Article Per Year (5 Year)
p-Index From 2020 - 2025
3.634
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Jurnal Buana Informatika JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Systems Engineering and Business Intelligence Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI) J-Intech (Journal of Information and Technology)
Rizal Setya Perdana
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Engineering Library & Information Science

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 39 Documents
Search

 1   2   3   4 
Analisis Sentimen Produk Hijab Pada E-Commerce Tokopedia Menggunakan Algoritma Support Vector Machine dan IndoBERT Embedding Tri Fadilah, Ghina; Muflikhah, Lailil; Rizal Setya Perdana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan teknologi informasi dan komunikasi telah membawa perubahan signifikan dalam dunia perdagangan, termasuk dalam platform e-commerce seperti Tokopedia. Salah satu sektor yang berkembang pesat adalah industri fesyen muslim, dengan produk hijab sebagai salah satu kategori yang paling diminati. Ulasan produk di platform e-commerce memainkan peran penting dalam pengambilan keputusan pembelian konsumen. Oleh karena itu, analisis sentimen terhadap ulasan produk hijab di Tokopedia menjadi penting untuk membantu penjual meningkatkan kualitas produk dan layanan. Penelitian ini bertujuan untuk merancang dan menguji model analisis sentimen menggunakan kombinasi IndoBERT embedding dan algoritma Support Vector Machine (SVM). IndoBERT digunakan untuk menghasilkan representasi teks yang mendalam berdasarkan konteks bahasa Indonesia, sementara SVM berfungsi sebagai algoritma klasifikasi untuk memprediksi sentimen ulasan. Untuk meningkatkan efisiensi komputasi, penelitian ini menggunakan metode ekstraksi embedding dengan menjumlahkan dua layer terakhir dari representasi model IndoBERT. Hasil penelitian menunjukkan bahwa kombinasi IndoBERT dan SVM memberikan performa yang baik dalam analisis sentimen. Kernel Linear mencapai akurasi tertinggi sebesar 92%. Kernel RBF memperlihatkan stabilitas tinggi dengan akurasi konsisten sebesar 89%, dan kernel Polynomial mencapai akurasi terbaik sebesar 90%. Penelitian ini menegaskan pentingnya pemilihan parameter yang tepat, seperti kernel, nilai C, dan class weight, untuk memaksimalkan performa model. Dengan demikian, kombinasi IndoBERT embedding dan algoritma SVM terbukti efektif dan efisien untuk analisis sentimen ulasan produk hijab di Tokopedia. Pendekatan ini dapat diterapkan pada berbagai domain lain untuk mendukung pengambilan keputusan berbasis data teks.
Analisis Teknik Embedding Model NV-Embed pada Large Language Models Berbasis Retrieval Augmented Generation Rahardiansyah, Tengku Muhammad Rafi; Rizal Setya Perdana; Tirana Noor Fatyanosa
