Article Per Year (5 Year)
p-Index From 2020 - 2025
19.311
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmu Komputer dan Informasi Lontar Komputer: Jurnal Ilmiah Teknologi Informasi PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal Ilmiah Kursor Jurnal Mahasiswa Jurusan Arsitektur Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Systems Engineering and Business Intelligence Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal of Management Research and Studies
Fitra Abdurrachman Bachtiar
Fakultas Ilmu Komputer - Universitas Brawijaya
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Social Sciences

Published : 222 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 222 Documents
Search

 16   17   18   19   20 
Analisis Pengaruh Oversampling pada Penerapan Kansei Engineering untuk Klasifikasi Sentimen berbasis Aspek menggunakan Support Vector Machine dan Apriori terhadap Ulasan Gim Riza Setiawan Soetedjo; Fitra Abdurrachman Bachtiar
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 13 (2023): Publikasi Khusus Tahun 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dipublikasikan di Informatica (International Journal of Computing and Informatics)
Karakterisasi Pola Faktor Afektif Mahasiswa pada HSS Learning Menggunakan Algoritma Fuzzy C-Means Hasyir Daffa Ibrahim; Fitra Abdurrachman Bachtiar; Achmad Ridok
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 14 (2023): Antrian Publikasi
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pencapaian akademik mahasiswa dipengaruhi oleh kemampuannya dalam meregulasikan emosinya yang sering kali dikesampingkan. Adanya perkuliahan daring berdampak terhadap emosi mahasiswa dari tingkat depresi, kecemasan, dan stresnya dengan signifikan. Dosen lebih sulit dalam memonitor mahasiswa dari segi emosinya dalam perkuliahan daring dibandingkan perkuliahan luring. Sebelumnya sudah terdapat penelitian terdahulu terkait pengaruh faktor afektif terhadap capaian pembelajaran mahasiswa, namun penelitian yang dilakukan sampel datanya dikumpulkan dalam jangka waktu yang pendek, menggunakan beberapa kuesioner afektif, dan menggunakan metode clustering yang bersifat hierarchical dibandingkan menggunakan metode clustering yang lebih sederhana. Dalam penelitian ini, pengumpulan data dilakukan selama satu bulan menggunakan kuesioner afektif AEQ - S, DASS 21, ERQ dan nilai ujian Posttest serta algoritma Fuzzy C Means. Preprocessing yang dilakukan berupa reduksi dimensi menggunakan Principal Component Analysis. Pengujian pencarian hyperparameter terbaik dilakukan secara pengujian parsial dan menyeluruh yang kinerjanya diukur menggunakan silhouette score. Hasil penelitian memperoleh tiga pola karakter atau profil mahasiswa yang mempengaruhi capaian pembelajarannya. Silhouette score yang diperoleh dalam seluruh analisis cukup baik dengan nilai diatas 0.4 dan bahkan ada yang mendekati 0.5.
Prediksi Kinerja Mahasiswa berdasarkan Faktor Afektif pada HSS Learning menggunakan Metode Support Vector Machine Riski Darmawan; Fitra Abdurrachman Bachtiar; Lailil Muflikhah
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 14 (2023): Antrian Publikasi
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Prediksi kinerja akademik siswa sering kali didasarkan pada nilai akademik yang diperoleh sebelumnya atau faktor kognitif dan faktor lingkungan siswa. Adapun prediksi yang mempertimbangkan kondisi emosi atau disebut juga faktor afektif siswa masih sebatas pendekatan statistika saja. Faktanya, faktor afektif memegang peran yang krusial dalam proses pembelajaran. Oleh sebab itu, dalam penelitian ini akan diimplementasikan prediksi kinerja mahasiswa yang didasarkan pada faktor afektif menggunakan metode Support Vector Machine (SVM). Data yang digunakan dikumpulkan melalui kuesioner afektif dalam jangka waktu satu bulan. Preprocessing yang dilakukan terdiri dari oversampling dengan ADASYN dan pemisahan data latih dan data uji dengan persentase 70:30 menggunakan stratified random sampling. Model SVM dilatih menggunakan hyperparameter tuning kemudian dilakukan prediksi kinerja mahasiswa. Performa prediksi dievaluasi dengan menggunakan confusion matrix dan dibandingkan dengan performa dari algoritma K-Nearest Neighbor dan Decision Trees. Hasil pengujian menunjukkan bahwa hyperparameter optimal SVM adalah gamma 0.025, kernel RBF, regularization sebesar 1000 dan learning rate sebesar 10-4. Akurasi prediksi yang didapatkan SVM sebesar 91.3%, precision sebesar 91.5%, recall sebesar 91.3%, dan f1-score sebesar 91.3% di mana performa ini lebih unggul dibandingkan dengan dua algoritma lainnya. Hal ini menunjukkan bahwa SVM merupakan algoritma yang dapat memprediksi kinerja mahasiswa berdasarkan faktor afektifnya dengan baik.
