Article Per Year (5 Year)
p-Index From 2021 - 2026
6.835
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Buana Informatika Dinamika Informatika Jurnal Teknologi MAGISTRA Sinergi Jurnal Teknologi Informasi dan Ilmu Komputer Telematika Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) Seminar Nasional Informatika (SEMNASIF) INFORMATIKA Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Jurnal Ilmiah KOMPUTASI Sistemasi: Jurnal Sistem Informasi JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Creative Information Technology Journal Jurnal Sains dan Informatika MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Penelitian dan Pengabdian Kepada Masyarakat UNSIQ CSRID (Computer Science Research and Its Development Journal) Informasi Interaktif JOISIE (Journal Of Information Systems And Informatics Engineering) EDUMATIC: Jurnal Pendidikan Informatika Jurnal Suara Keadilan Technologia: Jurnal Ilmiah KURVATEK Jurnal Tecnoscienza Respati Jurnal Sistem Komputer & Kecerdasan Buatan Journal of Computer System and Informatics (JoSYC) Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Madani : Indonesian Journal of Civil Society JURNAL PENDIDIKAN, SAINS DAN TEKNOLOGI Jurnal TIKOMSIN (Teknologi Informasi dan Komunikasi Sinar Nusantara) Jurnal Teknimedia: Teknologi Informasi dan Multimedia Journal of Electrical Engineering and Computer (JEECOM) Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Senopati : Sustainability, Ergonomics, Optimization, and Application of Industrial Engineering Journal of Applied Sciences, Management and Engineering Technology (JASMET) Jurnal Ekonomi dan Teknik Informatika Transformasi Jurnal Ilmiah IT CIDA : Diseminasi Teknologi Informasi Jurnal Dinamika Informatika (JDI) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) PELS (Procedia of Engineering and Life Science) JAIA - Journal of Artificial Intelligence and Applications Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi EXPLORE Prosiding University Research Colloquium COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal of Information Technology and Society (JITS) Teknomatika: Jurnal Informatika dan Komputer Explore Jurnal Teknologi SWAGATI: Journal of Community Service
Andi Sunyoto
Universitas Amikom Yogyakarta
Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Social Sciences Transportation Other

Published : 105 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 105 Documents
Search

 6   7   8   9   10 
Analisis Fitur dan Convolutional Neural Network pada Pengenalan Aksen Ucapan Dwi Sari Widyowaty; Andi Sunyoto; Hanif Al Fatta
Explore Vol 11 No 2 (2021): Juli 2021
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/ex.v11i2.45

Abstract

Setiap negara memiliki ciri khas dan budaya masing-masing, salah satu ciri khas tersebut yaitu aksen ucapan, dengan mendengarkan aksen ucapan seseorang, maka dapat dikenali asal negara dari pembicara tersebut. Penelitian mengenai pengenalan aksen termasuk pada Teknologi Automatic Speech Recognition (ASR) yang sekarang ini sedang berkembang, contoh dari pemanfaatan teknologi ASR yaitu Asisten Virtual, pengembangan penelitian ini dapat menuju Asisten Virtual yang lebih cerdas karena dapat mengenali aksen dari seorang pembicara. Pada penelitian ini, penulis mencoba mengklasifikasikan aksen dari berbagai Negara (5 kelas) yaitu English, Spanish, Mandarin, French dan Arabic. Dataset yang digunakan pada Penelitian ini berjumlah 1231 rekaman suara yang terdiri dari English 627 audio, Spanish 220 audio, Mandarin 132 audio, French 80 audio, dan Arabic 172 audio, dimana seluruh pembicara mengucapkan kalimat yang sama dalam bahasa Inggris. Pada penelitian ini fitur audio yang digunakan yaitu Mel – Frequency Cepstral Coefficients (MFCC), Zero Crossing Rate (ZCR), dan Energy (pada librosa disebut RMS). Ekstraksi Fitur audio menghasilkan array dari setiap audio, hasil ekstraksi fitur audio akan menjadi masukan Metode Convolutional Neural Network (CNN) untuk mengklasifikasikan aksen tersebut. Penelitian ini menghasilkan akurasi 51.30 % pada fitur MFCC, 48.05 % pada fitur ZCR, dan 51,95 % pada fitur Energy. Fitur Energy mendapatkan akurasi yang baik, kemudian diikuti dengan fitur MFCC dan ZCR.
Metode Naïve Bayes dan Particle Swarm Optimization untuk Klasifikasi Penyakit Jantung Hani Setiani; Andi Sunyoto; Asro Nasiri
Explore Vol 12 No 2 (2022): Juli 2022
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/ex.v12i2.63

