Article Per Year (5 Year)
p-Index From 2021 - 2026
2.258
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Simetris TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Teknik Elektro Lembaran Ilmu Kependidikan Media Ilmu Keolahragaan Indonesia Rekayasa: Jurnal Penerapan Teknologi dan Pembelajaran Sainteknol : Jurnal Sains dan Teknologi ELINVO (Electronics, Informatics, and Vocational Education) CESS (Journal of Computer Engineering, System and Science) Edu Komputika Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) KOMPUTIKA - Jurnal Sistem Komputer Jurnal Ilmiah Permas: Jurnal Ilmiah STIKES Kendal Cyber Security dan Forensik Digital (CSFD) Jurnal Teknik Informatika (JUTIF) Jurnal Energi Baru dan Terbarukan Electron: Jurnal Ilmiah Teknik Elektro Jurnal Rekayasa elektrika Jurnal Pengabdian Dinamika Majalah Ilmiah Teknologi Elektro
Feddy Setio Pribadi
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Semarang
Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Nursing Public Health Social Sciences Veterinary

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 44 Documents
Search

 1   2   3   4   5 
Pengembangan Intelligent Electrocardiograph Portable untuk Pemantauan Detak Jantung: Systematic Literature Review Hardi, Septian Akbar Noor Wahyu; Aviando, Rizqi; Pribadi, Feddy Setio; Aprilianto, Rizky Ajie
CESS (Journal of Computer Engineering, System and Science) Vol 9, No 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.59003

Abstract

Kesehatan jantung menjadi faktor penting yang harus diperhatikan, terutama pada orang yang melakukan aktivitas fisik tinggi, seperti atlet. Untuk meningkatkan identifikasi dini penyakit jantung dan mengurangi bahaya kematian mendadak, perangkat elektrokardiogram (EKG) cerdas portabel telah banyak diusulkan untuk mendeteksi aktivitas jantung secara real-time. Penelitian ini bertujuan untuk memberikan informasi tentang klasifikasi sinyal jantung dengan memanfaatkan Filter Infinite Impulse Response (IIR) untuk menghilangkan noise sinyal dan Random Forest yang berguna untuk mengkategorikan masalah jantung secara cepat dan akurat. Referensi yang dirujuk, dipetakan berdasarkan sistematic literature review menggunakan metode preferred reporting items for systematic reviews and meta-analyses (PRISMA). Berdasarkan hasil ulasan yang telah dilakukan, terbukti EKG portable dengan filter IIR terbukti mampu membersihkan sinyal yang didukung dengan algoritma Random Forest untuk klasifikasi sehingga menghasilkan tingkat akurasi yang baik.
INOVASI PRODUK GULA AREN CETAK MENJADI GULA SEMUT UNTUK MENINGKATKAN NILAI JUAL Handayani, Prima Astuti; Pribadi, Feddy Setio; Rusiyanto, Rusiyanto; Sariyoga, Setiawan; Putri, Melinia Rahmahani; Andriyani, Ririn
Jurnal Pengabdian Dinamika Vol 9, No 1 (2022)
Publisher : Universitas Sultan Ageng Tirtayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62870/dinamika.v9i1.17347

