Article Per Year (5 Year)
p-Index From 2021 - 2026
5.03
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Sainteks Proceedings of KNASTIK TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Informatika SPEKTRUM INDUSTRI Jurnal Sarjana Teknik Informatika JUITA : Jurnal Informatika International Journal of Advances in Intelligent Informatics Seminar Nasional Informatika (SEMNASIF) Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika JTET (Jurnal Teknik Elektro Terapan) Indonesian Journal of Artificial Intelligence and Data Mining Buffer Informatika Jurnal Sains dan Informatika JRST (Jurnal Riset Sains dan Teknologi) JITK (Jurnal Ilmu Pengetahuan dan Komputer) PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer JURTEKSI Mobile and Forensics Masyarakat Berdaya dan Inovasi Journal of Computer Science, Information Technology and Telecommunication Engineering (JCoSITTE) Innovation in Research of Informatics (INNOVATICS) Jurnal Teknik Informatika (JUTIF) DECODE: Jurnal Pendidikan Teknologi Informasi Jurnal Mandiri IT Ahsana: Jurnal Penelitian dan Pengabdian kepada Masyarakat Sabangka Abdimas Jurnal Pengabdian Masyarakat Sabangka Control Systems and Optimization Letters Prosiding Seminar Nasional CORISINDO
Murinto Murinto
Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta
Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Social Sciences Other

Published : 99 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 99 Documents
Search

 6   7   8   9   10 
Identifikasi Infeksi Penyakit Malaria Berdasarkan Citra Darah Menggunakan Convolutional Neural Network Adelia Fitriawati Zakiyyah; Murinto Kusno
Jurnal Sarjana Teknik Informatika Vol 10, No 2 (2022): Juni
Publisher : Teknik Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v10i2.22598

Abstract

Malaria merupakan penyakit yang disebabkan oleh nyamuk anopheles yang terindetifikasi parasit plasmodium. Penyebaran kasus malaria yang semakin meningkat dapat dihentikan apabila terdapat sistem atau metode diagnosa secara akurat dan cepat. Tujuan penelitian ini adalah untuk mendeteksi sel darah merah yang terinfeksi malaria, untuk membantu tim kesehatan atau tim medis dalam mendiagnosa malaria dengan waktu yang lebih singkat serta menekan biaya peralatan medis serta mengurangi human error. Penelitian ini menggunakan convolutional neural network untuk mengklasifikasi citra sampel sel darah merah pasien positif malaria dan sampel sel darah normal. Tahapan penelitian dimulai dari identifikasi masalah, perumusan masalah, studi literatur, pengumpulan data di peroleh dari Kaggle.com dan NIH menggunakan kurang lebih 2000 data citra, spesifikasi kebutuhan, pengolahan data, perancangan model menggunakan arsitektur alexnet yang telah melalui proses reduksi dengan cara optimalisasi arsitektur CNN dan mencari kombinasi parameter yang menghasilkan nilai akurasi terbaik, implementasi menggunakan python, dan GUI flask serta pengujian performa sistem menggunakan akurasi dari confusion matrix. Hasil penelitian membuktikan pasien positif malaria dan pasien negatif malaria, menggunakan 80% data training serta 20% data testing dengan total dataset sebanyak 2000 data. Hasil akurasi sebesar 98% dan hasil uji validitas model menggukan data baru diluar data training dan testing didapatkan hasil akurasi sebesar 100%.  
Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest Neighbor Gading Surya Lesmana; Murinto Kusno
Jurnal Sarjana Teknik Informatika Vol 10, No 2 (2022): Juni
Publisher : Teknik Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v10i2.22390