Abstract

Penyakit jantung merupakan penyakit yang sangat berbahaya dan menjadi penyebab utama kematian di dunia. Pada tahun 2013, penderita penyakit jantung di Indonesia sendiri mencapai hingga 61.682 jiwa dan provinsi dengan diagnosa terbanyak yaitu Jawa Tengah dengan jumlah penderita sebanyak 11.511 jiwa. Pentingnya diagnosa secara tepat yang dilakukan oleh dokter akan membantu penangan pasien secara tepat sehingga memungkinkan untuk disembuhkan, tetapi kurangnya seorang pakar mengakibatkan diagnosa yang dilakukan secara intuisi dan pengalaman. Hal ini dapat mengakibatkan kesalahan fatal dalam penanganan pasien. Oleh karena itu, diperlukan suatu sistem pakar yang dapat digunakan sebagai alternatif untuk mendiagnosa penyakit jantung. Sistem pakar yang dipilih peneliti untuk mengatasi permasalahan tersebut adalah menggunakan metode Naive Bayes dan Particle Swarm Optimization untuk mengklasifikasikan penyakit jantung. Metode Naïve Bayes dipilih karena menggunakan sedikit data latih (Training Data) untuk menentukan estimasi parameter yang diperlukan pada proses klasifikasi, sedangkan Particle Swarm Optimization dipilih untuk meningkatkan akurasi dan nilai Area Under the Curve (AUC) dengan menetapkan bobot pada setiap atribut. Pengujian yang telah dilakukan menggunakan metode Naive Bayes sebelum penerapan PSO diperoleh akurasi sebesar 83,52% dengan nilai AUC 86,80% sesudah diterapkan PSO memperoleh akurasi 91,21% dengan nilai AUC 93.90%, terdapat peningkatan akurasi pada Naive Bayes sebesar 7,69% dan AUC 7,1%.
PEMANFAATAN SISTEM INFORMASI GEOGRAFI UNTUK PENENTUAN KEBIJAKAN DINAS PERTANIAN DAERAH ISTIMEWA YOGYAKARTA (Studi Kasus Kabupaten Bantul) Windha Mega Pradnya Dhuhita; Abidarin Rosidi; Andi Sunyoto
Jurnal Teknologi Vol 4 No 1 (2011): Jurnal Teknologi
Publisher : Jurnal Teknologi, Fakultas Teknologi Industri, Universitas AKPRIND Indonesia

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

Abstract

Sebagai negara agraris yang penyebaran lahan pertaniannya heterogen, membawa implikasi kepada salah satu problematika dalam sarana produksi pertanian, yaitu mengenai tata kelola pupuk. Penggunaan teknologi berbasis komputer untuk mendukung perencanaan sangat diperlukan untuk menganalisis, memanipulasi dan menyajikan informasi dalam bentuk tabel dan keruangan. Salah satu teknologi tersebut adalah Sistem Informasi Geografis (SIG) yang memiliki kemampuan membuat model yang memberikan gambaran, penjelasan dan perkiraan dari suatu kondisi factual sehingga diharapkan akan lebih mudah bagi para pengambil keputusan untuk mengetahui pemetaan daerah pengalokasian pupuk bersubsidi sehingga basis data pertaniannya dapat di update secara berkala dan lebih efektif, yang dilakukan oleh departemen pertanian di wilayah Daerah Istimewa Yogyakarta, serta diharapkan dapat membantu untuk meramalkan kebutuhan pupuk di setiap daerah pada periode mendatang. Menggunakan metode peramalan dengan mempertimbangkan variabel waktu (time series) dengan mengumpulkan data-data kebutuhan pupuk pada periode sebelumnya. Proses peramalan dapat juga dilakukan dengan memanfaatkan data-data yang telah ada.
Implementation of the CNN Deep Learning Method in Tajong (Sarung) Samarinda Classification Muhartini, Sitti; Sunyoto, Andi; Muhammad, Alva Hendi
Journal of Applied Sciences, Management and Engineering Technology Vol 5, No 2 (2024)
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.jasmet.2024.v5i2.6406

