Article Per Year (5 Year)
p-Index From 2021 - 2026
6.901
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Dinamik Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Paradikma: Jurnal Pendidikan Matematika JURNAL PENELITIAN SAINTIKA ELEMENTARY SCHOOL JOURNAL PGSD FIP UNIMED Jurnal Daya Matematis Jurnal Informatika dan Teknik Elektro Terapan Seminar Nasional Informatika (SEMNASIF) Jurnal IPTEK JURNAL PENGABDIAN KEPADA MASYARAKAT Jurnal KARISMATIKA Bina Insani ICT Journal JURNAL SAINS INDONESIA Indonesian Journal of Artificial Intelligence and Data Mining INTECOMS: Journal of Information Technology and Computer Science Jurnal Cendekia : Jurnal Pendidikan Matematika Jurnal Perspektif M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika JATI (Jurnal Mahasiswa Teknik Informatika) Community Development Journal: Jurnal Pengabdian Masyarakat Budapest International Research and Critics in Linguistics and Education Journal (Birle Journal) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Journal of Soft Computing Exploration Jurnal Pengabdian kepada Masyarakat INCODING: Journal of Informatics and Computer Science Engineering J-Intech (Journal of Information and Technology) Economic Reviews Journal PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Riset Rumpun Matematika dan Ilmu Pengetahuan Alam (JURRIMIPA) Jurnal Umum Pengabdian Masyarakat (JUPEMAS) Journal of Informatics and Data Science (J-IDS) Jurnal KALANDRA Journal of Education Transportation and Business International Journal of Educational Insights and Innovations (IJEDINS) Ulil Albab
Hermawan Syahputra
Universitas Negeri Medan
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

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

Found 64 Documents
Search

 3   4   5   6   7 
DETEKSI OBJEK JAMUR PADA ROTI TAWAR SECARA REAL-TIME MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Lazuardi Harahap, Muhammad; Syahputra, Hermawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.12999

Abstract

Penelitian ini mengembangkan sistem deteksi jamur pada roti secara realtime menggunakan Convolutional Neural Network (CNN) untuk mengatasi masalah cacat mikrobiologis yang umum dalam industri roti. Menggunakan metode Research and Development (R&D) dengan model CNN Transfer Learning MobileNetV2, penelitian ini mengolah 640 data primer yang diambil dari toko roti di Medan Marelan Pasar 1 menggunakan kamera 108 megapixel dengan lighting 50 watt berdiameter 18 inch. Dari pengujian 8 model dengan parameter berbeda, diperoleh hasil terbaik pada parameter 30000 num_steps dan 8 batch, menghasilkan akurasi 96.42% dan total loss 0.1181 dengan waktu training 2 jam 18 menit 36 detik. Pengujian pada 64 data (32 roti berjamur dan 32 tidak berjamur) menunjukkan model berhasil mendeteksi 30 dari 32 gambar roti berjamur dengan berbagai variasi, sementara semua gambar roti tidak berjamur terdeteksi dengan benar. Hasil ini membuktikan efektivitas implementasi CNN dalam mendeteksi jamur pada roti.
Deteksi Gerakan Kepala Secara Real-Time Menggunakan OpenCV Dan Python Imelda, Yusmita; Daulay, Leni Karmila; Purba, Desni Paramitha; Syahputra, Hermawan
Journal of Education Transportation and Business Vol 2, No 1 (2025): Juni 2025
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jetbus.v2i1.6528

