Claim Missing Document
Check
Articles

Found 30 Documents
Search

Pengembangan Sistem Pendeteksi dan Penghitungan Uang Rupiah Otomatis Menggunakan YOLOv8 Achmad Fauzal Khobir; Muthiah Hamidah; Mayanda Mega Santoni; Dodik Ariyanto; Faldiena Marcelita
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 13 No. 2 (2026): Prosisko Vol. 13 No. 2 Juli 2026
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v13i2.12154

Abstract

Perkembangan teknologi computer vision dan deep learning telah mendorong pengembangan sistem deteksi objek secara otomatis pada berbagai bidang, termasuk pengenalan mata uang. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksi dan penghitungan uang rupiah otomatis menggunakan algoritma YOLOv8. Penelitian dilakukan dengan membandingkan performa dua varian model, yaitu YOLOv8n dan YOLOv8s, dalam mendeteksi nominal uang rupiah berdasarkan metrik evaluasi precision, recall, mAP50, dan mAP50-95. Tahapan penelitian meliputi pengumpulan dataset, preprocessing data, pelatihan model, pengujian model, evaluasi kinerja, serta analisis hasil. Dataset yang digunakan terdiri dari citra uang rupiah dengan tujuh kelas nominal, yaitu Rp1.000, Rp2.000, Rp5.000, Rp10.000, Rp20.000, Rp50.000, dan Rp100.000. Hasil penelitian menunjukkan bahwa kedua model mampu mendeteksi nominal uang rupiah dengan baik serta melakukan penghitungan total nominal uang secara otomatis. Model YOLOv8s menunjukkan performa yang lebih baik dalam mendeteksi objek secara umum dan menghasilkan deteksi yang lebih akurat, sedangkan YOLOv8n memiliki kemampuan lokalisasi objek yang lebih stabil berdasarkan nilai mAP50-95 yang lebih tinggi serta ukuran model yang lebih ringan. Beberapa kesalahan deteksi masih ditemukan pada kondisi uang yang bertumpuk (overlap), pencahayaan yang kurang optimal, dan kemiripan warna antar-nominal uang. Secara keseluruhan, penelitian ini menunjukkan bahwa algoritma YOLOv8 memiliki potensi yang baik untuk diterapkan pada sistem pendeteksi dan penghitungan uang rupiah otomatis berbasis computer vision serta dapat diimplementasikan pada aplikasi berbasis web.
Implementasi Model YOLOv8 dan OCR pada Sistem ANPR untuk Monitoring Smart Drop-off Zone Zafira A’idah Gunawan; Mauladi Fadhillah; Anargya Rabbani Aslam; Mayanda Mega Santoni; Dodik Ariyanto; Faldiena Marcelita
Jurnal Ilmu Komputer dan Multimedia Vol. 3 No. 1 (2026): ILKOMEDIA Edisi Juni 2026
Publisher : Akademi Komunitas Negeri Putra Sang Fajar Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46510/ilkomedia.v3i1.97

