdekat dari data latih. Kata kunci : MRI, LDA, ekstraksi ciri, SVM
Rancang Bangun Prototype Kendali Pintu Gerbang Parkir Berbasis Pelat Nomor Polisi Dan Barcode Menggunakan Pengolahan Citra Digital Jhordy Reswandi; Porman Pangaribuan; Ratri Dwi Atmaja
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan teknologi sistem otomatis pada saat ini telah berkembang secara cepat diberbagai bidang kehidupan sebagai pendukung kinerja manusia. Salah satunya dalam bidang sistem keamanan, bagi pengguna kendaraan pribadi yang membutuhkan tempat parkir yang memiliki tingkat kemananan dan kenyamanan yang tinggi. Dalam sistem parkir, umumnya sistem pencatatan pelat nomer kendaraan sebagai identifikasi pemilik dilakukan secara manual oleh manusia atau menggunakan mesin tiket. Dibutuhkan waktu yang lama untuk proses pencatatan pelat nomer yang dilakukan sehingga mengakibatkan antrean kendaraan, dan sistem tiket juga tidak menjamin keamanan kendaraan dari pencurian. Oleh karena itu, timbul kebutuhan akan adanya aplikasi sistem otomatis pegenalan pelat nomer kendaraan yang memudahkan pengontrolan sistem keamanan parkir. Oleh karena itu perancangan prototype dan implementasi sistem keamanan pintu gerbang parkir khusus berbasis image processing digital pelat kendaraan dan barcode sangat dibutuhkan. Proses buka tutup pintu gerbang ini akan menggunakan webcam sebagai sensor yang diletakkan di depan gerbang, untuk pengambilan gambar pelat nomor kendaraan dan barcode. Citra yang didapat akan diproses untuk mendapatkan karakter pelat nomer kendaraan dan dibandingkan dengan database yang telah dimasukan sebelumnya. Menghindari pemalsuan pelat nomer hasil identifikasi akan digabungkan dengan barcode dibaca oleh barcode reader untuk mendapatkan pencirian tambahan pada kendaraan. Jika data yang diolah sesuai dengan data referensi, data akan dikirim ke mikrokontroler Arduino Uno untuk menggerakkan dan mengendalikan motor servo sebagai aktuator pintu gerbang. Pada penelitian ini pengambilan data sensor dan proses pengolahan citra digital yaitu 55 % dalam melakukan detection, sedangkan pada proses segmentation dan template matching data untuk angka tingkat peformansi dan akurasi sebanyak 25 %, dan pada proses barcode reader ketika proses segmentasi berhasil peformansi didapat 100 %. Pengontrolan posisi motor servo sebagai aktuator pintu gerbang berhasil dilakukan dari 00 ke 900 kembali ke posisi awal. Proses pengiriman data dengan menggunakan UART TTL antara Arduino Uno dan PC membutuhkan waktu yang cukup lama dikarenakan sistem yang bekerja secara continuous dan loop dengan akurasi peformansi pengiriman data sebesar 80 % . Delay total sistem kendali ini 33 - 35 detik dengan mengabaikan error yang terjadi pada proses pengolahan citra. Kata Kunci : image processing, detection, segmentation, template matching data, barcode, continous , mikrokontroler Arduino Uno, Motor servo.
Perancangan Dan Implementasi Sistem Robot Penggenggam Benda Menggunakan Fuzzy Logic Hafizh Saftian; Erwin Susanto; Ratri Dwi Atmaja
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam tugas akhir ini, akan dibuat suatu sistem robot industri yang berfungsi menggenggam benda sesuai dengan kondisi fisik benda tersebut. Nantinya, sistem robot penggenggam ini akan memberikan eksekusi genggam berdasarkan ukuran benda secara semi-otomatis dengan menggunakan sensor jarak ultrasonik untuk mendapatkan gambaran dimensi benda. Pada saat pengambilan keputusan, sistem ini akan menggunakan metoda fuzzy logic, sehingga sistem akan menyesuaikan dengan ukuran benda yang dimaksud serta mengelompokkannya ke dalam beberapa bagian seperti benda kecil, benda sedang, dan benda besar. Keberhasilan sistem kerja robot penggenggam benda ini dapat dilihat dari persentase keberhasilan robot untuk menggenggam benda sesuai dengan ukuran benda yang telah disebutkan di atas. Persentase keberhasilan yaitu sebesar 70% dari total benda yang diseleksi. Sistem ini diharapkan akan mempermudah pekerjaan suatu industri serta meningkatkan kemampuan produksi baik dari segi kecepatan untuk memindahkan barang, ketepatan pada saat penyeleksian barang, serta pengambilan suatu keputusan sesuai dengan yang diharapkan oleh produsen. Kata kunci: robot industri, robot penggenggam, fuzzy logic, sensor jarak ultrasonik
Co-Authors A.A. Ketut Agung Cahyawan W Achmad Rizal Adri Achmad Farhan Agung Adinegoro Aldi Andika Pratama Andi Paramata Andria Puja Pratama Annas, Muhammad Satya Ardyandrea Erstya Surya Arif Setiawan Arina Fadhilah Armanda Nur Fadhlillah Ayu Putu Wida Vanhita Ayudina, Nasya Azhar, Tauhid Nur Azizah Azizah AZIZAH AZIZAH Bambang Hidayat Brillian Bagus Pakerti Utama Dayan Aldina Desy Agustin Doanda Khabi Putra Dyah Norma Maharsi Eko Susatio Erwin Susanto Faisal Nur Achsani Fiky Y. Suratman Firda Masitha Fransiskus Firdyan Laia Gelar Budiman Gurnita Koncara Indraloka Gusty Aditya Arrazaq Hafizh Saftian Hendra Priyana Mirantika Hilman Fauzi, Hilman I Gusti Putu Agung Satria Bayu Mahendra I Nyoman Apraz Ramatryana Igun Gunawan Immanuel Rayuzi Pandapotan Sinaga Inung Widjayanto Inung Wijayanto Irma Safitri Ivan Favian Iwan Iwut Jhordy Reswandi Junartho Halomoan Laksono Adi Cahyo Fitro Ledya Novamizanti Listhyani Dhianira Sarie Maghfira Rifki Hariadi Mohammad Fadly Sulianto Muhammad Ary Murti Muhammad Baresi Ariel Muhammad Najiburahman Muhammad Panji Kusuma Praja Muhammad Satya Annas Nadya Noviade Sapitri Nirwana Sari Novia Inggrit Dewiayu Santikasari Nur Andini Ocky Tiaramukti Porman Pangaribuan Pradipta Bagoes Santoso Putri Andriani Putu Cinthia Wikessa R. Yunendah Nur Fu’adah Rahman, Fadlur Rais Zul Ihram Ramli Ranggi Sistama Rani Harnila Regha Julian Pradhana Resandy, Refsi Ridho Aryan Ramadhan Rita Magdalena Rita Purnamasari Robinzon Pakpahan Santy Fauziyah SATRIA, FAJRI EKA Siti Nur Fatihah SOFIA SAIDAH Suci Aulia Taufik Prima Nugraha Teuku Firaz Bintang Nusantara Unang Sunarya Viko Adi Rahmawan WANANDA, PUTU DEBBY Yohana Karina Candra Sari