Abstract

Pisang merupakan jenis buah-buahan yang banyak ditemukan di Indonesia. Pengklasifikasian kematangan buah pisang menggunakan cara nondestruktif dilakukandengan melihat warna dan tekstur kulit pisang yang merupakan komponen eksternal dari buah pisang tanpa harus membuka atau mencicipi daging dan membuat kondisi buah tetap utuh. Penelitian ini melakukan klasifikasi kualitas Pisang Ambon menggunakan metode K-Nearest Neighbor yang dapat membantu dalam mengembangkan sistem klasifikasi pengenalan kualitas tanpa harus menghancurkan buah pisang tersebut. Penelitian ini terdapat dua tahap, yaitu pengembangan sistem dan penentuan kualitas buah Pisang Ambon. Tahap pengembangan sistem meliputi perancangan interface, pengolahan data, perancangan sistem, implementasi, pengujian, dan analisis hasil penelitian. Tahapan dalam penentu tingkat kualitas pisang ambon meliputi input citra buah pisang ambon, cropping citra, menghitung nilai RGB, mengkonversi nilai RGB ke HSV, mengkoversi HSV ke histogram dan menentukan kualitas buah Pisang Ambon berdasarkan empat klasifikasi, yaitu klasifiasi sangat baik, baik, sedang, dan buruk menggunakan metode K-NN dan metode akurasi menggunakan Confusion matrix. Berdasarkan hasil pengujian dengan 40 data citra yang terdiri dari 10 citra Pisang Ambon berkualitas sangat baik, 10 citra pisang ambon berkuaitas baik, 10 citra pisang ambon berkualitas sedang, dan 10 citra pisang ambon berkualitas buruk yang diklasifikasikan menggunakan metode K-NN menghasilkan akurasi sebesar 70,0%.
Medical External Wound Image Classification Using Support Vector Machine Technique Syifa'ah Setya Mawarni; Murinto Murinto; Sunardi Sunardi
Khazanah Informatika Vol. 9 No. 2 October 2023
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v9i2.22541

Abstract

Diagnosis is an activity that refers to the examination of something. Diagnosis is often associated with medical activities as a determinant of a person's condition, in the health sector diagnosis means a procedure performed by a doctor to determine a patient's condition. Unfortunately, it is rare to diagnose disease using an object wound, whereas if the wound is not treated immediately it can lead to more serious illnesses such as ulcers and tetanus or in some cases it can cause infection which then becomes a complication, in the worst case amputation occurs. The skin protects the body from various threats, the skin is also the first fortress for the body. Before implementing a prototype external wound diagnosis, it is necessary to test the accuracy of the algorithm to be used. The algorithm that can be used for diagnosis or classification is the Support Vector Machine or SVM which in the process goes through 3 stages, namely data collection, preprocessing, and classification. This research obtained the results of feature extraction on the wound image test data using GLCM with a contrast value of 0.0082, a correlation value of 0.9769, an energy value of 0.6391, and a homogeneity value of 0.9959 as well as the accuracy of using the SVM algorithm which was measured using a confusion matrix to get an accuracy value of 96.39%, 93.06% precision, recall 92.85%, and F1-score 92.58%. The results of the accuracy of the classification of external wound images using the SVM algorithm are 92.85%.
Klasifikasi Jenis Biji Kopi Menggunkan Convolutional Neural Network dan Transfer Learning pada Model VGG16 dan MobileNetV2 Murinto Murinto; Miftahurahma Rosyda; Martania Melany
JRST (Jurnal Riset Sains dan Teknologi) Volume 7 No. 2 September 2023: JRST
Publisher : Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/jrst.v7i2.16788

