Claim Missing Document
Check
Articles

Found 9 Documents
Search
Journal : Jurnal Buana Informatika

Segmentasi Variasi Pencahayaan Citra Tomat Menggunakan Marker Controlled Watershed dan Arimoto Entropy untuk Perbaikan Citra Riska, Suastika Yulia; Ginardi, R. V. Hari; Suciati, Nanik
Jurnal Buana Informatika Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (648.516 KB)

Abstract

Abstract. Tomatoes image acquisition in outdoors condition results in an image that cannot be processed because of lighting variation on the glossy surface. Lighting variation is one of the problems in image processing because the resulting color values on tomatoes is lost from the affected area due to lighting variation. This research is meant to improve the image of tomatoes with lighting variations in the preprocessing stage. Segmentation methods proposed to detect and eliminate lighting variation is marker-controlled watershed with Arimoto entropy. After eliminating the detected area with lighting, tomatoes image are improved in three ways, namely by applying RGB average, searching the value of pixels with pixels index, and using a moving window with various kernel sizes. The error segmentation of the proposed method is by 36.67%, which better than the previous method. The best results tomato image enhancement is by using a moving window with a kernel size 15x15.Keywords: arimoto entropy, image enhancement, marker controlled watershed, preprocessing, segmentation.  Abstrak. Pengambilan citra tomat di luar ruangan mengakibatkan citra tidak dapat langsung diproses karena memiliki variasi pencahayaan pada permukaannya yang glossy. Variasi pencahayaan merupakan salah satu masalah dalam pemrosesan citra tomat karena mengakibatkan hilangnya nilai warna yang dimiliki area yang terkena variasi pencahayaan. Tujuan penelitian ini adalah untuk memperbaiki citra tomat yang terdeteksi memiliki variasi pencahayaan pada tahap preprocessing. Metode segmetasi yang diusulkan pada penelitian ini untuk mendeteksi dan menghilangkan area variasi pencahayaan adalah marker controlled watershed dengan arimoto entropy. Setelah menghilangkan area yang terdeteksi memiliki pencahayaan, citra tomat diperbaiki dengan tiga cara, yaitu dengan rata-rata RGB tomat, pencarian nilai piksel dengan indeks piksel, dan menggunakan moving window dengan berbagai ukuran kernel. Eror segmentasi dari metode yang diusulkan sebesar 36,67%, yaitu lebih baik dari pada metode sebelumnya. Hasil perbaikan citra secara visual menunjukkan hasil yang paling baik dengan menerapkan perbaikan citra menggunakan moving window dengan ukuran kernel 15x15.Kata Kunci: arimoto entropy, marker controlled watershed, perbaikan citra, preprosesing, segmentasi.
Modifikasi Ant Colony Optimization Berdasarkan Gradient Untuk Deteksi Tepi Citra Liantoni, Febri; Suciati, Nanik; Fatichah, Chastine
Jurnal Buana Informatika Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (557.421 KB)