Abstract

Samarinda sarongs are one of Indonesia's traditional fabrics that are famous for their beautiful motifs and textures. This fabric is made using traditional weaving techniques using non-machine looms (ATBMs), resulting in a unique and distinctive diversity of textures. The difference between the loom, namely the machine and the non-machine, resulting in a difference in the texture of the Samarinda sarong. This difference can be seen from the thread density, texture smoothness, and sharpness of the motif. On certain Samarinda sarong motifs that do not require special details. This study aims to develop a classification model of Samarinda sarong texture based on the loom (machine and non-machine) using the Deep Learning method. This model is expected to help, increase the selling value of Samarinda sarongs, preserve and promote traditional fabrics In this context, the choice between DenseNet121 and VGG16 can depend on user preferences or specific needs, such as computing speed or model size.
Klasifikasi Penyakit Jantung Menggunakan Random Forest Clasifier Hidayat, Hidayat; Sunyoto, Andi; Al Fatta, Hanif
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 7 No. 1 (2023): Volume VII - Nomor 1 - September 2023
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v7i1.464

Abstract

Abstract— Penelitian ini bertujuan untuk meningkatkan peforma model saat melakukan klasifikasi peyakit jantung. Algoritma random fores digunakan untuk melakukan klasifikasi peyakit jantung berdasarkan fitur-fitur yang ada pada dataset. Klasifikasi ini dilakukan dengan menggunakan Heart Disease Dataset dari kaggle yang mempunyai 2 class diantaranya 0 (tidak terindikasi penyakit), dan 1 (terindikasi penyakit). Selanjutnya dataset tersebut dilakukan teknik pre-prosessing data, normalisasi data, split data, klasifikasi dan yang terakhir evaluasi metode. Penelitian ini mengungkapkan bahwa metode random forest berhasil menghasilkan tingkat akurasi yang lebih tinggi dalam proses klasifikasi penyakit jantung, dibandingkan dengan hasil penelitian sebelumnya yaitu mencapai akurasi sebesar 94%. Hal ini menunjukkan bahwa penggunaan Random forest dibantu dengan teknik pre-prosessing, dan normalisasi data dapat menjadi alternatif yang baik dalam melakukan klasifikasi. Penelitian ini memberikan manfaat saat klasifikasi penyakit jantung secara cepat dan akurat. Keywords —Penyakit Jantung, Random Forest
Classification of Tea Leaf Diseases Based on ResNet-50 and Inception V3 Trihardianingsih, Liana; Sunyoto, Andi; Tonny Hidayat
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 3 (2023): Article Research Volume 7 Issue 3, July 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i3.12604

