Article Per Year (5 Year)
p-Index From 2021 - 2026
18.682
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmu Komputer dan Informasi Jurnal Neutrino : jurnal fisika dan aplikasinya 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 Bulletin of Information Technology (BIT) Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal of Management Research and Studies Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika
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 Library & Information Science Physics Social Sciences

Published : 249 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 249 Documents
Search

 21   22   23   24   25 
Perbandingan Klasifikasi Stres Berbasis Electroencephalography Dengan Kombinasi Ekstraksi dan Seleksi Fitur Menggunakan Metode Tunggal dan Ensemble Sifaunnufus Ms, Fi; Bachtiar, Fitra; Pramukantoro, Eko
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 3: Juni 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2026133

Abstract

Deteksi stres menggunakan sinyal Electroencephalography (EEG) memiliki potensi besar untuk pemantauan kesehatan mental secara objektif. Namun, tantangan pada permasalahan ini adalah ketidakseimbangan kelas dan pemilihan fitur yang representative dari sinyal EEG yang kompleks. Variasi metode dalam alur kerja pemrosesan, dimulai dari ekstraksi fitur hingga klasifikasi, menciptakan ketidakpastian mengenai kombinasi teknik yang paling efektif. Oleh karena itu, penelitian ini melakukan analisis komparatif sistematis terhadap berbagai skenario untuk mengidentifikasi alur kerja yang optimal. Metode penelitian ini membandingkan kinerja fitur tunggal, Power Spectral Density (PSD) dengan fitur kombinasi (PSD, Parameter Hjorth, Higuchi Fractal Dimension). Untuk mengatasi ketidakseimbangan kelas dan dimensi fitur, penelitian ini menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE) dan seleksi fitur Particle Swarm Optimization (PSO). Beberapa model klasifikasi, termasuk Random Forest, XGBoost, SVM, Logistic Regression, dan sebuah arsitektur ensemble, dievaluasi menggunakan metrik akurasi dan F1-score. Hasil utama menunjukkan bahwa konfigurasi yang paling optimal adalah yang paling sederhana, yaitu model Random Forest yang hanya menggunakan fitur PSD, tanpa penerapan SMOTE maupun PSO. Konfigurasi ini berhasil mencapai akurasi tertinggi sebesar 0.77 dan F1-score 0.77. Ditemukan bahwa penambahan fitur, penerapan SMOTE, dan penggunaan arsitektur ensemble justru cenderung menurunkan performa pada konfigurasi terbaik. Kesimpulan dari penelitian ini adalah bahwa untuk deteksi stres pada dataset yang digunakan, pendekatan yang lebih sederhana lebih unggul. Penelitian ini berhasil memetakan kinerja berbagai skenario dan memberikan rekomendasi alur kerja yang efektif, sekaligus menunjukkan bahwa penambahan kompleksitas tidak selalu menjamin peningkatan akurasi.   Abstract Stress detection using Electroencephalography (EEG) signals has great potential for objective mental health monitoring. However, the challenges in this problem are class imbalance and the selection of representative features from complex EEG signals. Variations in processing workflow methods, from feature extraction to classification, create uncertainty regarding the most effective combination of techniques. Therefore, this study conducted a systematic comparative analysis of various scenarios to identify the optimal workflow. The research method compares the performance of a single feature Power Spectral Density (PSD) with a combination of features (PSD, Hjorth Parameter, Higuchi Fractal Dimension). To overcome class imbalance and feature dimension, this study uses the Synthetic Minority Over-sampling Technique (SMOTE) and Particle Swarm Optimization (PSO) feature selection. Several classification models, including Random Forest, XGBoost, SVM, Logistic Regression, and an ensemble architecture, were evaluated using accuracy and F1-score metrics. The main results show that the most optimal configuration is the simplest one, which is a Random Forest model that only uses PSD features, without applying SMOTE or PSO. This configuration successfully achieved the highest accuracy of 0.77 and an F1-score of 0.77. It was found that the addition of features, the application of SMOTE, and the use of ensemble architecture actually tend to degrade performance in the best configuration. The conclusion of this study is that for stress detection on the dataset used, a simpler approach is superior. This research successfully mapped the performance of various scenarios and provided effective workflow recommendations, while showing that increasing complexity does not always guarantee increased accuracy.
Pelatihan Penggunaan Aplikasi Bimbingan Konseling bagi Guru SMA/SMK Pradana, Fajar; A. Bachtiar, Fitra; Sagita Rusdianto, Denny; Arwan, Achmad; Fardiana Risa, Diva
DIMASLOKA: Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika Vol 1 No 1 (2022): Januari
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/dimasloka.v1i1.13