Abstract

Wilayah Dukuh Sukir Desa Pakis Kecamatan Limbangan Kabupaten Kendal, merupakan daerah yangterletak pada dataran tinggi. Di wilayah tersebut terdapat sawah dan sebagian besar hutan yang banyaktumbuh pohon Aren. Hampir setiap rumah mempunyai pohon aren dan 80% penduduknya sebagaipenyadap nira aren. Proses penyadapan dilakukan pada pagi dan sore hari, selanjutnya nira aren diolahmenjadi gula aren cetak. Mitra pada kegiatan Program Kemitraan Masyarakat (PKM) ini adalahkelompokperajingulaarencetak“MuyaArenga”,yangmengarahkeekonomiproduktif.Permasalahan yang dihadapi mitra yaitu diperlukan inovasi untuk meningkatkan nilai jual produk gulaaren cetak menjadi gula semut dan dibutuhkan metode pemasaran yang dapat menjangkau konsumenyang lebih luas dan dapat meningkatkan pemasaran pada masa pandemi ini. Tujuan dari kegiatan PKMini meningkatkan nilai jual produk gula aren cetak menjadi gula aren semut yang mempunyai nilaipeningkatan 4 kalinya, sehingga dapat meningkatkan kesejahteraan perajin gula aren serta masyarakatDukuhSukirpadaumumnya.MetodekegiatanpengabdianPKMyangdilakukanantaralainkoordinasi, pembuatan alat proses pembuatan gula semut, pembuatan kemasan produk dan merekdagang serta pelatihan pengelolaan pemasaran online yang memanfaatkan teknologi informasi. Dandilakukan pendampingan dan evaluasi pelaksanaan program dan keberlanjutan program di lapangan.Hasil dari kegiatan PKM adalah mitra Muya Arenga sudah dapat memproduksi gula aren semut yangsiap untuk dipasarkan. Gula aren semut yang dihasilkan mempunyai karakteristik sesuai SNI 01-3743-1995, dengan kandungan gula sukrosa 81,78%, gula reduksi 5,78% dan energi 358,64 kal/100gr.
Tinjauan Sistematis Dampak Teknologi Kota Pintar terhadap Kualitas Hidup dan Lingkungan Adiastoro, Mahendra; Ati Zuhrotal Afifah, Ning Imas; Arundaya, Adil; Pribadi, Feddy Setio; Aprilianto, Rizky Ajie
ELECTRON Jurnal Ilmiah Teknik Elektro Vol 5 No 2: Jurnal Electron, November 2024
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33019/electron.v5i2.210

Abstract

This study conducted a Systematic Literature Review (SLR) to review the impact of smart city technologies on quality of life and environmental sustainability. Using the PRISMA method, this review systematically identified, screened, and selected relevant studies from reputable databases, focusing on recent publications from 2019 to 2024. The research addresses various aspects of smart city initiatives, including benefits, challenges, real-world applications, potential risks, and strategies to overcome implementation barriers. The results show that smart city technologies contribute positively to urban resource management, energy efficiency, and waste reduction, thereby improving quality of life and promoting sustainable urban development. However, data privacy, cybersecurity, and high implementation costs remain significant obstacles. Community engagement and customized approaches are identified as critical factors in the successful adoption of smart city initiatives. This study provides insights into strategies to optimize the benefits of smart city projects, offering a basis for further research and practical guidance for stakeholders in urban planning.
Systematic Literature Review (SLR): Dampak Pemanfaatan Artificial Intelligence untuk Meningkatkan Cyber Security Pongoh, Arthur Gregorius; Fahreza, Rizqy Achmad; Al Kindi, Bilal; Pribadi, Feddy Setio; Aprilianto, Rizky Ajie
Cyber Security dan Forensik Digital Vol. 7 No. 1 (2024): Edisi Bulan Mei Tahun 2024
Publisher : Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/csecurity.2024.7.1.4486

