Article Per Year (5 Year)
p-Index From 2021 - 2026
5.467
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Jurnal Informatika dan Teknik Elektro Terapan Infotech Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL LENTERA : Kajian Keagamaan, Keilmuan dan Teknologi Bina Insani ICT Journal JIEET (Journal of Information Engineering and Educational Technology) Jurnal Pengabdian Pada Masyarakat JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Informatika Universitas Pamulang INTECOMS: Journal of Information Technology and Computer Science Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Informasi dan Komputer Indonesian Journal of Applied Informatics Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Teknologi Terpadu EDUMATIC: Jurnal Pendidikan Informatika Cyber Security dan Forensik Digital (CSFD) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Pemberdayaan Komunitas MH Thamrin J-SAKTI (Jurnal Sains Komputer dan Informatika) Innovative: Journal Of Social Science Research Nuansa Informatika JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Aries Suharso
Universitas Singaperbangsa Karawang
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Health Professions Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 49 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 49 Documents
Search

 1   2   3   4   5 
Identifikasi Penyakit pada Daun Kopi Menggunakan Metode Deep Learning VGG16 Rizki Windiawan; Aries Suharso

Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Yudharta Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35891/explorit.v13i2.2689

Abstract

Indonesia merupakan negara dengan jumlah produksi kopi urutan keempat dunia. Namun, dibandingkan dengan negara pesaing jumlah produksi di Indonesia terbilang kecil yang disebabkan karena banyaknya tanaman kopi yang terserang penyakit. Tujuan dari penelitian ini adalah untuk mengidentifikasi penyakit pada tanaman kopi melalui daun menggunakan metode deep learning agar dapat sesegera mungkin mencegah penyakit tidak cepat menyebar. Deep learning adalah jenis machine learning yang bekerja dengan cara menyiapkan parameter dasar terkait data dan melatih komputer agar bisa belajar dengan mengenali pola menggunakan banyak lapisan pemrosesan. VGG16 adalah salah satu jenis arsitektur pada deep learning dengan total jumlah layer sejumlah 16. Data yang digunakan terdiri dari 360 gambar yang terdiri dari gambar daun kopi sehat, daun kopi penyakit Red Spider Mite, dan daun kopi penyakit Rust. Setelah dilakukan proses pengujian terhadap data validation didapatkan akurasi terbesar yaitu 89% sehingga dapat disimpulkan bahwa metode deep learning VGG16 berjalan baik dalam mengidentifikasi penyakit pada tanaman kopi.
Model Recurent Neural Network untuk Peramalan Produksi Tebu Nasional Aziz Kustiyo; Mukhlis Mukhlis; Aries Suharso
Bahasa Indonesia Vol 9 No 1 (2022): Bina Insani ICT Journal (Juni) 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/biict.v9i1.1744

