Article Per Year (5 Year)
p-Index From 2021 - 2026
4.784
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal INKOM Jurnal Simetris Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Indonesian Journal of Electrical Engineering and Informatics (IJEEI) Jurnal Teknologi JURNAL ELEKTRO International Journal of Advances in Intelligent Informatics Majalah Ilmiah MOMENTUM ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOIV : International Journal on Informatics Visualization Jurnal Elementer (Elektro dan Mesin Terapan) JMM (Jurnal Masyarakat Mandiri) KACANEGARA Jurnal Pengabdian pada Masyarakat Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) MIND (Multimedia Artificial Intelligent Networking Database) Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Teknologi Informasi dan Multimedia JMECS (Journal of Measurements, Electronics, Communications, and Systems) Indonesian Journal of electronics, electromedical engineering, and medical informatics Journal of Applied Engineering and Technological Science (JAETS) Indonesian Journal of Electrical Engineering and Computer Science Aiti: Jurnal Teknologi Informasi Prosiding Konferensi Nasional PKM-CSR INTECH (Informatika dan Teknologi) Jurnal Nasional Teknik Elektro dan Teknologi Informasi eProceedings of Engineering Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics
Achmad Rizal
Telkom University
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Nursing Public Health Social Sciences Other

Published : 90 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 90 Documents
Search

 5   6   7   8   9 
Heart Disease Prediction based on Physiological Parameters Using Ensemble Classifier and Parameter Optimization Agung Muliawan; Achmad Rizal; Sugondo Hadiyoso
Journal of Applied Engineering and Technological Science (JAETS) Vol. 5 No. 1 (2023): Journal of Applied Engineering and Technological Science (JAETS)
Publisher : Yayasan Riset dan Pengembangan Intelektual (YRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37385/jaets.v5i1.2169

Abstract

This study describes the prediction of heart disease using ensemble classifiers with parameter optimization. As input, a public dataset was taken from UCI machine learning repository, which refers to the dataset at UCI Machine learning. The dataset consists of 13 variables that are considered to influence heart disease. Particle swarm optimization (PSO) was used for feature selection and principal component analysis (PCA) for feature extraction to reduce the features' dimensions. The application of parameter optimization on several machine learning methods such as SVM (Radial Basis Function), Deep learning, and Ensemble Classifier (bagging and boosting) to get the highest accuracy comparison. The results of this study using PSO dimensionality reduction in the public dataset of heart disease resulted in the slightest accuracy compared to PCA. In contrast, the highest accuracy was obtained from optimizing Deep Learning parameters with an accuracy of 84.47% and optimization of SVM RBF parameters with an accuracy of 83.56%. The highest accuracy in the ensemble classifier using bagging on SVM of 83.51%, with a difference of 0.5% from SVM without using bagging.  
Pengoptimalan Potensi Wisata di Desa Laksana Melalui Pelatihan Pembuatan Paket Wisata Priharti, Wahmisari; Rahmawati, Dien; Rizal, Achmad; Aziz, Burhanuddin
Prosiding Konferensi Nasional Pengabdian Kepada Masyarakat dan Corporate Social Responsibility (PKM-CSR) Vol 6 (2023): INOVASI PERGURUAN TINGGI & PERAN DUNIA INDUSTRI DALAM PENGUATAN EKOSISTEM DIGITAL & EK
Publisher : Asosiasi Sinergi Pengabdi dan Pemberdaya Indonesia (ASPPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37695/pkmcsr.v6i0.1938