Abstract

Bimbingan dan konseling (BK) adalah proses interaksi antara konselor dengan konseli baik secara langsung maupun tidak langsung dalam rangka untuk membantu konseli agar dapat mengembangkan potensi dirinya atau pun memecahkan permasalahan yang dialaminya. Selain itu, BK juga memiliki tugas untuk mengetahui kondisi psikologi dari anak didiknya. Dengan adanya BK, maka setiap murid bisa diobservasi dan juga dilakukan assessment lebih lanjut untuk mengetahui kondisi psikologis masing-masing muridnya. Banyak kasus dimana anak remaja mengalami kondisi stress yang dapat berdampak buruk. Terdapat 30,20% siswa SMA mengalami stres tingkat berat. Hal ini dikarenakan beberapa faktor diantaranya tekanan pada bidang akademik dan lingkungan lain, salah satunya adalah merasa tegang dan takut tidak lulus. Untuk saat ini, proses deteksi penyakit stres dapat dilakukan dengan berkonsultasi ke psikiater. Namun bagi siswa SMA yang memiliki permasalahan baik dibidang akademik maupun lainnya dapat melakukan konsultasi dengan guru Bimbingan Konseling (BK) yang terdapat di masing masing sekolah. SMAN 1 Pandaan dan SMA Maarif Pandaan merupakan mitra pengabdian yang memiliki permasalahan pada proses pembimbingan siswa yang dilakukan unit BK. Saat ini kegiatan konsultasi masih dilakukan dengan mencatat melalui logbook berupa buku catatan. Hal ini mengakibatkan sistem pencatatan yang tidak tertata dengan baik dan sulit untuk dilakukan monitoring kedepannya. Berdasarkan permasalahan tersebut, maka pada kegiatan pengabdian ini mengambil judul “Pelatihan Penggunaan Aplikasi Bimbingan Konseling bagi Guru SMA/SMK”. Hasil Rata-rata responden memberikan nilai setuju dan sangat setuju. Hal ini dapat disimpulkan bahwa aplikasi telah memenuhi kebutuhan yang telah ditetapkan sebelumnya serta telah memenuh ekspetasi dari user
Analisis Gaya Belajar Siswa SMA Terhadap Teknik Evaluasi Pembelajaran pada Mata Pelajaran Informatika Kelas 10 di SMA Negeri 1 Malang Prameswary, Putri; Bachtiar, Fitra Abdurrachman; Purnawirawan, Okta
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 5 (2026): Mei 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini bertujuan untuk menganalisis hubungan antara gaya belajar siswa dengan teknik evaluasi pembelajaran pada mata pelajaran Informatika kelas 10 di SMA Negeri 1 Malang. Dengan menggunakan pendekatan kualitatif studi kasus, data dikumpulkan melalui observasi partisipatif, wawancara mendalam semi-terstruktur, dan angket gaya belajar berbasis model VAK (Visual, Auditori, Kinestetik). Subjek penelitian terdiri dari dua orang guru Informatika dan 14 siswa kelas X yang dipilih secara purposif. Analisis data menggunakan model interaktif Miles dan Huberman. Hasil penelitian menunjukkan bahwa: (1) seluruh siswa memiliki gaya belajar multimodal dengan komponen kinestetik sebagai modalitas paling dominan (hadir pada 86% informan), diikuti kombinasi auditori-kinestetik (43%), visual-kinestetik (21%), dan kinestetik dominan (21%); (2) teknik evaluasi yang digunakan guru sudah bervariasi mencakup tes objektif, tes uraian, praktikum, proyek, dan penilaian keaktifan, namun Sumatif Akhir Semester secara konsisten menggunakan format esai tertulis; (3) kesesuaian antara gaya belajar dan teknik evaluasi bersifat parsial dan kontekstual, kesesuaian tertinggi terjadi pada evaluasi berbasis praktikum, sementara ketidaksesuaian paling signifikan dirasakan oleh siswa berkecenderungan kinestetik kuat terhadap evaluasi sumatif berbentuk esai tertulis. Temuan ini mengindikasikan potensi bias sistematis dalam penilaian yang perlu ditangani melalui diversifikasi teknik evaluasi yang lebih adaptif terhadap keberagaman gaya belajar siswa.
Multi-Band EEG Spectrogram Decomposition with Residual Attention Network for Enhanced Stress Classification Sza Sza Amulya Larasati; Fitra Abdurrachman Bachtiar; Budi Darma Setiawan
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 10 No 2 (2026): April 2026
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v10i2.7225