Abstract

Artificial Intelligence (AI) adalah tambahan kecerdasan pada sistem yang dapat dikelola secara ilmiah dan berkembang di dunia teknologi untuk melayani berbagai aplikasi, termasuk keamanan siber. Kecerdasan buatan memainkan peran penting dalam keamanan siber, memungkinkan deteksi dini ancaman keamanan siber, analisis terperinci terhadap serangan yang muncul, dan respons yang cepat dan akurat. Penelitian ini menggunakan teknik tinjauan literatur sistematis (SLR) untuk menganalisis peran kecerdasan buatan dalam keamanan siber. Pengumpulan data dilakukan dengan mendokumentasikan semua makalah yang memuat temuan penelitian serupa dengan laporan penelitian ini. Makalah yang digunakan dalam penelitian ini adalah 20 makalah dari database ScienceDirect dan Google Scholar. Kecerdasan buatan telah menjadi elemen kunci dalam mendukung upaya untuk melindungi sistem informasi dan jaringan dari ancaman siber yang semakin kompleks. Dengan kemampuannya untuk belajar dari pola-pola data, AI memungkinkan untuk mendeteksi ancaman yang belum pernah terjadi sebelumnya dan memberikan respons secara real-time. Melalui tinjauan literatur sistematis ini, kami menyelidiki berbagai pendekatan dan teknik AI yang telah diterapkan dalam konteks keamanan siber, termasuk penggunaan jaringan syaraf tiruan, algoritma pembelajaran mesin, dan analisis teks. Hasil analisis kami menyoroti bahwa AI telah berhasil digunakan dalam mendeteksi serangan siber, menganalisis pola-pola perilaku yang mencurigakan, dan mengoptimalkan respons keamanan. Implikasi praktis dari penelitian ini adalah pentingnya terus mengembangkan dan mengadopsi solusi AI yang dapat memperkuat pertahanan siber dalam menghadapi ancaman yang terus berkembang.Kata Kunci: Artificial Intelligence, Cyber Security, Systematic Literature Review, Aplikasi Artificial Intelligence -------------------------------------------- Artificial Intelligence (AI) is an augmentation of intelligence within systems that can be managed scientifically and is evolving in the world of technology to serve various applications, including cyber security. Artificial intelligence plays a crucial role in cyber security, enabling early detection of cyber security threats, detailed analysis of emerging attacks, and swift and accurate responses. This research utilizes the systematic literature review (SLR) technique to analyze the role of artificial intelligence in cyber security. Data collection was conducted by documenting all papers containing research findings similar to this research report. The papers used in this study comprise 20 papers from the ScienceDirect and Google Scholar databases.Artificial intelligence has become a key element in supporting efforts to protect information systems and networks from increasingly complex cyber threats. With its ability to learn from data patterns, AI enables the detection of previously unseen threats and provides real-time responses. Through this systematic literature review, we investigated various AI approaches and techniques that have been applied in the context of cyber security, including the use of artificial neural networks, machine learning algorithms, and text analysis. Our analysis highlights that AI has been successfully utilized in detecting cyber attacks, analyzing suspicious behavioral patterns, and optimizing security responses. The practical implications of this research underscore the importance of continually developing and adopting AI solutions that can strengthen cyber defense against evolving threats. Keywords: Artificial Intelligence, Cyber Security, Systematic Literature Review, Application of Artificial Intelligenc
Penerapan Algoritma Linear Regression dan Support Vector Regression dalam Prediksi Temperatur Udara di Malang Karnisih, Karnisih; Sunarno, Sunarno; Iqbal, Iqbal; Djuniadi , Djuniadi; Pribadi, Feddy Setio
Techno.Com Vol. 24 No. 1 (2025): Februari 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i1.12094

Abstract

Perubahan iklim global dan peningkatan variabilitas cuaca membuat prediksi temperatur udara menjadi salah satu kebutuhan penting di berbagai sektor. Temperatur udara merupakan parameter penting dalam meteorologi yang mempengaruhi berbagai aspek kehidupan manusia. Predisi temperatur udara saat ini banyak memanfaatkan algoritma machine learning, namum nilai akurasi masih belum optimal. Tujuan dari penelitian ini untuk meningkatkan akurasi prediksi temperatur udara rata-rata dengan menggunakan pendekatan berbasis machine learning. Metode dalam penelitian ini menggunakan algoritma Linear Regression dan Support Vector Regression (linier dan gaussian non linear) karena memiliki akurasi prediksi data yang cukup baik di berbagai bidang termasuk bidang hidrologi. Penelitian ini menggunakan data dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) lokasi Stasiun Klimatologi Jawa Timur periode data tahun 2019-2023 dengan parameter cuaca temperatur rata-rata (TAV), kelembaban udara (HAV), kecepatan angin (WAV), curah hujan (RR), tekanan udara (PPP), Penyinaran matahari (SUN) dan titik embun (DEW_POINT). Kinerja model dievaluasi menggunakan pengukuran metrik MSE, RMSE, MAE, MAPE dan R². Hasil pengukuran kinerja model algoritma Gaussian support vector Regression (non linier SVR) lebih baik dibanding dengan linear support vector Regression (linear SVR) dan  algoritma linear regression dengan nilai yang lebih tinggi R² sebesar  0,9891 ± 0,0011 dan nilai error yang lebih rendah pada semua metrik pengukuran. Kata kunci: Prediksi temperatur udara, machine learning, Linear Regression,  Suport Vektor Regression
Prediksi Kabut Menggunakan Recurrent Neural Network dengan Attention Mechanism di Bandara Ruteng Wiujianna, Atri; Pribadi, Feddy Setio; Djuniadi, Djuniadi; Sunarno, Sunarno; Iqbal, Iqbal
Komputika : Jurnal Sistem Komputer Vol. 14 No. 1 (2025): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v14i1.15380