Abstract

Technological advances have made a major contribution to controlling plant diseases. One method for resolving issues with plant disease identification is the use of deep learning for digital image processing. Tea leaf disease is a plant disease that requires fast and effective control. So, in this study, we adopted the Convolutional Neural Network (CNN) architectures, namely ResNet-50 and Inception V3, to classify six types of diseases that attack leaves. The amount of data used was 5867, which were divided into six classes, namely healthy leaf, algal spot, brown blight, gray blight, helopeltis, and red spot. The process of distributing the data involves randomly splitting it into three portions, with an allocation of 80% for training, 10% for validation, and 10% for testing. The process of classification is carried out by adjusting the use of batch sizes in the training process to maximizehyperparameters. The batch sizes used are 16, 32, and 64. Using three different batch size scenarios for each model, it shows that ResNet-50 has better performance on batch size 32 with an accuracy value of 97.44%, while Inception V3 has the best performance on batch size 64 with an accuracy of 97.62%..
Image Augmentation for BreaKHis Medical Data using Convolutional Neural Networks Istighosah, Maie; Sunyoto, Andi; Hidayat, Tonny
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 4 (2023): Article Research Volume 7 Issue 4, October 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i4.12878

Abstract

In applying Convolutional Neural Network (CNN) to computer vision tasks in the medical domain, it is necessary to have sufficient datasets to train models with high accuracy and good general ability in identifying important patterns in medical data. This overfitting is exacerbated by data imbalances, where some classes may have a smaller sample size than others, leading to biased predictive results. The purpose of this augmentation is to create variation in the training data, which in turn can help reduce overfitting and increase the ability of the model to generalize. Therefore, comparing augmentation techniques becomes essential to assess and understand the relative effectiveness of each method in addressing the challenges of overfitting and data imbalance in the medical domain. In the context of the research described, namely a comparative analysis of augmentation performance on CNN models using the ResNet101 architecture, a comparison of augmentation techniques such as Image Generator, SMOTE, and ADASYN provides insight into which technique is most suitable for improving model performance on limited medical data. By comparing these techniques' accuracy, recall, and overall performance results, research can identify the most effective and relevant techniques in addressing the challenges of complex medical datasets. This provides a valuable guide for developing better CNN models in the future and may encourage further research in developing more innovative augmentation methods suitable for the medical domain.
Breast Cancer Detection in Histopathology Images using ResNet101 Architecture Istighosah, Maie; Sunyoto, Andi; Hidayat, Tonny
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 4 (2023): Article Research Volume 7 Issue 4, October 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i4.12948

Abstract

Cancer is a significant challenge in many fields, especially health and medicine. Breast cancer is among the most common and frequent cancers in women worldwide. Early detection of cancer is the main step for early treatment and increasing the chances of patient survival. As the convolutional neural network method has grown in popularity, breast cancer can be easily identified without the help of experts. Using BreaKHis histopathology data, this project will assess the efficacy of the CNN architecture ResNet101 for breast cancer image classification. The dataset is divided into two classes, namely 1146 malignant and 547 benign. The treatment of data preprocessing is considered. The implementation of data augmentation in the benign class to obtain data balance between the two classes and prevent overfitting. The BreaKHis dataset has noise and uneven color distribution. Approaches such as bilateral filtering, image enhancement, and color normalization were chosen to enhance image quality. Adding flatten, dense, and dropout layers to the ResNet101 architecture is applied to improve the model performance. Parameters were modified during the training stage to achieve optimal model performance. The Adam optimizer was used with a learning rate 0.0001 and a batch size of 32. Furthermore, the model was trained for 100 epochs. The accuracy, precision, recall, and f1-score results are 98.7%, 98.73%, 98.7%, and 98.7%, respectively. According to the results, the proposed ResNet101 model outperforms the standard technique as well as other architectures.
URGENSI PERLINDUNGAN MOTIF BATIK KUDUS MELALUI PENDAFTARAN HAK CIPTA Sunyoto, Andi; Sulistyowati, Sulistyowati; Sukresno, Sukresno
Jurnal Suara Keadilan Vol 21, No 1 (2020): Jurnal Suara Keadilan Vol. 21 No 1 (2020)
Publisher : LPPM Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/sk.v21i1.5682