Analisis Sentimen berbasis Aspek pada Ulasan Pembelian Laptop di E-Commerce menggunakan Metode Support Vector Machine (SVM) Farid Syauqi Nirwan; Fitra Abdurrachman Bachtiar; Rizal Setya Perdana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 13 (2023): Publikasi Khusus Tahun 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK)
Deteksi Mata Pengemudi Mobil menggunakan Ekstraksi Fitur DeepVOG dengan Metode Random Forest Nur Wahyu Melliano Hariyanto; Fitra Abdurrachman Bachtiar
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 14 (2023): Antrian Publikasi
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pada tahun 2017 jumlah kecelakaan di Indonesia telah mencapai 104.327 dengan jumlah korban jiwa sebanyak 30.694 jiwa. Jumlah tersebut terus meningkat di tahun-tahun berikutnya, seperti pada tahun 2018 meningkat sebesar 0.04% dan di tahun 2019 meningkat lagi sebesar 0.06%. Penyebab kecelakaan dapat disebabkan oleh banyak hal, namun faktor utama penyebabnya adalah dari pengemudi itu sendiri. Tercatat 3.735 jumlah kecelakaan lalu lintas di jalan tol karena kurangnya fokus pengemudi setiap tahunnya menunjukkan bahwa fokus ketika mengemudi itu sangatlah penting. Dari kejadian sebelumnya, maka dibutuhkan sebuah sistem yang dapat mendeteksi fokus pengemudi dalam berkendara. Saat ini, terdapat banyak sistem pendeteksi mata yang sudah diimplementasikan untuk mendeteksi kantuk pengemudi. Namun, sistem pendeteksi kantuk masih memiliki kekurangan, salah satunya adalah hanya berfokus pada frekuensi kedip mata sehingga tidak dapat mendeteksi faktor lain yang dilakukan oleh pengemudi ketika melihat hal lain disekelilingnya. Penelitian ini akan membuat sistem deteksi fokus mata dengan mengimplementasikan model ekstraksi fitur DeepVOG dan metode Random Forest dalam melakukan klasifikasi. Dalam tahap pemrosesan data akan menggunakan Principal Component Analysis (PCA) dikarenakan dapat membuat sistem berjalan dengan baik dan waktu komputasinya kecil. Pada model Random Forest, dilakukan pencarian hyperparameter terbaik dengan waktu komputasi yang dihasilkan sebesar 0,02 detik untuk rata-rata setiap data yang diuji. Nilai akurasi yang diperoleh oleh model Random Forest pada penelitian ini sebesar 93,25%.
