This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Teknologi Dan Industri Pangan Jurnal Pustakawan Indonesia ComEngApp : Computer Engineering and Applications Journal Journal of Tropical Life Science : International Journal of Theoretical, Experimental, and Applied Life Sciences TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmu Komputer dan Agri-Informatika Jurnal Ilmiah Kursor Biogenesis: Jurnal Ilmiah Biologi Jurnal Teknologi Informasi dan Ilmu Komputer Journal of ICT Research and Applications International Journal of Advances in Intelligent Informatics Indonesian Journal of Biotechnology Seminar Nasional Informatika (SEMNASIF) Sosio Konsepsia Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Jurnal Teknologi dan Sistem Komputer INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Jurnal Penelitian Pendidikan IPA (JPPIPA) Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control ILKOM Jurnal Ilmiah Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Jurnal Jamu Indonesia Journal of Electronics, Electromedical Engineering, and Medical Informatics VISI PUSTAKA: Buletin Jaringan Informasi Antar Perpustakaan JURNAL Al-AZHAR INDONESIA SERI SAINS DAN TEKNOLOGI Indonesian Journal of Electrical Engineering and Computer Science Nusantara Science and Technology Proceedings Bioinformatics and Biomedical Research Journal Jurnal Pustakawan Indonesia Jurnal Nasional Teknik Elektro dan Teknologi Informasi J-Icon : Jurnal Komputer dan Informatika Indonesian Journal of Jamu
Claim Missing Document
Check
Articles

Machine learning for potential anti-cancer discovery from black sea cucumbers Fahrury Romdendine, Muhammad; Fatriani, Rizka; Ananta Kusuma, Wisnu; Annisa, Annisa; Nurilmala, Mala
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 13, No 3: September 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v13.i3.pp3157-3163

Abstract

Despite being an abundant marine organism in Indonesia, black sea cucumbers (Holothuria atra) is still underutilised due to its slightly bitter taste. This study aims to identify potential anti-cancer compounds from black sea cucumbers using machine learning (ML) to perform drug discovery. ML models were used to predict interactions between compounds from the organism with cancer-related proteins. Following prediction, all compounds were computationally validated through molecular docking. The validated compounds were then screened using absorption, distribution, metabolism, excretion, and toxicity (ADMET) Lab 2.0 to assess their druglike properties. The results showed that ML predicted seven out of 86 compounds were interacted with cancer-related proteins. Computational validation from the results showed that four out of seven compounds demonstrated stable interaction with proteins where only one compound meet the criteria of drug-like compound. The framework of ML and computational validation highlighted in this study shows a great promise in the future of drug discovery specifically for marine organisms. Since computational method only works in prediction realms, wet lab validation and clinical trials are imperative before the drug candidate can be produced as actual anti-cancer drug.
Klasifikasi Kanker Tumor Payudara Menggunakan Arsitektur Inception-V3 Dan Algoritma Machine Learning Supriyanto, Arif; Kusuma, Wisnu Ananta; Rahmawan, Hendra
JURNAL Al-AZHAR INDONESIA SERI SAINS DAN TEKNOLOGI Vol 7, No 3 (2022): September 2022
Publisher : Universitas Al Azhar Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36722/sst.v7i3.1284

Abstract

Breast cancer is a disease that arises due to breast tissue cells that grow abnormally and continuously. This disease is a disease with a large increase in number of around 13 million per year, with a mortality rate of 9.6% from a total of 65,858 cases. Early detection of breast cancer for prevention needs to be done, with the hope that breast cancer is easier to treat and cure and can even be prevented before it enters an advanced stage. In this research, build a model with transfer learning technique for breast cancer classification. There are 4 methods tested, namely Inception-V3 feature extraction with the Radial Basic Function Neural Network classification method, FeedForward Neural Network, Logistic Regression and feature extraction by making changes to the hyperparameter layer. This study compares the four models to get the best one to solve the problem of breast cancer classification. The data used in this study are breast cancer image data with a zoom scale of 40X, 100X, 200X and 400X. The dataset was sourced from The Laboratory University of Parana with P&D Laboratory Pathological Anatomy and Cytopathology, Parana, Brazil. The results of this study indicate that the Inception-V3 feature extraction method with the Logistic Regression classification method on the 40X zoom scale data provides the best accuracy (93.00%), precision (94.00%), and recall (91.00%) F1-score (92.00%).
SAE-DNN-GA: Sebuah Pendekatan Klasifikasi Multilabel dalam Prediksi Senyawa Herbal Potensial Untuk Penyakit COVID-19 Wijaya, Eko Praja Hamid; Kusuma, Wisnu Ananta; Wijaya, Sony Hartono
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.111-121