Abstract

Abstrak: Produksi tebu di Indonesia tersebar di beberapa wilayah yang mengakibatkan variabilitas yang tinggi dari variabel-variabel yang mempengaruhi produksi tebu nasional. Di samping itu, tidak mudah untuk mendapatkan data-data tersebut dalam waktu yang cukup panjang. Oleh karena itu peramalan produksi tebu nasional berdasarkan variabel-variabel tersebut sangat sulit dilakukan. Sebagai solusi dari masalah tersebut, maka peramalan produksi tebu nasional dilakukan berdasarkan data historisnya. Penelitian ini bertujuan untuk mengembangkan model recurrent neural networks (RNN) untuk peramalan produksi tebu nasional berdasarkan data historisnya. Data yang digunakan adalah data produksi tebu nasional dari tahun 1967 sampai dengan tahun 2019 dalam satuan ton. Sebagai data latih digunakan data tahun 1967 sampai dengan tahun 2006 dan sisanya dipakai sebagai data uji. Pada penelitian ini dilakukan percobaan untuk mengetahui pengaruh panjang deret waktu dan ukuran batch terhadap kinerja model RNN dengan tiga ulangan. Hasil penelitian menunjukkan bahwa model RNN dengan panjang deret waktu 4 dan ukuran batch 16 menghasilkan nilai mean absolut percentage error (MAPE) sebesar 9.0% dengan nilai korelasi 0.77. Secara umum, model RNN yang dibangun mampu menangkap pola produksi tebu nasional dengan tingkat kesalahan yang masih dapat ditoleransi. Kata kunci: deret waktu, peramalan, produksi tebu, recurrent neural networks Abstract: Sugarcane production in Indonesia is spread over several regions. This condition results in high variability of the variables that affect national sugarcane production. In addition, it is not easy to obtain these data over a long period. As a result, it is very difficult to forecast the production of national sugarcane based on the influencing variables. Therefore, the forecasting was based on historical data of the national sugarcane production. This study aims to develop a recurrent neural networks (RNN) model for forecasting national sugarcane production based on historical data. The data used is national sugarcane production data from 1967 to 2019 in tons. As training data, data from 1967 to 2006 were used and the rest was used as test data. In this study, an experiment was conducted to determine the effect of time series length and batch size on the performance of the RNN model with three replications. The results showed that the RNN model with a time series length of 4 and a batch size of 16 produced a mean absolute percentage error (MAPE) of 9.0% with a correlation value of 0.77. In general, the RNN model is able to capture the national sugarcane production pattern with a tolerable error rate. Keywords: forecasting, recurrent neural networks, sugarcane production, time series
Penerapan Metode Finite State Machine pada Pengembangan Game Edukasi Pengolahan Sampah Ruziq Maulana; Aries Suharso; Adhi Rizal
IJAI (Indonesian Journal of Applied Informatics) Vol 5, No 2 (2021)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v5i2.44772

Abstract

AbstrakSaat ini banyak orang yang tidak memiliki kesadaran akan kebersihan lingkungannya sendiri dan masih banyak yang membuang sampah sembarangan, yang akan menyebabkan pencemaran dan kerusakan lingkungan. Untuk meningkatkan kesadaran seseorang dalam hal sampah maka perlu adanya sebuah edukasi mengenai pengolahan sampah. Edukasi yang terbaik adalah edukasi yang dilakukan sejak dini, sehingga edukasi yang dilakukan akan tersimpan sampai tua nanti. Agar meningkatkan minat belajar anak-anak usia dini maka perlu adanya media yang menyenangkan bagi anak salah satunya menggunakan video game. Dalam pembuatan video game banyak metode yang dapat digunakan salah satunya adalah metode Finite State Machine. Tujuan dari penelitian ini iyalah bagaimana membuat game pengolahan sampah dengan menerapkan metode finite state machine dan mengukur tingkat penerimaan anak terhadap game yang dibuat. Metodologi yang digunakan dalam penelitian ini yaitu Multimedia Development Life Cycle (MDLC) dengan tools yang digunakan dalam membangun aplikasi yaitu Unity. Aplikasi ini berhasil memuat game pengolahan sampah dengan menerapkan metode Finite State Machine yang diimplementasikan pada NPC dan enemy. Implementasi uji coba aplikasi ini menggunakan pengujian usabilitas di mana hasil rata-rata yang didapatkan adalah 89,69%.============AbstractRecently, many people do not have awareness of their own environmental cleanliness and still do littering that causes pollution & environmental damage. To increase people awareness of waste problem, education of waste disposal need to be given. The best education is best given from early childhood so that the lesson will be remain until they are grown up. Fun media is needed to be given to improve children interest to learn, one of them is using video game. In making video game, many methods can be used, one of which is the Finite State Machine method. The purpose of this research is how to make a waste disposal video game by applying the finite state machine method and measuring the level of children's acceptance of the game. The methodology used in this research is the Multimedia Development Life Cycle (MDLC) with Unity as a tool to build the application. This application successfully loads the waste disposal game by applying the Finite State Machine method, which is implemented on NPCs and enemy. The trial implementation of the application uses a usability test where the average result obtained is 89.69%.
PERBANDINGAN ARSITEKTUR MOBILENET DAN NASNETMOBILE UNTUK KLASIFIKASI PENYAKIT PADA CITRA DAUN KENTANG Anwar Fuadi; Aries Suharso
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 3 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i3.3026

