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

 3   4   5   6   7 
Desain Dan Implementasi Monitoring Penumpang Di Dalam Angkutan Massal Dengan Menggunakan Image Processing Secara Real Time Laksono Adi Cahyo Fitro; Erwin Susanto; Ratri Dwi Atmaja
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

Seiring berjalannya waktu, teknologi selalu berkembang dengan pesat. Salah satunya CCTV di bis. Oleh karena itu, dengan berkembangnya teknologi kamera juga dapat mengetahui kepadatan penumpang di dalam transportasi umum yang akan ditampilkan di LCD Cara kerja dari aplikasi teknologi ini yaitu kamera ditempatkan di atas pintu bis yang berguna untuk merekam penumpang yang masuk dan keluar dari bis. Data video diolah di matlab menggunakan metode image processing yaitu background subtraction bertujuan untuk mengetahui pergerakan penumpang apakah penumpang keluar atau masuk bis serta jumlahnya. Background subtration berguna untuk membandingkan per frame yang ada di video untuk menentukan objek. Lalu data dikirim ke arduino uno digabung dengan data dari GPS. Lalu data ditampilkan di LCD yang ada di bis berupa tulisan pergerakan penumpang apakah masuk atau keluar serta jumlah penumpang yang terekam kamera. Serta LCD akan menampilkan posisi dari bis tersebut. Hasil koordinat dari Modul GPS U-Blox Neo-6 akurat baik dari koordinat bujur maupun lintang, ini dapat dibuktikan dengan menggunakan Google Maps. Dari 38 video yang dilakukan pengujian hasil Image Processing yang ditampilkan di LCD dengan kondisi yang berbeda-beda terdapat 6 video yang tampilan hasil di LCD tidak sesuai dengan keadaan yang sebenarnya. Kata Kunci : webcam, arduino uno, matlab, GPS, background subtraction, centroid
Simulasi Dan Analisis Sistem Penerjemah Bahasa Sibi Menjadi Bahasa Indonesia Menggunakan Metode Klasifikasi Hidden Markov Model Muhammad Najiburahman; Rita Magdalena; 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

Pada kehidupan kita, ada beberapa orang yang tidak dapat menggunakan komunikasi verbal sehingga persepsi yang dibentuk akan berbeda. Orang orang tersebut menderita disabilitas seperti tunawicara dan tunarungu. Mereka menggunakan komunikasi non-verbal yaitu bahasa isyarat untuk berkomunikasi, salah satunya adalah bahasa Sistem Isyarat Bahasa Indonesia (SIBI). Namun untuk orang normal bahasa itu sangat awam dan susah dimengerti. Pada tugas akhir ini dilakukan proses simulasi dan analisis suatu sistem yang dapat menerjemahkan SIBI ke dalam Bahasa Indonesia, dimana inputnya berupa video berbahasa SIBI yang nantinya akan diproses dan menghasilkan output berupa teks berbahasa Indonesia dengan menggunakan ekstraksi ciri Local Binary Pattern (LBP) dan metode klasifikasi Hidden Markov Model (HMM). Hasil dari tugas akhir ini dipilih state terbaik menggunakan metode klasifikasi HMM adalah state ke-100 untuk masing masing gerakan. Kondisi 1 gerakan mendapatkan akurasi 76.7% dengan waktu training 0.0727 detik. Kondisi 2 gerakan mendapatkan akurasi 93.3% dengan waktu training sebesar 0.0888 detik. Kondisi lebih dari 2 gerakan mendapatkan akurasi 96.7% dengan waktu training 0.1114 detik. Kondisi gabungan 1 gerakan, 2 gerakan, dan lebih dari 2 gerakan adalah state ke-70 mendapatkan akurasi 80.0% dengan waktu training 0.2270 detik Kata kunci: HMM, LBP, SIBI, state, akurasi, waktu training
Perancangan Dan Simulasi Image Retreival Menggunakan Metode Color Histogram, Grey Level Co-occurrence Matrix Dan Knn Andi Paramata; Ratri Dwi Atmaja; I Nyoman Apraz Ramatryana
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

