Article Per Year (5 Year)
p-Index From 2020 - 2025
7.418
P-Index
This Author published in this journals
All Journal E-Jurnal Medika Udayana Jurnal Ilmiah Kursor Jurnal Informatika dan Teknik Elektro Terapan Sistemasi: Jurnal Sistem Informasi International Journal of Artificial Intelligence Research Jurnal Biologi Tropis RELE: Rekayasa Elektrikal dan Energi Jurnal Teknik Elektro JMM (Jurnal Masyarakat Mandiri) Lectura : Jurnal Pendidikan Jurnal Pengabdian Magister Pendidikan IPA Indonesian Treasury Review: Jurnal Perbendaharaan, Keuangan Negara dan Kebijakan Publik JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Journal of Local Government Issues JURNAL KESEHATAN DELIMA PELAMONIA Jusikom: Jurnal Sistem Informasi Ilmu Komputer bit-Tech JATI (Jurnal Mahasiswa Teknik Informatika) Proximal: Jurnal Penelitian Matematika dan Pendidikan Matematika Indonesian Journal of Electrical Engineering and Computer Science JIIP (Jurnal Ilmiah Ilmu Pendidikan) Science Midwifery Jifosi Heart Science Journal Journal of Computer Networks, Architecture and High Performance Computing Jurnal Pengabdian kepada Masyarakat Nusantara MESA (Teknik Mesin, Teknik Elektro, Teknik Sipil, Teknik Arsitektur) Jurnal Teknik Informatika (JUTIF) Jurnal Aksioma Al-Musaqoh Jurnal Kesehatan Tambusai Jurnal Ilmiah Wahana Pendidikan ELIPS: Jurnal Pendidikan Matematika Caring : Jurnal Pengabdian Masyarakat JUSTIN (Jurnal Sistem dan Teknologi Informasi) Al Khidma: Jurnal Pengabdian Masyarakat INTERNATIONAL JOURNAL OF EDUCATION, INFORMATION TECHNOLOGY, AND OTHERS Prosiding Konferensi Nasional PKM-CSR Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya JUSIFOR : Jurnal Sistem Informasi dan Informatika eProceedings of Engineering Indonesian Journal of Innovation Multidisipliner Research Kohesi: Jurnal Sains dan Teknologi Jurnal INFOTEL Journal of Technology and System Information
Basuki Rahmat Masdi Siduppa
Institut Ilmu Kesehatan Pelamonia Kesdam XIV Hasanuddin
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Veterinary Other

Published : 64 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 64 Documents
Search

 1   2   3   4   5 
Perbandingan Performa Klasifikasi Citra Ikan Menggunakan Metode K-Nearest Neighbor (K-NN) Dan Convolutional Neural Network (CNN) Abdurrahman, Nizar; Rahmat, Basuki; Sihananto, Andreas Nugroho
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 2 No 2 (2023): JUSIFOR - DESEMBER 2023
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33379/jusifor.v2i2.3728

Abstract

Perairan daratan Indonesia memiliki keanekaragaman jenis ikan, mencakup variasi ikan air tawar, payau, dan laut. Meskipun Indonesia memiliki lebih dari 2.000 spesies ikan, hanya sekitar 25% yang dapat dibudidayakan. Beberapa jenis ikan seperti lele, mujair, bandeng, patin, dan gurami menjadi pilihan utama dalam budidaya ikan konsumsi. Dalam konteks ini, penelitian menggunakan teknologi citra digital untuk membandingkan dua metode klasifikasi, yaitu k-NN dan CNN, dengan fokus pada citra ikan. Metode k-NN dan CNN diuji dengan menggunakan dua skenario pembagian dataset, yaitu 80:20 dan 90:10. Hasil eksperimen menunjukkan bahwa CNN menghasilkan akurasi yang lebih tinggi dibandingkan k-NN pada kedua skenario. Akurasi CNN mencapai 88% pada rasio data 80:20 dan 80% pada rasio 90:10, sedangkan k-NN mencapai 66% dan 72% pada skenario yang sama. Meskipun performa metode dapat dipengaruhi oleh berbagai faktor, hasil penelitian ini memberikan indikasi bahwa CNN lebih efektif dalam mengklasifikasikan citra ikan. Keunggulan ini dapat memberikan kontribusi penting dalam pemilihan metode klasifikasi untuk pengolahan citra ikan.
Model Predictive Control (MPC) pada Sistem Kendali Suhu ITCLAB dan Pemantauannya Menggunakan Internet of Things (IOT) Arrosyid, Muhammad Habib; Rahmat, Basuki; Wahanani, Henni Endah
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 3 No 1 (2024): JUSIFOR - JUNI 2024
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33379/jusifor.v3i1.3882