Rancang Bangun Retrieval-Based Chatbot untuk Otomatisasi Helpdesk Fakultas Ilmu Komputer Universitas Brawijaya Andi Alifsyah Dyasham; Fitra Abdurrachman Bachtiar; Djoko Pramono
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 13 (2023): Publikasi Khusus Tahun 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dipublikasikan ke Journal of Business Research (JBR)
Aspect Based Sentiment Analysis pada Ulasan Aplikasi Shopee menggunakan Support Vector Machine Dyah Ayu Wulandari; Fitra Abdurrachman Bachtiar; Indriati Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 13 (2023): Publikasi Khusus Tahun 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dipublikasikan ke Lontar Komputer (Jurnal Ilmiah Teknologi Informasi)
Penerapan Deep Convolutional Generative Adversarial Network Untuk Menciptakan Data Sintesis Perilaku Pengemudi Dalam Berkendara Michael Stephen Lui; Fitra Abdurrachman Bachtiar; Novanto Yudistira
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 5: Oktober 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20231056978

Abstract

Kecelakaan kendaraan adalah salah satu penyebab kematian tertinggi di Indonesia. Salah satu solusi untuk mencegah kecelakaan adalah dengan menggunakan sensor eksternal untuk mendeteksi kondisi jalan. Namun, penyebab utama kecelakaan adalah kelalaian pengemudi ketika mengemudi yang tidak dapat terdeteksi oleh sensor eksternal. Sensor visual dapat mendeteksi perilaku pengemudi di dalam kendaraan. Penggunaan sensor visual memiliki performa yang lebih baik ketika menggunakan metode deep learning. Salah satu metode untuk meningkatkan performa metode deep learning adalah dengan menggunakan data sintesis hasil model generatif sebagai tambahan data. Deep Convolutional Generative Adversarial Network (DCGAN) adalah salah satu model generatif yang menggunakan lapisan konvolusi. DCGAN terdiri dari dua neural network bernama generator dan discriminator yang membentuk hubungan ­zero-sum game. Generator menerima masukan berupa gambar asli dengan tambahan noise sebagai input proses latih secara unsupervised, menghasilkan gambar sintesis, sedangkan discriminator menerima gambar asli dan gambar sintesis sebagai input dan menghitung keaslian gambar yang selanjutnya digunakan sebagai nilai loss dengan fungsi loss Binary Cross Entropy. Arsitektur DCGAN terdiri dari beberapa transposed convolutional layer dengan batch normalization dan fungsi aktivasi ReLU dan fungsi aktivasi Tanh sebagai output layer pada generator dan beberapa convolutional layer dengan batch normalization dan fungsi aktivasi Leaky ReLU dan fungsi aktivasi Sigmoid sebagai output layer pada discriminator. Dataset yang digunakan pada penelitian ini adalah dataset ISDDS perilaku umum pengemudi yang dikumpulan pada skenario simulasi dengan jumlah dua ribu gambar. Hasil pengujian menemukan bahwa nilai hyperparameter dapat menghasilkan gambar sintesis perilaku pengemudi di dalam kendaraan yang baik dengan nilai FID sebesar 274,16 pada learning rate discriminator pada 0,0001, β1 discriminator pada 0,8005, learning rate generator pada 0,0017, β1 generator pada 0,1138 selama 43 epoch dengan menggunakan optimizer Adam pada generator dan discriminator.   Abstract Vehicle crash is one of the leading causes of death in Indonesia. One of the solutions to prevent vehicle crash is by using external sensor to detect road condition. Yet, most crash happened because of driver distraction, which is hard to detect using external sensor. Visual sensor can be used to detect driver activity inside vehicle. Visual sensor that uses deep learning method performs well. One way to increase deep learning method performance is by using additional synthesis data made by generative model. Deep Convolutional Generative Adversarial Network (DCGAN) is a generative model that uses convolution layer. DCGAN consists of two neural networks titled generator and discriminator which create zero-sum game relationship. Generator will receive real image with added noise as input of unsupervised training process, creating synthetic image, while discriminator will receive real image and synthetic image as input and calculate the realness of those image which will be used as loss value with Binary Cross Entropy loss function. The Architecture of DCGAN is composed of multiple transposed convolutional layers with batch normalization and activation function ReLU and activation function Tanh as output layer in generator and multiple convolutional layers with batch normalization and activation function Leaky ReLU and activation function Sigmoid as output layer in discriminator. Dataset used in this research is primary dataset of common driver activity collected in simulation scenario with the size of two thousand images. Experiment result shows that DCGAN is able to create good image synthesis of driver activity inside vehicle with FID of 274,16 using hyperparameter consisting of learning rate discriminator at 0,0001, β1 discriminator at 0,8005, learning rate generator at 0,0017, β1 generator at 0,1138 for 43 epochs by using Adam optimizer on generator dan discriminator.
