Claim Missing Document
Check
Articles

CONVOLUTIONAL NEURAL NETWORK FOR ANEMIA DETECTION BASED ON CONJUNCTIVA PALPEBRAL IMAGES Rita Magdalena; Sofia Saidah; Ibnu Da’wan Salim Ubaidah; Yunendah Nur Fuadah; Nabila Herman; Nur Ibrahim
Jurnal Teknik Informatika (Jutif) Vol. 3 No. 2 (2022): JUTIF Volume 3, Number 2, April 2022
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jutif.2022.3.2.197

Abstract

Anemia is a condition in which the level of hemoglobin in a person's blood is below normal. Hemoglobin concentration is one of the parameters commonly used to determine a person's physical condition. Anemia can attack anyone, especially pregnant women. Currently, many non-invasive anemia detection methods have been developed. One of non-invasive methods in detecting anemia can be seen through its physiological characteristics, namely palpebral conjunctiva images. In this study, conjunctival image-based anemia detection was carried out using one of the deep learning methods, namely Convolutional Neural Netwok (CNN). This CNN method is used with the aim of obtaining more specific characteristics in distinguishing normal and anemic conditions based on the image of the palpebral conjunctiva. The Convolutional Neural Network proposed model in this study consists of five hidden layers, each of which uses a filter size of 3x3, 5x5, 7x7, 9x9, and 11x11 and output channels 16, 32, 64, 128 respectively. Fully connected layer and sigmoid activation function are used to classify normal and anemic conditions. The study was conducted using 2000 images of the palpebral conjunctiva which contained anemia and normal conditions. Furthermore, the dataset is divided into 1,440 images for training, 160 images for validation and 400 images for model testing. The study obtained the best accuracy of 94%, with the average value of precision, recall and f-1 score respectively 0.935; 0.94; 0.935. The results of the study indicate that the system is able to classify normal and anemic conditions with minimal errors. Furthermore, the system that has been designed can be implemented in an Android-based application so that the detection of anemia based on this palpebral conjunctival image can be carried out in real-tim.
Identifikasi Sinyal Congestive Heart Failure dengan Metode Convolutional Neural Network 1D MUHAMMAD ADNAN PRAMUDITO; YUNENDAH NUR FU’ADAH; RITA MAGDALENA; ACHMAD RIZAL; FAUZI FRAHMA TALININGSIH
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 1 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i1.11-20

Abstract

ABSTRAKPenyakit jantung merupakan salah satu penyebab utama kematian di dunia. Salah satu penyakit jantung yang perlu diperhatikan adalah congestive heart failure (CHF). CHF adalah suatu kondisi di mana jantung tidak mampu memompa darah ke seluruh tubuh. Penyakit ini dapat didiagnosis dengan EKG. Oleh karena itu, pada penelitian ini dibuat sebuah sistem yang dapat mengidentifikasi penyakit CHF secara otomatis menggunakan metode convolutional neural network (CNN) dengan 4 hidden layer dan 16 output channel, fully connected layer, dan aktivasi Softmax. Data yang digunakan dalam penelitian ini diambil dari MITBIH dan BIDMC. Penlitian ini memberikan akurasi 100%, sehingga deteksi penyakit CHF otomatis membantu staf medis mendiagnosis pasien untuk menerima perawatan yang tepat.Kata kunci: Elektrokardiogram (EKG), Convolutional Neural Network (CNN), Normal Sinus Rhythm (NSR), Congestive Heart Failure (CHF)ABSTRACTHeart disease is one of the leading causes of death in the world. One of the heart diseases that need to be considered is congestive heart failure (CHF). CHF is a condition in which the heart is unable to pump blood throughout the body. ECG can diagnose this disease. Therefore, this study created a system that can automatically identify CHF disease using the convolutional neural network (CNN) method with four hidden layers and 16 output channels, a fully connected layer, and Softmax activation. The data used in this study were taken from MIT-BIH and BIDMC. In this study provides 100% accuracy. Automated CHF disease detection helps medical staff diagnose patients to receive appropriate treatment.Keywords: Electrocardiogram (ECG), Convolutional Neural Network (CNN), Normal Sinus Rhythm (NSR), Congestive Heart Failure (CHF) 
GLAUCOMA CLASSIFICATION BASED ON FUNDUS IMAGES PROCESSING WITH CONVOLUTIONAL NEURAL NETWORK Yunendah Nur Fu'adah; Sofia Saidah; Nidaan Khofiya; Rita Magdalena; Ibnu Da'wan Salim
Jurnal Teknik Informatika (Jutif) Vol. 3 No. 3 (2022): JUTIF Volume 3, Number 3, June 2022
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jutif.2022.3.3.276