Abstract

Pengendalian suhu merupakan aspek kritis dalam berbagai aplikasi industri, termasuk di dalam laboratorium. Dalam konteks ITCLab, pengendalian suhu yang efisien menjadi suatu keharusan untuk memastikan konsistensi dan kestabilan eksperimen. Model Predictive Control (MPC) telah terbukti efektif dalam mengoptimalkan sistem kendali suhu, namun penerapannya dalam lingkungan laboratorium seringkali terbatas. Penelitian ini menggunakan pendekatan eksperimental dengan mengimplementasikan MPC pada sistem kendali suhu ITCLab. Desain percobaan melibatkan instalasi sensor suhu yang terhubung ke perangkat IoT untuk pemantauan secara real-time. Selain itu, model matematis sistem suhu ITCLab diidentifikasi dan digunakan dalam pengembangan kontrol MPC. Pengujian dilakukan dengan membandingkan hasil pengendalian suhu antara MPC dan metode kontrol konvensional. Data pemantauan yang diperoleh dari perangkat IoT digunakan untuk mengevaluasi kinerja MPC. Hasil awal menunjukkan bahwa penerapan MPC mampu meningkatkan respons sistem kendali suhu ITCLab, menghasilkan peningkatan signifikan dalam presisi dan waktu stabilisasi. Meskipun demikian, dampak penuh dari integrasi IoT pada pemantauan suhu masih belum sepenuhnya terlihat. Data yang terkumpul akan dianalisis lebih lanjut untuk mengevaluasi kehandalan dan ketersediaan informasi secara real-time. Selain itu, potensi peningkatan efisiensi energi dan adaptabilitas sistem kendali suhu terhadap variasi eksperimen akan dijelaskan lebih lanjut dalam presentasi hasil lengkap penelitian ini.
OPTIMIZATION OF NODE SIZE CONFIGURATION IN CNN-ELM MODEL FOR BRAIN TUMOR MRI IMAGE CLASSIFICATION Ahmad, Sulthan; Rahmat, Basuki; Tri Anggraeny, Fetty
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 8 No. 1 (2024): JUSIKOM: JURNAL SISTEM INFROMASI ILMU KOMPUTER
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v8i1.5581

Abstract

This study proposed a method to classify four types of brain tumors—Glioma, Meningioma, Pituitary, and Non-Tumor—using the Kaggle Brain Tumor MRI Dataset. The research involved stages of data collection, preprocessing, model design, model training, and evaluation. A hybrid Convolutional Neural Network - Extreme Learning Machine (CNN-ELM) algorithm was employed, demonstrating the importance of selecting the optimal number of hidden nodes for achieving high accuracy. The test results revealed that with 2000 hidden nodes, the CNN-ELM model achieved an overall accuracy of 98.86%, with F1-scores of 97% for Glioma, 98% for Meningioma, 100% for Non-Tumor, and 100% for Pituitary tumors. In comparison, the model with 1000 hidden nodes achieved an accuracy of 96.96%, while models with 3000 and 4000 hidden nodes achieved 98.10% and 96.58% accuracy, respectively. These findings highlight the critical role of hidden node selection in optimizing model performance. The CNN-ELM algorithm proves to be a viable alternative for classifying brain tumor MRI images, contributing to advancements in medical technology.
A Data Pre-processing Strategy Utilizing Adaptive Masking for the Classification of Pediatric Pneumonia Using VGG-16 Herawati, Yoshi Inne; Rahmat, Basuki; Hendra Maulana
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 8 No. 1 (2024): JUSIKOM: JURNAL SISTEM INFROMASI ILMU KOMPUTER
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v8i1.5604