Penerapan Decision Tree dan Random Forest dalam Deteksi Tingkat Stres Manusia Berdasarkan Kondisi Tidur Sza Sza Amulya Larasati; Elok Nuraida Kusuma Dewi; Brahma Hanif Farhansyah; Fitra Abdurrachman Bachtiar; Fajar Pradana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.1077993

Abstract

Masalah kesehatan mental menjadi isu global yang sangat umum terjadi, termasuk perubahan suasana hati, perbedaan kepribadian, ketidakmampuan mengatasi masalah, serta mengisolasi diri dari keramaian. Berdasarkan data dari World Health Organization (WHO), gangguan kecemasan dan stres menjadi gangguan mental yang paling sering terjadi dari 970 juta kasus yang dilaporkan sepanjang tahun 2019. Stres telah banyak dikaitkan dengan tidur. Penelitian ini akan mengungkap hubungan kondisi tidur pada manusia dengan tingkat stres yang sedang diderita dengan 5 tingkatan: normal, stres ringan, stres sedang, stres tinggi, stres sangat tinggi. Data yang digunakan merupakan data kontinyu dengan 8 fitur: ‘sr’ (snoring rate), ‘rr’ (respiration rate), ‘t’ (body temperature), ‘lm’ (limb movement), ‘bo’ (blood oxygen), ‘rem’ (rapid eye movement), ‘sh’ (sleeping hours), dan ‘hr’ (heart rate). Setiap fitur memiliki rentang nilai yang tidak sama, sehingga dilakukan normalisasi untuk menyeragamkan rentang tersebut. Hyperparameter tuning dilakukan dengan teknik k-fold cross validation dan model dirancang dengan algoritma klasifikasi Decision Tree serta Random Forest. Hasilnya, 5 fitur: tingkat mendengkur, laju respirasi, pergerakan anggota tubuh termasuk bola mata, serta detak jantung saat tidur berbanding lurus dengan tingkat stres. Semakin tinggi nilai kelima fitur tersebut mengindikasikan tingkat stres yang lebih tinggi. Sedangkan dengan 3 fitur lainnya: suhu tubuh, kadar oksigen, dan waktu tidur memberikan hasil sebaliknya. Dengan kata lain, ketiga nilai tersebut berbanding terbalik dengan tingkat stres yang diderita. Model Decision Tree memiliki akurasi 0,99 dan Random Forest memiliki akurasi 1,0. Hasil penelitian ini diharapkan dapat memberikan insight bagi peneliti lain pada bidang yang sama dan dapat menjadi acuan dalam mendeteksi stres yang sedang diderita.       Abstract Stress is often associated with sleep. This research aims to uncover the relationship between human sleep conditions and the level of stress experienced, categorized into five levels: not stressed, very mildly stressed, mildly stressed, highly stressed, and very highly stressed. The data used consists of continuous data with eight features: 'snoring rate' (snoring rate), 'respiration rate' (respiration rate), 'body temperature' (body temperature), 'limb movement' (limb movement), 'blood oxygen' (blood oxygen), 'rapid eye movement' (rapid eye movement), 'sleep hours' (sleep hours), and 'heart rate' (heart rate). Each feature has a different value range, so normalization is performed to standardize these ranges. Hyperparameter tuning is done using k-fold cross-validation, and the model is designed using the Decision Tree and Random Forest classification algorithms. The results show that five features: snoring rate, respiration rate, limb movement including eye movement, and heart rate during sleep are directly proportional to the level of stress. Higher values for these five features indicate higher levels of stress. On the other hand, the other three features: body temperature, blood oxygen level, and sleep hours yield the opposite results. In other words, the values of these three features are inversely proportional to the level of stress experienced. The Decision Tree model has an accuracy of 0.99, and the Random Forest model has an accuracy of 1.0. The results of this research are expected to provide insights for other researchers in the same field and can serve as a reference for detecting ongoing stress.