Abstract

Stress can affect both physical and mental health, and it is important to support faster intervention. EEG can record brain activity directly, but EEG signals are complex, noisy, and difficult to handle. This study explores how EEG spectrogram decomposition can improve stress classification accuracy using deep learning models. Decomposition was accomplished by splitting a single EEG spectrogram into five distinct segments based on frequency range. Deep neural networks resembling ResNet are well-suited for spectrogram data, as the iterative feature extraction across layers facilitates the identification of hidden patterns. Incorporating an attention module before the classification layer further strengthens the model's capabilities by highlighting the most pertinent features during the training process. The baseline architecture employed in this study was ResNet-152. By incorporating a Multi-Head Attention mechanism prior to the Fully Connected layer, the modified network is denoted as RAN-152. The combination of spectrogram decomposition, ResNet, and attention has been proven to improve classification accuracy in complex EEG data. Without these three together, the accuracy obtained was only 0.5479, while the combination of the three achieved the highest accuracy of 0.9026. Evaluation of other metrics such as precision, recall, and F1-score also confirms that the attention module is good enough to highlight important features while reducing noise, thereby making classification more balanced across classes. These findings show that the combination of EEG decomposition and attention can be a promising approach for stress detection.
Deteksi Tingkat Engagement Pemain Game Menggunakan Pendekatan Multimodal Dengan Arsitektur Multilayer Perceptron Wandalia, Anisa; Bachtiar, Fitra Abdurrachman; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di JOIV
Analisis Struktur Laten Sinyal EEG Menggunakan GMM-HMM untuk Studi Representasi Pola Stres Dzakwan, Farel Rakha; Bachtiar, Fitra Abdurrachman
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Konferensi Internasional IECBES
Klasifikasi Keterlibatan Respon Emosional Penonton Iklan Menggunakan Model Vision Transformer young, jonathan; Bachtiar, Fitra Abdurrachman
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan di terbitkan di JISEBI
Predicting On-Time Graduation Using the C 4.5 Algorithm with Forward Selection Optimization (Case Study: Computer Engineering Study Program, Faculty of Computer Science, Brawijaya University) Bangse, Ni Nyoman Dinda Permata Putri; Wijoyo, Satrio Hadi; Bachtiar, Fitra Abdurrachman
Journal of Information Technology and Computer Science Vol. 11 No. 2: August 2026
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jitecs.2026112871