Abstract

Desa Laksana telah dinobatkan menjadi salah satu desa wisata di Kabupaten Bandung sejak 2011. Akan tetapi, hingga saat ini, geliatnya sebagai desa wisata belum terlalu ketara meskipun memiliki potensi wisata yang memadai. Salah satu kendalanya adalah kurangnya organisasi serta pemasaran yang baik terkait informasi mengenai objek wisata yang ada di desa ini. Untuk mengatasi permasalahan ini, tim dosen Telkom University mengadakan suatu pelatihan terkait pembuatan paket wisata yang dibungkus sebagai kegiatan pengabdian masyarakat. Pada pelatihan ini, disampaikan kepentingan membuat paket wisata, komponen, strategi serta best practice yang diperlukan untuk menghasilkan paket wisata. Berdasarkan survey dari pelatihan ini, peserta sangat antusias dan berharap kegiatan serupa dapat dilanjutkan dan ditambah durasinya. Selain itu, pada pelatihan ini juga disosialisasikan aplikasi wisata yang dapat digunakan untuk mempromosikan paket wisata ini. Diharapkan dari kegiatan ini, akan muncul paket-paket wisata yang dapat menarik lebih banyak wisatawan dan secara tidak langsung meningkatkan ekonomi masyarakat Desa Laksana.
Comparison of the Adaboost Method and the Extreme Learning Machine Method in Predicting Heart Failure Muhammad Nadim Mubaarok; Triando Hamonangan Saragih; Muliadi; Fatma Indriani; Andi Farmadi; Rizal, Achmad
Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol 6 No 3 (2024): July
Publisher : Department of Electromedical Engineering, POLTEKKES KEMENKES SURABAYA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/jeeemi.v6i3.440

Abstract

Heart disease, which is classified as a non-communicable disease, is the main cause of death every year. The involvement of experts is considered very necessary in the process of diagnosing heart disease, considering its complex nature and potential severity. Machine Learning Algorithms have emerged as powerful tools capable of effectively predicting and detecting heart diseases, thereby reducing the challenges associated with their diagnosis. Notable examples of such algorithms include Extreme Learning Machine Algorithms and Adaptive Boosting, both of which represent Machine Learning techniques adapted for classification purposes. This research tries to introduce a new approach that relies on the use of one parameter. Through careful optimization of algorithm parameters, there is a marked improvement in the accuracy of machine learning predictions, a phenomenon that underscores the importance of parameter tuning in this domain. In this research, the Heart Failure dataset serves as the focal point, with the aim of demonstrating the optimal level of accuracy that can be achieved through the use of Machine Learning algorithms. The results of this study show an average accuracy of 0.83 for the Extreme Learning Machine Algorithm and 0.87 for Adaptive Boosting, the standard deviation for both methods is “0.83±0.02” for Extreme Machine Learning Algorithm and “0.87±0.03” for Adaptive Boosting thus highlighting the efficacy of these algorithms in the context of heart disease prediction. In particular, entering the Learning Rate parameter into Adaboost provides better results when compared with the previous algorithm. Our research findings underline the supremacy of Extreme Learning Machine Algorithms and Adaptive Improvement, especially when combined with the introduction of a single parameter, it can be seen that the addition of parameters results in increased accuracy performance when compared to previous research using standard methods alone.
Selection EEG Electrode Positions for Epilepsy Seizure Detection Using Total Power Spectrum and Machine Learning Afifah, Khilda; Istiqomah, Istiqomah; Rizal, Achamd; Nugraha, Ramdhan
Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol. 6 No. 4 (2024): November
Publisher : Jurusan Teknik Elektromedik, Politeknik Kesehatan Kemenkes Surabaya, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/ijeeemi.v6i4.9