Abstract

COVID-19 adalah penyakit dengan laju penyebaran yang tinggi. Percepatan proses penemuan obat untuk penyakit tersebut sangat dibutuhkan. Penggunaan kembali obat (drug repurposing) merupakan salah satu alternatif dalam pengembangan dan penemuan obat dengan biaya murah serta waktu yang singkat. Tanaman herbal dapat digunakan sebagai obat dengan khasiat yang lebih baik, efek samping yang lebih sedikit, dan lebih murah. Prediksi interaksi obat-target dan penggunaan kembali obat dapat digunakan untuk mengeksplorasi senyawa herbal potensial. Penelitian ini mengatasi kelemahan klasifikasi biner dengan model DSSL-DTI (Deep Semi Supervised Learning-Drug Target Interaction) yang dioptimasi menggunakan Algoritma Genetika. Tujuan penelitian ini adalah mendeteksi kemungkinan adanya hubungan antar label menggunakan pendekatan klasifikasi multilabel dengan model yang dioptimasi. Data yang digunakan penelitian ini antara lain: data protein, data interaksi senyawa-protein, dan data senyawa herbal. Data protein diperoleh dari situs GeneCards yang berisi kumpulan protein yang berasosiasi dengan COVID-19 dan ditemukan pada manusia. Data interaksi senyawa-protein diperoleh dari situs DrugBank dan SuperTarget. Adapun data senyawa herbal diperoleh dari HerbalDB. Hasil penelitian menunjukkan bahwa dengan menggunakan model SAE-DNN-GA yang diusulkan, prediksi senyawa herbal menghasilkan sepuluh senyawa yang berinteraksi dengan dua protein bernilai relevansi tertinggi, yaitu protein INS (7.094) dan ALB (3.178). Hasil ini diharapkan mampu meningkatkan hasil prediksi kandidat senyawa herbal sebagai obat penyakit COVID-19 menjadi lebih akurat.
Penguraian Mekanisme Kerja Jamu Berdasarkan Jejaring Bahan Aktif-Protein Target-Gene Ontology Vitri Aprilla Handayani; Farit Mochamad Afendi; Wisnu Ananta Kusuma
Jurnal Jamu Indonesia Vol. 1 No. 3 (2016): Jurnal Jamu Indonesia
Publisher : Tropical Biopharmaca Research Center, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jji.v1i3.21