Untuk mencari file  yang berbentuk image merupakan hal  yang sulit, karena biasanya file  dalam  bentuk image memiliki nama berupa sekumpulan angka angka, sehingga untuk mencarinya kita tidak bisa langsung mencari menggunakan keyword. Bergerak dari permasalahan tersebut, penulis ingin memberi solusi dengan membuat aplikasi berbasis dekstop, yang bertujuan untuk mencari image yang menyerupai image yang di-inputkan. Proses yang terjadi pada aplikasi ini adalah proses eksraksi ciri menggunakan Color Histogram dan Grey Level Cooccurrence Matrix (GLCM), dan kemudian diklasifikasi menggunakan metode K-Nearest Neighbor (KNN). Sehingga, perpaduan antara Color Histogram dan Grey Level Co-occurrence Matrix (GLCM) serta K-Nearest Neighbor (KNN), diharapkan akan memberikan hasil yang baik untuk mencari image yang mirip menggunakan Image pada masukan dan memiliki tingkat akurasi 80% dari sejumlah percobaan untuk mencari image yang serupa. Kata Kunci : Image Processing, K-Nearest Neighbor, Grey Level Co-occurrence Matrix (GLCM), Color Histogram
Simulasi Dan Analisis Sistem Klasifikasi Songket Palembang Menggunakan Statistic, Color Histogram Dan Euclidean Distance Pada Citra Digital Nirwana Sari; Ratri Dwi Atmaja; I Nyoman Apraz Ramatryana
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 ini dilakukan identifikasi jenis motif kain yang berasal dari salah satu daerah di Indonesia yaitu Palembang. Sistem pengklasifikasian songket ini diharapkan dapat membantu orang awam untuk membedakan songket Palembang yang satu dengan yang lainnya.Pada Tugas Akhir ini dibahas mengenai teknik untuk mengklasifikasikan motif songket dengan menggunakan pengolahan citra digital. Metode ekstraksi ciri yang digunakan adalah Statistic dan Color Histogram. Metode klasifikasi yang digunakan adalah K-Nearest Neighbour (K-NN). Untuk pengujian ini dilakukan pengujian dengan 270 sample foto songket, dengan komposisi masing-masing kelas memiliki 20 data uji dan 10 data latih. Hasil pengujian metode ini, didapatkan akurasi terbaik sebesar 100% dan waktu komputasi 0.83s dengan menggunakan metode Color Histogram dengan parameter : kuantisasi = 8 nilai k=1, dan jenis jarak Cityblock. Kata kunci : Songket, Statistic, Color Histogram, K-Nearest Neighbor (K-NN),Cityblock
Deteksi Kelainan Tulang Belakang Berdasarkan Citra Medis Digital Dengan Menggunakan Support Vector Machine (svm) Yohana Karina Candra Sari; Rita Magdalena; Ratri Dwi Atmaja
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Skoliosis adalah kelainan pada tulang belakang sehingga tulang belakang melengkung ke sisi kiri atau kanan. Biasanya skoliosis ini terdeteksi ketika pasien/penderita melakukan pemeriksaan dengan Rontgen atau alat medis lainnya saat MCU, terjadi kecelakaan, dan saat tulang belakang terasa tidak nyaman atau berbeda. Tugas Akhir ini bertujuan untuk membangun sebuah sistem yang mampu mendeteksi kelainan tulang belakang pada manusia pada hasil Rontgen, sehingga sistem dapat secara otomatis memilah skoliosis menurut arah kemiringannya. Dibangunnya sistem ini diharapkan dapat membantu proses pemilahan data dengan cepat dan akurat, sehingga mengurangi waktu pemeriksaan hasil Rontgen. Pada Tugas Akhir ini digunakan metode ekstraksi ciri Principal Component Analysis (PCA) untuk mendapatkan feature vector dari citra alat diagnostik kesehatan dengan format .jpg. Kemudian hasil feature vector tersebut diklasifikasikan dengan Support Vector Machine (SVM) sehingga akan dihasilkan 3 klasifikasi yaitu tulang punggung manusia normal, kelainan dekstroskoliosis dan kelaina levoskoliosis. Variabel pengujian yang diteliti variabel pada preprocessing, input bermacam-macam nilai PC pada PCA, nilai c pada proses pelatihan SVM dan terakhir ialah pengujian pada berbagai macam jumlah data uji dan data latih. Secara keseluruhan, dengan menggunakan metode PCA dan SVM pada deteksi kelainan tulang skoliosis, berhasil diperoleh akurasi tertinggi sebesar 91.87%. Kata kunci: citra medis, skoliosis, dekstroskoliosis, levoskoliosis, PCA, SVM.