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Large Language Models (LLMs) berbasis Retrieval-Augmented Generation (RAG) menghadirkan tantangan dalam menghasilkan embedding yang akurat untuk meningkatkan performa retrieval dan generasi teks. NV-Embed adalah model embedding baru yang dirancang untuk mengatasi keterbatasan model embedding sebelumnya dengan pendekatan latent attention dan pelatihan contrastive instruction-tuning. Penelitian ini dilakukan dengan melakukan implementasi NV-Embed menggunakan bantuan PyTorch. Dokumen PDF diolah melalui tahap pre-processing, tokenization dan vectorization. Dokumen PDF yang telah diolah dan disimpan didalam vector database akan digunakan sebagai referensi untuk memperkaya hasil response berdasarkan informasi yang tersedia pada LLM dan informasi dari dokumen PDF yang didapatkan melalui RAG pipeline. Teknik embedding NV-Embed dievaluasi menggunakan metrik precision, recall, F1-score untuk retrieval, serta BLEU dan ROUGE untuk generasi teks. Hasil pengujian menunjukkan bahwa NV-Embed unggul dalam tugas retrieval dengan tingkat precision sebesar 0.906, recall sebesar 0.994, dan f1-score sebesar 0.948. Pada tugas generasi teks, NV-Embed mencapai hasil BLEU sebesar 0.899 dan metrik ROUGE juga menunjukkan hasil yang sangat baik, dengan ROUGE-1 sebesar 0.955, ROUGE-2 sebesar 0.951, dan ROUGE-L sebesar 0.955. Analisis terhadap performa NV-Embed menunjukkan bahwa pendekatan latent attention meningkatkan kualitas embedding dalam menangkap hubungan semantik antar kata. Penelitian ini memberikan kontribusi penting terhadap pengembangan model embedding dalam LLMs berbasis RAG dan membuka peluang untuk penelitian lebih lanjut.
Penyaringan Informasi Sensitif pada Sistem Chatbot Berbasis Retrieval Augmented Generation dengan Metode Named Entity Recognition Wicaksana, Kesid Dewa; Rizal Setya Perdana; Tirana Noor Fatyanosa
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 3 (2025): Maret 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Retrieval Augmented Generation (RAG) telah berkembang sebagai pendekatan inovatif dalam chatbot dengan menggabungkan Large Language Models (LLMs) dan sumber pengetahuan eksternal. Namun, tantangan besar muncul terkait kebocoran informasi sensitif, khususnya dalam aplikasi yang membutuhkan perlindungan privasi. Penelitian ini mengembangkan chatbot berbasis RAG dengan penyaringan informasi sensitif menggunakan Named Entity Recognition (NER). Model DistilBERT yang telah di-fine-tune untuk tugas NER pada dataset sintetis, diimplementasikan untuk mengenali entitas sensitif seperti nama, alamat, dan nomor identitas. Proses penelitian mencakup pengembangan pipeline RAG, integrasi model NER, serta evaluasi kinerja dengan metrik precision, recall, dan f-measure. Hasil menunjukkan performa tinggi dari model fine-tuned DistilBERT, dengan precision 0,965, recall 0,965, dan f-measure 0,965 pada evaluasi weighted average. Meskipun pipeline RAG memiliki performa lebih rendah, dengan precision 0,71, recall 0,92, dan f-measure 0,79, hasilnya tetap menunjukkan kemampuan memadai dalam menyaring informasi sensitif. Evaluasi ini mencerminkan potensi implementasi sistem chatbot berbasis RAG yang lebih aman dan efisien dalam menjaga privasi data pengguna.
Framework Design for Modular Web-based Application Using Model-CollectionService-Controller-Presenter (MCCP) Pattern Pinandito, Aryo; Permana, Ferdika Bagus Pristiawan; Perdana, Rizal Setya
Journal of Information Technology and Computer Science Vol. 2 No. 1: June 2017
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1188.423 KB) | DOI: 10.25126/jitecs.20172120