Abstract

Abstract. Ant Colony Optimization (ACO) is an optimization algorithm which can be used for image edge detection. In traditional ACO, the initial ant are randomly distributed. This condition can cause an imbalance ants distribution. Based on this problem, a modified ant distribution in ACO is proposed to optimize the deployment of ant based gradient. Gradient value is used to determine the placement of the ants. Ants are not distributed randomly, but are placed in the highest gradient. This method is expected to be used to optimize the path discovery. Based on the test results, the use of the proposed ACO modification can obtain an average value of the Peak Signal to Noise Ratio (PSNR) of 12.724. Meanwhile, the use of the traditional ACO can obtain an average value of PSNR of 12.268. These results indicate that the ACO modification is capable of generating output image better than traditional ACO in which ants are initially distributed randomly.Keywords: Ant Colony Optimization, gradient, Edge Detection, Peak Signal to Noise Ratio Abstrak. Ant Colony Optimization (ACO) merupakan algoritma optimasi, yang dapat digunakan untuk deteksi tepi pada citra Pada ACO tradisional, semut awal disebarkan secara acak. Kondisi ini dapat menyebabkan ketidakseimbangan distribusi semut. Berdasarkan permasalahan tersebut, modifikasi distribusi semut pada ACO diusulkan untuk mengoptimalkan penempatan semut berdasarkan gradient. Nilai gradient digunakan untuk menentukan penempatan semut. Semut tidak disebar secara acak akan tetapi ditempatkan di gradient tertinggi. Cara ini diharapkan dapat digunakan untuk optimasi penemuan jalur. Berdasarkan hasil uji coba, dengan menggunakan ACO modifikasi yang diusulkan dapat diperoleh nilai rata-rata Peak Signal to Noise Ratio (PSNR) 12,724. Sedangkan, menggunakan ACO tradisional diperoleh nilai rata-rata PSNR 12,268. Hasil ini menunjukkan bahwa ACO modifikasi mampu menghasilkan citra keluaran yang lebih baik dibandingkan ACO tradisional yang sebaran semut awalnya dilakukan secara acak.Kata Kunci: Ant Colony Optimization, gradient, deteksi tepi, Peak Signal to Noise Ratio
Segmentasi Variasi Pencahayaan Citra Tomat Menggunakan Marker Controlled Watershed dan Arimoto Entropy untuk Perbaikan Citra Riska, Suastika Yulia; Ginardi, R. V. Hari; Suciati, Nanik
Jurnal Buana Informatika Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (648.516 KB) | DOI: 10.24002/jbi.v6i3.434

Abstract

Abstract. Tomatoes image acquisition in outdoors condition results in an image that cannot be processed because of lighting variation on the glossy surface. Lighting variation is one of the problems in image processing because the resulting color values on tomatoes is lost from the affected area due to lighting variation. This research is meant to improve the image of tomatoes with lighting variations in the preprocessing stage. Segmentation methods proposed to detect and eliminate lighting variation is marker-controlled watershed with Arimoto entropy. After eliminating the detected area with lighting, tomatoes image are improved in three ways, namely by applying RGB average, searching the value of pixels with pixels index, and using a moving window with various kernel sizes. The error segmentation of the proposed method is by 36.67%, which better than the previous method. The best results tomato image enhancement is by using a moving window with a kernel size 15x15.Keywords: arimoto entropy, image enhancement, marker controlled watershed, preprocessing, segmentation.  Abstrak. Pengambilan citra tomat di luar ruangan mengakibatkan citra tidak dapat langsung diproses karena memiliki variasi pencahayaan pada permukaannya yang glossy. Variasi pencahayaan merupakan salah satu masalah dalam pemrosesan citra tomat karena mengakibatkan hilangnya nilai warna yang dimiliki area yang terkena variasi pencahayaan. Tujuan penelitian ini adalah untuk memperbaiki citra tomat yang terdeteksi memiliki variasi pencahayaan pada tahap preprocessing. Metode segmetasi yang diusulkan pada penelitian ini untuk mendeteksi dan menghilangkan area variasi pencahayaan adalah marker controlled watershed dengan arimoto entropy. Setelah menghilangkan area yang terdeteksi memiliki pencahayaan, citra tomat diperbaiki dengan tiga cara, yaitu dengan rata-rata RGB tomat, pencarian nilai piksel dengan indeks piksel, dan menggunakan moving window dengan berbagai ukuran kernel. Eror segmentasi dari metode yang diusulkan sebesar 36,67%, yaitu lebih baik dari pada metode sebelumnya. Hasil perbaikan citra secara visual menunjukkan hasil yang paling baik dengan menerapkan perbaikan citra menggunakan moving window dengan ukuran kernel 15x15.Kata Kunci: arimoto entropy, marker controlled watershed, perbaikan citra, preprosesing, segmentasi.
MODIFIKASI ANT COLONY OPTIMIZATION BERDASARKAN GRADIENT UNTUK DETEKSI TEPI CITRA Liantoni, Febri; Suciati, Nanik; Fatichah, Chastine
Jurnal Buana Informatika Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (557.421 KB) | DOI: 10.24002/jbi.v6i3.435