Abstract

Proses pengklasifikasian juga digunakan dalam artificial intelligence (AI), yang merupakan kecerdasan yang dibuat oleh komputer, sehingga dapat menirukan tindakan seperti halnya manusia pada umumnya dan dapat menangkap kejadian yang terjadi di lingkungan sekitarnya. Melihat perkembangan perdagangan kopi internasional yang sangat tinggi, dapat disimpulkan jika terdapat jenis kopi yang memiliki kualitas terbaiklah yang akan banyak dicari oleh negara pengimpor kopi. Terdapat beberapa jenis kopi diantaranya adalah kopi Arabica, kopi Robusta, kopi Liberica. Pada saat ini kopi sangat banyak di nikmati oleh masyarakat baik itu kalangan muda atau pun tua, dengan seiring berjalannya waktu pun peminat kopi terus meningkat. Melalui teknologi yang ada saat ini maka dapat dibedakan jenis biji kopi Robusta, Arabica, Liberica. Salah satu teknologi yang dapat digunakan adalah deep learning. Tujuan dari penelitian ini adalah mengusulkan model Convolutional Neural Network (CNN)-Transfer Learning untuk diimplementasikan pada sistem cerdas untuk proses klasifikasi citra jenis biji kopi. Metode yang digunakan dalam penelitian ini adalah model CNN transfer learning VGG16 dan MobileNetV2. Dari hasil pengujian yang dilakukan pada 3 model yakni model CNN, Model CNN-transfer learning VGG16 dan MobileNetV2 didapatkan hasil bahwa akurasi yang paling tinggi didapatkan ketika melakukan klasifikasi citra biji kopi dengan menggunakan CNN-transfer learning model MobileNetV2 yakni sebesar 96%. Tingkat akurasi yang meningkat jika dibandingkan dengan model CNN biasa mengindikasikan bahwa penggunaan transfer learning memberikan efek yang baik pada tingkat akurasi yang didapatkan. Kenaikan sebesar 1% memang tidak terlalu besar akan tetapi dengan adanya kenaikan tersebut membuka peluang untuk meningkatkan lebih tinggi menggunakan model transfer learning lainnya.
Sarcasm Detection: A Comparative Analysis of RoBERTa-CNN vs RoBERTa-RNN Architectures Pawestri, Sheraton; Murinto, Murinto; Auzan, Muhammad
Innovation in Research of Informatics (Innovatics) Vol 6, No 2 (2024): September 2024
Publisher : Department of Informatics, Siliwangi University, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37058/innovatics.v6i2.11921

Abstract

Increasingly advanced technology and the creation of social media and the internet can become a forum for people to express things or opinions. However, comments or views from users sometimes contain sarcasm making it more difficult to understand. News headlines, sometimes contain sarcasm which makes readers confused about the content of the news. Therefore, in this research, a model was created for sarcasm detection. Many methods are used for sarcasm detection, but performance still needs to be improved. So this research aims to compare the performance of two text classification methods, Convolutional Neural Network (CNN) and Recurrent Neural Network (RNN), in detecting sarcasm in English news headlines using RoBERTa text transformation.  RoBERTa produces a fixed-size vector of numbers 1x768. The research results show that CNN has better performance than RNN. CNN achieved the highest average accuracy of 0.891, precision of 0.878, recall of 0.874, and f1-score of 0.876, with a loss of 0.260 and a processing time of 508.1 milliseconds per epoch. On the contrary, RNN shows an accuracy of 0.711, precision of 0.692, recall of 0.620, f1-score 0.654, and loss of 0.564, with a longer processing time of 116500 milliseconds per epoch. The 10-fold cross-validation evaluation method ensures the model performs well and avoids overfitting. So it is recommended to use the combination of RoBERTa and CNN in other text classification applications that require high speed and accuracy. Further research is recommended to explore deeper CNN architectures or other architectural variations such as Transformer-based models for performance improvements.
Particle Swarm Optimization Algorithm for Hyperparameter Convolutional Neural Network and Transfer Learning VGG16 Model Murinto, Murinto; Winiarti, Sri; Faisal, Ilyas
Journal of Computer Science, Information Technology and Telecommunication Engineering Vol 5, No 1 (2024)
Publisher : Universitas Muhammadiyah Sumatera Utara, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30596/jcositte.v5i1.16680