Abstract

Fog phenomena pose a significant challenge in aviation operations, particularly in regions with complex topography such as Ruteng Airport. Thick fog can reduce visibility and increase flight safety risks. This study aims to develop a deep learning-based fog prediction model by comparing the performance of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) enhanced with Attention Mechanism (AM). The dataset consists of 61,187 entries, covering hourly recorded weather parameters over the past ten years (2013–2023). The experimental results show that the addition of Attention significantly improves model performance. The RNN+Attention model emerges as the best-performing model with an accuracy of 0.9981, precision of 0.7755, recall of 0.76, and F1-score of 0.7677, along with the lowest number of False Positives. Meanwhile, the LSTM+Attention model excels in reducing False Negatives, making it suitable for systems prioritizing comprehensive fog detection. Models without Attention demonstrate perfect recall (1.00), but their low precision indicates overfitting. Overall, the integration of the Attention Mechanism enhances the balance between recall and precision and improves model reliability in handling data imbalance. The contribution of this research is that it can serve as a reference for future studies in developing artificial intelligence-based weather prediction models, particularly in addressing fog phenomena. Keywords – Attention Mechanism; Long Short-Term Memory; Fog Prediction; Recurrent Neural Network
Digitalisasi dan Validasi Instrumen Ketahanan Diri Remaja (SDQ) sebagai Deteksi Dini Perilaku Maladaptif Remaja di Sekolah Febriantika, Febriantika; Budiono, Irwan; Pribadi, Feddy Setio
Jurnal Ilmiah Permas: Jurnal Ilmiah STIKES Kendal Vol 15 No 4 (2025): Jurnal Ilmiah Permas: Jurnal Ilmiah STIKES Kendal: Oktober 2025
Publisher : Sekolah Tinggi Ilmu Kesehatan Kendal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32583/pskm.v15i4.3802

Abstract

Penelitian ini dilatarbelakangi oleh permasalahan kesulitan pengumpulan data secara manual yang memerlukan waktu lama serta tantangan guru dalam melakukan deteksi dini gangguan perilaku pada siswa sekolah menengah. Tujuan penelitian ini adalah untuk mengadaptasi dan memvalidasi instrumen Strengths and Difficulties Questionnaire (SDQ) dalam bentuk digital guna membantu guru melakukan deteksi dini perilaku maladaptif remaja secara lebih cepat, efektif, dan akurat. Penelitian ini menggunakan pendekatan kuantitatif dengan metode pengujian validitas dan reliabilitas terhadap instrumen SDQ digital yang dikembangkan. Data dikumpulkan dari 63 siswa sekolah menengah pertama yang mengisi instrumen SDQ dalam dua versi: versi manual (kertas) dan versi digital (berbasis aplikasi mobile). Setiap siswa mengisi kedua versi instrumen dengan jeda waktu untuk menghindari efek pengulangan. Analisis data dilakukan dengan membandingkan hasil pengisian versi digital dan manual. Uji normalitas menggunakan Kolmogorov-Smirnov dan Shapiro-Wilk, semua variabel penelitian menunjukkan nilai signifikansi kurang dari 0,05 (p<0,05), artinya data tidak berdistribusi normal. Hal ini menunjukkan bahwa data penelitian ini perlu menggunakan analisis statistik non-parametrik dalam pengujian lanjutannya, sementara reliabilitas diukur menggunakan koefisien Cronbach’s Alpha. Hasil penelitian menunjukkan bahwa SDQ digital memiliki validitas konstruk yang baik dan reliabilitas internal yang lebih tinggi (α = 0,73) dibandingkan versi manual (α = 0,50). Selain itu, waktu pengumpulan data dan skoring pada versi digital jauh lebih singkat dan efisien dibandingkan metode manual. Kesimpulan penelitian ini adalah penggunaan SDQ digital dapat menjadi solusi efektif dalam mengatasi keterbatasan metode manual, sekaligus meningkatkan akurasi deteksi dini perilaku maladaptif pada siswa sekolah menengah. Kontribusi penelitian ini terhadap sains berupa inovasi metode pengumpulan dan analisis data kesehatan secara digital yang terbukti lebih efisien dan akurat dibandingkan metode manual.  
Hybrid Deep Learning Models Using LSTM with Random Forest for Radio Frequency-Based Human Activity Recognition in Line-of-Sight and Non-Line-of-Sight Environments Andriano, Niko; Pribadi, Feddy Setio
Jurnal Rekayasa Elektrika Vol 21, No 2 (2025)
Publisher : Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17529/jre.v21i2.44828