Abstract

Tanaman kentang adalah tanaman yang dapat berkembang biak secara vegetatif melalui umbi. Kentang mempunyai peranan cukup penting untuk dimanfaatkan sebagai usaha. Penurunan produksi kentang 80% diakibatkan oleh penyakit yang dapat mengakibatkan penurunan produksi secara maksimal karena terjadi penghambatan pertumbuhan. Early blight dan late blight merupakan penyakit yang umum menyerang tanaman kentang. Penyakit tersebut dapat diidentifikasi melalui bercak dan warna pada daun tanaman kentang. Dengan majunya proses perkembangan teknologi komputasi maka proses identifikasi tersebut dapat dilakukan dengan menggunakan deep learning. Penelitian ini bertujuan untuk membandingkan arsitektur MobileNet dan NASNetMobile dalam melakukan deteksi penyakit pada daun tanaman kentang. Kedua arsitektur tersebut digunakan untuk menyelesaikan masalah klasifikasi gambar pada perangkat mobile. Penelitian ini menggunakan beberapa skema pemisahan data latih dan data uji seperti 90:10, 80:20, 70:30, 60:40, dan 50:50. Data yang digunakan pada penelitian ini terbagi menjadi gambar daun kentang sehat, gambar daun kentang terinfeksi Early Blight, dan gambar daun kentang terinfeksi Late Blight. Di akhir penelitian ditemukan bahwa pada skema pengujian menggunakan arsitektur NASNetMobile dengan perbandingan data latih dan data uji sebesar 90:10 menghasilkan accuracy sebesar 90.96%, precision sebesar 90.86%, recall sebesar 91.11%, dan f1 score sebesar 92.93%.
IMPLEMENTASI COSINE SIMILARITY DALAM ANALISIS INVESTIGASI CYBERBULLYING PADA TWITTER DENGAN FRAMEWORK NIST Eno Hakimah Kusuma Dewi; Aries Suharso; Chaerur Rozikin
Cyber Security dan Forensik Digital Vol. 5 No. 1 (2022): Edisi Mei 2022
Publisher : Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/csecurity.2022.5.1.3397