Abstract

Pneumonia is still a leading cause of death in children, especially in areas with limited medical resources. This study aims to test several pre-processes to find the best set of pre-processes that can be applied to the children's chest X-ray dataset by applying adaptive masking, histogram equalization, CLAHE and Gaussian blur. Then, childhood pneumonia is classified using a CNN architecture, namely VGG-16. By applying these pre-processing methods, this study is divided into several scenarios. The highest accuracy was obtained from scenario 1, which used a combination of adaptive masking, histogram equalization and Gaussian blur, resulting in an accuracy of 94%. Scenario 2 uses histogram equalization and Gaussian blur with an accuracy of 92%. Then Scenario 3 uses a histogram equalization replacement for CLAHE with a combination of adaptive masking, CLAHE and Gaussian blur with 93% accuracy. Finally, scenario 4 uses a combination of CLAHE and Gaussian blur methods with 91% accuracy. In addition, this research also addresses the challenges posed by unbalanced data sets and the need for highly accurate detection tools.
Utilization of Solar Panel Technology to Save Electricity Costs in Fish Farm Irrigation Nisrina, Safira Fegi; Mudzakir, Mohammad Alfian; Rahmat, Basuki
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 3 (2024): Articles Research Volume 6 Issue 3, July 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i3.3969

Abstract

Solar panels are a medium that can convert solar energy into electrical energy. In this research, the solar panel system in the fish pond is used as air requirements for the survival of the fish so that the air supply is sufficient. The problem is that fish farming has cloudy water due to decreasing temperatures due to lack of irrigation. This condition really requires water flow using a pump to circulate water in the fish pond. Therefore, solar panels are needed to drive the water circulation pump, where these solar panels are an alternative energy source to replace electricity from the State Electricity Company (PLN).The purpose of using a solar panel system is as alternative energy that can supply a pump motor which functions to channel water from the well to the pond to keep it flowing. This is used as alternative electrical energy to replace energy sources originating from the State Electricity Company (PLN) and to reduce operational costs of electrical energy. The method used is to assemble and install 2 units of 100WP solar panels, then testing is carried out to measure the panel output power from 06.00 to 17.00. The average result of measuring solar panel power every 30 minutes is 24.48Watts per day, this condition was when the test was carried out when the weather was less sunny. However, this can still change to get maximum power depending on weather conditions, especially when the sun is hot.
ASPECT-BASED SENTIMENT ANALYSIS IPHONE 14 PRO MENGGUNAKAN ALGORITMA XGBOOST Arum Prabowo, Galih; Rahmat, Basuki; Endah Wahanani, Henni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.7831

Abstract

Penelitian ini akan mengimplementasikan algoritma XGBoost untuk melakukan analisis sentimen berbasis aspek pada kolom komentar video youtube review iPhone 14 Pro, yang bertujuan untuk mengukur tingkat performansi algoritma XGBoost dalam mengklasifikasi ulasan ke dalam dua kelas, yaitu kelas sentimen positif-negatif, sekaligus mengetahui kelebihan dan kelemahan Iphone iPhone 14 pro. Dari hasil pengujian didapat tingkat akurasi yang cukup tinggi, yaitu berkisar antara 89% sampai 97%. Selain itu, dari penelitian ini juga dapat diketahui bahwa kelebihan yang dimiliki terdapat pada aspek citra merek dan performa. Sedangkan untuk kelemahannya, iPhone 14 pro masih banyak mendapat sentimen negatif terutama pada aspek desain dan spesifikasi.
IDENTIFIKASI JENIS IKAN CUPANG BERDASARKAN GAMBAR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Adi Laksono, Surya; Rahmat, Basuki; Nugroho, Budi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9676