Abstract

Information system is one of the most important business supports in organizations. Web-based applications become an appropriate solution to overcome the dynamically changing environment among different units in an organization. Model-View-Controller (MVC) is a well-known design pattern in web-based application development due to the separation of an application into several parts, hence it is easy to reuse and maintain. However, such design pattern requires improvements since the information system handles business process choreography and integration between application. Therefore, modifying the interaction of object of class in a design pattern become a challenging problem. In this paper, an application framework based on Model-CollectionService-Controller-Presenter (MCCP) design pattern, which is a modification of an MVC, was proposed. The proposed framework allows multiple different applications to run and provides inter-application data exchange mechanisms to improve the data communication process between applications. Several performance comparisons with another popular web application framework are also presented.
Analisis Sentimen Kebijakan Ekspor Pasir Laut pada Sosial Media Twitter Menggunakan Algoritma Support Vector Machine Hasibuan, Raka Ardiansyah; Ratnawati, Dian Eka; Perdana, Rizal Setya
Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi Vol 5 No 1 (2024): Agustus
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/justsi.v5i1.373

Abstract

Larangan ekspor pasir laut sudah diterapkan di Indonesia sejak 2003 melalui Surat Keputusan Menperindag No 117/MPP/Kep/2/2003 tentang Penghentian Sementara Ekspor Pasir Laut. Pada 15 Mei 2023, Presiden Joko Widodo melalui Peraturan Pemerintah No 26 Tahun 2023 kembali memperbolehkan kegiatan ekspor pasir laut keluar negeri. Penambangan pasir adalah proses pengambilan pasir dari alam. Pasir merupakan komoditas yang diperlukan dalam banyak proyek seperti reklamasi lahan dan pembangunan pulau. Proyek-proyek ini memiliki keuntungan ekonomis dan sosial, tapi penambangan pasir juga menghasilkan masalah lingkungan jika dilakukan terus-menerus. Kebijakan ekspor pasir laut ini ramai dibahas berbagai sosial media, salah satunya Twitter. Twitter merupakan media sosial yang cukup popular di Indonesia.  Sosial media seperti Twitter dapat menghasilkan ribuan data dalam waktu yang singkat. Opini masyarakat di sosial media Twitter dapat digunakan oleh pemerintah untuk mengkaji ulang apakah kebijakan pembolehan ekspor pasir laut ini sudah tepat atau tidak. Dalam penelitian ini, dilakukan analisis sentimen untuk mengetahui opini masyarakat terkait kebijakan ekspor pasir laut. Fitur dan metode yang digunakan adalah SentiWordNet 3.0 untuk labelling dan metode klasifikasi Support Vector Machine. Teknik root cause analysis dengan Fishbone Diagram memberikan beberapa rekomendasi terhadap sentiment negatif antara lain: peningkatan investasi pada teknologi pengerukan ramah lingkungan, penerapan regulasi yang ketat terkait ekspor pasir laut dan kampanye penyuluhan terhadap pentingnya ekosistem serta penjagaan lingkungan. Larangan ekspor pasir laut sudah diterapkan di Indonesia sejak 2003 melalui Surat Keputusan Menperindag No 117/MPP/Kep/2/2003 tentang Penghentian Sementara Ekspor Pasir Laut. Pada 15 Mei 2023, Presiden Joko Widodo melalui Peraturan Pemerintah No 26 Tahun 2023 kembali memperbolehkan kegiatan ekspor pasir laut keluar negeri. Penambangan pasir adalah proses pengambilan pasir dari alam. Pasir merupakan komoditas yang diperlukan dalam banyak proyek seperti reklamasi lahan dan pembangunan pulau. Proyek-proyek ini memiliki keuntungan ekonomis dan sosial, tapi penambangan pasir juga menghasilkan masalah lingkungan jika dilakukan terus-menerus. Kebijakan ekspor pasir laut ini ramai dibahas berbagai sosial media, salah satunya Twitter. Twitter merupakan media sosial yang cukup popular di Indonesia.  Sosial media seperti Twitter dapat menghasilkan ribuan data dalam waktu yang singkat. Opini masyarakat di sosial media Twitter dapat digunakan oleh pemerintah untuk mengkaji ulang apakah kebijakan pembolehan ekspor pasir laut ini sudah tepat atau tidak. Dalam penelitian ini, dilakukan analisis sentimen untuk mengetahui opini masyarakat terkait kebijakan ekspor pasir laut. Fitur dan metode yang digunakan adalah SentiWordNet 3.0 untuk labelling dan metode klasifikasi Support Vector Machine. Teknik root cause analysis dengan Fishbone Diagram memberikan beberapa rekomendasi terhadap sentiment negatif antara lain: peningkatan investasi pada teknologi pengerukan ramah lingkungan, penerapan regulasi yang ketat terkait ekspor pasir laut dan kampanye penyuluhan terhadap pentingnya ekosistem serta penjagaan lingkungan.
Sistem Informasi Profil Kelompok Pertanian Terpadu Berbasis Web dengan Integrated Farming (Studi Kasus: Desa Dawuhan, Malang) Soebroto, Arief Andy; Hidayat, Nurul; Perdana, Rizal Setya; Indriati, Indriati; Darmawan, Hendra; Brilliansyach, Raihan Fikri; Ibnu, Mohammad; Nurannisa, Nadhira; Vasya, M Azka Obila
J-INTECH (Journal of Information and Technology) Vol 12 No 02 (2024): J-Intech : Journal of Information and Technology
Publisher : LPPM STIKI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/j-intech.v12i02.1501