Abstract

Jamu merupakan obat tradisional Indonesia. Pada dasarnya obat herbal yang dibuat dari bahan-bahan alami yang diambil dari beberapa bagian dari tanaman obat yang mengandung beberapa zat dan senyawa yang penting dan bermanfaat bagi tubuh. Sejauh ini, khasiat untuk beberapa jenis jamu secara empiris telah terbukti. Dalam peneitian ini, kami bermaksud untuk menguraikan mekanisme kerja jamu menggunakan pendekatan komputasi. Penelitian ini berfokus pada ramuan jamu type 2 diabetesyang terdiri dari empat tanaman, yaitu: jahe, bratawali, sembung, dan pare. Kerangka analisis awal dengan membentuk 3 komponen jejaring yang terdiri dari: (1) bahan aktif tanaman (diperoleh dari Knapsack: 58 senyawa aktif), (2) protein target (diperoeh dari database pubchem: 416 protein target), dan (3) gene ontoogy(diperoeh dari database DAVID: 3104 GO). Selanjutnya, kami menerapkan analisis klaster-klasterdengan menggunakan konsep graf tri-partite. Graf tri-partite digunakan untuk mengelompokkan komponen-komponen penyusun jejaring dari empat tanaman yang disebutkandiatas, sehingga diperoleh system bagian-bagian penyusun ramuan jamu. Hal ini dilakukan untuk mengungkapkan mekanisme kerja jamu. Menggunakan metode fuzzy clustering pada data jejaring, kami memperoleh 15 senyawa aktif yang diduga potensial sebagai antidiabetes berada dalam kelompok berbeda. Pada 15 senyawa aktif memiliki nilai peluang cukup tinggi terbagi dalam kelompok yang berbeda, setiap kelompok terdiri dari pasangan bahan aktif yang memiliki efek sinergis tinggi. Berdasarkan koneksi antara klaster-klasterprotein dan GO-BP, penelitianini memperoleh informasi protein-protein yang menyebabkan T2D dan mekanisme proses biologis yang terkait. T2D bukan hanya disebabkan oleh protein kelainan sekresi insulin (insulin-merendahkan enzim isoform 1) saja, tetapi juga disebabkan oleh protein lain yang terlibat dalam penghambatan insulin di pankreas.
Penguraian Mekanisme Kerja Jamu dengan Menggunakan Analisis Graf Tripartit pada Jejaring Senyawa-Protein-Penyakit Muchlishah Rosyadah; Farit Mochamad Afendi; Wisnu Ananta Kusuma
Jurnal Jamu Indonesia Vol. 2 No. 1 (2017): Jurnal Jamu Indonesia
Publisher : Tropical Biopharmaca Research Center, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jji.v2i1.25

Abstract

Jamu adalah obat tradisional di Indonesia. Berbeda dengan konsep one drug-one target pada obat kimia, jamu memiliki konsep multi components-network target. Hal ini disebabkan oleh keterlibatan senyawa aktif di jamu yang menargetkan beberapa protein dalam tubuh manusia.Jaringan yang menghubungkan senyawa aktif dan protein target, serta penyakit yang berhubungan dengan protein target, memberikan dasar yang kuat guna menjelaskan menjelaskan mekanisme kerja jamu secara komputasi.Data yang digunakan berasal dari jamu yang terdiri dari 4 tanaman, yaitu: pare (Momordica charantia), sembung (Blumea balsamifera), bratawali (Tinospora crispa), dan jahe (Zingiber officinale). Setiap tanaman memiliki senyawa aktif dan protein target dari tiap-tiap senyawa. Terdapat 47 senyawa aktif yang diperoleh dari jahe, 4 senyawa aktif dari sembung, 4 senyawa aktif dari pare, dan 3 senyawa aktif dari bratawali. Total ada 58 senyawa aktif yang diperoleh dari empat tanaman. Database PubChem mengidentifikasi bahwa terdapat 3.059 koneksiantara senyawa aktif dan protein tergetnya, dari 3059 koneksi tereduksi menjadi 396 protein yang unik. Selanjutnya, dengan menggunakan database disgenet, PharmGKB, dan Theurapetic Target Database didapatkan 118 sasaran penyakit yang memiliki koneksi terhadap 396 protein yang unik. Jejaring senyawa, protein target, dan penyakit yang telah dianalisis menggunakan analisis graf tripartit menunjukkan bahwa 396 protein unik dari jamu terkait dengan beberapa penyakit, sebagian besar berkaitan dengan penyakit metabolik, penyakit kardiovaskular (jantung), penyakit mata, neoplasma, stomatognatik, penyakit sistem saraf, dan penyakit Saluran pernapasan.
Profil Kimia dan Toksisitas Jamu Berpotensi Antidiabetes yang Diformulasi dengan Metode Statistika dan Machine Learning Norma Nur Azizah; Rudi Heryanto; Wisnu Ananta Kusuma
Jurnal Jamu Indonesia Vol. 3 No. 1 (2018): Jurnal Jamu Indonesia
Publisher : Tropical Biopharmaca Research Center, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jji.v3i1.47