Abstract

Perkembangan teknologi komputer dan kecerdasan buatan telah mendorong inovasi dalam sistem interaksi manusia-komputer, salah satunya adalah deteksi gerakan kepala secara real-time. Penelitian ini bertujuan untuk mengembangkan sistem yang mampu mendeteksi dan mengklasifikasikan orientasi kepala (pitch, yaw, dan roll) dengan memanfaatkan pustaka OpenCV dan Dlib dalam bahasa pemrograman Python. Sistem dirancang dengan mengimplementasikan teknik deteksi wajah, pelacakan landmark, dan estimasi pose kepala menggunakan fungsi solvePnP. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi orientasi kepala secara akurat dan responsif dalam waktu kurang dari 0.5 detik. Evaluasi kinerja menunjukkan tingkat konsistensi yang baik, meskipun terdapat kendala pada kondisi pencahayaan rendah dan kualitas kamera yang kurang optimal. Aplikasi ini berpotensi untuk diterapkan dalam berbagai bidang seperti alat bantu disabilitas, sistem kontrol berbasis gestur, dan keamanan. Dengan pengembangan lanjutan, sistem ini dapat menjadi solusi interaktif yang lebih inklusif dan intuitif.
Developing Flipped Classroom Learning Materials to Improve Mathematical Literacy and Learning Independence Nasution, Dinda Indriani; Dewi, Izwita; Syahputra, Hermawan
Jurnal Perspektif Vol 9 No 2 (2025): Jurnal Perspektif
Publisher : UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/jp.v9i2.363

Abstract

This study aims to create a high-quality Flipped Classroom Model-based learning device to improve mathematical literacy and learning independence of seventh grade junior high school students on data centralization measurement material. This research method is a development research of the Analysis, Design, Development, Implementation, Evaluation (ADDIE) method. The results of this study are that the Flipped Classroom Model-based learning device is valid and practical; students' mathematical literacy skills increased by 0.65 which is classified as moderate; students' independent learning abilities increased by 0.23 which is classified as moderate. The Flipped Classroom Model is effective for learning Data Centralization Measurement. The Flipped Classroom Model functions well for learning data centralization measurements. More than 75% of learning objectives were achieved, more than 85% of students scored at least 75, more than 85% of students responded positively to the flipped classroom model-based learning device, and the use of time on the learning device did not exceed regular learning hours.
Penerapan Algoritma Caesar Cipher dan Metode Least Significant Bit Untuk Mengamankan Teks Dalam Vidio Pane, M Iqbal Anata; Taufik, Insan; Syahputra, Hermawan; Al Idrus, Said Iskandar; Niska, Debi Yandra
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 12 No. 1 (2025): Prosisko Vol. 12 No. 1 2025
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v12i1.9606

Abstract

Abstrak - Data digital adalah representasi informasi dalam bentuk angka atau simbol yang bisa diproses oleh komputer. Jenis-jenis data digital termasuk teks, gambar, audio, video, spreadsheet, presentasi, dan basis data. Ada data yang umum dan dapat diakses oleh banyak orang, serta data rahasia yang memerlukan perlindungan khusus saat ditransmisikan melalui internet. Penelitian ini bertujuan untuk mengamankan informasi dalam video menggunakan algoritma Caesar Cipher dan metode Least Significant Bit (LSB). Melalui analisis dan implementasi, penelitian ini menunjukkan bahwa kombinasi kedua teknik tersebut dapat efektif melindungi teks dalam video tanpa mengubah kualitas visualnya. Hasil penelitian ini memberikan sumbangan bagi pengembangan keamanan informasi digital serta memberikan dasar bagi penelitian lebih lanjut. Selain itu, tantangan utama dalam penelitian ini adalah memperhatikan kecepatan pengolahan video agar dapat diunggah dan diunduh dengan mudah oleh pengguna. Oleh karena itu, penelitian ini tidak hanya menawarkan solusi untuk masalah keamanan informasi, tetapi juga mempertimbangkan aspek praktis dalam penerapannya. Ke depannya, penelitian dapat mengeksplorasi integrasi metode keamanan yang lebih canggih dan efisien untuk meningkatkan perlindungan data digital. Secara keseluruhan, penelitian ini menyajikan solusi yang relevan dan berpotensi untuk diterapkan secara luas dalam konteks keamanan informasi digital yang terus berkembang.
Implementation of Convolutional Neural Network in Detecting Avocado Ripeness Level Luge, Miclyael; Indra, Zulfahmi; Syahputra, Hermawan; Al Idrus, Said Iskandar; S, Kana Saputra
Jurnal IPTEK Vol 29, No 1 (2025): May
Publisher : LPPM Institut Teknologi Adhi Tama Surabaya (ITATS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.iptek.2025.v29i1.6737