Abstract

Di Indonesia, menjadi penggemar ikan hias sudah menjadi hal yang wajar. Ikan cupang merupakan salah satu spesies ikan hias yang cukup mudah ditemui di Indonesia. Banyaknya jenis ikan cupang ini membuat masyarakat awam penghobi ikan cupang merasa kesulitan untuk mengetahui jenis ikan cupang yang ada di pasaran. Jenis ikan cupang sangat berpengaruh bagi para petani ikan cupang untuk menentukan harga pada setiap jenisnya. Begitu juga jenis ikan cupang sangat berpengaruh bagi peserta kontes ikan cupang untuk menentukan kategori jenis yang akan diikuti. Oleh karena itu, membuat sistem pengidentifikasi jenis ikan cupang sangat diperlukan pada permasalahan ini. Sistem ini menggunakan metode Convolutional Neural Network, yakni algoritma deep learning dengan arsitektur Keras Sequential yang memiliki parameter hingga 1.424.403 parameter dan metode ini biasa digunakan untuk mengklasifikasi citra. Kumpulan data yang digunakan berjumlah 330 data yang terdiri dari 300 data latih dan 30 data uji di dalam tiga kelas. Sistem yang telah dirancang dan diimplementasi berhasil mengindentifikasi tiga jenis ikan cupang dengan baik, mendapatkan akurasi 97% pada uji coba dengan 10 epoch, 93% pada uji coba dengan 15 epoch, dan akurasi tertinggi 100% pada uji coba dengan 20 epoch.
KLASIKASI CITRA PADA PENYAKIT KANKER MULUT MENGGUNAKAN ARSITEKTUR DENSENET201 MENGGUNAKAN OPTIMASI ADAM DAN SGD Fauzan Novriandy, Muhammad; Rahmat, Basuki; Junaidi, Achmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10077

Abstract

Kanker mulut merupakan salah satu kanker terbanyak yang terjadi di dunia dan tercatat menempati urutan keenam pada kategori kanker yang sering terjadi serta kanker yang paling banyak menyebabkan kematian. Klasifikasi penyakit kanker mulut menggunakan 5.000 data gambar untuk 2 kelas yaitu Normal dan Oral Squamous Cell Carcinoma (OSCC). Peneliti menggunakan arsitektur Densenet201 dengan optimizer Adam dan SGD untuk melakukan klasifikasi pada dataset yang terbatas. Hasil Penelitian menggunakan Densenet201 memiliki hasil akurasi lebih baik apabila menggunakan Optimasi SGD, Akuisisi Data 80 % dan 20 %, menggunakan Batch Size 32 dengan akurasi sebesar 0.96 daripada Optimasi Adam dengan akurasi tertinggi pada penerapan model Densenet201 menggunakan Optimasi Adam pada Akuisisi Data 70 % dan 30 %, dan Batch Size 64 dengan memperoleh akurasi sebesar 0.86. Pada pelatihan dan pengujian dengan data uji/validasi, model Densenet201 menggunakan Optimasi SGD pada akuisisi data 80 % dan 20 %, menggunakan Batch Size 32 mencapai hasil klasifikasi gambar terbaik. Kelas normal berhasil diklasifikasikan dengan benar sebanyak 338 gambar, sedangkan terdapat 22 gambar yang salah diklasifikasikan. Untuk kelas OSCC, terdapat 334 gambar yang diklasifikasikan dengan benar dan hanya 6 gambar yang salah diklasifikasikan.
PENERAPAN METODE DEMPSTER SHAFER SISTEM PAKAR UNTUK MENDIAGNOSA KERUSAKAN MESIN MOTOR INJEKSI Nur Firmansyah, Taufik; Rahmat, Basuki; Endah Wahanan, Henni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11156