Abstract

Bahan alam yang dapat menghambat spermatogenesis merupakan suatu alternatif untuk kontrasepsi pria. Penelitian ini bertujuan mengevaluasi formulasi optimum berbasis biji jarak pagar dan buah pare yang dapat menginhibisi spermatogenesis. Bahan sampel dimaserasi alkohol 70% untuk memperoleh ekstrak kasar. Ekstrak diujikan pada tikus Wistar jantan dewasa sebanyak 30 ekor dan dibagi menjadi enam kelompok secara acak (n=5 ekor). Kelompok I sebagai kontrol memperoleh pelarut akuades; kelompok II dan III secara berurutan memperoleh ekstrak biji jarak dan pare dengan dosis 50 mg/kgBB. Tiga kelompok lainnya, yaitu IV, V, dan VI memperoleh formulasi gabungan dengan rasio ekstrak biji jarak pagar dan pare 1:3, 3:1 serta 1:1, secara berurutan. Perlakuan diberikan per oral satu hari sekali selama 48 hari sesuai dengan siklus spermatogenesis. Pada akhir perlakuan, pemeriksaan sperma untuk konsentrasi dan kualitasnya serta bobot testis. Hasil uji rendemen ekstrak biji jarak pagar dan buah pare secara berurutan sebesar 6.11 % dan 3.32 %. Senyawa fitokimia yang terdapat pada ekstrak pare dan biji jarak pagar antara lain, alkaloid, fenol, flavonoid, tanin, saponin, triterpenoid, dan steroid. Efek ekstrak terhadap bobot testis dan konsentrasi sperma tidak ada perbedaan yang nyata antar kelompok (ANOVA P >0.05) sedangkan untuk kualitas motilitas sperma ada kecenderungan menurun pada formulasi ekstrak biji jarak dan buah pare (1:3).
Sistem Berbasis Pengetahuan Tumbuhan Obat Pusat Studi Biofarmaka Aini Fazriani; Wisnu Ananta Kusuma; Irmanida Batubara
Jurnal Jamu Indonesia Vol. 4 No. 1 (2019): Jurnal Jamu Indonesia
Publisher : Tropical Biopharmaca Research Center, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jji.v4i1.88

Abstract

Jamu terdiri atas berbagai macam tumbuhan obat yang diolah. Tumbuhan obat memiliki kandungan senyawa metabolit sekunder yang berperan sebagai khasiat. Pengetahuan tumbuhan obat beserta senyawanya perlu dikembangkan lagi menjadi pengetahuan eksplisit yang lebih spesifik dan mudah dimengerti sehingga berguna untuk masyarakat. Maka dari itu perlu mengembangkan sistem untuk digunakan oleh masyarakat sehingga pengobatan dengan tanaman obat lebih populer di kalangan masyarakat luas. Penelitian yang dilakukan mengenai manajemen pengetahuan berbasis ontologi terkait dengan tumbuhan obat dan senyawa. Penelitian ini menggunakan pendekatan proses manajemen pengetahuan model SECI, selain itu pengembangan ontologi menggunakan metode Ontology building life cycle, sedangkan bahasa representasi yang digunakan adalah Resource Description Framework (RDF) dan Web Ontology Language (OWL) dengan toolsProtégé5.0. Pengembangan model ontologi dengan bahasa representasi RDF/OWL dapat menghasilkan pengetahuan dengan melakukan query menggunakan SPARQL. Hasil query tersebut dapat digunakan untuk diimplementasikan pada mobile.
Identification of Java Tea Adulteration by Babadotan and Tekelan using Machine Learning Ary Prabowo; Wisnu Ananta Kusuma; Annisa; Mohamad Rafi
Jurnal Jamu Indonesia Vol. 7 No. 3 (2022): Jurnal Jamu Indonesia
Publisher : Tropical Biopharmaca Research Center, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jji.v7i3.273

