Article Per Year (5 Year)
p-Index From 2021 - 2026
5.19
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Informasi Jurnal Teknik ITS IPTEK Journal of Science IPTEK The Journal for Technology and Science Techno.Com: Jurnal Teknologi Informasi TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Jurnal Buana Informatika TELKOMNIKA (Telecommunication Computing Electronics and Control) JUTI: Jurnal Ilmiah Teknologi Informasi CommIT (Communication & Information Technology) Jurnal Ilmiah Kursor Scan : Jurnal Teknologi Informasi dan Komunikasi Jurnal EECCIS Jurnal Teknologi Informasi dan Ilmu Komputer International Journal of Advances in Intelligent Informatics Scientific Journal of Informatics Journal of Information Systems Engineering and Business Intelligence Jurnal IPTEK Register: Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Inspiration JOIN (Jurnal Online Informatika) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) INTEGER: Journal of Information Technology Syntax Literate: Jurnal Ilmiah Indonesia Seminar Nasional Teknologi Informasi Komunikasi dan Industri JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JURTEKSI Indonesian Journal of Electrical Engineering and Computer Science Jurnal Teknik Informatika (JUTIF) International Journal of Robotics and Control Systems Sewagati
Nanik Suciati
Departemen Informatika Institut Teknologi Sepuluh Nopember
Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Public Health Social Sciences Other

Published : 91 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 91 Documents
Search

 3   4   5   6   7 
Optimasi Peletakan Pola Busana pada Kain Menggunakan Alogaritma Genetika Davin Masasih; Nanik Suciati; Chastine Fatichah
Jurnal Teknik ITS Vol 9, No 1 (2020)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v9i1.49722

Abstract

Produksi pakaian dalam jumlah banyak tentu akan menghabiskan banyak waktu dan tenaga. Seorang pembuat pola harus menggandakan pola satu per satu dan harus memikirkan pemetaan pola pada kain yang tepat. Pemetaan yang seadanya akan berdampak pada biaya industri dikarenakan bahan baku mengambil peranan yang sangat penting di dalam efisiensi produksi. Dengan kuantitas bahan baku kain yang minimal, diusahakan dapat menghasilkan kuantitas pola yang maksimal. Oleh karena itu, optimasi bahan baku perlu dilakukan guna mendapatkan tingkat efisiensi produksi yang tinggi, yaitu kebutuhan bahan seminimum mungkin. Pada penelitian ini diimplementasikan algoritma genetika untuk menyelesaikan permasalahan optimasi peletakan pola busana pada kain. Algoritma genetika mampu menyelesaikan masalah kombinatorial dengan waktu yang singkat sehingga memberikan solusi terbaik. Sistem menggunakan metode 2-point crossover pada proses pindah silang, pertukaran gen pada proses mutasi, seleksi dengan Stochastic Universal Sampling, dan evaluasi dengan pergeseran per piksel untuk menghitung nilai fitness yaitu lebar kain minimum yang diperlukan. Data yang digunakan pada sistem berjumlah 339 pola yang terdiri dari berbagai macam pola busana mulai dari atasan, rok, celana, macam-macam model lengan dan kerah, serta gaun. Pola-pola tersebut divisualisasikan dalam format Scalable Vector Graphics. Uji coba dilakukan pada kain berukuran 500x150 dengan variasi banyak generasi yakni 3, 5, 7, 9, dan 11 serta variasi mutation rate dan crossover rate mulai dari 0.1 sampai 0.9. Pada uji coba dengan 6 pola diperoleh hasil terbaik pada generasi 7, mutation rate 0.3, dan crossover rate 0.6 dengan kebutuhan kain minimum yakni 137 piksel atau setara dengan 137 cm.
Analisis Pembacaan Gerakan Bibir Menggunakan Gabungan Arsitektur Convolutional Neural Network dan Recurrent Neural Network Akwila Feliciano Pradiptatmaka; Nanik Suciati; Dini Adni Navastara
Jurnal Teknik ITS Vol 10, No 2 (2021)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v10i2.65248