Abstract

Abstract. Ant Colony Optimization (ACO) is an optimization algorithm which can be used for image edge detection. In traditional ACO, the initial ant are randomly distributed. This condition can cause an imbalance ants distribution. Based on this problem, a modified ant distribution in ACO is proposed to optimize the deployment of ant based gradient. Gradient value is used to determine the placement of the ants. Ants are not distributed randomly, but are placed in the highest gradient. This method is expected to be used to optimize the path discovery. Based on the test results, the use of the proposed ACO modification can obtain an average value of the Peak Signal to Noise Ratio (PSNR) of 12.724. Meanwhile, the use of the traditional ACO can obtain an average value of PSNR of 12.268. These results indicate that the ACO modification is capable of generating output image better than traditional ACO in which ants are initially distributed randomly.Keywords: Ant Colony Optimization, gradient, Edge Detection, Peak Signal to Noise Ratio Abstrak. Ant Colony Optimization (ACO) merupakan algoritma optimasi, yang dapat digunakan untuk deteksi tepi pada citra Pada ACO tradisional, semut awal disebarkan secara acak. Kondisi ini dapat menyebabkan ketidakseimbangan distribusi semut. Berdasarkan permasalahan tersebut, modifikasi distribusi semut pada ACO diusulkan untuk mengoptimalkan penempatan semut berdasarkan gradient. Nilai gradient digunakan untuk menentukan penempatan semut. Semut tidak disebar secara acak akan tetapi ditempatkan di gradient tertinggi. Cara ini diharapkan dapat digunakan untuk optimasi penemuan jalur. Berdasarkan hasil uji coba, dengan menggunakan ACO modifikasi yang diusulkan dapat diperoleh nilai rata-rata Peak Signal to Noise Ratio (PSNR) 12,724. Sedangkan, menggunakan ACO tradisional diperoleh nilai rata-rata PSNR 12,268. Hasil ini menunjukkan bahwa ACO modifikasi mampu menghasilkan citra keluaran yang lebih baik dibandingkan ACO tradisional yang sebaran semut awalnya dilakukan secara acak.Kata Kunci: Ant Colony Optimization, gradient, deteksi tepi, Peak Signal to Noise Ratio
Penggabungan Fitur Tekstur yang Invariant terhadap Iluminasi dan Fitur Bentuk untuk Deteksi Acute Lymphoblastic Leukemia Saputra, Rizal A; Fatichah, Chastine; Suciati, Nanik
Jurnal Buana Informatika Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (628.19 KB) | DOI: 10.24002/jbi.v7i1.481