Abstract

Pengguna Twitter di Indonesia pada tahun 2021 tercatat mencapai 63,6% dari jumlah populasi dan menempati urutan ke-5 sosial media yang sering diakses oleh masyarakat Indonesia. Semakin tingginya tingkat pengguna Twitter memberi peluang bagi penggunanya untuk melakukan cybercrime seperti cyberbullying. Korban cyberbullying rentan terkena depresi dibandingkan dengan korban tindakan kekerasan verbal lainnya. Melihat dampak yang ditimbulkan maka diperlukan langkah-langkah untuk mengatasi cyberbullying dengan investigasi forensik untuk membuktikan dan menemukan bukti digital yang membantu menyelesaikan kasus cyberbullying yang  marak terjadi di media sosial seperti pada Twitter, sehingga dapat diajukan sebagai bukti kuat, konkrit, serta dapat diproses di pengadilan. Tujuan dari penelitian ini untuk menemukan bukti digital dan mengidentifikasi tindakan cyberbullying pada fitur pesan grup Twitter dengan alur kerja NIST (National Institute of Standards and Technology). Penelitian ini berhasil mendapatkan bukti digital berupa teks percakapan pada smartphone korban yang diekstrak dengan tools MOBILEdit Forensic Express dan dianalisis dengan text processing, pembobotan term/kata, dan menerapkan formula cosine similarity untuk mengidentifikasi cyberbullying. Hasil penelitian menujukkan alur kerja NIST berhasil mengangkat barang bukti hingga pelaporan barang bukti. Metode cosine similarity berhasil mengidentifikasi kalimat yang terindikasi bullying dengan nilai yang berbeda, pelaku dengan nilai tertinggi mencapai 0,377, sedangkan pelaku dengan nilai terendah menyentuh angka 0,02 berdasarkan dengan percakapan terhadap query (kata kunci) bullying. Kata kunci: digital forensik, cyberbullying, cosine similarity, nist, twitter ------ Twitter users in Indonesia in 2021 are recorded at 63.6% of the total population and ranks 5th on social media that are often accessed by Indonesian people. The higher level of Twitter users provides opportunities for users to commit cybercrime such as cyberbullying. Victims of cyberbullying are more prone to depression than other victims of verbal abuse. Seeing the impact, it is necessary to take steps to overcome cyberbullying with forensic investigations to prove and find digital evidence that helps resolve cyberbullying cases that are rife on social media such as Twitter, so that it can be submitted as strong, concrete evidence, and can be processed in court. The purpose of this study was to find digital evidence and identify acts of cyberbullying on the Twitter direct message group with the NIST (National Institute of Standards and Technology) methodology. This study succeeded in obtaining digital evidence in the form of text conversations on the victim's smartphone which was extracted with the MOBILEdit Forensic Express tool and analyzed by text processing, weighting terms/words, and applying the cosine similarity formula to identify cyberbullying. The results of the study show that the NIST has succeeded in raising evidence to reporting evidence. The cosine similarity method succeeded in identifying sentences that indicated bullying with different values, the perpetrator with the highest score reached 0.377, while the perpetrator with the lowest score touched 0.02 based on conversations about the bullying query (keyword). Keywords: digital forensic, cyberbullying, cosine similarity, nist, twitter
Disease Detection in Banana Leaf Plants using DenseNet and Inception Method Andreanov Ridhovan; Aries Suharso; Chaerur Rozikin
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 5 (2022): Oktober 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (573.301 KB) | DOI: 10.29207/resti.v6i5.4202

Abstract

Diseases that attack banana plants can affect the growth and productivity of the fruit produced. The disease can be identified by looking at changes in the pattern and color of the leaves. Infected leaves will experience an increased transpiration process and the photosynthesis process is almost non-existent. Furthermore, disease on banana leaves can cause yield losses of up to 50%. Therefore, early detection is needed so that diseases on banana leaves can be overcome as soon as possible by using deep learning. This study aims to compare the performance of DenseNet and Inception methods in detecting disease on banana leaves. DenseNet is a transfer learning architecture model with fewer parameters and computations to achieve good performance. Inception, on the other hand, is a transfer learning architectural model that applies cross-channel correlation, executes at lower resolution inputs, and avoids spatial dimensions. In conducting the test, this study uses several data handling schemes to test the two methods, namely without data handling, under-sampling, and oversampling. Furthermore, the data is separated into training data and test data with a ratio of 80:20. The result is that the model using the DenseNet method with an oversampling scheme is superior to other models with a percentage value of 84.73% accuracy, 84.80% precision, 84.73% recall, and 84.62% f1 score. In addition, the machine learning model using the DenseNet method in all schemes is also superior to the machine learning model using the Inception method.
Kompresi File Menggunakan Algoritma Lempel Ziv Welch (LZW) Aries Suharso
Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Vol 17, No 2 (2020): Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika
Publisher : Ilmu Komputer, FMIPA, Universitas Pakuan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33751/komputasi.v17i2.1682