Abstract

Perkembangan bidang deep learning membawa pengaruh besar terhadap kemajuan teknologi. Pengucapan kata secara verbal dapat dibaca dengan pembelajaran mandiri melalui gerakan bibir. Dengan menggunakan arsitektur ekstraksi fitur dari suatu citra dan menggabungkannya dengan arsitektur klasifikasi secara sequence, permasalahan visual speech recognition ini dapat menjadi langkah awal untuk membantu para penyandang tuna rungu, yang dominan memahami komunikasi dari gerakan bibir lawan bicara ataupun dengan menggunakan bahasa isyarat. Selain itu, manfaat dari implementasi sistem ini dapat membantu lawan bicara dalam memahami pembicaraan pada kondisi audio yang terdistorsi. Arsitektur deep learning yang digunakan pada eksperimen ini mengacu pada implementasi dengan menggunakan arsitektur convolution residual network dan recurrent neural network, yang dapat mengklasifikasikan data berelasi secara sequence atau memiliki relasi secara strukturnya dari waktu ke waktu, untuk kasus ini berupa citra dari frame ke frame. Data yang digunakan untuk pembelajaran model berasal dari dataset Lip Reading in the Wild (LRW) yang merupakan potongan video dari pembicara stasiun berita BBC, dengan jumlah data sebanyak 500 kata dan mencapai 1000 data latih video yang berbeda-beda dalam bahasa Inggris.
Deteksi Suhu Melalui Citra Termal Wajah Menggunakan Deep Learning Dion Devara Aryasatya; Nanik Suciati; Ary Mazharuddin Shiddiqi
Jurnal Teknik ITS Vol 10, No 2 (2021)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v10i2.66570

Abstract

Dalam masa pandemi kasus penularan virus CORONA masih tetap bertambah dari hari ke hari. Salah satu gejala yang umum dialami oleh pasien COVID-19 adalah demam. Hal yang umum dilakukan untuk mengukur suhu di masa pandemi adalah menggunakan termometer non kontak. Deep Learning bisa digunakan untuk mendeteksi wajah dan membantu mendeteksi suhu maksimal wajah dari gambar termal. Tujuan Penelitian ini adalah membuat aplikasi pendeteksi suhu pada citra termal menggunakan pendekatan Deep Learning. Dalam Penelitian ini dilatih sebuah model deteksi SSD-MobileNet untuk mendeteksi area wajah dari citra termal. Setelah terdeteksi, data suhu diekstrak dari area wajah tersebut. Dalam pelaksanaan penelitian ini digunakan dataset citra termal Tuft Face Database, IRDatabase, dan citra termal yang diambil menggunakan Flir One. Dari hasil uji coba didapatkan hasil mean average precision deteksi wajah sebesar 0,95 dengan threshold dari evaluasi model untuk IoU 0,75 sebesar 0,95 dan mean absolute error deteksi suhu sebesar 1,51.
Deteksi Kerumunan Menggunakan Metode Fully-Convolutional Network pada Kamera Drone Muhammad Farih; Nanik Suciati; Dini Adni Navastara
Jurnal Teknik ITS Vol 10, No 2 (2021)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v10i2.70709

Abstract

Pada masa pandemi virus COVID-19 pemerintah menetapkan peraturan yang mengharuskan masyarakat untuk menerapkan beberapa protokol kesehatan. Salah satunya adalah menghindari kerumunan dan menjaga jarak. Untuk membantu pengawasan kepatuhan masyarakat terhadap protokol tersebut pada area yang luas, diperlukan sebuah sistem monitoring untuk memantau adanya kerumunan dengan menggunakan drone. Video yang direkam menggunakan kamera drone diproses menggunakan metode Fully-Convolutional Network (FCN) dengan menggabungkan loss function untuk tugas klasifikasi yang menentukan kerumunan atau tidak dan loss function untuk tugas regression yang menghitung kepadatan berdasarkan rata rata clustering coefficient. Penelitian ini mengimplementasikan metode FCN dengan input berupa rangkaian gambar yang diambil dari video sehingga menghasilkan output berupa keputusan apakah sejumlah orang dalam gambar itu berkerumun atau tidak. Data latih yang digunakan adalah VisDrone Dataset dan P-DESTRE Dataset yang terdiri dari rangkaian gambar yang direkam menggunakan drone yang diterbangkan dengan ketinggian rata-rata dengan mengambil contoh video berisi kerumunan dan bukan kerumunan. Hasil pengujian terbaik didapatkan menggunakan pre-trained model 5 dimana memiliki 2 keluaran yaitu 1 klasifikasi dan 1 regresi yaitu memiliki akurasi klasifikasi sebesar 0,978 sedangkan mean ablosute error untuk regresinya sebesar 0,141.
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
Javanese Document Image Recognition Using Multiclass Support Vector Machine Yuna Sugianela; Nanik Suciati
CommIT (Communication and Information Technology) Journal Vol. 13 No. 1 (2019): CommIT Journal
Publisher : Bina Nusantara University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21512/commit.v13i1.5330