Abstract

Abstract. Detection with microscopic blood image can help early detection of Accute Lymphoblastic Leukemia (ALL). Therefore, image acquisition process under lighting variation cause varying illumination image, so it’s needed to find texture feature extraction method that is invariant towards illumination. Shape feature also needed in this study because can represent characteristics of microscopic blood image.This study proposes combination of texture feature that is illumination invariant and shape feature for ALL detection. Texture feature will be extracted using Complete Robust Local Binary Pattern (CRLBP) method and will be tested on microscopic blood image dataset named ALL_IDB1. Testing will be conducted by using various combination of different texture feature and shape feature. Combination of shape feature and CRLBP is perform better than others. In indvidual cell test, highest result using SVM Linear with accuracy 90.89%, sensitivity 94.24% and specificity 64.82%. Classification using ALL image reach accuracy 88.00 %, sensitivity 82.35% and specificity 100%.Keywords: Acute Lymphoblastic Leukemia detection, Complete Robust Local Bianry Pattern, Local Binary Pattern, shape feature, texture feature. Abstrak. Deteksi dengan citra mikroskopik sel darah dapat membantu untuk deteksi dini Accute Lymphoblastic Leukemia (ALL). Namun, proses akuisisi citra mikroskopik dengan variasi pencahayaan yang berbeda menyebabkan iluminasi citra menjadi beragam sehingga dibutuhkan metode yang dapat mengekstraksi fitur tekstur yang invariant terhadap iluminasi. Fitur bentuk juga dibutuhkan dalam penelitian ini karena dapat merepresentasikan perbedaan pada citra mikroskopik sel darah. Penelitian ini mengusulkan penggabungan fitur tekstur yang invariant terhadap iluminasi dan fitur bentuk untuk deteksi dini ALL. Fitur tekstur akan diekstraksi dengan menggunakan metode Complete Robust Local Binary Pattern (CRLBP) dan diuji coba pada dataset ALL_IDB1. Uji coba dilakukan dengan variasi penggabungan fitur bentuk dan fitur tekstur. Penggabungan fitur bentuk dan CRLBP merupakan kombinasi fitur dengan performansi paling baik. Pada pengujian sel tunggal memberikan hasil tertinggi pada klasifikasi SVM Linear dengan akurasi 90,89%, sensitifitas 94,24% dan sepesifisitas 64,82%. Pada klasifikasi citra ALL akurasi mencapai 88,00%, dengan sensitifitas 82,35% dan spesifisitas 100%.Kata Kunci: Complete Robust Local Binary Pattern, deteksi Acute Lymphoblastic Leukemia, Local Binary Pattern, fitur bentuk, fitur tekstur
Kombinasi Fitur Bentuk, Warna dan Tekstur untuk Identifikasi Kesuburan Telur Ayam Kampung Sebelum Inkubasi Dijaya, Rohman; Suciati, Nanik; Herumurti, Darlis
Jurnal Buana Informatika Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (428.984 KB) | DOI: 10.24002/jbi.v7i3.659

Abstract

Abstract. In the chicken nursery industry (doc) hatching efficiency is obtained by observing the eggs through candling before the incubation process. To sort out infertile eggs the use of fertility image identification thought egg candling is needed before incubation. The focus of this study is to combine the features of shape, texture and color to the area and egg yolk to determine the most dominant features in the image representing firtile egg candling. Features used in this study are the feature of forms: roundness, elongation, Index, Ellips Varriance and Circularity Ratio, moment invariant texture features of the area and the egg yolk, and features HSI color in egg yolks area. The test results show that the highest accuracy is on the features of the new forms of egg yolk with an accuracy of 76.67%. The second highest is shown by the combination of form features (Circularity Ratio, Ellips Varriance) and texture features in the area moment yolk color features HSI with 81.67% accuracy using SVM classification method.Keywords: Egg candling imagery, fertile, infertile, incubation Abstrak. Pada industri pembibitan ayam (doc) efisiensi penetasan telur ayam didapatkan dengan melakukan candling (peneropongan telur) sebelum proses inkubasi menggunakan mesin tetas. Untuk mengklasifikasikan telur fertile dan infertile dibutuhkan identifikasi kesuburan telur menggunakan citra candling sebelum inkubasi. Fokus dari penelitian ini adalah mengkombinasikan fitur bentuk, tekstur dan warna pada area kuning telur dan telur untuk mengetahui fitur yang paling dominan dalam merepresentasikan citra candling telur ayam kampung. Fitur yang digunakan dalam penelitian ini adalah fitur bentuk (Roundness, Elongation, Index, Ellips Varriance dan Circularity Ratio), fitur tektur moment invarian dari area telur dan kuning telur dan fitur warna HSI pada area kuning telur. Hasil pengujian menunjukkan akurasi tertinggi pada fitur bentuk kuning telur baru dengan akurasi 76,67% dan kombinasi fitur bentuk (Circularity Ratio, Ellips Varriance), fitur tekstur moment pada area kuning telur dengan fitur warna HSI dengan akurasi 81,67 % menggunakan metode klasifikasi SVM. Kata Kunci: Citra candling telur, fertile, infertile, inkubasi.
Penggabungan Fitur Bentuk dan Fitur Tekstur yang Invariant terhadap Rotasi untuk Klasifikasi Citra Pap Smear Pasrun, Yuwanda Purnamasari; Fatichah, Chastine; Suciati, Nanik
Jurnal Buana Informatika Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (714.041 KB) | DOI: 10.24002/jbi.v7i1.479