Abstract

AbstractIn the field of information technology, data communication is closely related to file delivery. The size of the file is sometimes a constraint in the delivery process. Large files will take longer delivery times compared to files with smaller sizes. Therefore, to handle the problem, one of them by means of compression. This research uses the Software Development Life Cycle (SDLC) method with waterfall models with analysis, design, coding and testing. This app was built using the Lempel Ziv Welch (LZW) algorithm. The Lempel Ziv Welch (LZW) algorithm is included in the lossless compression technique, which is a compression technique that does not alter the original data. The result of a compression assessment used the Lempel Ziv Welch (LZW) algorithm shows the average rate of compression ratio and for all types of text files by 51.04% with an average of 2.56 seconds, for an image file type of 37.26% with an average time of 0.44 seconds. Based on the average percentage of the compression ratio for all file types tested using the LZW algorithm (Lemp Ziv Welch) is 40.40% with an average time required is 1.81 seconds.
Analisis Sentimen Ulasan Aplikasi Binar Pada Google Play Store Menggunakan Algoritma Naïve Bayes Muhammad Raffi; Aries Suharso; Iqbal Maulana
INTECOMS: Journal of Information Technology and Computer Science Vol 6 No 1 (2023): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v6i1.6117

Abstract

Binar is an online learning platform that provides courses and certifications in the digital field. The Binar app has been downloaded 500,000 times and has a rating of 3.6 on the Google Play Store. However, user ratings sometimes do not match their reviews. In application development, not only the number of ratings but also user opinions need to be considered. Therefore, developers must be able to interpret every opinion given, and sentiment analysis was conducted using the Naïve Bayes Multinomial and Bernoulli algorithms along with Information Gain feature selection to interpret user opinions. This study used the Knowledge Discovery in Database (KDD) method. The data used consisted of 713 reviews of the Binar app, including 518 positive and 195 negative reviews. The best results were obtained in the 9:1 data split scenario with the Bernoulli Naïve Bayes model achieving an accuracy of 93.06%, precision of 87.04%, recall of 100%, f1-score of 93.07%, and AUC of 0.988.
Pemetaan Penyebaran Hiv Aids Dengan Geographic Information System (Studi Kasus Kabupaten Karawang) Stefanus Deo Agape; Didi Juardi; Aries Suharso
Innovative: Journal Of Social Science Research Vol. 3 No. 3 (2023): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i3.2889

Abstract

HIV (Human Immunodeficiency Virus) adalah virus yang menyerang sistem kekebalan tubuh dan melemahkan kemampuan tubuh untuk melawan infeksi dan penyakit. Sementara itu, AIDS (Acquired Immuno Deficiency Syndrome) adalah stadium akhir dari infeksi virus HIV. Penyakit ini menjadi salah satu persoalan dalam kesehatan masyarakat di Indonesia yang menjurus kepada semakin meningkatnya jumlah penderita dan semakin besar penyebarannya. Sehingga dalam permasalahan tersebut dibutuhkan suatu metode observasi. Dalam upaya menemukan daerah yang memiliki kasus penyakit human immunodeficiency virus dan acquired immune deficiency syndrome dapat menggunakan Geographic Information System (GIS) dan hasil dari pemetaan ini di uji dengan metode System Usability Scale guna mengetahui grade scale apa yang menjadi hasil dari pemetaan ini dengan menyebar kuesioner kepada staff dinas kesehatan dan masyarakat Kabupaten Karawang. Tujuan penelitian ini adalah pemetaan kasus human immunodeficiency virus dan acquired immune deficiency syndrome dengue dari 30 kecamatan di Kabupaten Karawang.Metode yang digunakan dalam penelitian ini adalah dengan cara observasi dan studi literatur untuk membantu proses penelitian dan juga menggunakan tools ArcGIS 10.8.
Sistem Pendukung Keputusan Penentu Prioritas Pengambilan Barang Jual Limbah Industri Menggunakan Metode Saw(Studi Kasus : CV Geger Hanjuang) Rafa Abdul Fattah; Purwantoro Purwantoro; Aries Suharso
Innovative: Journal Of Social Science Research Vol. 3 No. 3 (2023): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i3.3198