Abstract

Dawuhan Village in Poncokusumo District, Malang Regency, is an evolving village with significant potential in the livestock sector. However, livestock data management in this village is still done manually, facing various challenges such as limited access, data integrity issues, and time-consuming processes. To address these issues, this research aims to develop a Web-Based Integrated Livestock Group Profile Information System. The primary objectives of this study are to improve accessibility, streamline the livestock data management process, and enhance data accuracy and security. The system is designed using the Next.js framework, chosen for its ease of use and security in implementing authentication and authorization, as well as its capability for future integration. The research results show that the developed system functions according to the requirements, providing a more efficient platform, reducing errors, and enhancing the user experience for farmers involved in data management. The implementation of this system is expected to improve operational efficiency and livestock data management in Dawuhan Village comprehensively.
Multi-task Learning for Named Entity Recognition and Intent Classification in Natural Language Understanding Applications Perdana, Rizal Setya; Adikara, Putra Pandu
Journal of Information Systems Engineering and Business Intelligence Vol. 11 No. 1 (2025): February
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20473/jisebi.11.1.1-16

Abstract

Background: Understanding human language is a part of the research in Natural Language Processing (NLP) known as Natural Language Understanding (NLU). It becomes a crucial part of some NLP applications such as chatbots, that interpret the user intent and important entities. NLU systems depend on intent classification and named entity recognition (NER) which is crucial for understanding the user input to extract meaningful information. Not only important in chatbots, NLU also provides a pivotal function in other applications for efficient and precise text understanding. Objective: The aim of this study is to introduce multitask learning techniques to improve the application's performance on NLU tasks, especially intent classification and NER in specific domains. Methods: To achieve the language understanding capability, a strategy is to combine the intent classification and entity recognition tasks by using a shared model based on the shared representation and task dependencies. This approach is known as multitask learning and leverages the collaborative interaction between these related tasks to enhance performance. The proposed learning architecture is designed to be adaptable to various NLU-based applications, but in this work are discussed use cases in chatbots. Results: The results show the effectiveness of the proposed approach by following several experiments, both from intent classification and named entity recognitions. The multitask learning capabilities highlight the potential of multi-task learning in chatbot systems for close domains. The optimal hyperparameters consist of a warm-up step of 60, an early stopping probability of 10, a weight decay of 0.001, a Named Entity Recognition (NER) loss weight of 0.58, and an intention classification loss weight of 0.4. Conclusion: The performance of Dual Intent and Entity Transformer (DIET) for both tasks—intent classification and named entity recognition—is highly dependent on the data. This leads to various capabilities for the hyperparameter combinations. Our proposed model architecture significantly outperforms previous studies based on common evaluation metrics. Keywords: Natural Language Understanding, Chatbot, Multi-task Learning, Named Entity Recognition
Sistem Tanya Jawab Closed-Domain terhadap Dokumen Fatwa menggunakan Retrieval Augmented Generation dan Large Language Model Haekal, Firhan Imam; Perdana, Rizal Setya; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 5 (2025): Mei 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Agama Islam menjunjung tinggi kesesuaian antara hukum serta prinsip syariah dengan pengambilan keputusan dan tanggapan seorang Muslim terhadap setiap masalah atau fenomena sosial yang terjadi. Permasalahan dan berbagai fenomena sosial baru seiring berkembangnya teknologi serta peradaban memunculkan kebutuhan fatwa sebagai dasar pengambilan keputusan seorang Muslim dalam menghadapi kedua hal tersebut. Berbagai figur religi serta Majelis Ulama Indonesia (MUI) berupaya memenuhi permintaan ini dengan sejumlah aktivitas dakwah, namun permintaan masif dan berulang dari masyarakat memunculkan risiko penyampaian materi dakwah secara dangkal, inkonsistensi materi terhadap sumber, misinformasi, dan minimnya etika dalam menyampaikan materi. Solusi yang diusulkan dalam penelitian ini berupa rancangan sistem tanya jawab yang menghasilkan jawaban komprehensif berdasarkan dokumen fatwa yang sudah ada. Solusi ini dapat diwujudkan menggunakan rangka kerja Retrieval Augmented Generation (RAG) yang terdiri dari Large Language Model (LLM) sebagai generator, yaitu penghasil jawaban, serta retriever sebagai pencari dokumen sumber dari jawaban. Untuk memastikan sistem dapat membentuk jawaban dengan kemiripan yang tinggi terhadap dokumen fatwa, penelitian ini juga membandingkan metode pencarian untuk information retrieval seperti cosine similarity dan Maximum Inner Product Search (MIPS). Hasil pengujian terhadap komponen retriever menunjukkan bahwa metode pencarian cosine similarity dan MIPS mencapai nilai kinerja terbaik pada setiap metrik pada jumlah K sebanyak 25, salah satunya F1-Score@K dengan nilai 0,52. Nilai rerata terbaik dari dua metrik kinerja generator tercapai dengan integrasi RAG, yaitu 0,67 untuk P-BERT dan 0,63 untuk F-BERT.
DETEKSI OBJEK PADA FRAMEWORK YOLOV5 DENGAN PENANGANAN KESILAUAN CAHAYA MENGGUNAKAN GABUNGAN ARSITEKTUR U-NET DAN INPAINT Afrialdy, Firman; Perdana, Rizal Setya; Dewi, Candra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 3: Juni 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128866