Abstract

Sepeda motor sebagai kebutuhan primer dalam transportasi terus mengalami perkembangan seperti teknologi injeksi bahan bakar dan transmisi otomatis. Mesin motor injeksi memerlukan pemeriksaan rutin dan perbaikan jika rusak. Dalam hal ini membutuhkan ahli di bidangnya yaitu mekanik. Mekanik perlu mendiagnosa kerusakan sebelum memperbaiki, sehingga membutuhkan alat atau sistem yang membantu. Tujuan penelitian ini untuk mengembangkan sistem pakar diagnosa keruskaan mesin motor injeksi berbasis website menggunakan metode Dempster-Shafer. Metode ini mengelola ketidakpastian dengan cara yang konsisten dan mendekati pemikiran pakar. Hasil penelitian ini adalah sistem pakar berbasis website yang dapat mendiagnosis kerusakan mesin motor injeksi dengan metode yang telah diuji dengan pengujian black box testing, validasi kelayakan, dan uji akurasi. Hasil pengujian black box testing menunjukkan bahwa sistem pakar ini dapat berjalan dengan semestinya sesuai harapan. Hasil pengujian validasi kelayakan sistem pakar menunjukkan bahwa sistem pakar ini layak digunakan, dengan nilai kelayakan 90%. Dan hasil dari uji akurasi ialah 94,38% berdasarkan 16 kasus dari pelanggan bengkel Aneka Motor yang melibatkan 10 pakar. Ketidakakuratan diagnosa sistem sebesar 5,62% dikarenakan adanya perbedaan keyakinan di antara para pakar. Dengan sistem ini, diharapkan proses diagnosis kerusakan menjadi lebih cepat dan akurat, memudahkan mekanik dalam memberikan layanan terbaik kepada pengguna motor injeksi.
Implementasi YOLOv8 Pada Robot Deteksi Objek Rasjid, Azka Avicenna; Rahmat, Basuki; Sihananto, Andreas Nugroho
Journal of Technology and System Information Vol. 1 No. 3 (2024): July
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jtsi.v1i3.2969