Abstract

The classification process is also used in artificial intelligence (AI), which is intelligence created by a computer, so that it can mimic actions like humans in general and can capture events that occur in the surrounding environment. Seeing the very high development of the international coffee trade, it can be concluded that if there is a type of coffee that has the best quality, it will be sought after by coffee importing countries. Batik is cloth that is painted using canting and liquid wax to form motifs or patterns that have high artistic value. Batik has a variety of unique and distinctive patterns that reflect the region where the batik motif originates. One area that has batik motifs in Indonesia is batik in the North Coastal Region of Java Island. In this area, various batiks are produced according to the characteristics of the area itself. Regarding information related to the introduction of types of batik motifs, perhaps it comes from people who have batik skills and batik craftsmen who best understand batik as a whole, while the general public does not really know about batik motifs. Because batik has different motifs and batik motifs in some areas have motifs that are almost uniform but not the same. One of the technologies that can be used is deep learning. The purpose of this study is to propose a Convolutional Neural Network (CNN) and Transfer Learning (TL) model to be implemented in an intelligent system for the process of image classification of coffee bean types. The method used in this study is the PSOCNN transfer learning model VGG16 From the results of tests carried out on 2 models, namely the CNN model, the PSOCNN transfer learning model VGG16. it was found that the highest accuracy was obtained when classifying batik motives images using the PSOCNN-transfer learning model VGG16, which was 83%. The level of accuracy that is increased when compared to the usual CNN model indicates that the use of transfer learning has a good effect on the level of accuracy obtained. Although an increase of 6% is significant, but with this increase it opens up opportunities to increase even higher by using other transfer learning models
Motion Capture Technique with Enhancement Filters for Humanoid Model Movement Animation Habibillah, Ahmad Yasin; Prahara, Adhi; Murinto, Murinto
Mobile and Forensics Vol. 5 No. 1 (2023)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v5i1.6534

Abstract

The definition of 3D animation is a representation of objects that are made into animation using characters or objects to look more alive and real. Making 3D animation itself requires a long process and a large amount of funding. This is because most 3D animated films still use key-framing technology which causes the process to make an animation to take a lot of steps. In this research, a motion capture technique with an enhancement filter is proposed to make humanoid movement animation using Kinect 2.0. The method consists of several steps such as recording every skeleton joint of human movements using a Kinect sensor, filtering the movements to minimize the shakiness and jitter from Kinect data, mapping skeleton data to the bones of a rigged humanoid model, and recording each movement to make animation. The final result is in the form of a 3D animation of modern dance movements. The method is tested by measuring the similarity between the 3D humanoid model and the user movement. From the 10 animations of modern dance generated by the method and performed by the user, a questionnaire to measure the MRI and MSE value is distributed and the result achieves 4.27 on a scale of 5 for the averaged MRI score and 0.0539 for the MSE score. The MSE value is less than 5% which means the system is categorized as acceptable.
Data Augmentation Using Test-Time Augmentation on Convolutional Neural Network-Based Brand Logo Trademark Detection Suyahman, Suyahman; Sunardi, Sunardi; Murinto, Murinto; Khusna, Arfiani Nur
Indonesian Journal of Artificial Intelligence and Data Mining Vol 7, No 2 (2024): September 2024
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v7i2.28804

Abstract

The detection and acknowledgment of logos holds significant importance in the corporate sphere, facilitating the detection of unauthorized logo usage and ensuring trademark uniqueness within specific industry sectors. Presently, convolutional neural networks powered by deep learning are widely utilized for image recognition. However, their effectiveness is dependent on a substantial volume of training images which may not always be readily available. This study suggests employing Test Time Augmentation to address dataset constraints by expanding the original dataset, thereby enhancing classification accuracy and preventing overfitting. Test-Time Augmentation is a method used to improve the accuracy of convolutional neural networks by creating numerous augmented variations of the test images and then merging their predictions. The research findings indicate that the application of TTA has the highest performance on the VGG16 model with 98% precision, 99% recall, and 98% F1-score, and 98.87% accuracy
Sistem Pendukung Keputusan Menggunaka Metode Promethee (Studi Kasus: Cathead Apparel) Nuur Hafidz, Muhammad Arif; Murinto, Murinto
Jurnal Sarjana Teknik Informatika Vol. 9 No. 3 (2021): Oktober
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v9i3.20332