Abstract

Squeezing avocados to determine ripeness can cause physical damage or bruising, reducing the fruit’s quality and resulting in losses for sellers and buyers. This research aims to develop an Android-based mobile application to detect avocado ripeness based on skin color, avoiding physical damage to the fruit. The study uses three simple Convolutional Neural Network architectures to evaluate the algorithm’s ability to detect avocado ripeness. The dataset includes 385 images across four classes: immature, half-ripe, ripe, and overripe (74 images each), and an additional 89 images for the non-avocado class. The model was trained with learning rates of 0.001, 0.0001, and 0.00001. The architecture with the most convolutional layers achieved the best performance with a 0.001 learning rate, yielding a test accuracy of 94.15%, a test loss of 19.28%, and an F1-score of 94.0%. The best model was then converted to TFLite format and successfully integrated into an Android application that functions effectively.
PERBANDINGAN KINERJA KNN DAN SVM DALAM KLASIFIKASI SAMPAH ORGANIK DAN ANORGANIK MENGGUNAKAN EKSTRAKSI FITUR HOG DAN LBP Hidayatul Arifin, Muhammad; Amelia Vega S. Meliala, Ruth; Impana Manik, Kristin; Defiyanti, Aqilah; Syahputra, Hermawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13972

Abstract

Pertumbuhan limbah yang semakin meningkat menimbulkan tantangan yang signifikan bagi upaya pelestarian lingkungan. Proses pemisahan sampah masih dilakukan secara manual dan sering kali tidak konsisten, yang merupakan kendala utama. Penelitian ini bertujuan untuk mengembangkan sistem yang menggunakan pengolahan citra untuk mengklasifikasikan sampah organik dan anorganik secara otomatis. Penelitian ini menggunakan dataset yang digunakan terdiri dari 1.800 citra dimana 900 organik dan 900 anorganik yang diekstraksi melalui Histogram of Oriented Gradients (HOG) dan Local Binary Pattern (LBP). Tahap preprocessing, yang mencakup pengubahan ukuran dan konversi ke grayscale. Selanjutnya, Principal Component Analysis (PCA) digunakan untuk mengurangi dimensi fitur HOG, kemudian digabungkan dengan fitur LBP dan diklasifikasikan menggunakan algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Hasil pengujian menunjukkan bahwa SVM dengan kernel RBF memiliki akurasi tertinggi sebesar 88,89%, sementara KNN dengan nilai k=5 memiliki akurasi sebesar 83,61%. Keunggulan SVM terletak pada kemampuan mereka untuk memaksimalkan margin pemisahan. Hasilnya menunjukkan bahwa metode penggabungan HOG dan LBP dengan klasifikasi berbasis SVM dapat meningkatkan akurasi pemisahan sampah secara otomatis. Hasil ini dapat mendorong upaya untuk mengurangi beban di TPA serta meningkatkan praktik daur ulang yang berkelanjutan.
DETEKSI JERUK NIPIS DAN JERUK JUNGGA MENGGUNAKAN ALGORITMA CNN Hafiz, Alvin; Angel Tumanggor, Asri; Delvin Ibo, Martince; Yazid Noor, Muhammad; Palendeo Sitepu, Kalpin; Syahputra, Hermawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14040