Abstract

CCTV telah diterapkan untuk memantau berbagai aktivitas di lingkungan Universitas Brawijaya, termasuk lalu lintas kendaraan di gerbang kampus. Pengawasan pada malam hari dalam kondisi intensitas cahaya yang rendah  merupakan tantangan tersendiri dalam penggunaan CCTV. Hal ini dikarenakan kualitas gambar yang rendah sehingga menghambat kemampuan sistem untuk mendeteksi dan mengidentifikasi objek dengan tepat. Salah satu permasalahan yang timbul dalam kasus kurangnya pencahayaan adalah munculnya flare atau kesilauan yang disebabkan oleh lampu kendaraan yang mengarah langsung ke CCTV. Oleh karena itu, pada penelitian ini digunakan segmentasi U-Net dan restorasi inpaint untuk preproses data sebelum dilakukan deteksi objek menggunakan framework YOLOv5. Hasil pengujian deteksi objek diperoleh nilai precision 0.942, recall 0.873, dan F1-Score 0.88 pada model yang dipreproses menggunakan segmentasi U-Net dan restorasi inpaint. Nilai tersebut lebih tinggi sebesar 0.032 pada precision, 0.018 pada recall, dan 0.3 pada F1-Score jika dibandingkan dengan model yang tanpa preproses.­­   Abstract CCTV has been implemented to monitor various activities within Brawijaya University, including vehicle traffic at the campus gate. Surveillance at night in low light intensity conditions is a challenge in the use of CCTV. This is due to the low image quality that hampers the system's ability to detect and identify objects correctly. One of the problems that arise in the case of lack of lighting is the appearance of flares or glare caused by vehicle lights that point directly to the CCTV. Therefore, in this research, U-Net segmentation and inpaint restoration are used to preprocess data before object detection using the YOLOv5 framework. The results of object detection testing obtained precision values of 0.942, recall 0.873, and F1-Score 0.88 on models preprocessed using U-Net segmentation and inpaint restoration. These values are higher by 0.032 in precision, 0.018 in recall, and 0.3 in F1-Score when compared to the model without preprocessing.  
Analisis Kombinasi Metode Naive Bayes Dan Rating Untuk Mengatasi Ketidaksesuaian Antara Ulasan Dan Rating Pada Aplikasi Gapura UB Di Google Play Store Ahmad Febriyan Amin; Aryo Pinandito; Rizal Setya Perdana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 7 (2025): Juli 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penggunaan aplikasi mobile di era digital saat ini semakin meningkat pesat sehingga menunjang kebutuhan masyarakat di berbagai