Redesain Aplikasi Mobile Supervisi Observasi Kelas untuk Meningkatkan Tingkat Usability Muhammad Ifa Amrillah; Retno Indah Rokhmawati; Fitra Abdurrachman Bachtiar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.1078006

Abstract

Aplikasi LESON, yang kini berganti nama menjadi EDVISOR merupakan aplikasi berbasis mobile yang dikhususkan untuk merekam suasana pembelajaran dan mendukung kegiatan supervisi observasi kelas. Meskipun telah mengalami pembaharuan, pada penelitian sebelumnya mengungkapkan masih terdapat 24 permasalahan pada aplikasi yang perlu perbaikan dan pengembangan lebih lanjut. Metode Usability Testing dipilih untuk dapat mengidentifikasi permasalahan secara lebih mendalam dan memahami pengalaman pengguna dalam menggunakan aplikasi. Penelitian ini melibatkan 10 Mahasiswa dan 3 Dosen yang diberikan tugas khusus untuk menguji aplikasi. Pengujian dilakukan sebanyak 2 kali, yaitu sebelum dan setelah dilakukan perbaikan desain. Hasil observasi dan wawancara pada pengujian awal mengungkapkan adanya 42 permasalahan baru, yang kemudian menjadi dasar rekomendasi perbaikan desain. Perbaikan desain menghasilkan prototype yang mendekati hasil akhir dari aplikasi. Setelah perbaikan desain, prototype diuji kembali kepada pengguna yang sama dengan pengujian awal. Hasil pengujian menunjukkan peningkatan usability aplikasi, dengan peningkatan completion rate sebesar 13,19%, peningkatan efficiency sebesar 0,016 goals/sec, dan peningkatan satisfaction sebesar 1,21.   Abstract   The LESON application, now renamed EDVISOR, is a mobile-based application devoted to recording the learning atmosphere and supporting classroom observation supervision activities. Although it has undergone updates, previous research revealed that there are still 24 problems in the application that need further improvement and development. Usability Testing method was chosen to be able to identify problems more deeply and understand the user experience in using the application. This research involved 10 students and 3 lecturers who were given a special task to test the application. Testing was carried out twice, namely before and after design improvements were made. The results of observations and interviews in the initial test revealed 42 new problems, which then became the basis for recommendations for design improvements. Design improvements resulted in a prototype that was close to the final result of the application. After the design improvements, the prototype was tested again with the same users as the initial test. The test results showed an increase in application usability, with an increase in completion rate of 13.19%, an increase in efficiency of 0.016 goals/sec, and an increase in satisfaction of 1.21.