Abstract

Human activity recognition (HAR) has become an important field of study because of its wide range of applications in healthcare, security, and smart living systems. Radio frequency (RF)-based HAR offers a non-invasive and privacy-preserving alternative to traditional vision-based systems. This study proposes a hybrid deep learning model combining long short-term memory (LSTM) networks with Random Forest classifiers for RF-based HAR, aiming to improve recognition accuracy across diverse environments. The model was evaluated using channel state information (CSI) and received signal strength indicator (RSSI) features under line-of-sight (LOS) and non-line-of-sight (NLOS) conditions. synthetic minority over-sampling technique (SMOTE) was integrated to balance the dataset and K-fold cross-validation was employed to assess robustness. The dataset included data from 8 subjects performing 10 different activities. The model achieved high classification accuracy, with 99.40% in Environment 1 (LOS), 97.58% in Environment 2 (LOS), and 98.30% in Environment 3 (NLOS), demonstrating the models adaptability and effectiveness. The results highlight the potential of the hybrid LSTM with random forest approach for scalable and reliable RF-based HAR systems that can be integrated into real-world Internet-of-Things (IoT) applications.
Comparative Analysis of Hybrid Intelligent Algorithms for Microsleep Detection and Prevention Nurul'aini, Arvina Rizqi; Aprilianto, Rizky Ajie; Pribadi, Feddy Setio
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 3 (2025): JUTIF Volume 6, Number 3, Juni 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.3.4625

Abstract

Microsleep is a critical factor contributing to traffic accidents, posing significant risks to road safety. Research by the AAA Foundation for Traffic Safety found that 328,000 sleep-related driving accidents happen annually in the United States, underscoring the widespread and dangerous nature of drowsy driving. These incidents often occur without warning, making them especially hazardous and difficult to prevent through conventional means alone. This research aims to improve the accuracy of microsleep detection by developing a hybrid intelligent algorithms. It compares three intelligent algorithms: Fuzzy Logic (FL), representing scheme A; Fuzzy Logic combined with Artificial Neural Networks (FL-ANN), representing scheme B; and a combination of Fuzzy Logic, ANN, and Decision Trees (FL-ANN-DT), representing scheme C. These methods were evaluated using performance metrics such as MSE, MAE, RMSE, R², and response time. The results indicate that Scheme C (FL-ANN-DT) significantly outperforms the other approaches, achieving an MSE of 5.3617e-32, MAE of 4.3823e-17, R² of 1.0, and an RMSE close to zero, demonstrating near-perfect accuracy. Compared to previous models, this hybrid approach enhances prediction precision while maintaining real-time feasibility. The findings highlight the potential of FL-ANN-DT as an advanced microsleep detection system, contributing to improved road safety and real-time monitoring applications. This system can serve as a proactive safety layer in driver assistance technologies, reducing the risk of fatigue-related accidents and potentially saving lives.
Stacking Ensemble Learning Model for Intrusion Detection in Electrical Substation Alam, Mohammad Mahruf; Pribadi, Feddy Setio; Rizky Ajie Aprilianto; Arvina Rizqi Nurul’aini
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 5 (2025): October 2025
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i5.6502