Segmentasi Pembuluh Darah Pada Fundus Retina Menggunakan Matched Filter Dan Operasi Morfologi Maghfira Rifki Hariadi; Ratri Dwi Atmaja; R. Yunendah Nur Fu'adah
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Proses segmentasi pembuluh darah retina pada citra fundus retina menghasilkan informasi yang berguna bagi para ahli kesehatan untuk mengidentifikasi kelainan pada pembuluh darah mata. Kelainankelaianan tersebut antara lain pembuluh darah yang mengecil, percabangan yang tidak normal, dan sebagainya. Pada tugas akhir ini, penulis mendesain sebuah perangkat lunak menggunakan MATLAB dimana sistem mampu mensegmentasi pembuluh darah retina pada citra fundus retina menggunakan metode Matched Filter dan Morphology Operation serta menggabungkan metode Matched Filter dan Morphology Operation.. Ada dua langkah utama dalam proses segmentasi. Langkah pertama yaitu melakukan preprocessing citra yang bertujuan untuk meningkatkan kualitas citra agar dapat tersegmentasi dengan optimal. Langkah kedua adalah segmentasi citra yang bertujuan untuk melakukan proses ekstraksi sehingga diperoleh pembuluh darah retina dari citra fundus mata. Hasil rata-rata akurasi menggunakan Matched Filter sebesar 88,62%. Sedangkan untuk metode Operasi Morfologi di dapat hasil rata-rata akurasi sebesar 88,34% dan untuk Metode gabungan antara Matched Filter dan Operasi Morfologi menghasilkan akurasi sebesar 87,88%. Keyword: Mata , Deteksi Citra, Segmentasi, Matched Filter, Morphology Operation
Implementasi Salient Object Detection Pada Sistem Estimasi Berat Badan Manusia Berbasis Pengolahan Citra Digital Siti Nur Fatihah; Inung Wijayanto; Ratri Dwi Atmaja
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Otak dan sistem visual manusia lebih memperhatikan beberapa bagian dari suatu gambar. Perhatian visual telah dipelajari oleh para peneliti dalam fisiologi, psikologi, sistem saraf, dan visi komputer untuk waktu lama. Studi terbaru menunjukkan bahwa perhatian visual membantu pengenalan objek, pelacakan, dan deteksi juga. Dipilihnya Salient Object Detection karena memiliki dua keuntungan. Pertama, membantu objek detektor menangani objek orientasi yang berbeda. Kedua, bentuk yang diusulkan dapat bervariasi agar sesuai dengan objek. Dalam tugas akhir ini, akan diimplementasikan Salient Object Detection pada sistem estimasi berat badan manusia berbasis pengolahan citra digital. Melalui tahapan pre-processing yang dilakukan secara manual dan dilanjutkan dengan proses saliency yang keluarannya adalah citra grayscale. Dari sana, citra akan dihitung pikselnya untuk menjadi masukan dalam perhitungan estimasi berat badan. Pengujian dilakukan dengan menggunakan 48 citra yang diperoleh dari 16 orang. Setelah dilakukan pengujian, teknik saliency tanpa threshold menghasilkan akurasi rata-rata sebesar 84% dengan standar deviasi 13,05 kilogram. Hasil RMSE untuk performansi sistem dengan teknik saliency tanpa threshold adalah 13,3612. Adapun untuk hasil pengujian untuk teknik saliency menggunakan threshold mempunyai akurasi rata-rata sebesar 87% dengan standar deviasi 15,06 kilogram. Hasil RMSE untuk performansi sistem dengan teknik saliency menggunakan threshold adalah 10,9173. Teknik saliency tanpa threshold menghasilkan 56% akurasi yang lebih tinggi dibandingkan dengan teknik saliency menggunakan threshold. Kata Kunci: Berat Badan, Salient Object Detection, Pengolahan Citra Digital Abstract The human brain and visual system pay more attention to some parts of an image. Visual attention has been studied by researchers in physiology, psychology, nervous system, and computer vision for a long time. Recent studies show that visual attention aids object recognition, tracking, and detection as well. Salient Object Detection is chosen because it has two advantages. First, help the detector object handle different orientation objects. Second, the proposed form can vary to suit the object. In this final project, Salient Object Detection will be implemented in human body weight estimation systems based on digital image processing. Through the pre-processing stages which are done manually and continued with the saliency process, the output is a grayscale image. From there, the image will be calculated pixels to be input in calculating the estimated body weight. Testing was carried out using 48 images obtained from 16 people. After testing, the saliency technique without threshold resulted in an average accuracy of 84% with a standard deviation of 13.05 kilograms. RMSE results for system performance with saliency techniques without threshold are 13.3612. As for the test results for the saliency technique using threshold has an average accuracy of 87% with a standard deviation of 15.06 kilograms. RMSE results for system performance with saliency technique using threshold is 10.9173. The saliency technique without threshold produces 56% higher accuracy than the saliency technique using threshold. Keywords: Weight, Salient Object Detection, Digital Image Processing