Abstract

Detecting epileptic seizures poses significant challenges due to the complex and variable nature of EEG signals, particularly when aiming for implementation in wearable devices. The use of 64-channel EEG electrodes, while comprehensive, is impractical for wearable applications due to their size, cost, and the high computational load required for processing. The use of a single-channel EEG wearable device offers notable advantages, including reduced size and cost, making it more practical and comfortable for continuous monitoring in daily life. Additionally, the lower computational load enhances battery life and allows for real-time data processing, which is critical for timely seizure detection and intervention. This research investigates the detection of epileptic seizures using various machine learning algorithms and the power spectrum feature extraction method from EEG signals, aiming for application in wearable devices with a single-channel electrode. The study applied random forest (RF), K-nearest neighbor (KNN), decision tree (DF), support vector mechine (SVM), and logistic regression algorithms to assess their effectiveness. Results revealed that the power spectrum extraction method notably improved seizure detection accuracy, with RF and KNN achieving 93% and 92% accuracy respectively when using all EEG channels. When limited to a single channel, SVM demonstrated the highest accuracy of 82% with channel 3. These findings underscore the efficacy of the power spectrum method for EEG signal processing, providing significant improvements in accuracy and computational efficiency. The study concludes that the proposed approach is promising for enhancing epileptic seizure detection, suggesting further optimization for real-time application in wearable devices to develop accurate and efficient diagnostic tools.
Combination of Multidistance Signal Level Difference and Time Domain Features for Epileptic Seizure Classification Amalia, Qoriina Dwi; Beu, Donny Setiawan; Rizal, Achmad; Ziani, Said
JOIV : International Journal on Informatics Visualization Vol 9, No 2 (2025)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.9.2.2692