Abstract

ABSTRAKPenelitian ini dengan judul Urgensi Perlindungan Motif Batik Kudus Melalui Pendaftaran Hak Cipta. Batik Kudus merupakan salah satu warisan kebudayaan tradisional rakyat Indonesia yang dilindungi oleh Undang-Undang Hak Cipta. Pasal 40 ayat (1) huruf j Undang-undang Hak Cipta menetapkan bahwa Hak Cipta atas karya seni batik yang ada di Indonesia dilindungi oleh negara. Namun sayangnya, kelahiran Undang-Undang Nomor 28 Tahun 2014 tentang Hak Cipta ternyata belum optimal untuk perlindungan Hak Cipta terhadap seni batik itu sendiri. Penelitian ini bertujuan untuk memahami urgensi perlindungan motif batik khas daerah dan implementasi perlindungan motif batik Kudus di Kabupaten Kudus.Metode pendekatan yang digunakan adalah yuridis sosiologis dan pengambilan datan menggunakan metode wawancara dengan Dinas Tenaga Kerja, Perindustrian, Koperasi, Usaha Kecil, dan Menengah Kudus, Alfa Shoofa Batik Kudus dan Muria Batik Kudus. Metode penentuan sampel digunakan dengan purposive sampling, sedangkan hasil pengolahan datanya disajikan dalam bentuk deskriptif analisis.Hasil penelitian ini menunjukkan bahwa perlindungan motif batik khas daerah termasuk motif batik Kudus sangat penting untuk dilakukan karena potensi batik Kudus yang perkembangannya semakin meningkat dan memberikan perlindungan seni budaya Kudus yang tertuang di dalam motif batik Kudus serta memberikan jaminan secara hukum akan perlindungan karya cipta terutama motif batik Kudus kepada para pengrajin. Implementasi perlindungan motif batik Kudus di Kabupaten Kudus dalam praktiknya belum secara optimal dapat diterapkan. Bukan saja masalah kaidah hukum yang diterapkan jauh dalam ranah berpikir masyarakat sebagai subjek hukum, aparat dan perangkat penegak hukum juga dinilai kurang responsif untuk bisa secara aktif melakukan perlindungan terhadap hak-hak pengrajin. Selain itu budaya masyarakat yang komunal menjadikan penerapan sistem hukum hak cipta yang bersifat individual. Kata Kunci : Perlindungan Hukum, Motif Batik Kudus, Hak Cipta
Detection of Palm Fruit Maturity Using Convolutional Neural Network Method kurniawan, Ade Kurniawan; Andi Sunyoto; Alva Hendi Muhammad
JAIA - Journal of Artificial Intelligence and Applications Vol. 2 No. 2 (2022): JAIA - Journal of Artificial Intelligence and Applications
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/jaia.v2i2.859