Abstract

Pendeteksian objek merupakan salah satu tantangan utama dalam pengembangan robotika, khususnya untuk aplikasi yang membutuhkan identifikasi berbagai objek dalam lingkungan yang beragam. Penelitian ini ditujukan untuk implementasi YOLOv8 pada Robot Deteksi Objek. Metode penelitian mencakup pelatihan YOLOv8 menggunakan dataset yang terdiri dari 150 gambar untuk setiap kelas objek. Kinerja model dievaluasi berdasarkan metrik presisi (P), recall (R), mean Average Precision (mAP) pada threshold 50% (mAP50), dan mAP50-95. YOLOv8 bertujuan untuk mendeteksi objek dengan 7 sampel kelas objek yaitu: botol, kursi, manusia, pot, galon, tong sampah, dan ember. Hasil evaluasi menunjukkan bahwa model YOLOv8 memberikan kinerja yang sangat baik dengan presisi dan recall mendekati 1 untuk semua kelas objek. Secara khusus, kursi, manusia, dan tong sampah mencapai nilai P dan R sebesar 0.994 atau lebih, dengan mAP50-95 masing-masing sebesar 0.891, 0.874, dan 0.894. Botol dan ember juga menunjukkan hasil yang baik dengan mAP50-95 masing-masing sebesar 0.857 dan 0.905. Sementara itu, galon dan pot masing-masing memiliki mAP50-95 sebesar 0.908 dan 0.705.
Co-Authors Abdurrahman, Nizar Abdurraman, Abdurraman Achmad Ali Muayyadi Achmad Junaidi Adi Laksono, Surya Adidaifa, Muhammad Fikri Adila, Ma’ratul Afandi, Azhar Agung Satrio Nugroho Agus Khumaidi Agussalim, Agussalim Ahmad Sugiana ajibekti, ari Akbar, Iqbal Imani Khoirul Akbar, Nugraha Malik Aminuyati Anak Agung Ayu Niti Wedayani Andreas Nugroho Sihananto Angga Rusdinar Anwar, Mochamad Saiful Ardi Pramono Arifin, Moehammad Riyadh Arifuddin, Asyima Aristya Nur, Dey Salwa Arrosyid, Muhammad Habib Arsatt, Maz Isa Ansyori Arum Prabowo, Galih Asmara, Hadhimulya Aspar, Hukmiyah Atsani, Nadhifah Azizah, Ratih Nuur Azmi, Naurah Arika Bagus Kantwa Abhimantra, Gede Basuki Rahmat Budi Nugroho Dewi, NI Putu Wahyu Eastiya Dian Puspita Sari Dianita Wardani Diyasa, I Gede Susrama Mas Dyah Purwaningrum Elvira Sari Dewi Erixno, Oon Erlangga, Heri Eva Yulia Puspaningrum Fahanani, Agwin Fahmi Farahdiba, Idha Fariztia, Alifia Intan Fathoni, Jazimah Nur Fauzan Novriandy, Muhammad Febriano, Luis Figo Fetty Tri Anggraeny Geofany, Shania Ardelia Hardiant, Excell Defry Harliza, Baiq Fanindya Hartanto, Beni Haryanto, Wawan Hasan Hasan Hasanah, Hesti Dwi Puteri Henni Endah Wahanani Herawati, Yoshi Inne Hilman, Acep Humam, Anang Muh. Nufal I Gede Putu Oka Indra Wijaya Ida Ayu Eka Widiastuti Idhana, Ilham Ainur idhom, Mohammad Indrayana, Yanna Indriyanti, Anggi Iqlima, Aisya Yafis Irsyad, Ananda Muhammad IRSYADI, FAKIH Irwan, Hadriani Islamy, Habiel Jangkung Raharjo karmila karmila Karmila Karmila Kartini Kartini Khilda Afifah Kristianingrum, Niko Dima Kumboyono Kumboyono Kusminah, Imah Luluk linda mayasari, linda Lizard Sambawo Dimara, Denis Lukman, Dian Azizah M Darfyma Putra Makbul Muksar Matalangi, Matalangi Maulana Herza, Fakhri Maulana, Asrul Maulana, Hendra Maulana, Muhammad Rafi Moh. Sidik Priadana Mohamad Ramdhani Mohede, Nadif Rayhan Julio Mudzakir, Mohammad Alfian Muhammad Muharrom Al Haromainy Muhammad Ridho Rosa Muhammad Zakiyullah Romdlony Muyasaroh Nadhifah, Umi Ngkolu, Nurmulia Wunaini Nisrina, Safira Fegi Nur Firmansyah, Taufik Nurchalifah, Jessenia Eldora Nurlaili, Afina Lina Nursyahada, Kesya Pangestu, Arif Fajar Paradiesta, Andi Frieskha Naurah Pintaningrum, Yusra Putra, AASM Meiswaryasti Putra, Handie Pramana Rah Adi Fahmi Ginanjar Rahman, Moch. Aulia Ramadhan, Dimasfika Rizqi Ramadhani, Farah Rasjid, Azka Avicenna Ratantja Kusumajati, Fatwa Rendy Munadi Rifki Rahman Nur Ikhsan Rijali, Muhammad Rizal Fahmi Romi Ermawan, Romi S Sudirman, S Sajiwo, Achmad Fauzihan Bagus Salsabila, Baiq Ghefira Rojwani Putri Salsabila, Tsania Zulfa Salsabilah, Andini Fitriyah Salsabilah, Maida Sania Samad, Mohammad Ardani Samsul Hadi Sardjasasmita, Agi Sari, Putu Suwita Sari Savitri, Puti Amelia Setyaningsih, Diva Ayu Sinaga, Keysha Angelica Sugeng Santoso Sugiyarto Sugiyarto Sulthan Ahmad Suryani, Elsa Indah Susrama Mas Diyasa, I Gede Swastirani, Astika Syadilla, Iryne Putri Syarif, Darmiati Syihabuddin, Muhammad Tsuru, Masato Ubai Dillah Umi Narimawati Untari, Lania Pradiva Viet Ha, Nguyen Wahyu Sulistya Affarah, Wahyu Sulistya Wahyuningsih, Pujianti Wardoyo, E. Hagni Widi Saputro, Tegar Wulandari, Ikrawanty Ayu Yoga Pamungkas Susani Yustika, Lindiasari Martha