Abstract

Glaucoma is an eye disease that causes damage to the optic nerve due to increased pressure in the eyeball. Delay in diagnosis and treatment of optic nerve damage due to glaucoma can lead to permanent blindness. Thus, several studies have developed a glaucoma early detection system based on digital image processing and machine learning. This study carried out glaucoma classification based on fundus image processing using Convolutional Neural Network (CNN). The CNN architecture proposed in this study consists of three convolutional layers with output channels 8, 16, 32 sequentially and a filter size of 5×5 at each layer, followed by a pooling layer and a dropout layer at the feature extraction stage. Furthermore, a fully connected layer and softmax activation function was implemented at the classification stage to classify fundus images into normal conditions, early glaucoma, moderate glaucoma, deep glaucoma, and ocular hypertension (OHT). The total amount of fundus image data used in this study consisted of 2000 fundus images divided into 1280 training data, 320 validation data, and 400 test data. 5-fold cross-validation is implemented in the training phase to select the best model. At the testing stage, the best accuracy generated by 99%, with the precision value, recall, f-1 scores and the AUC score are close to 1. According to the system performance results obtained, the proposed model can be used as a tool for medical personnel in classifying glaucoma conditions to provide appropriate medical treatment and reduce the risk of permanent blindness due to glaucoma.
Klasifikasi Cuaca Menggunakan Metode VGG-16, Principal Component Analysis Dan K-Nearest Neighbor Sean Alexander Suryaman; Rita Magdalena; Sofia Sa'idah
Jurnal Ilmu Komputer dan Informatika Vol 1 No 1 (2021): JIKI - Juni 2021
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (332.593 KB) | DOI: 10.54082/jiki.1

Abstract

Cuaca merupakan suatu fenomena alam yang sangat berdampak bagi manusia. Informasi tentang kondisi cuaca sangat dibutuhkan oleh manusia. Informasi ini sangat bermanfaat untuk mengetahui kejadian cuaca disekitar kita. Sistem klasifikasi saat ini mengandalkan serangkaian sensor mahal atau bantuan manusia. Kecerdasan buatan merupakan suatu cabang ilmu komputer yang membantu manusia dalam mengatasi masalah yang ada. Penelitian ini menggunakan kecerdasan buatan untuk mengklasifikasi kondisi cuaca dengan menggunakan metode VGG-16, Principal Component Analysis (PCA) dan K-Nearest Neighbor (KNN). Pertama ciri akan dicari menggunakan VGG-16, lalu memanfaatkan Principal Component Analysis (PCA) untuk mereduksi data agar lebih efektif. Dan menggunakan K-Nearest Neighbor (KNN) untuk mengklasifikasian data. K-Nearest Neighbor (KNN) menggunakan jarak untuk mengklasifikasikan data. Jarak yang dipilih merupakan jarak terpendek yang akan menunjukan ketetanggan untuk menghasilkan keluaran apakah cuaca sedang cerah, berawan, berkabut, hujan dan matahari terbit. Sistem tersebut dibuat menggunakan platform Google Colab dengan bahasa pemrograman Python. Berdasarkan hasil penelitian, diperoleh sistem klasifikasi cuaca dengan akurasi sebesar 87,50%. Hasil akurasi tersebut diperoleh ketika digunakan 450 data uji dan 1050 data latih. Adapun parameter terbaik yang dihasilkan, yaitu ukuran citra 256 x 256, jenis KNN adalah Cosine, nilai KNN di k = 9, dan Persentase PCA 30%.
DESIGN AND IMPLEMENTATION OF LEARNING TOOLS TO READ THE BRAILLE LETTERS BASED ON VOICE PROCESSING AND ARDUINO USING MEL FREQUENCY CEPSTRAL COEFFICIENT AND K-NEAREST NEIGHBOR METHOD Raditiana Patmasari; Sofia Saidah; A F Akbar; Rita Magdalena
JMECS (Journal of Measurements, Electronics, Communications, and Systems) Vol 6 No 1 (2020): JMECS
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jmecs.v6i1.2019