Abstract

Java Tea (Orthosiphon aristatus) is a common herbal medicinal plant that functions as a health treatment and treats various diseases. The high demand for Java Tea causes high prices and a decrease in the amount of medicinal plant raw materials, causing various quality control problems such as the content of various bioactive components and adulteration from babadotan and tekelan. So far, the detection of adulteration has been carried out by various analyzes, including chemical analysis and statistical methods to process data. The data used is of high dimension with a very high-density level, thus causing difficulties in classification. The mixed data of Orthosiphon aristatus consists of 1201 features with a total sample of 216. This study uses a Random Forest (RF) method with a total of 100 trees, and the RF method is combined with the Recursive Feature Elimination (RFE) method. In the RF and RFE that can be produced, the optimum value for the number of features is 244. The experimental evaluation results revealed that the proposed method could achieve a high accuracy of 81.82% in identifying Orthosiphon aristatus.
Identification and Analysis of Potential Breast Anticancer Agents in Pogostemon Cablin through Network Pharmacology Syarifah Fathimah Azzahra; Essy Harnelly; Muhammad Subianto; Wisnu Ananta Kusuma; Widya Sari
Jurnal Penelitian Pendidikan IPA Vol 10 No SpecialIssue (2024): Science Education, Ecotourism, Health Science
Publisher : Postgraduate, University of Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jppipa.v10iSpecialIssue.7049

Abstract

Breast cancer is one of the highest known causes of death in Indonesia, especially for women. Pogostemon cablin Benth is one of the Aceh's endemic herbal plants that has been studied to have potential such as anti-inflammatory, antiproliferative, antioxidant, antimicrobial, and proapoptotic. Network pharmacology approach was conducted to explore and analyze the potential of P. cablin as an anti-breast cancer. P. cablin plant compounds were obtained from GCMS and breast cancer genes data were obtained from OMIM, GeneCard, and DisGeNet databases. Target proteins and pathways involved were identified using STRING-DB and Metascape. Network analysis was performed using Cytoscape. A total of 65 plant compounds with 554 target proteins and 1854 disease genes were obtained. Based on the results of combining protein targets using Venn diagrams, 138 overlapping proteins between drug compounds and breast cancer disease targets were identified. Based on KEGG and GO analysis, P. cablin is known to have potential in breast cancer treatment/therapeutic mechanisms. Based on the "compound-protein target-pathway" multi-target mechanism, pogostol; 1H-Cycloprop[e]azulen-7-ol, decahydro-1,1,7-trimethyl-4-methylene-, [1ar-(1aα,4aα,7β,7aβ,7bα)]-; 3-Hexen-1-ol, 2,5-dimethyl-, acetate, (Z)-, 5β,7βH,10α-Eudesm-11-en-1α-ol; Acetic acid, 3-hydroxy-6-isopropenyl-4,8a-dimethyl 1,2,3,5,6,7,8,8a-octahydronaphthalen-2-yl ester; and Humulenol-II interacts with proteins that play a significant role in breast cancer, which are MAPK1, EGFR, TNF, AKT1, and JAK2. Hence, it can be concluded that P. cablin has good potential to be a source of therapeutic treatment against breast cancer. However, it needs to be tested clinically to further determine the effects of this P. cablin compound.
Identification of Significant Proteins Associated with Diabetes Mellitus Using Network Analysis of Protein-Protein Interactions Usman, Muhammad Syafiuddin; Kusuma, Wisnu Ananta; Afendi, Farit Mochamad; Heryanto, Rudi
Computer Engineering and Applications Journal Vol 8 No 1 (2019)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (492.82 KB) | DOI: 10.18495/comengapp.v8i1.283