Co-Authors AA Sudharmawan, AA Abidatul Izzah Abu Wildan Mucholladin Achmad Arwan Achmad Basuki Achmad Fahlevi Achmad Firmansyah Sulaeman Achmad Hanim Nur Wahid Achmad Ridok Adam Hendra Brata Adam Syarif Hidayatullah Adam Syarif Hidayatullah Adinugroho, Sigit Aditya Rachmadi Aditya Rachmadi, Aditya Admaja Dwi Herlambang, Admaja Dwi Admi Rut Sinana Afida, Latansa Nurry Izza Afifurrijal Afifurrijal Agus Wahyu Widodo Ahmad Afif Supianto Ahmad Afif Supianto Ahmad Afif Supianto Ahmad Afif Supianto Ahmad Fairuzabadi Ahmad Foresta Azhar Zen Aisyah Awalina Aisyah Awalina Aisyatul Maulidah Aisyatul Maulidah Akhmad Lazuardi Alaikal Fajri Nur Alfian Aldi Fianda Putra Alfi Nur Rusydi Alfin Taufiqurrahman Alfirsa Damasyifa Fauzulhaq Alhasyimi, Dana Mustofa Alifi Lazuardi Gunawan Amalia Kusuma Akaresti Andi Alifsyah Dyasham Anggit Chalilur Rahman Anita Rizky Agustina Anita Rizky Agustina Anjasari, Ni Luh Made Beathris Anjumi Kholifatu Rahmatika Annuranda, Ramansyah Eka Apriyanti -, Apriyanti Ardi Wicaksono ari kusyanti Arieftia Wicaksono Aulia Akhrian Syahidi Aulia Dewi Savitri Aulia Nurrahma Rosanti Paidja Aulia Septi Pertiwi Azhar Izzannada Elbachtiar Azzam Syawqi Aziz Baharudin Yusuf Widiyanto Barlian Henryranu Prasetio Bayu Aji Firmansyah Bayu Sutawijaya Benni A. Nugroho Bere, Stevania Biabdillah, Fajerin Bianca Pingkan Nevista Bintang Fajrianti Brahma Hanif Farhansyah Budi Darma Setiawan Budi Setiawan Cahya, Reiza Adi Cinthia Vairra Hudiyanti Dariswan Janweri Perangin-Angin Dary Ardiansyah Haryono Dea Zakia Nathania Dedi Romario Delpiero, Rangga Raditya Desy Setya Rositasari Dika Imantika Dimas Angga Nazaruddin Dinda Adimanggala Dito William Hamonangan Gultom Diva Fardiana Risa Diva Fardiana Risa Djoko Pramono Dona Adittia Dyah Ayu Wulandari Dyah Ayu Wulandari Dzar Romaita Eka Devi Prasetiya Eka Yuni Darmayanti Eko Laksono Eko Setiawan Elok Nuraida Kusuma Dewi Fabiansyah Cahyo Kuncoro Pradipta Faizatul Amalia Fajar Pradana Fajar Pradana Fajerin Biabdillah Faranisa, Puspa Ayu Fardan Ainul Yaqiin Farhan Setya Dhitama Farid Syauqi Nirwan Fasya Ghassani Hadiyan Fatwa Ramdani, Fatwa Ferdian Maulana Akbar Ferry Ardianto Rismawan Ficry Agam Fathurrachman Fikar Mukamal Gandhi Ramadhona Giga Setiawan Gregorius Dhanasatya Pudyakinarya Gultom, Dito William Hamonangan Gunawan, Alifi Habib Bahari Khoirullah Haikal, Raihan Hanif Prasetyo Maulidina Hanifah Khoirunnisak Hanifah Muslimah Az-Zahra Hanifah Muslimah Az-Zahra, Hanifah Muslimah Haryowinoto Rizqul Aktsar Hasyir Daffa Ibrahim Hayashi, Yusuke Herman Tolle Heryana, Ana Hirashima, Tsukasa Holiyanda Husada Hutamaputra, William Ihza Razan Alghifari Ikhsan Putra Arisandi Ikrom Septian Hadi Ilham Pambudi Imam Cholissodin Imam Cholissodin Imam Cholissodin Indra K. Syahputra Indra Kurniawan Syahputra Indriati Indriati Indriati Indriati Intan Yusuf Habibie Iqbal Taufiq Ahmad Nur Irfani, Ilham Irma Nurvianti Irwan Suprianto Issa Arwani Ivqonnada Al Mufarrih Joseph Ananda Sugihdharma