Abstract

Epileptic seizures are neurological disorders characterized by abnormal electrical activity in the brain, causing a series of seizures or episodes of temporary loss of consciousness. This research aims to develop a method of detecting and classifying epileptic seizures using one-dimensional EEG signals with the Multidistance Signal Level Difference (MSLD) approach and time domain feature extraction. The goal is to improve accuracy in distinguishing normal, interictal, and ictal conditions in EEG signals. The dataset from Bonn University consists of one-dimensional EEG signals that include normal, interictal, and ictal states. The analysis method includes extracting time domain features from EEG signals, such as Integrated EMG (IEMG), Mean Absolute Value (MAV), and others. The next step is the application of three classification algorithms, namely linear SVM, quadratic SVM, and cubic SVM, to classify the three conditions. Testing is done by measuring the accuracy of the classification results. The results of this study show that by using 14-time domain features and the MSLD approach, the most significant classification accuracy achieved was 98.7%. This result demonstrates the effectiveness of the proposed method in distinguishing normal, interictal, and ictal conditions. This research provides a foundation for further study in developing EEG signal classification analysis models. Future research can expand the scope by considering larger datasets, using more sophisticated feature extraction techniques, and exploring more complex classification algorithms to improve the accuracy and reliability of the model in real-world applications, particularly in the medical field for the diagnosis of epileptic seizures.
Rancang Bangun Alat Ukur Kelembaban, pH, Suhu, dan NPK (Natrium, Phospat, Kalium) Pada Tanah Menggunakan Wireless Sensor Network Aditya, Muhammad Billy; Wibawa, IG. Prasetya Dwi; Rizal, Achmad
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Penelitian ini bertujuan untuk merancangsuatu alat yang dapat mengukur kandungan pada tanah sepertikelembaban, suhu, pH, dan NPK (Nitrogen, Fosfor, Kalium).Alat ini dapat membantu para petani dalam memberikaninformasi mengenai kondisi tanah dalam pengelolaan lahanpertanian mereka. Perancangan alat ini menggunakanbeberapa sensor untuk mengukur kandungan pada tanah yaitu,sensor SEN0193, sensor DS18B20, sensor pH Tanah, dan sensorNPK. sensor tersebut mendeteksi kandungan hara yang adapada tanah dan menampilkan secara real time pada LCD danakan dikirim ke cloud untuk melakukan monitoring jarak jauhsecara real time. Kalibrasi dari tiap sensor pada alat inidilakukan untuk memastikan tingkat akurasi pengukuran danmenghasilkan nilai R2 mendekati 1 yang menandakan bahwamodel regresi yang digunakan memiliki efektivitas yang cukupbesar. Nilai perhitungan RMSE pada sensor kelembabanSEN0193 menunjukkan nilai sebesar 0.82356. Pada sensor Lalupada sensor DS18B20 hasil dari perhitungan RMSE bernilai2.1. Selanjutnya pada sensor pH Tanah hasil yang didapatkandalam perhitungan RMSE sebesar 0.2. Pembacaan kadarnitrogen pada sensor NPK memiliki nilai R2 sebesar 0.9988sedangkan dalam pembacaan kadar fosfor nilai yangdidapatkan dalam perhitungan RMSE sebesar 0.9997. Lalupada pembacaan kadar kalium memiliki R2 sebesar 0.9985.Proses pengujian pada alat ini menunjukkan bahwa sensorresponsif dalam pembacaan saat melakukan pengukurankandungan pada tanah. Informasi yang didapat dari alatdiharapkan dapat membantu para petani maupun masyarakatdalam pengambilan keputusan yang bijak dalam pengelolaanlahan pertanian. Kata kunci— Kualitas Tanah, Root Mean Square Error,Sensor NPK, Sensor SEN0193, Sensor DS18B20
Kunci Elektronik Berbasis Mobile Phone Widiawan, Babel; Rizal, Achmad; Istiqomah