Abstract

On-time student graduation is a key indicator of academic effectiveness and higher education quality. Timely graduation reflects efficient academic management, while delays may negatively impact institutional performance and accreditation. Graduation delays are influenced by various academic and non-academic factors, making early prediction essential. This study aims to develop an on-time graduation prediction model using the C4.5 algorithm optimized with the forward selection method. The research was conducted in the Computer Engineering Study Program, Faculty of Computer Science, Universitas Brawijaya, using student data from the 2018–2021 cohorts. The dataset includes both academic and nonacademic attributes. The modeling process followed the CRISP-DM framework, and model performance was evaluated using a confusion matrix. The results show that the C4.5 model without feature selection achieved an accuracy of 63%, while the application of forward selection significantly improved accuracy to 83%. These findings indicate that feature selection plays a crucial role in enhancing prediction performance. The proposed model can support academic stakeholders in data driven decision making and in designing strategies to improve on-time graduation rates.  
Penerapan Distraction Detection Untuk Pencegahan Distraksi Pengemudi Melalui Convolutional Neural Networks Salim, Andrew; Bachtiar, Fitra; Priyambadha, Bayu
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di JITECS
Co-Authors AA Sudharmawan, AA Abidatul Izzah Abu Wildan Mucholladin Achmad Arwan Achmad Arwan Achmad Basuki Achmad Basuki Achmad Fahlevi Achmad Firmansyah Sulaeman Achmad Hanim Nur Wahid Achmad Ridok Adam Hendra Brata Adam Syarif Hidayatullah Adhia, Nabila Nur Fajri Adinugroho, Sigit Aditya Rachmadi Aditya Rachmadi, Aditya Admaja Dwi Herlambang, Admaja Dwi Afida, Latansa Nurry Izza Afifurrijal Afifurrijal Agus Wahyu Widodo Ahmad Afif Supianto Ahmad Afif Supianto Ahmad Afif Supianto Ahmad Afif Supianto Ahmad Fairuzabadi Aisyah Awalina Aisyatul Maulidah Akhmad Lazuardi Al Ikhsan, Mochammad Dearifaldi Alaikal Fajri Nur Alfian Aldi Fianda Putra Aldo, Muhammad Alfi Nur Rusydi Alfian, Kharis Alfin Taufiqurrahman Alfirsa Damasyifa Fauzulhaq Alhasyimi, Dana Mustofa Amadea, Karina Amalia Kusuma Akaresti Amrillah, Muhammad Ifa 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 Arifien, Zainal Aulia Dewi Savitri Aulia Nurrahma Rosanti Paidja Aulia Septi Pertiwi Awalina, Aisyah Azhar Izzannada Elbachtiar Azizah, Rizky Adinda Azzam Syawqi Aziz Azzam, Ja'far Shidqul Baharudin Yusuf Widiyanto Bangse, Ni Nyoman Dinda Permata Putri Barlian Henryranu Prasetio Bayu Aji Firmansyah Bayu Priyambadha Benni A. Nugroho Bere, Stevania Bianca Pingkan Nevista Bintang Fajrianti 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 Dewi, Elok Nuraida Kusuma Dika Imantika Dimas Angga Nazaruddin Dinda Adimanggala Dito William Hamonangan Gultom Diva Fardiana Risa Djoko Pramono Dona Adittia Dyah Ayu Wulandari Dyah Ayu Wulandari Dyah Ayu Wulandari Dzakwan, Farel Rakha Dzar Romaita Eka Devi Prasetiya Eka Yuni Darmayanti Eko Laksono Eko Setiawan Fabiansyah Cahyo Kuncoro Pradipta Fahrezy, Ahmad Faizatul Amalia Fajar Pradana Fajerin Biabdillah Faranisa, Puspa Ayu Fardan Ainul Yaqiin Fardiana Risa, Diva Farhan Setya Dhitama Farhansyah, Brahma Hanif Farid Syauqi Nirwan Fasya Ghassani Hadiyan Fatwa Ramdani, Fatwa Ferdian Maulana Akbar Ferry Ardianto Rismawan Ficry Agam Fathurrachman Fikar Mukamal Gandhi Ramadhona Gembong Edhi Setyawan Giga Setiawan Gregorius Dhanasatya