Abstract

Area drop-off pada lingkungan publik sering mengalami kemacetan akibat kendaraan berhenti melebihi batas waktu yang ditentukan. Proses pengawasan yang masih dilakukan secara manual dinilai kurang efisien karena membutuhkan tenaga tambahan dan memperlambat penindakan pelanggaran. Penelitian ini bertujuan mengimplementasikan sistem Automatic Number Plate Recognition (ANPR) berbasis YOLOv8 dan Optical Character Recognition (OCR) untuk monitoring Smart Drop-off Zone secara otomatis. Dataset penelitian diperoleh dari Roboflow Universe sebanyak 1.870 gambar kendaraan dan ditingkatkan menjadi 3.275 gambar melalui proses augmentasi seperti perubahan pencahayaan, rotasi, blur, dan penambahan noise. Proses augmentasi hanya diterapkan pada data training, sedangkan data validation dan testing tetap menggunakan data asli untuk menjaga objektivitas evaluasi. Model YOLOv8 Nano dilatih menggunakan 100 epoch dengan dua konfigurasi ukuran input, yaitu 640×640 piksel dan 416×416 piksel, untuk membandingkan performa model pada kondisi implementasi nyata. Hasil pengujian menunjukkan bahwa Eksperimen 1 dengan input 640×640 piksel memperoleh nilai mAP50 sebesar 0.9214, precision sebesar 0.9347, dan recall sebesar 0.8795, sedangkan Eksperimen 2 dengan input 416×416 piksel memperoleh mAP50 sebesar 0.8084. Meskipun Eksperimen 1 menghasilkan nilai evaluasi yang lebih tinggi, model Eksperimen 2 dipilih untuk implementasi karena menunjukkan stabilitas deteksi yang lebih baik pada berbagai kondisi lingkungan seperti pencahayaan rendah dan sudut kamera dari atas. Setelah proses deteksi plat nomor dilakukan, sistem OCR menggunakan PaddleOCR berhasil membaca karakter pada plat kendaraan secara otomatis. Sistem kemudian diintegrasikan ke dalam aplikasi berbasis web yang mampu melakukan pencatatan durasi kendaraan, deteksi pelanggaran, dan pengiriman notifikasi otomatis kepada pengguna. Hasil implementasi menunjukkan bahwa sistem ANPR yang dikembangkan mampu mendukung monitoring kendaraan pada area Smart Drop-off Zone secara lebih efektif dan efisien pada berbagai kondisi lingkungan.
Automated Student Card Detection and Identity Verification System for Laboratory Management Using YOLOv8n and OCR Muhammad Raihan Zaldiputra; Raffa Danendra Pramono; Keisyah Zahra Anatasya; Dodik Ariyanto; Faldiena Marcelita; Mayanda Mega Santoni
Journal of Artificial Intelligence and Software Engineering Vol 6, No 2 (2026): Juni (OnProgress)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v6i2.9208

Abstract

Pengelolaan peminjaman laboratorium komputer di Sekolah Vokasi IPB University masih dilakukan secara manual, sehingga menimbulkan inefisiensi operasional, ketidakakuratan pencatatan, dan ketidakmampuan pemantauan secara real-time. Penelitian ini bertujuan mengembangkan sistem peminjaman laboratorium berbasis web yang mengotomatisasi proses verifikasi identitas mahasiswa melalui integrasi tiga teknologi utama, yaitu You Only Look Once version 8 Nano (YOLOv8n), Optical Character Recognition (OCR) menggunakan PaddleOCR, dan verifikasi wajah menggunakan ArcFace. Metodologi penelitian meliputi pengumpulan 110 citra Kartu Tanda Mahasiswa (KTM), anotasi bounding box pada empat region, preprocessing dan augmentasi hingga menghasilkan 780 citra, pelatihan model selama 150 epoch menggunakan GPU Tesla T4, serta integrasi ke dalam platform web menggunakan FastAPI dan Next.js. Hasil evaluasi menunjukkan model YOLOv8n mencapai mAP@0,5 sebesar 0,976, precision 0,977, dan recall 0,979. Sistem ini berhasil mengintegrasikan seluruh pipeline verifikasi KTM secara otomatis dan real-time, menghilangkan ketergantungan pada proses manual dalam pengelolaan peminjaman laboratorium.
Komparasi Arsitektur Densenet121, MobilenetV2, dan Resnet50 Untuk Klasifikasi Awan Menggunakan Transfer Learning Yashin Al Fauzy Sabara; Carissa Fathinah Balti; Ahmad Hasan Faqih Aulia; Dodik Ariyanto; Faldiena Marcelita; Mayanda Mega Santoni
BETRIK Vol. 17 No. 02 (2026): Jurnal Ilmiah BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : PPPM Institut Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/6hwf0s96