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan industri teknologi khususnya kunci elektronik telah menjadi bagian penting dalam sektor keamanan ruangan. Penelitian ini membahas mengenai pentingnya mobile application smartphone Android dengan komunikasi melalui bluetooth untuk mengontrol kunci elektronik sehingga dapat meningkatkan keamanan menggunakan OTP code dan mengontrol buka tutup pintu. Hasil dari penelitian menunjukan bahwa kunci elektronik berbasis mobile phone yang dikembangkan dapat bekerja dengan baik. Kata Kunci — Mobile Application, Bluetooth, OTP,Mengontrol
Aplikasi Pada Jam Tangan Heart Rate Variability Monitor Dengan Koneksi Wifi Lestari, Rahma Dania Aleem; Rizal , Achmad; Barri , Muhammad Hablul
eProceedings of Engineering Vol. 11 No. 5 (2024): Oktober 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak - Jantung merupakan organ utama pada sistemperedaran darah manusia yang mempunyai fungsi sebagaipompa untuk mengalirkan darah ke seluruh tubuh. Jantungbekerja secara terus-menerus melalui kontraksi dan relaksasiotot jantung, yang disebut sebagai detak jantung. AplikasiHeart Rate Variability (HRV) Monitor dirancang untukmemantau variabilitas detak jantung pengguna secara realtime. Teknologi ini memanfaatkan sensor MAX30102 yangtertanam dalam jam tangan pintar untuk mengumpulkan datadetak jantung. Data tersebut kemudian dikirim ke aplikasiponsel pintar melalui koneksi wifi. Aplikasi ini menganalisisdata untuk mengukur HRV, yang merupakan indikator pentingdari kesehatan jantung dan kondisi fisiologis pengguna. Fiturutama aplikasi ini meliputi pemantauan HRV secara kontinu.Selain itu, aplikasi ini menyediakan laporan kesehatan yangdapat diakses oleh pengguna dan dibagikan dengan profesionalmedis. Dengan memanfaatkan teknologi wearable dan analisisdata canggih, aplikasi HRV Monitor bertujuan untukmembantu pengguna menjaga kesehatan jantung merekasecara proaktif dan meningkatkan kualitas hidup secarakeseluruhan. Kata kunci - Aplikasi, Detak Jantung, Heart Rate Variability, Wifi
Penerapan Face Recognition dengan Metode Eigenface pada Sistem Pengenalan Wajah untuk Sistem Keamanan Pintu Hanan, Hafizh Khoirul; Rizal, Achmad; Barri, Muhammad Hablul
eProceedings of Engineering Vol. 11 No. 5 (2024): Oktober 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Keamanan merupakan salah satu aspek esensialdalam kehidupan modern yang terus ditingkatkan melaluiberbagai inovasi teknologi. Salah satu teknologi yang semakinpopuler dalam meningkatkan keamanan adalah pengenalanwajah (face recognition). Penelitian ini bertujuan untukmengimplementasikan metode Eigenface pada sistempendeteksian wajah untuk keamanan pintu dengan beberapatujuan utama: meningkatkan akurasi pengenalan wajah dalamberbagai kondisi pencahayaan dan pose, mengoptimalkankecepatan proses identifikasi untuk aplikasi real-time, sertamenguji dan mengevaluasi kinerja sistem dalam berbagaikondisi lingkungan. Metode Eigenface, yang berdasarkan padaanalisis komponen utama (Principal ComponentAnalysis/PCA), memungkinkan pengurangan dimensi datacitra wajah dan ekstraksi fitur-fitur penting sehinggamendukung proses pengenalan wajah dengan cepat dan akurat.Pengujian menunjukkan bahwa sistem memiliki akurasipengenalan yang cukup tinggi, yaitu 93% pada siang hari dan63% pada malam hari. Selain itu, sistem ini mampu mengenaliwajah dengan tingkat akurasi 96% berdasarkan variasi rautwajah. Hasil ini menunjukkan potensi besar dari metodeEigenface dalam aplikasi keamanan, namun diperlukanoptimasi lebih lanjut untuk meningkatkan performa dalamkondisi pencahayaan yang rendah dan beragam ekspresi wajah. Kata kunci— Pengenalan wajah, Eigenface, PCA, Keamananpintu, Identfikasi wajah, Akses kontrol
Rancang Bangun Sistem Keamanan Pintu Otomatis dengan Raspberry Pi 4 dan Solenoid Lockdoor Ayu, Devina Dara; Rizal , Achmad; Barri , Muhammad Hablul