Abstract

Abstract. Pap test is a cervical cancer screening manually and requires a long time that it needs an exact cell classification system based computers. Features determination by observation in characteristic differences between the datasets visually betweenclass will help a cell classification results which has relevant characteristics between classes. In addition, the change in orientation of the cells at the time of the acquisition will affect the value of the generated feature so extraction method that is rotation invariant is needed to overcome that problem. This research proposes the combination of simple shapes feature and the texture feature from extraction Local Binary Pattern Histogram Fourier (LBP-HF) that invariant to rotation as additional features to classify pap smear images. The result show that the proposed feature combination yield good performance with accuracy 92.44% for two category cell and 70.06% for seven class cell.Keywords: classification, lbp-hf,  pap smear image, shape feature.Abstrak. Pap test adalah pemeriksaan kanker serviks secara manual yang membutuhkan waktu yang lama sehingga dibutuhkan sistem klasifikasi sel berbasis komputer yang tepat. Penentuan fitur melalui observasi pada perbedaan ciri antarkelas secara visual pada dataset akan membantu hasil klasifikasi sel untuk mendapatkan ciri yang relevan antarkelas. Selain itu, adanya perubahan orientasi sel pada saat akuisisi akan mempengaruhi nilai fitur yang dihasilkan sehingga dibutuhkan metode ekstraksi fitur yang invariant terhadap rotasi. Penelitian ini mengusulkan penggabungan fitur bentuk sederhana dan fitur tekstur dengan ekstraksi fitur Local Binary Pattern –Histogram Fourier yang invariant terhadap rotasi sebagai ciri tambahan dalam mengklasifikasikan citra pap smear. Hasilnya menunjukkan bahwa kombinasi fitur menghasilkan performa yang baik dengan akurai 92,44% untuk dua kategori sel dan 70,06% untuk tujuh kelas sel.Kata Kunci: klasifikasi, lbp-hf, citra pap smear, fitur bentuk.
Penggabungan Fitur Bentuk dan Fitur Tekstur yang Invariant terhadap Rotasi untuk Klasifikasi Citra Pap Smear Yuwanda Purnamasari Pasrun; Chastine Fatichah; Nanik Suciati
Jurnal Buana Informatika Vol. 7 No. 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v7i1.479

Abstract

Abstract. Pap test is a cervical cancer screening manually and requires a long time that it needs an exact cell classification system based computers. Features determination by observation in characteristic differences between the datasets visually betweenclass will help a cell classification results which has relevant characteristics between classes. In addition, the change in orientation of the cells at the time of the acquisition will affect the value of the generated feature so extraction method that is rotation invariant is needed to overcome that problem. This research proposes the combination of simple shapes feature and the texture feature from extraction Local Binary Pattern Histogram Fourier (LBP-HF) that invariant to rotation as additional features to classify pap smear images. The result show that the proposed feature combination yield good performance with accuracy 92.44% for two category cell and 70.06% for seven class cell.Keywords: classification, lbp-hf,  pap smear image, shape feature.Abstrak. Pap test adalah pemeriksaan kanker serviks secara manual yang membutuhkan waktu yang lama sehingga dibutuhkan sistem klasifikasi sel berbasis komputer yang tepat. Penentuan fitur melalui observasi pada perbedaan ciri antarkelas secara visual pada dataset akan membantu hasil klasifikasi sel untuk mendapatkan ciri yang relevan antarkelas. Selain itu, adanya perubahan orientasi sel pada saat akuisisi akan mempengaruhi nilai fitur yang dihasilkan sehingga dibutuhkan metode ekstraksi fitur yang invariant terhadap rotasi. Penelitian ini mengusulkan penggabungan fitur bentuk sederhana dan fitur tekstur dengan ekstraksi fitur Local Binary Pattern –Histogram Fourier yang invariant terhadap rotasi sebagai ciri tambahan dalam mengklasifikasikan citra pap smear. Hasilnya menunjukkan bahwa kombinasi fitur menghasilkan performa yang baik dengan akurai 92,44% untuk dua kategori sel dan 70,06% untuk tujuh kelas sel.Kata Kunci: klasifikasi, lbp-hf, citra pap smear, fitur bentuk.
Penggabungan Fitur Tekstur yang Invariant terhadap Iluminasi dan Fitur Bentuk untuk Deteksi Acute Lymphoblastic Leukemia Rizal A Saputra; Chastine Fatichah; Nanik Suciati
Jurnal Buana Informatika Vol. 7 No. 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v7i1.481