Joseph Ananda Sugihdharma Julia Ferlin Kartiko, Erik Yohan Katrina Puspita Kevin Gusti Farras Fari' Utomo Kharis Alfian Kharis Alfian Kresna Hafizh Muhaimin Krisnabayu, Rifky Yunus Krisnandi, Dikdik Kuncahyo Setyo Nugroho Kurnia Fakhrul Izza Kusumo, R. Budiarianto Suryo Lailil Muflikhah Ludgerus Darell Perwara Luthfi Afrizal Ardhani M Reza Syahputra A M. Ali Fauzi M. Khusnul Azhari M. Raabith Rifqi M. Sofyan Irwanto Mar'i, Farhanna Marvel Timothy Raphael Manullang Mawarni, Marrisaeka Michael Stephen Lui Moch Irfan Prayudha Adhianto Mochamad Chandra Saputra Mochamad Havid Albar Purnomo Mochammad Dearifaldi Al Ikhsan Mochammad Dearifaldi Al Ikhsan Moh Iqbal Yusron Mufidatun Nuha Muh. Edo Aprillia Andilala Muhammad Ferdyandi Muhammad Ifa Amrillah Muhammad Tanzil Furqon Muhammad Taufik Dharmawan Muhammad Wafi Muhammad Wafi Muhammad Zulfikarrahman Nabila Leksana Putri Nabila Lubna Irbakanisa Nadifa, Rahajeng Mufti Nainggolan, Cesilia Natasya Nanang Yudi Setiawan Nanang Yudi Setiawan Nanang Yudi Setyawan Nanda Ajeng Kartini Nanda Samsu Dhuha Nasita Ratih Damayanti Naufal Fathirachman Mahing Nourman Hajar Novanto Yudistira Novi Sunu Sri Giriwati Novianti, Siska Nur Wahyu Melliano Hariyanto Nurafifah Alya Farahisya Nurul Hidayat Oddy Aulia Rahman Nugroho Okta Dwi Ariska Ovy Rochmawanti Pamungkas, Gilang Alif Pradana , Fajar Priyambadha, Bayu Pryono, Muhammad Adam Puras Handharmahua Putra Pandu Adikara Rafif Taqiuddin Rafif Taqiuddin Rafly, Andi Raga Saputra Heri Istanto Rahman, Rafli Rahmat Adi Setiawan Ramadhan, Muhammad Fitrah Randy Cahya Wihandika Randy Cahya Wihandika Ratih Kartika Dewi Refi Fadholi Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Renavitasari, Ivenulut Rizki Diaz Retno Indah Rokhmawati Retno Indah Rokhmawati, Retno Indah Revanza, Muhammad Nugraha Delta Reza Syahputra Rezka Aditya Nugraha Hasan Rezky Dermawan Rhobith, Muhammad Rian Nugroho Ridwan Adi Setiabudi Riski Darmawan Riza Setiawan Soetedjo Rizal Setya Perdana Rizkey Wijayanto Rizkia Desi Yudiari Rizky Adinda Azizah Rizky Muhammad Faris Prakoso Robi Dwi Setiawan Rona Salsabila Said Atharillah Alifka Alhabsyi Samuel Arthur Satrio A. Wicaksono Satrio Agung Wicaksono Satrio Agung Wicaksono Satrio Hadi Wijoyo Satrio Hadi Wijoyo Satyawan Agung Nugroho Satyawan Agung Nugroho Shinta Aprilisia Sifaunnufus Ms, Fi Imanur Sintiya, Karena Siswahyudi, Puad Siti Mutdilah Sofyanda, Erika Yussi Sri Wulan Utami Vitandy Sueddi Sihotang Sugihdharma, Joseph Ananda Sulandri Sulandri Sza Sza Amulya Larasati Taufik Hidayat Timothy Julian Titus Christian Ubaydillah, Achmad Afif Utaminingrum, Fitri Vasha Farisi Sarwan Halim Very Sugiarto, Very Vivy Junita Wahyu Ardiansyah, Mohammad Wahyu Satriyo Wibowo Wahyudi, Hafif Bustani Wayan F. Mahmudy Wayan Firdaus Mahmudy Welly Purnomo Whita Parasati Wicky Prabowo Juliastoro Windy Adira Istiqhfarani Wiratama Ahsani Taqwim Wirdhayanti Paulina Yoga Tika Pratama Yudi Muliawan Yuita Arum Sari Zainal Arifien Zayn, Afta Ramadhan