Abstract

Jeruk nipis (Citrus aurantifolia) dan jeruk jungga (Citrus jambhiri Lush) merupakan dua jenis buah yang memiliki nilai ekonomi tinggi di Indonesia, namun sulit dibedakan secara visual dalam kondisi mentah. Masalah ini menyebabkan ketidaktepatan dalam proses sortir manual yang dilakukan petani atau distributor, berpotensi menimbulkan kerugian ekonomi. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis menggunakan metode pengolahan citra digital dan algoritma Convolutional Neural Network (CNN) guna membedakan jeruk nipis dan jeruk jungga secara efisien dan akurat. Dataset terdiri dari 100 citra dengan karakteristik warna dan tekstur yang berbeda. Metode yang digunakan meliputi pra-pemrosesan (resizing, normalisasi, denoising, konversi ke grayscale), segmentasi (thresholding dan edge detection), ekstraksi fitur (RGB untuk warna dan GLCM untuk tekstur), serta pelatihan model CNN. Hasil penelitian menunjukkan bahwa model CNN mampu mencapai akurasi pelatihan sebesar 90% dan validasi 85%. Analisis nilai RGB menunjukkan perbedaan signifikan pada komponen G dan B, sedangkan GLCM mengindikasikan bahwa jeruk jungga memiliki tekstur lebih kasar daripada jeruk nipis. Namun, confusion matrix menunjukkan bahwa model masih mengalami kesalahan klasifikasi terhadap jeruk nipis, menghasilkan akurasi keseluruhan sebesar 52,9%. Oleh karena itu, diperlukan peningkatan kualitas model dan strategi augmentasi data untuk hasil klasifikasi yang lebih optimal.
PERANCANGAN PROGRAM REKOGNISI ISYARAT SIGNAL FOR HELP, UNTUK MEMBERI RESPON CEPAT BANTUAN Drilanang, Mhd Ilyasyah; Prana Walidin, Adamsyach; Zulfahrizan, Atta; Syahputra, Hermawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14109

Abstract

Dalam kondisi darurat, terutama saat seseorang tidak bisa berbicara secara langsung untuk meminta bantuan, isyarat tangan seperti “Signal for Help” menjadi sangat penting. Sayangnya, belum banyak sistem yang mampu mengenali isyarat ini secara otomatis dan real-time. Penelitian ini bertujuan untuk mengembangkan sebuah sistem yang dapat mendeteksi isyarat tersebut secara cepat dan akurat, agar respons bantuan bisa diberikan secepat mungkin. Penelitian dilakukan dengan menggunakan pendekatan pengenalan pola visual melalui teknologi MediaPipe dan OpenCV. Data dikumpulkan dari gambar dan video gerakan tangan yang menampilkan tiga tahapan isyarat: “Telapak Tangan Terbuka,” “Jempol Ditekuk ke Dalam,” dan “Kepalan Tangan.” Setiap tahapan dianalisis menggunakan deteksi landmark tangan untuk mengenali bentuk dan pergerakannya secara detail. Hasilnya, sistem yang dirancang mampu mendeteksi isyarat dengan akurasi tinggi, bahkan dalam berbagai kondisi lingkungan. Hal ini menunjukkan bahwa teknologi ini dapat diterapkan dalam skenario nyata, seperti layanan darurat, perlindungan pribadi, maupun sistem asisten berbasis AI yang dapat merespons secara otomatis ketika sinyal bantuan terdeteksi. Dengan sistem ini, diharapkan siapa pun yang berada dalam situasi bahaya bisa mendapatkan bantuan lebih cepat dan aman.
ANALISIS PERBEDAAN PERMUKAAN BUAH SEGAR DAN BUSUK MENGGUNAKAN MODEL RGB DAN GRAY-LEVEL CO-OCCURRENCE MATRIX (GLCM) Amelia Br Siregar, Ririn; Ramadhan Manik, Albert; Irya Shakila Syukron, Ananda; Budi Akbar, Muhammad; Syahputra, Hermawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14461