Abstract

Abstract. Detection with microscopic blood image can help early detection of Accute Lymphoblastic Leukemia (ALL). Therefore, image acquisition process under lighting variation cause varying illumination image, so it’s needed to find texture feature extraction method that is invariant towards illumination. Shape feature also needed in this study because can represent characteristics of microscopic blood image.This study proposes combination of texture feature that is illumination invariant and shape feature for ALL detection. Texture feature will be extracted using Complete Robust Local Binary Pattern (CRLBP) method and will be tested on microscopic blood image dataset named ALL_IDB1. Testing will be conducted by using various combination of different texture feature and shape feature. Combination of shape feature and CRLBP is perform better than others. In indvidual cell test, highest result using SVM Linear with accuracy 90.89%, sensitivity 94.24% and specificity 64.82%. Classification using ALL image reach accuracy 88.00 %, sensitivity 82.35% and specificity 100%.Keywords: Acute Lymphoblastic Leukemia detection, Complete Robust Local Bianry Pattern, Local Binary Pattern, shape feature, texture feature. Abstrak. Deteksi dengan citra mikroskopik sel darah dapat membantu untuk deteksi dini Accute Lymphoblastic Leukemia (ALL). Namun, proses akuisisi citra mikroskopik dengan variasi pencahayaan yang berbeda menyebabkan iluminasi citra menjadi beragam sehingga dibutuhkan metode yang dapat mengekstraksi fitur tekstur yang invariant terhadap iluminasi. Fitur bentuk juga dibutuhkan dalam penelitian ini karena dapat merepresentasikan perbedaan pada citra mikroskopik sel darah. Penelitian ini mengusulkan penggabungan fitur tekstur yang invariant terhadap iluminasi dan fitur bentuk untuk deteksi dini ALL. Fitur tekstur akan diekstraksi dengan menggunakan metode Complete Robust Local Binary Pattern (CRLBP) dan diuji coba pada dataset ALL_IDB1. Uji coba dilakukan dengan variasi penggabungan fitur bentuk dan fitur tekstur. Penggabungan fitur bentuk dan CRLBP merupakan kombinasi fitur dengan performansi paling baik. Pada pengujian sel tunggal memberikan hasil tertinggi pada klasifikasi SVM Linear dengan akurasi 90,89%, sensitifitas 94,24% dan sepesifisitas 64,82%. Pada klasifikasi citra ALL akurasi mencapai 88,00%, dengan sensitifitas 82,35% dan spesifisitas 100%.Kata Kunci: Complete Robust Local Binary Pattern, deteksi Acute Lymphoblastic Leukemia, Local Binary Pattern, fitur bentuk, fitur tekstur