Abstract

Ability to read Braille is critical skill for blind students. Without the skill, blind students would encounter difficulties in their learning activities because most learning materials are written using the Braille system. The currently applied Braille learning system uses printed paper that is time consuming and pricey. This research attempts to develop a tool for helping the blinds to learn how to read braille letters. The tool processes inputs in the form of speech signal into a text by applying Mel Frequency Cepstral Coefficient (MFCC) as a feature extraction method and K- Nearest Neighbor (KNN) as a classifier method. The text will subsequently be transformed into Braille pattern by using Arduino UNO. The test results discover the combination of Mel Frequency Cepstral Coefficient and K-Nearest Neighbor method are able to recognize the speech signal of different alphabets with 87,3% accuracy. Furthermore, the computing time for alphabet recognitions decreases 85 % when the device is applied This finding helps the blind students to recognize the alphabets easily and faster.
Individual Identification Through Voice Using Mel-Frequency Cepstrum Coefficient (MFCC) and Hidden Markov Models (HMM) Method Dea Sifana Ramadhina; Rita Magdalena; Sofia Saidah
JMECS (Journal of Measurements, Electronics, Communications, and Systems) Vol 7 No 1 (2020): JMECS
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jmecs.v7i1.3553

Abstract

Voice is one of the parameters in the identification process of a person. Through the voice, information will be obtained such as gender, age, and even the identity of the speaker. Speaker recognition is a method to narrow down crimes and frauds committed by voice. So that it will minimize the occurrence of faking one's identity. The Method of Mel Frequency Cepstrum Coefficient (MFCC) can be used in the speech recognition system. The process of feature extraction of speech signal using MFCC will produce acoustic speech signal. The classification, Hidden Markov Models (HMM) is used to match unidentified speaker’s voice with the voices in database. In this research, the system is used to verify the speaker, namely 15 text dependent in Indonesian. On testing the speaker with the same as database, the highest accuracy is 99,16%.
Pemisahan Reff Dan Verse Secara Otomatis Pada Musik Mp3 Menggunakan Korelasi Antar Frame Berbasis Ciri Fast Fourier Transform (fft) Muhammad Fadly Mustakim; Rita Magdalena; I Nyoman Apraz Ramatryana
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Lagu merupakan suatu kesatuan musik yang terdiri atas susunan nada yang berurutan. Lagu juga merupakan seni yang melukiskan pemikiran dan perasaan manusia lewat keindahan suara. Terkadang kita menyanyikan sebuah lagu, tetapi tidak mengetahui reff dan verse nya. Penelitian ini tentang pencarian reff dan verse dengan inputan lagu yang membutuhkan potongan reff dan verse dari lagu untuk disimpan pada database. Database yang terdiri dari 25 potongan reff dan verse dari data lagu diproses secara manual. Proses tersebut membutuhkan waktu yang lama dikarenakan peneliti harus terlebih dahulu menentukan letak reff dan verse secara manual. Hal ini akan menjadi masalah bila jumlah database reff dan verse ditambahkan dengan data baru, sehingga diperlukan penelitian lebih lanjut untuk melakukan pemisahan reff dan verse secara otomatis dengan menganalisis sinyal dari file musik pada mp3. Pada penelitian ini akan merancang metode pemisahan letak reff dan verse menggunakan perhitungan kreorelasi antar frame. Sinyal audio dari file mp3 diubah menjadi frame-frame kecil pada proses framing, selanjutnya frame tersebut ditransformasi menggunakan metode Fast Fourier Transform (FFT). Hasil transformasi FFT kemudian akan dihitung nilai korelasi antara kumpulan frame untuk mencari pola kesamaan beberapa kumpulan frame tersebut. Dari hasil korelasi tersebut didapat pola korelasi yang sama pada kumpulan frame dan selanjutnya menentukan letak reff dan verse. Proses terakhir adalah pemotongan reff dan verse sesuai dengan letak yang telah ditentukan pada proses sebelumnya. Simulasi metode ini diaplikasikan pada software pemrograman matlab. Penelitian ini menghasilkan akurasi lebih dari 50% dari ketepatan letak reff dan verse dalam detik yang berjumlah 25 lagu dari hasil metode