Abstract

Industri konveksi saat ini menjadi salah satu klaster industri prioritas di Indonesia. Saat ini tidak semua perusahaan dapat memproduksi bahan baku utama sendiri namun didapat dari supplier. Cathead Apparel merupakan perusahaan konveksi yang beroperasi di Yogyakarta. Pemilihan supplier yang dilakukan Cathead Apparel masih bersifat subyektif dan konvensional hanya berdasarkan pengalaman menjadi mitra. Kriteria dan sub kriteria yang dipakai dalam menentukan supplier yang banyak dalam kasus ini bertujuan memberi solusi atau hasil dari beberapa alternatif untuk diambil sebuah keputusan. Penelitian dilakukan untuk mengetahui kesesuaian penerapan metode Promethee dalam kasus sistem pendukung keputusan pemilihan supplier konveksi agar dapat membantu pemilik konveksi maupun masyarakat umum dalam memilih supplier konveksi. Subyek penelitian ini adalah pemilihan supplier konveksi menggunakan algoritma Promethee. Sistem ini diimplementasikan menggunakan bahasa pemrograman PHP dan database MySQL. Tahap penelitian ini meliputi subyek penelitian, spesifikasi kebutuhan yang berupa perangkat keras serta perangkat lunak yang digunakan, metode pengumpulan data yang meliputi studi pustaka, teknik wawancara, serta observasi, analisis kebutuhan sistem terdiri dari analisis kebutuhan data, analisis kebutuhan user serta analisis kebutuhan sistem, perancangan sistem yang meliputi perancangan manajemen data, subsistem manajemen model, subsistem antar muka pengguna, serta subsistem manajemen berbasis pengetahuan, implementasi sistem, dan pengujian yang menggunakan pengujian beta test dan black box test menggunakan teknik equivalence partitions yang dilakukan berdasarkan lima tahapan, yaitu menentukan kriteria, data uji, kasus uji, pengujian, dan evaluasi. Hasil dari penelitian ini adalah aplikasi SPK pemilihan supplier yang menerapkan algoritma Promethee. Teknik equivalence partitions Dari hasil uji yang telah dilakukan kepada karyawan dan pemilik, diperoleh hasil 79% atau 3,95/5 diterima. Hasil pengujian menghasilkan feedback berupa rekomendasi untuk masukan bagi pemilik konveksi.
Klasifikasi Kualitas Pisang Ambon Menggunakan Metode K-Nearest Neighbor Lesmana, Gading Surya; Kusno, Murinto
Jurnal Sarjana Teknik Informatika Vol. 10 No. 2 (2022): Juni
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v10i2.22390