Co-Authors Adhira Riyanti Amanda Adni Navastara, Dini Agus Eko Minarno Agus Priyono Agus Zainal Arifin Agus Zainal Arifin Ahmad Saikhu Ahmad Syauqi Ahmad Syauqi Akwila Feliciano Akwila Feliciano Akwila Feliciano Pradiptatmaka Alam Ar Raad Stone Aldinata Rizky Revanda Altriska Izzati Khairunnisa Hermawan Amelia Devi Putri Ariyanto Amirullah Andi Bramantya Andika Rahman Teja Anny Yuniarti Antonius Kevin Wiguna Ardian Yusuf Wicaksono Ari Wijayanti Aris Fanani Arrie Kurniawardhani Arsy Bilahi Tama Ary Mazharuddin Shiddiqi Arya Yudhi Wijaya Atika Faradina Randa Atikah, Luthfi Avin Maulana Awangditama, Bangun Rizki Ayu Kardina Sukmawati Ayu Septya Maulani Baso, Budiman Bryan Nandriawan Bui, Ngoc Dung Chastine Fatichah Chastine Fatichah Chilyatun Nisa' Damayanti, Putri Daniel Sugianto Darlis Herumurti Davin Masasih Diana Purwitasari Dimas Rahman Oetomo Dini Adni Navastara Dini Adni Navastara, Dini Adni Dion Devara Aryasatya Eko Prasetyo Eva Yulia Puspaningrum Evelyn Sierra Fairuuz Azmi Firas Faishal Azka Jellyanto Faizin, Muhammad 'Arif Fajar Astuti Hermawati Fandy Kuncoro Adianto Fandy Kuncoro Adianto Febri Liantoni, Febri Fiqey Indriati Eka Sari Fitri Bimantoro Ginardi, R.V. Hari Glenaya Gou Koutaki Gurat Adillion, Ilham Hafidz, Abdan Handayani Tjandrasa Handayani Tjandrasa Hani Ramadhan Haq, Arinal Hidayat, Ahmad Nur Hidayati, Shintami Chusnul Hilya Tsaniya Imagine Clara Arabella Imam Kuswardayan Imam Mustafa Kamal Irawan Rahardja, Agustinus Aldi Isye Arieshanti Isye Arieshanti Januar Adi Putra Januar Adi Putra Kautsar, Faiz Keiichi Uchimura Kevin Christian Hadinata Kevin Christian Hadinata M. Bahrul Subkhi Maulidan Bagus A.R Maulidiya, Erika Mawaddah, Saniyatul MIFTAHOL ARIFIN, MIFTAHOL Mochammad Zharif Asyam Marzuqi Muchamad Kurniawan Muchamad Kurniawan Muchamad Kurniawan, Muchamad Muhamad Nasir Muhammad 'Arif Faizin Muhammad Alif Satriadhi Muhammad Farih Muhammad Fikri Sunandar Mutmainnah Muchtar Nafa Zulfa Ni Luh Made ITS Novrindah Alvi Hasanah R Dimas Adityo R. Dimas Adityo Rachman, Rudy Rahma Fida Fadhilah Rangga Kusuma Dinata Rangga Kusuma Dinata Rayssa Ravelia Rizal A Saputra Rizal A Saputra, Rizal A Rohman Dijaya Romario Wijaya Safhira Maharani Safhira Maharani Salim Bin Usman Salim Bin Usman Salsabiil Hasanah Sarimuddin, Sarimuddin Septiana, Nuning Sherly Rosa Anggraeni Sherly Rosa Anggraeni Shintami Chusnul Hidayati Shofiya Syidada Sjahrunnisa, Anita Suastika Yulia Riska Sugianela, Yuna Surya Fadli Alamsyah Syavira Tiara Zulkarnain Tanzilal Mustaqim Tiara Anggita Tiara Anggita Tsaniya, Hilya Wahyu Saputra, Vriza Wan Sabrina Mayzura Wibowo, Della Aulia Wicaksono, Farhan Wijayanti Nurul Khotimah Yulia Niza Yulia Niza Yuna Sugianela Yuna Sugianela Yuslena Sari, Yuslena Yuwanda Purnamasari Pasrun Zakiya Azizah Cahyaningtyas Zakiya Azizah Cahyaningtyas