Abstract

Some ancient documents in Indonesia are written in the Javanese script. Those documents contain the knowledge of history and culture of Indonesia, especially about Java. However, only a few people understand the Javanese script. Thus, the automation system is needed to translate the document written in the Javanese script. In this study, the researchers use the classification method to recognize the Javanese script written in the document. The method used is the Multiclass Support Vector Machine (SVM) using One Against One (OAO) strategy. The researchers use seven variations of Javanese script from the different document for this study. There are 31 classes and 182 data for training and testing data. The result shows good performance in the evaluation. The recognition system successfully resolves the problem of color variation from the dataset. The accuracy of the study is 81.3%.
Premise Parameter Optimization on Adaptive Network Based Fuzzy Inference System Using Modification Hybrid Particle Swarm Optimization and Genetic Algorithm Muchamad Kurniawan; Nanik Suciati
Jurnal IPTEK Vol 22, No 2 (2018)
Publisher : LPPM Institut Teknologi Adhi Tama Surabaya (ITATS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.iptek.2018.v22i2.274

Abstract

ANFIS is a combination of the Fuzzy Inference System (FIS) and Neural Network (NN), which has two training parameters, premise and consequent. In the traditional ANFIS, Least Square Estimator (LSE) and Gradient Descent (GD) are commonly used learning algorithms to train the two parameters. The combination of those two learning algorithms tends to produce the local optimal solution. Particle Swarm Optimization (PSO) can converge quickly but still allow for getting the local optimal solution because PSO is unable to find a new solution space. Meanwhile, Genetic Algorithm (GA) has been reported to be able to find a wider solution space. Hybrid PSOGA is expected to give a better solution. In this study, modification of hybrid PSOGA is used to train the premise parameter of ANFIS. In experiments, the accuracy of the proposed classification method, which is called ANFIS-PSOGA, is compared to ANFIS-GA and ANFIS-PSO on Iris flowers, Haberman, and Vertebral datasets. The experiment shows that ANFIS-PSOGA achieves the best result compared to the other methods, with an average of accuracy 99.85% on Iris flowers, 84.52% on Haberman, and 91.83% on Vertebral.
IMPRESSION DETERMINATION OF BATIK IMAGE CLOTH BY MULTILABEL ENSEMBLE CLASSIFICATION USING COLOR DIFFERENCE HISTOGRAM FEATURE EXTRACTION Hani Ramadhan; Isye Arieshanti; Anny Yuniarti; Nanik Suciati
Jurnal Ilmiah Kursor Vol 7 No 4 (2014)
Publisher : Universitas Trunojoyo Madura