dibandingkan dengan letak aktual dari hasil pemisahan letak secara manual oleh peneliti pada masing-masing lagu. Waktu komputasi terbaik yang dihasilkan pada tugas akhir ini 86 detik dengan frame 1000ms untuk pemotongan 1 lagu file mp3. Kata kunci: Fast Fourier Transform(FFT), reff, verse, korelasi, mp3. Abstract Song is a unity of music which consists of sequences of sequential tones. Songs are also art that depicts human thoughts and feelings through the beauty of sound. Sometimes we sing a song, but don't know the verse and the verse. This research is about search referrals and verses with song input that requires reffers and verses from songs to be stored in the database. A database consisting of 25 rebate pieces and verses from song data is processed manually. This process takes a long time because the researcher must first determine the location of the referrals and verses manually. This will be a problem if the number of reff and verse databases is added with new data, so further research is needed to automatically separate the reff and verse by analyzing the signal from the music file in mp3. In this research, we will design a method of separating the reff and verse locations using the calculation of the frame inter-creoration. Audio signals from mp3 files are converted into small frames in the framing process, then the frame is transformed using the Fast Fourier Transform (FFT) method. The FFT transformation results will then be calculated the correlation value between the frames collection to find the similarity patterns of several sets of frames. From the results of the correlation obtained the same correlation pattern in the collection of frames and then determine the location of the reff and verse. The last process is cutting reff and verse in accordance with the location specified in the previous process. This method simulation is applied to matlab programming software. This research results in an accuracy of more than 50% of the exact location of the reff and verse in seconds totaling 25 songs from the results of the method compared to the actual location of the results of the manual location separation by the researcher in each song. The best computing time generated in this final project is 86 seconds with a 1000ms frame for cutting 1 song mp3 file. Keywords: Fast Fourier Transform (FFT), reff, verse, correlation, mp3.
Simulasi Dan Analisis Klasifikasi Genre Musik Berbasis Fft Dan Support Vector Machine Rosyita Ayuning Mauludiya; Rita Magdalena; I NyomanApraz Ramatryana
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Musik[1] terdiri dari berbagai macam genre dan jenis sesuai dengan konten musik tersebut. Perkembangan musik digital terutama pada klasifikasi genre dirasakan telah membantu dalam kemudahan mempelajari dan mencari suatu lagu. Hal tersebut mendorong diciptakannya kemudahan dalam variasi klasifikasi genre yang mampu mengoptimalisasikan proses pembelajaran yang dapat dilakukan dengan mudah, simple dan memiliki kualitas yang baik dalam ketepatan klasifikasi genre. Pada penelitian sebelumnya, digunakan Jaringan Syaraf Tiruan Backpropagation dengan akurasi 67% [6]. Selanjutnya digunakan Hidden Markov Model sebagai metode klasifikasi namun HMM dengan akurasi terbaik yang dicapai HMM adalah 80% [4]. Dalam tugas akhir ini, dilakukan penelitian bagaimana mengembangkan klasifikasi genre yang memiliki kualitas yang baik dalam ketepatan klasifikasinya dengan menggunakan ciri konten frekuensi dan klasifikasi menggunakan Support Vector Machine (SVM). Dalam tugas akhir ini, dilakukan penelitian bagaimana mengembangkan klasifikasi genre yang memiliki kualitas yang baik dalam ketepatan klasifikasinya dengan menggunakan ciri konten frekuensi dan klasifikasi menggunakan Support Vector Machine. Setelah dilakukan pengujian terhadap klasifikasi 3 genre lagu yaitu pop, rock, dan dance, akurasi tertinggi adalah 93% untuk jumlah data latih 90 tiap-tiap genre, jumah data uji 10 tiap-tiap genre, jenis kernel polynomial, kernel option 2, nilai C sebesar 10, dan epsilon sebesar 10-2. Kata Kunci : Klasifikasi, genre musik, Support Vector Machine.
Implementasi Deteksi Wayang Kulit Berbasiskan Platform Android Aldo Setiawan; Rita Magdalena; Inung Wijayanto
eProceedings of Engineering Vol 1, No 1 (2014): Desember, 2014
Publisher : eProceedings of Engineering