Pudyakinarya Gultom, Dito William Hamonangan Gunawan, Alifi Haikal, Raihan Hanggara, Buce Trias 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 Hidayatullah, Adam Syarif Hirashima, Tsukasa Holiyanda Husada Hutamaputra, William Ihza Razan Alghifari Ikhsan Putra Arisandi Ikrom Septian Hadi Ilham Pambudi Imam Cholissodin Imam Cholissodin Indra Kurniawan Syahputra Indriati Indriati Indriati Indriati Indriati Indriati Indriati Intan Yusuf Habibie Iqbal Taufiq Ahmad Nur Irfani, Ilham Irma Nurvianti Irwan Suprianto Irwanto, M. Sofyan Issa Arwani Istanto, Raga Saputra Heri Ivqonnada Al Mufarrih Joseph Ananda Sugihdharma Joseph Ananda Sugihdharma Julia Ferlin Kartiko, Erik Yohan Katrina Puspita Kevin Gusti Farras Fari' Utomo Kharis Alfian Khoirullah, Habib Bahari Kresna Hafizh Muhaimin Krisnabayu, Rifky Yunus Krisnandi, Dikdik Kuncahyo Setyo Nugroho Kurnia Fakhrul Izza Kurniawan, Rafi Athallah Kusumo, R. Budiarianto Suryo Lailil Muflikhah Lathania, Laela Salma Ludgerus Darell Perwara Luthfi Afrizal Ardhani M Reza Syahputra A M. Ali Fauzi M. Khusnul Azhari M. Raabith Rifqi Mar'i, Farhanna Marji Marvel Timothy Raphael Manullang Maulidah, Aisyatul Mawarni, Marrisaeka Moch Irfan Prayudha Adhianto Mochamad Chandra Saputra Mochamad Havid Albar Purnomo Mochammad Dearifaldi Al Ikhsan Moh Iqbal Yusron Mufidatun Nuha Muh. Edo Aprillia Andilala Muhammad Ferdyandi Muhammad Ibnu Sa'ad Muhammad Tanzil Furqon Muhammad Taufik Dharmawan 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 Nourman Hajar Novanto Yudistira Novi Sunu Sri Giriwati Novianti, Siska Nur Wahyu Melliano Hariyanto Nur, Iqbal Taufiq Ahmad Nurafifah Alya Farahisya Nurkhoyri, Ageng Nurul Hidayat Oddy Aulia Rahman Nugroho Okta Dwi Ariska Pamungkas, Gilang Alif Pangestu, Gusti Pradana , Fajar Prameswary, Putri Pramukantoro, Eko Pranata, Arya Yudha Kusuma Priyambadha, Bayu Pryono, Muhammad Adam Pulungan, Vallery Puras Handharmahua Purnawirawan, Okta Purnomo, Fawwaz Anrico Putra Pandu Adikara Rafif Taqiuddin Rafif Taqiuddin Rafly, Andi Rahman, Rafli Rahmat Adi Setiawan Ramadhan, Muhammad Fitrah Ramadhianti, Fatiha 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 Rifky Akhsanul Hadi Risa, Diva Fardiana Riski Darmawan Riza Setiawan Soetedjo Rizal Setya Perdana Rizkey Wijayanto Rizkia Desi Yudiari Rizky Adinda Azizah Rizky Muhammad Faris Prakoso Robi Dwi Setiawan Rochmawanti, Ovy Rona Salsabila Sagita Rusdianto, Denny Said Atharillah Alifka Alhabsyi Salim, Andrew Salsabila, Rona Samuel Arthur Satrio Agung Wicaksono Satrio Agung Wicaksono Satrio Hadi Wijoyo Satrio Hadi Wijoyo Satrio Wicaksono Satyawan Agung Nugroho Satyawan Agung Nugroho Shinta Aprilisia Sifaunnufus Ms, Fi Sifaunnufus Ms, Fi Imanur Sigit Adinugroho Sinana, Admi Rut Sintiya, Karena Siswahyudi, Puad Siti Mutdilah Sofyanda, Erika Yussi Sri Wulan Utami Vitandy Sueddi Sihotang Sugihdharma, Joseph Ananda Sulandri, Sulandri Sutawijaya, Bayu Syahidi, Aulia Akhrian Syahputra, Indra K. Sza Sza Amulya Larasati Taufik Hidayat Timothy Julian Tirana Noor Fatyanosa, Tirana Noor Titus Christian Ubaydillah, Achmad Afif Utaminingrum, Fitri Vasha Farisi Sarwan Halim Very Sugiarto, Very Vivy Junita Wafi, Muhammad Wahyu Ardiansyah, Mohammad Wahyu Satriyo Wibowo Wahyudi, Hafif Bustani Wandalia, Anisa Wayan F. Mahmudy Wayan Firdaus Mahmudy Welly Purnomo Whita Parasati Wicaksono, Satrio A. Wicky Prabowo Juliastoro Windy Adira Istiqhfarani Wiratama Ahsani Taqwim Wirdhayanti Paulina Yoga Tika Pratama Young, Jonathan Yudi Muliawan Yuita Arum Sari Zafira, Sabrina Ella Zayn, Afta Ramadhan Zulfikarrahman, Muhammad