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

Abstract

IMPRESSION DETERMINATION OF BATIK IMAGE CLOTH BY MULTILABEL ENSEMBLE CLASSIFICATION USING COLOR DIFFERENCE HISTOGRAM FEATURE EXTRACTION aHani Ramadhan, b Isye Arieshanti, cAnny Yuniarti, d Nanik Suciati a,b,c,d Informatics Engineering, Faculty of Information Technology, Institut Teknologi Sepuluh Nopember (ITS) E-Mail: hani.its.042@gmail.com Abstrak Hampir setiap orang akan memperhatikan impresi busana yang dipakai, termasuk busana dengan motif batik. Namun, perpaduan berbagai motif dan warna batik memberikan impresi yang beragam. Sehingga, penentuan impresi dari satu kain batik menjadi sulit. Untuk membantu seseorang dalam menentukan impresi dari busana batik yang dipilih, dibutuhkan sistem yang mampu mengklasifikasikan impresi citra kain batik secara otomatis. Akan tetapi, pembuatan sistem klasifikasi label jamak merupakan memiliki tantangan tersendiri. Penelitian sebelumnya membuktikan bahwa metode klasifikasi ansambel label jamak dengan pencarian threshold mampu menjawab tantangan tersebut dengan kehandalannya dalam menangani himpunan data label jamak. Studi ini bertujuan untuk mengembangkan sistem yang menerapkan metode klasifikasi ansambel label jamak untuk menentukan impresi citra kain batik. Sistem ini memanfaatkan fitur tekstur dan warna yang dihasilkan dari Histogram Perbedaan Warna. Hasil uji coba metode ini memberikan performa yang baik dalam evaluasi label jamak. Nilai evaluasi tersebut antara lain Hamming Loss sebesar 0,173 dan Average Precision 0,866. Kata kunci: Histogram Perbedaan Warna, Impresi Citra Kain Batik, Klasifikasi Label Jamak Abstract Many people will consider the fashion products’ impression that will be worn, including the one with batik motif. Unfortunately, diverse impressions could be produced from combinations of the motif and color from a single batik cloth. Therefore, impression determination becomes a difficult case. To overcome this difficulty, an automatic batik cloth multi-impression classification system should be necessary to aid in choosing certain batik cloth. Nevertheless, this system implementation has its own intriguing challenge. Previous researches implied that multilabel ensemble classification method could deal with the problem against the highly imbalanced dataset. Thus, the aim of this study is to develop the multilabel classification system, which features come from the color and texture feature by Color Difference Histogram. From the test, this method demonstrated good performance by several multilabel evaluations, which are 0.173 by Hamming Loss and 0.866 by Average Precision. Keywords: Color Difference Histogram, Batik Cloth Image Impression, Multi-Label Classification.
Inisialisasi Klaster Berbasis Varian Maksimum Ternormalisasi Pada Fuzzy C-Means Untuk Segmentasi Sel Darah Putih Pada Citra Mikroskopis Leukemia Sarimuddin Sarimuddin; Chastine Fatichah; Nanik Suciati
Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 7, No 1 (2017): Jurnal Inspiration Volume 7 Issue 1
Publisher : STMIK AKBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35585/inspir.v7i1.2434

Abstract

Leukemia adalah salah satu jenis kanker. Penyakit ini ditandai dengan produksi sel darah putih berlebih yang menyebabkan fungsi darah normal terganggu. Untuk mendeteksi penyakit tersebut dilakukan dengan menganalisis bentuk, populasi dan jenis sel darah. Segmentasi menjadi tahapan terpenting dalam proses identifikasi. Sel darah putih yang terdiri dari inti sel dan sitoplasma seringkali membentuk region dengan batasan yang tidak jelas sehingga sulit membedakan jenis penyakit leukemia. Fuzzy C-Means merupakan salah satu metode klaster yang mampu memisahkan inti sel dan sitoplasma terhadap background. Pemilihan nilai acak pada FCM sering terjebak dalam lokal optima, sehingga berakibat pada hasil segmentasi tidak akurat. Penelitian ini mengusulkan sebuah metode inisialisasiklaster yang berbasis varian maksimum ternormalisasi (IKVMT) pada Fuzzy C-Means untuk segmentasi sel darah putih pada citra mikroskopis leukemia. IKVMT digunakan untuk inisialisasiklaster pada FCM dari dimensi fitur data point. Selanjutnya, FCM melakukan klasterisasi citra berdasarkan IKVMT hingga diperoleh hasil klaster yang dapat memisahkan inti sel dan sitoplasma terhadap background. Dataset diperoleh dari berbagai sumber dengan variasi warna beragam berjumlah 35 citra. Diolah berdasarkan metode usulan dengan menggunakan pendekatan relative foreground area error (RAE) dan misclassification error (ME) sebagai hasil evaluasi. Pengujian diperoleh hasil segmentasi untuk sel keseluruhan citra dengan rata-rata RAE mencapai 4,2807 dan ME mencapai 0,6081 sedangkan segmentasi inti sel untuk keseluruhan citra RAE mencapai 3,85 dan ME 0,53. Untuk efisiensi waktu eksekusi rata-rata metode usulan berkisar antara 12,30 detik. Hasil ini menunjukkan bahwa metode usulan dapat menangani masalah variasi pewarnaan dengan komputasi yang rendah.
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