Deteksi Kualitas Pemasangan Ubin Berbasis Ekstraksi Ciri Zcr (zero Crossing Rate) Dan Lpc(linier Predictive Coding) Dengan Klasifikasi K-nearest Neighbor Fransiskus Firdyan Laia; Ratri Dwi Atmaja; Nur Andini
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Pada masa sekarang ini perkembangan teknologi dibidang pengolahan sinyal digital telah berkembang dengan sangatlah pesat, salah satu pengembangannya adalah dalam pengolahan sinyal suara dan tak bisa dipungkiri lagi bahwa manusia tak bisa lepas dari kemajuan teknologi setiap harinya. Tanpa disadari pula banyak alat maupun sofware komputer berperan penting dalam membantu manusia melakukan aktivitas. Salah satu teknologi yang sedang berkembang saat ini adalah teknologi dalam bidang pengolahan sinyal suara. Pada penelitian sebelumnya pernah dirancang deteksi kualitas ubin menggunakan metode Average Energy. Sehingga pada penelitian penulis akan membuat deteksi kualitas ubin dengan metode Linier Predictive Coding dan Zero Crossing Rate. Pada tugas akhir ini, diperlukan suatu metode ekstraksi ciri suara dan metode klasifikasinya. Penelitian dilakukan dengan menjatuhkan bola golf diatas keramik dan bunyi yg dihasilkan direkam menggunakan handphone dengan bantuan aplikasi voice recorder. Penelitian ini menggunakan ekstraksi ciri yaitu Linier Predictive Coding (LPC) dan Zero Crossing Rate (ZCR) dengan metode klasifikasinya yaitu K-Nearest Neighbor (KNN) yang kemudian akan membandingkan nilai uji ekstraksi ciri yang ditangkap oleh handphone dengan suara latih yg telah tersimpan. Setelah dilakukan pengujian dengan skenario berbeda dalam sistem yg dirancang maka dapat dinentukan apakah ubin keramik yang telah terpasang tersebut harus diganti atau masih layak digunakan, setelah dilakukan ekstraksi ciri Linier Predictive Coding (LPC) diperoleh akurasi 95% pada ketinggian 40 cm dengan k=3 dan orde LPC=16,sedangkan pada Zero Crossing Rate (ZCR) diperoleh akurasi 91,66% pada ketinggian 10 cm dengan k=5 Kata kunci : pengolahan sinyal suara, Linier Predictive Coding, KNN, ZCR Abstract At the present time the development of the technological advancesin the field of digital signal processing has been growing rapidly, technology that is being developed at this time is technology in the field of signal processing and that is undeniable that humans growing together with the development of technology in every single time. Without realizing it anyway, a lot of tools and computer software that the unconscious plays an important role in helping human activity. In the previous research, quality detection of tile has been designed using Average Energy method. So in this research the authors will make quality detection of tile using Linier Predictive Coding and Zero Crossing Rate methods. In this final project, feature extraction methods and classification method are needed. the research conducted by dropping a golf ball to hit the ceramic tile that has been installed and recorded the sound that is generated using the microphone on the phone with the voice recorder application. This study will use the voice feature extraction methods called Linear Predictive Coding (LPC) and Zero Crossing Rate (ZCR) with the classification method, K-Nearest Neighbor (KNN) and then compares the value of feature extraction tests that captured by phone with a trainer sound which has been saved. After testing with different scenarios on the designed system, it can be determine whether the ceramic tiles that have been installed must be replaced or still fit for use. After do the Linear Predictive Coding (LPC) feature extraction author got 95% accuracy at 40 cm altitude with k = 3 and LPC order = 16, while the Zero Crossing Rate (ZCR) obtained an accuracy of 91.66% at 10 cm altitude with k=5. Keywords : audio signal processing, Linier Predictive Coding, KNN, ZCR