Abstract

Cloud image classification plays an important role in supporting atmospheric analysis and the development of artificial intelligence-based weather prediction systems. However, visual similarities among cloud types and variations in lighting conditions remain major challenges in automatic classification tasks. This study aims to compare the performance of three Convolutional Neural Network (CNN) architectures, namely DenseNet121, MobileNetV2, and ResNet50, for cloud image classification using a transfer learning approach. The dataset used in this study was the TJNU Ground-based Cloud Dataset, consisting of seven cloud classes with a total of 19.000 images; after removing the Mixed Clouds category with the total of 18.047 images; after removing. The research stages included pre-processing, data augmentation using the Color Jitter technique, model training through feature extraction and fine-tuning, and evaluation using Accuracy, Precision, Recall, and F1-Score metrics. Experimental results showed that ResNet50 achieved the best performance with an accuracy of 90,58% and an F1-score of 91,38%, followed by DenseNet121 with 89,53% accuracy and MobileNetV2 with 85,10% accuracy. In addition to obtaining the highest classification performance, ResNet50 also demonstrated good computational efficiency with the fastest training time of 20.9 minutes. These findings indicate that architectures based on residual learning are more effective in capturing the visual characteristics of cloud images compared to the other architectures evaluated in this study.
SISTEM DETEKSI DAN PEMANTAUAN EMOSI PELANGGAN PADA LAYANAN KASIR BERBASIS PENGENALAN EKSPRESI WAJAH Newi Muchlisinia Muchlisinia; Davino Rizqy Dayan; Ramzy Atchallah Putra; Mayanda Mega Santoni; Dodik Ariyanto; Faldiena Marcelita
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.9719

Abstract

Pelayanan pelanggan pada antrean kasir sering kali dievaluasi menggunakan kuesioner konvensional yang subjektif dan mengganggu kenyamanan. Penelitian ini bertujuan mengembangkan sistem pemantauan emosi real-time berbasis pengenalan ekspresi wajah menggunakan algoritma YOLOv8n-cls yang terintegrasi dengan framework Laravel dan basis data MySQL. Pengumpulan data menggunakan dataset citra wajah bermasker dan tanpa masker yang diproses melalui augmentasi data dengan rasio distribusi 7:2:1. Model dilatih selama 50 epoch pada resolusi 224x224 piksel. Hasil pengujian menunjukkan model berhasil mencapai akurasi global sebesar 75,25%, dengan performa tertinggi pada emosi happy (precision 86,11% dan recall 80,55%). Keunggulan sistem ini terletak pada implementasi logika voting 10 detik yang terbukti efektif mereduksi noise data transien akibat fluktuasi ekspresi mikro. Secara keseluruhan, sistem ini memberikan implikasi praktis yang signifikan bagi manajemen ritel dalam menyediakan laporan indeks kepuasan pelanggan secara harian yang valid, otomatis, dan objektif.
PENGEMBANGAN SISTEM GERBANG OTOMATIS MENGGUNAKAN PENGENALAN PLAT NOMOR KENDARAAN BERBASIS COMPUTER VISION DI IPB UNIVERSITY Puti Aisyah Lailatulrahmi; Muhammad Faiq Fawwaz; Ghaniyy Fattah Ramadhan; Dodik Ariyanto; Faldiena Marcelita
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.9838

Abstract

Sistem pencatatan kendaraan manual di gerbang IPB Univesity berpotensi menyebabkan antrean dan kesalahan data. Penelitian ini mengembangkan sistem gerbang otomatis berbasis Automatic License Plate Recognition (ALPR) menggunakan YOLOv11 untuk deteksi plat nomor dan OCR berbasis Compact Convolutional Transformer (CCT) untuk pengenalan karakter. Dataset yang digunakan sebanyak 349 citra plat nomor kendaraan Indonesia dengan rasio 80:20. Fine-tuning model OCR selama 30 epoch berhasil meningkatkan plate accuracy dari 75,71% menjadi 82,86% dengan character accuracy mencapai 98,14%. Metode Consecutive Result juga meningkatkan kestabilan pembacaan OCR pada video real-time. Sistem berhasil diintegrasikan dengan kamera, database kendaraan, dan frontend monitoring untuk identifikasi kendaraan otomatis.
IoT and Edge AI for Quail Environmental Monitoring and Stress-Related Behaviour Classification Inna Novianty; Ahmad Fauzan; Daffa Ardyana Eka Putra; Muhammad Fadhil Al Faruq; Muhammad Faza Elrahman; Radyanka Irza Pramono; Raqhim Putra Al Rusdi; Zulvian Hardhan; Lathifunnisa Fathonah; Faldiena Marcelita; Gema Parasti Mindara; Shelvie Nidya Neyman
Current STEAM and Education Research Vol. 4 No. 1 (2026): Current STEAM and Education Research, Volume 4 Issue 1, April 2026
Publisher : MJI Publisher by PT Mitra Jurnal Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58797/cser.040105