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

Abstract

Indonesia kaya akan beragam kebudayaan. Salah satu kebudayaan dari Indonesia yang terkenal adalah seni wayang kulit. Wayang kulit adalah seni tradisional Indonesia yang terutama berkembang di Jawa. Wayang kulit dimainkan oleh seorang dalang yang juga menjadi narator dialog tokoh-tokoh wayang, dengan diiringi oleh musik gamelan yang dimainkan sekelompok nayaga dan tembang yang dinyanyikan oleh para pesinden. Terdapat banyak tokoh tokoh dalam wayang kulit. Namun pada era globalisasi ini, banyak yang tidak tahu nama dan asal usul dari tokoh tokoh wayang kulit. Oleh karena itu, pada tugas akhir ini, penulis akan mengimplementasi suatu aplikasi deteksi wayang kulit pada platform android. Dengan segmentasi menggunakan metode OTSU, analisis tekstur menggunakan Gray-Level Cooccurrance Matrix (GLCM) dan proses identifikasi dengan menggunakan algoritma k-Nearest Neighbor (k-NN). Sistem yang dibuat menghasilkan tingkat akurasi sebesar 73,01 % , dan waktu komputasi rata-rata 1053,75 ms. Dengan nilai parameter k pada klasifikasi k-Nearest Neighbor 1, derajat 45 o dan jarak ketetanggaan 1 pada ektraksi ciri Gray-Level Cooccurrance Matrix. Kata Kunci : Wayang Kulit, Analisis Tekstur, Gray-Level Cooccurance Matrix, k-Nearest Neighbor, OTSU
Implementasi Dan Analisis Keamanan Pesan Menggunakan Teknik Steganografi Lsb Dan Algoritma Kriptografi Relative Displacement Cipher Muhammad Tezar; Rita Magdalena; Nur Andini
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Saat ini teknik steganografi telah banyak digunakan untuk menyimpan informasi rahasia pada media digital. Salah satu metode yang digunakan adalah Least Significant Bit (LSB). Namun steganografi yang menggunakan metode LSB masih sangat sederhana dan sudah terlalu umum digunakan untuk menyisipkan berkas teks pada media digital sehingga masih memungkinkan pihak ketiga untuk membuka informasi yang dirahasiakan. Untuk itu dibutuhkan teknik kriptografi untuk mengacak plaintext sebelum disisipkan ke dalam gambar RGB dengan teknik steganografi. Algoritma kriptografi yang digunakan adalah Relative Displacement Cipher (RDC) dan teknik steganografi yang digunakan adalah Least Significant Bit (LSB). Hasil yang diperoleh dari tugas akhir ini adalah sebuah citra yang memiliki pesan terenkripsi pada bit terakhir pixel penyusunnya. Dengan PSNR bernilai 45.2209dB setelah disisipkan panjang pesan maksimum yang mampu ditampung cover image. Namun ketika diberi noise, bit pesan yang tersimpan di dalam cover image akan berubah sehingga informasi yang tersimpan akan terganggu. Dengan demikian, sistem ini dapat berjalan dengan baik jika stego image tidak diberi serangan.