bidang, salah satunya adalah bidang pendidikan. Saat ini aplikasi Gapura UB mendapatkan ulasan sebanyak seribu lebih ulasan dari pengguna pada situs layanan Google Play Store. Tetapi pada beberapa ulasan terdapat ketidaksesuaian jumlah bintang pada rating dengan ulasan yang diberikan pengguna. Masalah tersebut dapat diatasi dengan menggunakan klasifikasi sentimen. Pada klasifikasi sentimen terdapat beberapa metode yang digunakan, salah satunya yaitu menggunakan metode naive bayes. Tetapi metode tersebut memiliki akurasi yang tidak terlalu baik dibandingkan dengan metode yang lain. Penelitian ini bertujuan untuk mengetahui apakah metode naive bayes yang dikombinasikan dengan fitur rating dapat menghasilkan klasifikasi yang lebih baik dibandingkan jika metode tersebut digunakan tanpa kombinasi. Penelitian ini dilakukan dengan menggunakan dataset ulasan pengguna berjumlah 500 data. Hasil penelitian menunjukkan metode kombinasi antara naive bayes dan rating menghasilkan nilai klasifikasi tertinggi dibandingkan metode lain dengan rasio sebesar 0.6 dan 0.4 yang menghasilkan nilai accuracy 0.868, precission 0.869, recall 0.868, dan f1-score 0.868. hal tersebut membuktikan bahwa kombinasi antara metode naive bayes dan rating dapat meningkatkan kemampuan dalam melakukan klasifikasi sentimen.
Co-Authors Abilo, Nelson Alfons Afrialdy, Firman Ahmad Febriyan Amin Al Farisi, Faiz Aulia Annisa, Zahra Asma Ari Hernawan Arief Andy Soebroto Aryo Pinandito Asghany, Yusrian Baliyamalkan, Mohammad Nafi' Brilliansyach, Raihan Fikri Budi Darma Setiawan Budi Darma Setiyawan Candra Dewi Chastine Fatichah Dahnial Syauqy Dian Eka Ratnawati Diana Purwitasari Eka Prakarsa Mandyartha Ferdika Bagus Pristiawan Permana, Ferdika Bagus Pristiawan Fiqri, Miftahul Firdaus, Agung Haekal, Firhan Imam Hasibuan, Raka Ardiansyah Hendra Darmawan Ibnu, Mohammad Indriati Indriati Indriati Khairul, Muhammad Fathur Rahman Lailil Muflikhah Lase, Nicolash Jeremy Onoma Lina, Femi Novia Malik, Dzaki Rafif Maulana, M. Aziz Muchammad Kurniawan Nainggolan, Yohana Beatrice Nurannisa, Nadhira Nurul Hidayat Prakoso, Andriko Fajar Putra Pandu Adikara R. Arief Setiyawan Rachmansyah, Ghenniy Rahardiansyah, Tengku Muhammad Rafi Reddy Alexandro Satrio Agung Wicaksono Silaban, Gilbert Samuel Nicholas Syarif Hidayatulloh Tirana Noor Fatyanosa Tirana Noor Fatyanosa, Tirana Noor Tri Fadilah, Ghina Tri Hadiah Muliawati Vasya, M Azka Obila Wardana, Dzaky Ahmadin Berkah Wayan Firdaus Mahmudy Wicaksana, Kesid Dewa Widhi Yahya Yuhana, Umi Laili