Abstract

Temperature and humidity readings can show changes inside a quail cage, but they do not tell us how the birds are responding to those conditions. This study developed a low-cost monitoring system that combines environmental sensing with image-based analysis of quail behaviour. A DHT22 sensor measured cage temperature and humidity, while an ESP32 collected and transmitted the readings. A Raspberry Pi 4 processed images captured by a USB camera and ran a Convolutional Neural Network (CNN) based on MobileNet to classify quail behaviour into three operational categories: Normal, Stress, and Aggressive. Environmental readings and classification results were sent through MQTT, stored in a MySQL database, and displayed together on a web dashboard. The system also generated an alert when an abnormal condition was detected. In five comparisons with reference instruments, the DHT22 showed average errors of 0.36% for temperature and 0.38% for humidity. The MobileNet model reached an aggregate validation accuracy of 91.3% on 1,200 labelled images. The average time from image capture to alert delivery was 4.7 seconds. These results show that environmental data and behavioural classification can be processed together on a Raspberry Pi-based platform under the tested conditions. The system was developed for quail monitoring, but its combination of sensors, real-time data, IoT communication, and image classification could also be used as a practical context for interdisciplinary learning.
Pemberdayaan Masyarakat melalui Penerapan Pirolisis Berbasis Internet of Things untuk Peningkatan Kapasitas Pengelolaan Sampah Plastik di Kelurahan Mulyaharja, Bogor Lathifunnisa Fathonah; Inna Novianty; Gema Parasti; Dodik Ariyanto; Faldiena Marcelita; Ridwan Siskandar; Bayu Widodo; Irmansyah Irmansyah; Liora Taya; Laila Nur Azizah
Jurnal Abdi Masyarakat Indonesia Vol 6 No 1 (2026): JAMSI - Januari 2026
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jamsi.2496

Abstract

Kelurahan Mulyaharja, Kota Bogor, menghadapi permasalahan tingginya volume sampah plastik rumah tangga yang belum terkelola dengan baik. Sebagian sampah dibakar atau dibuang ke lingkungan sekitar, sehingga menimbulkan pencemaran dan risiko kesehatan masyarakat. Program pengabdian ini menerapkan teknologi pirolisis berbasis Internet of Things (IoT) untuk mengonversi sampah plastik menjadi bahan bakar alternatif melalui pendekatan participatory community-based implementation. Metode kegiatan meliputi analisis kebutuhan, perancangan dan pembuatan alat, pelatihan, serta pendampingan operasional bagi warga Kelurahan Mulyaharja. Hasil pengabdian menunjukkan bahwa prototipe pirolisis berbasis IoT berhasil beroperasi stabil pada skala komunitas. Sebanyak lebih dari 70% warga peserta mampu mengoperasikan alat secara mandiri sesuai prosedur keselamatan kerja. Hasil survei menunjukkan 76% warga sangat peduli terhadap lingkungan, dan 86% menyatakan kegiatan ini memberikan manfaat nyata. Selain itu, terjadi penurunan praktik pembakaran dan pembuangan sampah ke sungai, serta mulai terbentuk kelompok pengelola alat berbasis masyarakat. Produk minyak hasil pirolisis telah dimanfaatkan sebagai bahan bakar alternatif untuk peralatan sederhana. Program ini memperkuat kapasitas masyarakat dalam pengelolaan sampah, mendukung keberlanjutan teknologi berbasis komunitas, serta mendorong koordinasi antara warga, pengurus RW, dan kelurahan.
OPTIMASI PERTUMBUHAN MICROGREEN RED RADISH MELALUI OTOMATISASI PENYIRAMAN, PENYINARAN, DAN PENYESUAIAN SUHU BERBASIS IOT Tiara Safitrah; Dea Ummul Khabibah; Angga Eben Ezer; Brilliant Sandynigy Fernando; Edmund Banyu Kauripan; Muchammad Alifandino Satrio; Muhammad Hafizh Maulidan; Nabil Arif A'isy; Faldiena Marcelita; Lathifunnisa Fathonah
Elektrika Vol. 16 No. 2 (2024): Oktober 2024
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/elektrika.v16i2.10429