Co-Authors A F Akbar Abel Bima Wiratama Achmad Rizal Adham Nurjati Adinda Maulida Agung Aditama Putra Agustina Trifena Dame.S AGUSTINA, REGITA Ahmad Zendhaf Aldo Setiawan Alva Rischa Qhisthana Pratika Andria Sufy Angga Prihantoro Ardhi Fibrianto Arianto Sirandan Arintyo Archamadi Ayu Putu Wida Vanhita Bagas Farhan Hadyantoro Bagus Robbiyanto Bambang Hidayat Bambang Hidayat Bayuaji Kurniadhani Brian Adam Danding Adhi Priutomo Davita Nadia Fadhilah Dea Sifana Ramadhina Dewa Nyoman Indra Dewi Siskawati Dian Ayu Nurlitasari Dimas Frandisyah Putra Donny Janu Sundoro Dwi Anggreni Novitasari Dyah Ajeng Pramudhita Dyah Ayu Pratiwi Efri Suhartono Eko Susatio Eky Yuliansyah Eriel Mar Estananto Faizhal Rifky Alfaris Fathurrahman, Muhammad Hanif Fatima Azzahra FAUZI FRAHMA TALININGSIH Fauzi, Muhammad Ilham Febriani Ruming Sari Firmanda Robi Firmansyah Patriandhika Fitya Nur Fadhilah Galih Surya Gede Hari Yogiswara Gusty Aditya Arrazaq HARSONO, ALI BUDI Herdian Anantya Risma Hilman Fauzi, Hilman I Dewa Gede Agung Kurniawan I Gusti Agung Dian Wintara I Nyoman Apraz Ramatryana I Nyoman Apraz Ramatryana I NyomanApraz Ramatryana Ibnu Da'wan Salim Ibnu Da’wan Salim Ubaidah Ibnu Da’wan Salim Ubaidah Ignatius Yoslan Kurniawan Ikhwanda, Alfan Ikrar Khaera Arfat Ilma Rahma Dewi Imanuel Boyke Nainggolan Immanuel Rayuzi Pandapotan Sinaga Indrafaqih Eskamara Inung Wijayanto Iqbal Kurniawan Perdana Irham Bani Alfafa Ivan Prayoga Prawiro Ivandy Chaniago Jangkung Raharjo Jonthala Tambunan Koredianto Usman Krisna Prayoga Kurnia Khafidhatur Rafiah Ledya Novamizanti Lugina Perceka Putri M.Aldia Abilisa M.Fajar Zulvan Nugraha Mahendra, Dio Maisaroh Agustina Rahayu Malardy , Muhammad Andriyansyah Masykur, Muhammad Fadhel Affandi Misbakhul Munir Muhamad Rokhmat Isnaini MUHAMMAD ADNAN PRAMUDITO Muhammad Akhyar Ghifari Muhammad Ardhi Prakasa Muhammad Bayu Adinegara Muhammad Fadly Mustakim Muhammad Ihsan Fadhil Muhammad Ilham Muhammad Ilham Fauzi Muhammad Najiburahman Muhammad Tezar Muhammad Yuqdha Faza Nabila Herman Naufal Adi Gifran Nidaan Khofiya Nor Kumalasari Nor Kumalasari Caecar Nor Kumalasari Caecar Pratiwi Nor Kumalasari Caesar Pratiwi Nur Andini Nur Ibrahim NURFAJAR, FEBI Obed Simanungkalit Octavian Putera Kesuma Sugeng Olyvia Fernanda Soedradjat PERDANI, WAHYUNI RIZKY Prayudi, Yoshi Putra, Akbar Trisnamulya Putri Andriani R Ricki Juniansyah R Yunenda Nur Fu'adah R. Rumani R. Rumani R. Yunendah Nur Fu’adah Raditiana Patmasari Rafid Fakhri Rahmad Hidayatullah Salam Raihan Nur Fadhlillah Rama Arjun Setiawan Ramdhan Nugraha Ratri Dwi Atmaja Renny Rahmawati Reyfaldi Wahyu Pradana Reyhan Radifan Jordy Rezki Ariz Rahadian Ricardo Ricardo Richard Bina Jadi Simanjuntak Ridwan Firdaus Rifqi Muhammad Fikri Rissa Rahmania Rizki Muhammad Iqbal Rizqi Surya Utama Rosyita Ayuning Mauludiya Sa’idah, Sofia Saidah, Sofiah Sari, Febriani Ruming Sayidia Rizki Arfina Sean Alexander Suryaman Septian Eko Kuncahyono Shimon Anterio Armando Sinaga Sofia Sa'idah Sofia Sa'idah Sofia Sa’idah SOFIA SAIDAH Sofia Sa’idah Steven Palondongan Suci Aulia Sugondo Hadiyoso Susilo, Mochammad Hilmi Suwandhi, Adhisty Putrina Suwitrisna Putra Syafiq Hilmi Abdullah Syamsul Rizal Tahta Restu Adiguna Tamardi Pranata Tampubolon Tauhid Nur Azhar Teguh Dian Arifandi Tri Siswanto Twinarya Bagus Wibawa Varian Mohammad Sutama Yohana Karina Candra Sari Yunendah Fu’adah