Simulasi Dan Analisis Penerjemah Bahasa Isyarat Ke Teks Menggunakan Metode Klasifikasi Support Vector Machine Hendra Priyana Mirantika; Ratri Dwi Atmaja; I Nyoman Apraz Ramatryana
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini membahas tentang penerjemah bahasa isyarat ke teks yang mengacu ke SIBI(Sistem Isyarat Bahasa Indonesia)  dengan input video. Pada penelitian ini digunakan metode invariant moment untuk ekstraksi ciri dan Support Vector Machine sebagai classifier. Proses yg dilakukan pada penelitian ini berupa tracking objek tangan dari peraga isyarat berdasarkan warna kulit yang disegmentasi menggunakan skin detection dalam ruang warna YCbCr. Setelah itu dilakukan cropping objek tangan kemudian dikonversi ke grayscale dan dicari nilai vektor moment menggunakan invariant moment. Selanjutnya 7 vektor moment yang didapat, dilatih untuk mendapatkan data latih lalu diklasifikasikan dengan Support Vector Machine(SVM). Pengujian dari 17 kata mendapatkan akurasi sebesar 80,63%. Pengujian dilakukan dengan mengubah parameter kernel pada SVM dan hasil terbaik didapatkan dengan menggunakan kernel RBF dan input classifier menggunakan ciri dari 7 vektor moment. Kata kunci : Bahasa isyarat, skin detection, Invariant Moments, Support Vector Machine
Klasifikasi Retinopati Diabetik Non-proliferatif Dan Proliferatif Berdasarkan Citra Fundus Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Rani Harnila; Ratri Dwi Atmaja; Inung Wijayanto
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Retinopati diabetik merupakan komplikasi mikrovaskular retina mata yang ditemukan pada penderita diabetes melitus. Jika terus berlanjut, retinopati diabetik akan menjadi penyebab kebutaan. Retinopati diabetik memiliki tiga tipe sesuai dengan tingkat keparahan penderitanya, yaitu normal, non-proliferatif (NPDR), dan proliferatif (PDR). Seiring berkembangnya bidang teknologi, memungkinkan pengembangan suatu sistem berbasis pengolahan citra digital yang dapat mengklasifikasi tingkat keparahan retinopati diabetik. Tugas akhir ini, memanfaatkan pengolahan citra digital untuk klasifikasi tingkat keparahan retinopati diabetik berdasarkan citra fundus. Klasifikasi tersebut dibagi menjadi lima kelas, yaitu normal, non-proliferatif (meliputi mild, moderate, dan severe), serta proliferatif. Metode ekstraksi ciri yang digunakan adalah Gray Level Co-occurrence Matrix (GLCM) dan Jaringan Saraf Tiruan (JST) Backpropagation sebagai algoritma klasifikasi. Berdasarkan pengujian yang telah dilakukan, didapatkan akurasi terbaik sebesar 86.67% dengan jumlah data latih sebanyak 60 data. Parameter terbaik menggunakan citra seragam yang tidak dipotong, citra kanal merah, memiliki offset 0°, dengan proses klasifikasi menggunakan fungsi aktivasi tansig, jumlah neuron pada hidden layer sebanyak 200 buah, learning rate 0.01, epoch sebanyak 1000 kali, dan algoritma pelatihan menggunakan trainlm. Kata Kunci: Retinopati diabetik, NPDR, PDR, JST Backpropagation Abstract Diabetic retinopathy is a microvascular complication of the eye's retina found in people with diabetes mellitus. If it persists, diabetic retinopathy will be the cause of blindness. Diabetic retinopathy has three types according to the sufferer's severity, such as normal, non-proliferative (NPDR), and proliferative (PDR). It is inevitable that as technology develops, it may allow the development of a digital image processing system that can classify this diabetic retinopathy's severity. This final project, utilizing digital image processing to classify the diabetic retinopathy's severity based on fundus image. This classification is divided into five classes, such as normal, non-proliferative (including mild, moderate, and severe), and proliferative. The method of feature extraction used is Gray Level Co-occurrence Matrix (GLCM) and Artificial Neural Network (ANN) Backpropagation as a classification algorithm. Based on the tests that have been done, reached the best accuracy amount 86.67% with the number of train data as much as 60 data. The best parameter using the same uncut images, red canal images, 0° offset, that classify by tansig activation function, 200 neurons for hidden layer, learning rate 0.01, 1000 times epoch, and training algorithm using trainlm. Keywords: Diabetic Retinopathy, NPRD, PRD, ANN Backpropagation
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