Abstract

This research aims to optimize the growth of red radish microgreens through an automation system that integrates irri-gation, lighting, and temperature adjustment based on the Internet of Things (IoT). The research method involves the use of WS2812B LED strips as the lighting source for photosynthesis, soil moisture sensors to control irrigation, and DHT22 tem-perature sensors to adjust the ideal environmental temperature. Data collection combines relevant literature data with direct observations during the red radish microgreen planting process. Data analysis is conducted through descriptive approaches to understand the growth patterns of microgreen plants and correlation analysis to identify relationships be-tween various growth parameters. Additionally, the IoT system's response to changes in environmental conditions is ana-lyzed to evaluate the system's effectiveness in regulating lighting, irrigation, and temperature. The research findings indi-cate that the IoT-based automation system effectively enhances the growth and quality of red radish microgreens. The au-tomatic implementation of LEDs improves photosynthesis rates, while efficient irrigation systems ensure plants receive adequate water. The temperature automation system maintains optimal growth conditions and reduces the risk of thermal stress. Integrating this system into a website platform also enables remote control and monitoring. This automation system not only increases plant productivity and quality but also reduces maintenance costs and time, demonstrating the signifi-cant potential of IoT technology in modern agriculture. Keywords: Automation System, Growth, Internet of Things, Microgreen, Red Radish. ABSTRAK Penelitian ini bertujuan untuk mengoptimalkan pertumbuhan microgreen red radish melalui sistem otomatisasi yang mengintegrasikan penyiraman, penyinaran, dan penyesuaian suhu berbasis Internet of Things (IoT). Metode penelitian melibatkan penggunaan LED strip WS2812B sebagai sumber pencahayaan untuk fotosintesis, sensor kelembaban tanah untuk mengontrol penyiraman, dan sensor suhu DHT22 untuk menyesuaikan suhu lingkungan yang ideal. Pengumpulan data dalam penelitian menggabungkan data literatur yang relevan serta pengamatan langsung selama proses penanaman microgreen red radish. Analisis data dilakukan melalui pendekatan deskriptif untuk memahami pola pertumbuhan tana-man microgreen dan analisis korelasi untuk mengidentifikasi hubungan antara berbagai parameter pertumbuhan. Selain itu, respons sistem IoT terhadap perubahan kondisi lingkungan dianalisis untuk mengevaluasi efektivitas sistem dalam mengatur pencahayaan, penyiraman, dan suhu. Hasil penelitian menunjukkan bahwa sistem otomatisasi berbasis IoT efektif dalam meningkatkan pertumbuhan dan kualitas microgreen red radish. Penerapan LED secara otomatis meningkatkan laju fotosintesis, sementara sistem penyiraman efisien memastikan tanaman mendapatkan air yang tepat. Sistem otomatisasi suhu menjaga lingkungan pertumbuhan optimal dan mengurangi risiko stres termal. Integrasi sistem ini dalam platform website juga memungkinkan kontrol dan pemantauan secara remote. Sistem otomatisasi ini tidak hanya meningkatkan produktivitas dan kualitas tanaman, tetapi juga mengurangi biaya dan waktu pemeliharaan, menunjukkan potensi besar teknologi IoT dalam pertanian modern.
Implementasi Deep Learning Menggunakan Convolutional Neural Network (CNN) untuk Pengenalan Karakter Hiragana dan Katakana pada Aplikasi Pembelajaran Bahasa Jepang Adinda Rahma Wati; Mochamad Tegar Santoso; Muhammad Thariq Azis; Mayanda Mega Santoni; Dodik Ariyanto; Faldiena Marcelita
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 11, No 1 (2026): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v11i1.9302