Abstract

Palm oil has an important role as a source of foreign exchange in the economy in Indonesia. Oil palm is one of the vegetable oil-producing plants that has the highest economic value compared to other crops such as soybeans, olives, coconuts or sunflowers. Palm oil quality is also influenced by water content, dirt content, free fatty acid content and the level of maturity of the palm fruit. Maturity of palm fruit is a very important factor in determining the quality of crude oil produced by palm fruit. In determining the maturity of oil palm, sorting is necessary to get quality palm fruit with the appropriate level of maturity. The use of image processing technology (ImageProcessing) can facilitate the process of analyzing objects. Meanwhile, the implementation of deep learning using the Convolutional Neural Network method can help identify the maturity level of oil palm fruit with a high level of accuracy. The results showed a very good effectiveness with an accuracy reaching 99% and a precision level reaching 99.8%.
Co-Authors *, Pramono A.A. Ketut Agung Cahyawan W Aam Shodiqul Munir Abdul Jalil Rozaqi Abdul Jalil Rozaqi Abdul Mizwar A. Rahim Abidarin Rosidi Abidarin Rosidi Ade Kurniawan kurniawan Ade Pujianto, Ade Afis Julianto Afis Julianto Agus Harjoko Agus Harjoko AGUS PURWANTO Aidina Ristyawan, Aidina Alva Hendi Muhammad Alva Hendi Muhammad Alva Hendi Muhammad Muhammad Ana Wati Ndarbeni Anna Baita Annas Al Amin Arif Sutikno Asro Nasiri Asro Nasiri Asro Nasiri Astria, Kadek Kiki B, Arijal Bahri, Saiful Bambang Soedijono Bambang Soedijono WA Banu Dwi Putranto Bayu Anugerah Putra Bayu Setiaji Bonifacius Vicky Indriyono Bonifacius Vicky Indriyono, Bonifacius Vicky Cahyo, D. Diffran Nur Dhanar Intan Surya Saputra Diansyah, Ahmad Febri Dwi Sari Widyowaty Dwi Yuli Prasetyo Eka Yulia Sari Eko Pramono Eko Pramono Ema Utami Emha Taufiq Luthfi Emha Taufiq Luthfi Ferry Wahyu Wibowo Ferry Wahyu Wibowo Firdiyan Syah Fitri Handayani Gagah Gumelar Gori, Takhamo Hanafi Hanafi Hani Atun Mumtahana Hani Atun Mumtahana Hani Setiani Hanif Al Fatta Hanif Al Fatta Hanif Al Fatta Hanif Al Fatta Harianto, Harianto Hidayat Hidayat Huda, Luthfi Nurul Ibnu Hadi Purwanto Ikhwan Baidlowi Sumafta Ikmah Ikmah Indah Nofikasari Irawanto, Indra Ismail, Muhamad Yusuf K Kusrini Kapti . kurniawan, Ade Kurniawan Kurniawan, Mei P Kurniawan, Mei P. Kusnawi Kusnawi Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini, K Kusrini, Kusrini Liana Trihardianingsih Licantik M rudyanto Arief M. Afriansyah M. Rudyanto Arief M. Suyanto M. Suyanto, M. M. Syukri Mustafa Maie Istighosah Mashuri, Ahmad Sanusi Masruri, Nizar Haris Mohammad Suyanto Mudawil Qulub Muhammad Rudyanto Arief Muhammad Setiyawan Muhammad, Anva Hendi Muhartini, Sitti Mumtahana, Hani Atun Mursyid Ardiansyah Nalendra, Adimas Ketut Nasiri, Asro Noordin Asnawi Norlaila2 Nugraha, Anggit Ferdita Nulngafan, Nulngafan Nur Arifin Akbar Parsiyono Parsiyono Patmawati Patmawati, Patmawati Pramono * Putranto, Dinar Wakhid Quratul Ain Rafli Junaidi Kasim Rahim Jamal Rahmat Hidayat Raynaldi Fatih Amanullah Ria Andriani Rifda Faticha Alfa Aziza Rifqi Mulyawan Riyanto, Thomas Pramuji Singgih Riza Marsuciati Rizfi Syarif Rizky Arya Kurniawan Rohim, Ni’matur Rudi Prietno Sahirul Muklis Salmuasih - Samsul Bahri Sari, Rita Novita Setiawan Budiman Sholihin, Iasya Silvi Agustanti Bambang Singgih Arif Widodo Slamet Triyanto Soedijono W A, Bambang Sudarmawan Sudarmawan Sudarmawan, Sudarmawan Sudiana Sudiana Sukresno Sukresno Sulistyowati Sulistyowati Suliswaningsih Suliswaningsih Sumafta, Ikhwan Baidlowi Supomo, Eko Sutejo, Danang Syah, Firdiyan Syah, Firdiyan Syukirman Amir TONNY HIDAYAT Tribiakto, Herlandro Ulinuha, Hinova Rezha W., Bambang Soedijono WA, Bambang Soedijono Wahyu Caesarendra Wahyu Hidayat Wihayati, Wihayati Windarni, Vikky Aprelia Windha Mega Pradnya Dhuhita Wing Wahyu Winarno Yoga Dwi Pambudi Yoga Pristyanto Yohanes Setyo Prabowo, Yohanes Setyo Yusuf Sutanto Zaipin, Zaipin