eProceedings of Engineering Vol. 11 No. 5 (2024): Oktober 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Rancang Bangun Sistem Keamanan Pintu Otomatis dengan Raspberry Pi 4 dan Solenoid Lockdoormerupakan rancangan sistem yang bertujuan untuk mengembangkan sistem keamanan pintu yang dapatdioperasikan secara otomatis menggunakan Raspberry Pi 4 dan Solenoid Lockdoor. Sistem ini dirancang untuk meningkatkankeamanan dan kenyamanan pengguna dengan menggunakan teknologi IoT dan pengenalan wajah. Sistem ini terdiri dari tigablok utama: input, kontrol, dan output. Blok input menggunakan kamera web untuk mengambil gambar wajahpengguna, sementara blok kontrol menggunakan Raspberry Pi4 untuk memproses gambar tersebut menggunakan Pycharmdan mengenali wajah pengguna. Blok output menggunakanSolenoid Lockdoor untuk membuka pintu secara otomatis setelah pengenalan wajah berhasil. Pengujian sistemmenunjukkan bahwa sistem memiliki akurasi sebesar 88,9% dalam pengintegrasian perangkat keras terhadap pengenalandan validasi pose. Hal ini juga menunjukkan bahwa sistem ini cukup aman untuk diaplikasikan dalam sistem keamanan pintu.Dengan menggunakan Raspberry Pi 4 dan Solenoid Lockdoor,sistem ini dapat diintegrasikan dengan tanpa menyentuh sistem(touchless). Sistem ini juga dapat membantu mengurangi risikokehilangan atau pencurian kunci pintu dengan menggunakan 2langkah keamanan yaitu pengenalan wajah dan validasi pose. Kata kunci—Raspberry Pi, Solenoid Lockdoor, Pengenalan Wajah, Keamanan Pintu
Co-Authors Achmad Ibnu Abas Aditya, Muhammad Billy Agung Muliawan Agung Surya Wibowo Agustina Trifena Dame.S Akhmad Alfaruq Alfian Akbar Gozali Alvin Oktarianto Alvy Suhandi Nataprawira Amalia, Qoriina Dwi Andi Farmadi Andi Wahyu Adi Arryansyah Andjar Pudji Andro Harjanto Anggit Syorgaffi Anita Miftahul Maghfiroh Arif Abdul Aziz Arifah Putri Caesaria Aurick Daffa Muhammad Ayu, Devina Dara Aziz, Burhanuddin Azriansyah Azriansyah Bambang Guruh Irianto Bambang Hidayat Bandiyah Sri Aprillia Bella Fatonah Nur Anisya Beu, Donny Setiawan Bhagas Nugroho Brahmantya Aji Pramudita Burhanuddin Aziz Chandra Purna Darmawan Chandraditya Aridela Deni Saepudin Deny Sugiarto Wiradikusuma Desri Kristina Silalahi Devi Anggraini Dien Rahmawati Djoko Kurnia Putra Dyah Ayu Pratiwi Eka Nuryanto Budi Susila Elfrida Ratnawati Ellia Nurazizah Endro Yulianto Enzel D. S. Situmorang Estananto Fadlillah Muharam Saeful Fajra Octrina Faqih Alam FARDAN FARDAN Fathul Fajar Fatma Indriani FAUZI FRAHMA TALININGSIH Fiky Y. Suratman Fively Darmadi Freyssenita Kanditami P Hanan, Hafizh Khoirul Hanung Adi Nugroho Hanung Tyas Saksono Hasbian Fauzi Perdana Hezron Eka Lattang Hilman Fauzi, Hilman I Nyoman Apraz Ramatryana Ig. Prasetya Dwi Wibawa Ilham Edwian Berliandhy Ilham Rabbani Des Chandra Aziz Inung Wijayanto Istiqomah Istiqomah Istiqomah Istiqomah Istiqomah Istiqomah Iswahyudi Hidayat Jafar Hifdzullisan Jatmiko Kuntoro Nugroho Jidan Sandika Hidayat Jondri Jondri Junartho Halomoan Khilda Afifah Koredianto Usman La Bamba Puang P T S Kami Lestari, Rahma Dania Aleem Liliek Soetjiatie M. Ary Murti Mazaya 'Aqila Meidiana Ajeng Lestari Mohamad Ramdhani Mohamad Sofie Mohamad Sofie Mohamad Sofie, Mohamad MUHAMMAD ADNAN PRAMUDITO Muhammad Afif Ridwansyah Muhammad Al Makky Muhammad Ary Murti Muhammad Fahriza Bahrudin Muhammad Hablul Barri Muhammad Hasbi Ashshiddieqy MUHAMMAD JULIAN, MUHAMMAD Muhammad Nadim Mubaarok Muhammad Nashih Rabbani Muhammad Rafiqy Zulfahmi Muhammad Ridha Makruf Muhammad Satya Annas Muhammad Thariq Machaz Muhammad Yusuf Salman Muliadi Ni Wayan Ratna Juami Novi Prihatiningrum Nur Afifah Nuril Hidayanti Nurina Listya Hakim Nursanto Nursanto NURSANTO NURSANTO, NURSANTO Nurul Fathanah Muntasir Philip Tobianto Daely Purba Daru Kusuma Putri Famela Azhari R. Yunendah Nur Fu’adah Radian Sigit Raditiana Patmasari Ramdhan Nugraha Ratri Dwi Atmaja Reza Budiawan, Reza Rheza Faurizki Rahayu Risanuri Hidayat Rita Magdalena Rizkia Dwi Auliannisa Ruri Octari Dinata Sang Made Lanang Prasetya Sania Marcellina Bryan Saragih, Triando Hamonangan Sari Luthfiyah Sigit, Radian Soediponegoro Soediponegoro Sofia Naning Hertiana Sony Sumaryo Sugondo Hadiyoso Suryani Alifah Suryo Wibowo Syamsul Rizal Tedy Gumilang Sejati Triwiyanto Triwiyanto Unang Sunarya Vania Rei Syifa Vera Suryani Viko Adi Rahmawan Wahmisari Priharti Widiawan, Babel Willy Anugrah Cahyadi Wisudantyo Wahyu Priambodo, Wisudantyo Wahyu YULI SUN HARIYANI Ziani Said Ziani, Said