Abstract

Pembelajaran huruf Jepang, yaitu Hiragana dan Katakana, sering kali menjadi tantangan bagi pemula karena kemiripan bentuk karakter serta kesulitan dalam menghafal dan menulis huruf dengan benar. Penelitian ini bertujuan mengembangkan sistem pengenalan karakter Hiragana dan Katakana menggunakan teknologi Deep Learning berbasis Convolutional Neural Network (CNN). Sistem dirancang untuk mengenali tulisan tangan dan hasil scan gambar karakter secara otomatis dan real-time. Model pengenalan karakter Hiragana menggunakan metode CNN-SVM yang dilatih menggunakan 12.006 citra dari 46 kelas karakter, sedangkan model Katakana menggunakan CNN dengan 71.959 citra dari 47 kelas karakter. Hasil evaluasi pada data uji menunjukkan akurasi sebesar 99,44% untuk Hiragana dan 96,52% untuk Katakana. Implementasi sistem pada website pembelajaran memungkinkan pengguna memperoleh umpan balik secara interaktif selama proses pembelajaran berlangsung. Hasil penelitian menunjukkan bahwa metode CNN berpotensi mendukung aplikasi pembelajaran bahasa Jepang yang lebih interaktif dan efektif bagi pengguna pemula.
Co-Authors Achmad Fauzal Khobir adinda rahma wati Agus Buono Ahmad Farrell Raafii Alaiyya Al-Attas Ahmad Fauzan Ahmad Hasan Faqih Aulia Ana Turyanti Anargya Rabbani Aslam Angga Eben Ezer Antonya Rumondang Sinaga Aprilianti, Dhila Baracahya Panata Cendikia Rahayu Bayu Widodo Brilliant Sandynigy Fernando Cahya Ilham Carissa Fathinah Balti Daffa Ardyana Eka Putra Dany Fadhilah Davino Rizqy Dayan Dea Ummul Khabibah Dodik Ariyanto DODIK ARIYANTO Edmund Banyu Kauripan Endang Purnama Giri Fadilla Julianifa Putri Fathonah, Lathifunnisa Gema Parasti Gema Parasti Mindara Gema Parasti Mindara Gesit Tri Nugroho Ghaniyy Fattah Ramadhan Hendriana, Andri Hikmah Rahmah Ima Kusumanti Inna Novianty Inna Novianty Inna Novianty Inna Novianty Inyasdi Kahvi, Muhamad Restu Irham Maulana Johani Irmansyah Irmansyah Keisyah Zahra Anatasya Khairunisa, Aulia Khairunnisa Hayyu Kusnadi Khonza Izzati Laila Nur Azizah Liora Taya Mauladi Fadhillah Mayanda Mega Santoni Mayanda Mega Santoni Mayanda Mega Santoni Mindara, Gema Parasti Mochamad Tegar Santoso Muchammad Alifandino Satrio Muhammad Fadhil Al Faruq Muhammad Faiq Fawwaz Muhammad Fatih Fauzan Azhim Muhammad Faza Elrahman Muhammad Hafizh Maulidan Muhammad Mahardicka Alfattah Zelda Muhammad Rafi Alexander Prayoga Muhammad Raihan Zaldiputra Muhammad Rizky Caesar Muhammad Thariq Azis Muhammad, Fadhel Muthiah Hamidah Nabil Arif A'isy Nabilah Ratu Zahrah Nadira Naira Zahra Naufal Rizqullah Firdaus Naufal, Fawwaz Nelvi, Annisa Amanda Newi Muchlisinia Muchlisinia Novianty, Inna Novianty, Inna Novianty Noviyanti, Inna Nur Aziezah Nur Aziezah Olivia Sekar Nindia Pandaoni Cinta Cristin Paramitadevi, Yudith Vega Puti Aisyah Lailatulrahmi Raden Muhammad Raditya Rahman Radyanka Irza Pramono Raffa Danendra Pramono Rafii Khairan Saragih Rahmah, Hikmah Ramzy Atchallah Putra Raqhim Putra Al Rusdi Ridwan Siskandar Rizq Muhammad Sukmosuwarno Rumondang, Antonya Salsabila Diba Cahyani Santoni, Mayanda Mega sayekti, ayutyas Setiawan, Aep Shelvie Nidya Neyman Sholihah, Walidatush Sinaga, Antonya Rumondang Tiara Safitrah Walidatush Sholihah Walidatush Sholihah Walidatush Sholihah Yashin Al Fauzy Sabara Zafira A’idah Gunawan Zulvian Hardhan