Abstract

Pisang merupakan jenis buah-buahan yang banyak ditemukan di Indonesia. Pengklasifikasian kematangan buah pisang menggunakan cara nondestruktif dilakukandengan melihat warna dan tekstur kulit pisang yang merupakan komponen eksternal dari buah pisang tanpa harus membuka atau mencicipi daging dan membuat kondisi buah tetap utuh. Penelitian ini melakukan klasifikasi kualitas Pisang Ambon menggunakan metode K-Nearest Neighbor yang dapat membantu dalam mengembangkan sistem klasifikasi pengenalan kualitas tanpa harus menghancurkan buah pisang tersebut. Penelitian ini terdapat dua tahap, yaitu pengembangan sistem dan penentuan kualitas buah Pisang Ambon. Tahap pengembangan sistem meliputi perancangan interface, pengolahan data, perancangan sistem, implementasi, pengujian, dan analisis hasil penelitian. Tahapan dalam penentu tingkat kualitas pisang ambon meliputi input citra buah pisang ambon, cropping citra, menghitung nilai RGB, mengkonversi nilai RGB ke HSV, mengkoversi HSV ke histogram dan menentukan kualitas buah Pisang Ambon berdasarkan empat klasifikasi, yaitu klasifiasi sangat baik, baik, sedang, dan buruk menggunakan metode K-NN dan metode akurasi menggunakan Confusion matrix. Berdasarkan hasil pengujian dengan 40 data citra yang terdiri dari 10 citra Pisang Ambon berkualitas sangat baik, 10 citra pisang ambon berkuaitas baik, 10 citra pisang ambon berkualitas sedang, dan 10 citra pisang ambon berkualitas buruk yang diklasifikasikan menggunakan metode K-NN menghasilkan akurasi sebesar 70,0%.
Co-Authors Abdul Fadlil Abdul Jawad Achmad Sahri Ramdhani Adam, Irfan adelia fitriawati zakiyyah Adhi Prahara Adhi Prahara Adhi Prahara, Adhi Aditya Kurniawan Agus Harjoko Agus Harjoko Amin Padmo A.M Angga Prasetio Romadhon Anton Yudhana Arfiani Nur Khusna Arief Yudiyanto Arya Yugi B Auzan, Muhammad Azhari, Ahmad B, Arya Yugi Bachrudin Muchtar Bachrudin Muchtar Benny Adrian Bidinnika, Muhammad Kunta Binar Aji Hermawan Caswito Caswito Darmanto Darmanto Daru Thobrani Furqon Deris Alfiansyah Kurnia Dewi Pramudi Ismi Dyah Apriliani Dyah Apriliani Dyah Apriliani Eko Aribowo Eko Aribowo Elena Yustina Elena Yustina Erik Iman Heri Ujianto Faisal, Ilyas Farajullah Farajullah Ferangga Puguh Furizal, Furizal Gading Surya Lesmana Galang Romadhon Gustava Ardiantoro Habibillah, Ahmad Yasin Habie, Khairul Fathan Hafin, Aqid Fahri Hazar, Siti Herman Yuliansyah, Herman Ikhwan Hawariyanta Indarto Indarto Indra Dwi Ananto Irfan Adam Irfan Adam Jamhari Widadi Kartika Firdausy Krisna Astianingrum Labib Azhar Janotama Lesmana, Gading Surya Martania Melany Mawarni, Syifa’ah Setya Miftahurahma Rosyda Miftahurrahma Rosyda Muchtar, Bachrudin Muhammad Arif Nuur Hafidz Muhammad Ridwan Murein Miksa Mardhia Nur Rochmah Dyah Pujiastuti Nurkhasanah Nurkhasanah Nurul Istiqomah Nuur Hafidz, Muhammad Arif Padmo A.M, Amin Pawestri, Sheraton Permadi, Yuda Pratama, Ridho Haikal Puji Triono Pujiyono, Wahyu Putri, Salsabilla Azahra Rajunaidi, Rajunaidi Risnadi Syazali Rizki Muriliasari Royyan Yuni Miladi Sefiyanti, Reza Shireen Panchoo Siti Hajar Son Ali Akbar Sri Handayaningsih Sri Hartati Sri Winiarti Suhendra Edi Saputra Sunardi Sunardi Sunardi, Sunardi Suyahman Suyahman Syifa'ah Setya Mawarni Taufik Cahya Prayitna Teguh Sudrajat Thoat Khoirudin Tri Kasihno Triono, Puji Wahju Tjahjo Saputro Wahyu Pujiyono Wahyu Pujiyono Wawan Ragil Wibowo Wijayanti, Dedi Willy Permana Putra Wisnu Ahmad Maulana Yan Adhi Permadi Yesiansyah Yesiansyah Yuda Permadi Yulisasih, Baiq Nikum Yunianti, Rizqi Yustina, Elena Zakiyyah, Adelia Fitriawati Zulkarnain Effendi