Abstract

Computation approach to identify significance of proteins related with disease was proposed as one of the solutions from the problem of experimental method application which is generally high cost and time consuming. The case of study was conducted on Diabetes Melitus (DM) type 2 diseases. Identification of significant proteins was conducted by constructing protein-protein interactions network and then analyzing the network topology. Dataset was obtained from Online Mendelian Inheritance in Man (OMIM) and Search Tool for the Retrieval of Interacting Genes/Proteins (STRING) which provided protein data related with a disease and Protein-Protein Interaction (PPI), respectively. The results of topology analysis towards Protein-Protein Interaction (PPI) showed that there were 21 significant protein associated with DM where INS as a network center protein and AKTI, TCF7L2, KCNJ11, PPARG, GCG, INSR, IAPP, SOCS3 were proteins that had close relation directly with INS.
Co-Authors Abdul Aziz Abdul Rahman Saleh Agus Buono Ahmad, Tarmizi Aini Fazriani Aisah Rini Susanti Alami, Tegar Albert Adrianus Ali Djamhuri Annisa Annisa Annisa , Annisa Annisa Annisa Annisa Annisa Annisa Annisa Annisa Annisa Anton Suryatama Arini Aha Pekuwali Arini Pekuwali Arwan Subakti Ary Prabowo Auliatifani, Reza Auliya Ilmiawati Auriza Rahmad Akbar Badollahi Mustafa Badrut Tamam Bahrul Ulum BUDI TJAHJONO Budi Tjahjono Dahrul Syah Diah Handayani Dian Indah Savitri Dian Kartika Utami Essy Harnelly Fadli , Aulia Fahrury Romdendine, Muhammad Farhan Ramadhani , Hilmi Farit Mochamad Afendi Farohaji Kurniawan Fatriani, Rizka Fazriani, Aini Firman Ardiansyah Halida Ernita Handayani, Vitri Aprilla Hanifah Nuryani Lioe Hardi, Wishnu Hasibuan, Lailan Sahrina Hendra Rahmawan Hendra Rahmawan Hera Dwi Novita Heru Sukoco Imas Sukaesih Sitanggang Indra Astuti Ira Maryati Irfan Wahyudin Irma Herawati Suparto Irman Hermadi Irmanida Batubara Irvan Lewenusa ISKANDAR ZULKARNAEN SIREGAR Isnan Mulia Janti G. Sudjana Jaya Sena Turana Joni Prasetyo Kana Saputra S Kangko, Danang Dwijo Karlisa Priandana Khaydanur Khaydanur Khaydanur, Khaydanur Laela Wulansari Larasati Larasati Lina Herlina Tresnawati Listina Setyarini Lusi Agus Setiani Maggy T. Suhartono Mala Nurilmala Medria Kusuma Dewi Hardhienata Mohamad Rafi Mohamad Rafi Mohamad Rafi Mohammad Romano Diansyah Mohammad Romano Diansyah Muchlishah Rosyadah Muh Fadhil Al-Haaq Ginoga Muhammad Asyhar Agmalaro Muhammad Subianto Mulyati Mulyati Mushthofa Mushthofa Mushthofa Muttaqin, Muhammad Rafi Nabila Sekar Ramadhanti Nasution, Tegar Alami Nengsih, Nunuk Kurniati Norma Nur Azizah Nunuk Kurniati Nengsih Nur Choiriyati Nurdevi Noviana Ovi Sofia Pramita Andarwati Prihasuti Harsani Priyo Raharjo Pudji Muljono Purnajaya, Akhmad Rezki Purnomo, Tsania Firqin Ramdan Satra Ratu Mutiara Siregar Refianto Damai Darmawan Refianto Damai Darmawan Resnawati Reza Auliatifani Rif’ati, Lutfah Rizky Maulidya Afifa Ronald Marseno Rosy Aldina Rudi Heryanto SATRIYAS ILYAS Septaningsih, Dewi Anggraini Siti Syahidatul Helma Sony Hartono Wijaya Sri Nurdiati Sulistyo Basuki Sulistyo Basuki Supriyanto, Arif Syahid Abdullah Syarifah Aini Syarifah Fathimah Azzahra Syukriyansyah Taufik Djatna Toni Afandi Tsania Firqin Purnomo Usman, Muhammad Syafiuddin Wa Ode Rahma Agus Udaya Manarfa Wahjuni, Sri Widya Sari Wijaya, Eko Praja Hamid Wina Yulianti Wishnu Hardi Wulansari, Laela Yandra Arkeman Yessy Yanitasari Yudhi Trisna Atmajaya Yulianah Yulianah Yunita Fauzia Achmad Zulkarnaen, Silvia Alviani