Abstract

Penentuan prioritas dalam pengambilan barang jual limbah industri merupakan aspek penting dalam menjalankan bisnis limbah. Sistem pendukung keputusan (SPK) menjadi solusi yang efektif untuk membantu proses ini. Dalam penelitian ini, metode Simple Additive Weighting (SAW) sebagai metode untuk sistem pendukung keputusan dalam menentukan prioritas pengambilan barang jual limbah industri. Studi kasus dilakukan di CV Geger Hanjuang, sebuah CV yang bergerak dalam industri limbah. Langkah pertama dalam penelitian ini adalah mengidentifikasi masalah dan melakukan studi literatur untuk memahami konsep dasar serta aplikasi metode SAW. Kemudian, data yang relevan dikumpulkan dari CV Geger Hanjuang dan diproses melalui analisis data menggunakan metode SAW. Dalam analisis data, kriteria yang relevan untuk menentukan prioritas pengambilan barang jual limbah industri diidentifikasi. Setiap kriteria diberikan bobot sesuai dengan tingkat kepentingannya. Skor agregat dihitung dengan menjumlahkan hasil perkalian antara bobot dan nilai dari setiap kriteria. Hasil analisis tersebut kemudian digunakan untuk menentukan prioritas pengambilan barang jual limbah yang paling tinggi. Dari implementasi sistem pendukung keputusan menggunakan metode SAW pada CV Geger Hanjuang, diperoleh hasil yang dapat membantu dalam menentukan prioritas pengambilan barang jual limbah industri dengan lebih efektif dan efisien. Sistem ini memberikan informasi yang jelas dan terstruktur tentang prioritas dan memudahkan pengambilan keputusan bagi manajemen perusahaan. Penelitian ini memberikan kontribusi yang penting dalam proses perhitungan sistem pendukung keputusan untuk industri limbah. Metode SAW terbukti menjadi alat yang efektif dalam menentukan prioritas pengambilan barang jual limbah industri. Implikasi praktis dari penelitian ini adalah meningkatnya efisiensi operasional dan keuntungan bisnis dalam industri limbah dengan menggunakan sistem pendukung keputusan yang lebih terstruktur dan informasi yang lebih akurat.
Co-Authors Ade Andri Hendriadi Adhi Rizal Alex Mulyana Andreanov Ridhovan Angga Adhi Pramana Anisah Anwar Fuadi Arip Solehudin Assegaf, Farhan Ayu Shafira Tubagus Aziz Kustiyo Chaerur Rozikin Dewi Ratih Nurcahyani Dian Widyarini, Ratna Didi Juardi Dimas Fathu Ramdhani E Haodudin Nurkifli Eno Hakimah Kusuma Dewi Enri, Ultach garno, Garno Haniva, Diandara Tresya Hasanah, Mau'idzoh Ihya Ullummuddien, Damareindra Iqbal Maulana Iqbal Maulana Irawan, Agung Susilo Yuda Irfan Maulana Zidmy Jaman, Jajam Haerul Jejen Zaelani Juardi, Didi Kurnia Abdullah, Kunaifi Kusnadi, Kusnadi Maelani, Yeyen Mahardhika Pratama, Gilang Miftahuljannah, Virna Muhamad Alghivary, Mirza Muhamad Muhaimin MUHAMMAD HARIS Muhammad Raffi Muhammad Yusuf Mukhlis Mulyana, Alex Nurul Fitriyani Az-zahra, Anggi Nurul Iman, Ihsan Pramudja, Stevanus Ertito Prayogo, Janny Eka Purwantoro Purwantoro Purwantoro Putra, Ikhwan Wiratama R, Aria Renalda Rafa Abdul Fattah Ramadhan, Jadid Alif Riyanto Riyanto Riyanto Riyanto Rizal Saepul Mahdi Rizal, Adhi Rizki Windiawan Rozikin, Chaerur Ruziq Maulana Salsabila, Sarah Sandra Nathalie Silalahi, Jovanka Santosa, Muhammad Rafi Sofi Defiyanti Stefanus Deo Agape Tamba, Reynold Julian Umaidah, Yuyun Wildan Bahari, Bayu