Abstract

Electrical substations are crucial infrastructure in power transmission and distribution but are increasingly vulnerable to cyber threats. However, existing intrusion detection systems (IDS) face challenges such as high false positive rates, limited adaptability to emerging attack patterns, and imbalanced detection across different intrusion types. This study proposes a Stacking Ensemble Learning model to enhance intrusion detection accuracy in electrical substations. The proposed model integrates Logistic Regression (LR), Support Vector Machine (SVM), K-Nearest Neighbors (KNN), and XGBoost (XGB) as base models with XGB acting as the meta-model. A real-world electrical substation IEC 60870-5-104 network traffic dataset comprising 319,949 instances with multiple attacks, such as DoS, Port Scan, NTP DdoS, IEC 104 Starvation, Fuzzy Attack, Flood Attack, and MITM, was used for this study. The results showed that the stacking model had the best accuracy (0.99990), precision (0.99990), recall (0.99990), and F1-score (0.99990), beating out the base, Bagging, and Boosting models. T-test results further confirmed statistical significance, with p-values of 0.00428 (LR), 0.04237 (SVM), 0.00000 (XGB), 0.00057 (KNN), 0.00549 (Boosting), and 0.00000 (Bagging) reinforcing the superiority of the Stacking Ensemble Learning approach. These findings highlight the effectiveness of Stacking Ensemble Learning in enhancing the detection accuracy of IDS for electrical substations and outperforming traditional models and other ensemble learning methods by minimizing false positives and false negatives.
Co-Authors Adhistya Erna Permanasari Adiastoro, Mahendra Agus Suryanto Akbar, Dawam Muhammad Akbar, Dawam Muhammad Al Kindi, Bilal Alam, Mohammad Mahruf Alfian Nur Rahmad, Alfian Nur Alkindi, Muhammad Faizal Ananda, Briska Putra Andriano, Niko Andriyani, Ririn Andyanto, Yehezkiel Nesta Anggraini Mulwinda Aprilianto, Rizky Ajie Arundaya, Adil Arvina Rizqi Nurul’aini Ati Zuhrotal Afifah, Ning Imas Aviando, Rizqi Awang Harizka, Awang Djuniadi , Djuniadi Djuniadi Djuniadi Eko Supraptono Fahreza, Rizqy Achmad Faqih, Faiq Mananul Fawwaz, Ega Nur Fawwaz, Fatahillah Nabil Febriantika, Febriantika Hardi, Septian Akbar Noor Wahyu Hesti Wahyu Nugroho, Hesti Wahyu Hidayat, Dwi Alvin Hirroe Wijaya Ani Kesuma, Hirroe Wijaya Ani Iqbal Iqbal Irwan Irwan Karnisih, Karnisih Kitnas Dian Purwitasari, Kitnas Dian Ningtyas, Mega Wahyu Nurul'aini, Arvina Rizqi Octavianti Paramita Paramita, Octavianti Pongoh, Arthur Gregorius Prabantara, Satria Krisna Prima Astuti Handayani Putri, Melinia Rahmahani Rahmeisi, Nazli Rizky Ajie Aprilianto Rusiyanto Rusiyanto, Rusiyanto Sachroni, Mu'alfi Fahrul Fanani Samsudin Anis Setianingsih, Lita Dwi Setiawan Sariyoga, Setiawan Sri Haryono Sri Haryono Sri Sukamta Sri Suning Kusumawardani Sunarno Sunarno Suryanto, Agus Syamsiar, Syamsiar Ulfah Mediaty Arief Uswatun Hasanah Wiujianna, Atri Yanuar Arif Pramana