Abstract

Pengolahan citra digital merupakan bidang penting dalam ilmu komputer yang digunakan untuk menganalisis dan memanipulasi gambar digital. Permasalahan yang sering muncul dalam pengolahan citra adalah bagaimana memperoleh informasi atau fitur yang relevan dari sebuah citra secara efisien dan akurat. Penelitian ini bertujuan untuk mengimplementasikan beberapa operasi dasar pengolahan citra seperti pembacaan citra, konversi warna, penjumlahan, pengurangan, dan perhitungan parameter statistik (mean, median, dan standar deviasi) untuk memahami karakteristik citra. Metode yang digunakan dalam penelitian ini melibatkan pemrograman menggunakan bahasa Python dengan bantuan pustaka OpenCV dan NumPy dalam proses pemrosesan citra. Hasil yang diperoleh menunjukkan bahwa operasi dasar tersebut dapat diaplikasikan dengan baik dan mampu memberikan informasi statistik yang bermanfaat mengenai distribusi intensitas piksel dalam citra, yang dapat digunakan untuk analisis lanjutan atau klasifikasi. Penelitian ini diharapkan dapat menjadi dasar untuk pengembangan sistem pengenalan citra yang lebih kompleks.
PENERAPAN AUTENTIKASI MANUSIA MELALUI MENGGAMBAR CITRA BINER Sukma, Ayman Human; Panjaitan, Clara Kresensia; Suleho, Febrina; Syahputra, Hermawan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.7072

Abstract

Penelitian ini menjelaskan pengembangan dan implementasi sistem verifikasi manusia berbasis gambar digital, khususnya dengan menggunakan metode gambar piksel biner, untuk memenuhi kebutuhan yang semakin meningkat akan alternatif CAPTCHA yang sederhana namun aman. Sistem ini dirancang dengan antarmuka gambar piksel 64x64 yang intuitif dan aturan dinamis yang beradaptasi berdasarkan warna piksel dominan pada gambar panduan acak. Diimplementasikan dalam Python menggunakan Tkinter dan Pillow, fungsi inti sistem mencakup perhitungan kesamaan real-time antara gambar pengguna dan pola referensi, dengan menggunakan metrik yang menghukum pencelupan yang salah dan kelalaian. Hasil eksperimen, termasuk simulasi dengan “bot sempurna” dan “bot acak”, yang membedakan interaksi manusia dari masukan otomatis. Pendekatan ini memanfaatkan kemampuan penalaran spasial dan keterampilan motorik halus manusia, menawarkan solusi yang menjanjikan, adaptif, dan ramah pengguna untuk verifikasi manusia secara online.
Co-Authors Abil Mansyur, Abil Ade Amelia, Tasya Adhi Guna, Ekin Agus Harjoko Ahmad Andi Solahuddin Ahmad Hidayat Ajizah Siregar Aldiva Wibowo Alfattah Atalarais Amelia Br Siregar, Ririn Amelia Vega S. Meliala, Ruth Ami . Riana Andani D N Andika Maulana, Sandy Angel Tumanggor, Asri Angginy Akhirunisa Siregar Ani Sutiani Apiek Gandamana Arnita Arnita Asrin Lubis BORNOK SINAGA Bornok Sinaga Budi Akbar, Muhammad citra Daulay, Leni Karmila Davina, Sherly Dedy Husrizal Syah, Dedy Husrizal Dedy Kiswanto Defiyanti, Aqilah Delvin Ibo, Martince Deo Demonta Panggabean Dhea Putri Adriani DIdi Febrian Dina Aulia Luthfiah Drilanang, Mhd Ilyasyah Dwi Zahra Putri, Raisya E. Elvis Napitupulu E. Elvis Napitupulu, E. Elvis Edi Syahputra Edward Perdana Sinaga Elisabet Butarbutar, Lastri Fanny Rahmadani Farmawaty Tambunan, Vivielda Fauzi, KMS. Amin Fransiska Sihombing, Esra Hafiz, Alvin Harefa, Meilinda Suriani Hasratuddin Siregar Hidayatul Arifin, Muhammad Husna Batubara, Shabrina Ida Ayu Putu Sri Widnyani Ihsan Zulfahmi Ihsan Zulfahmi Ika Purnama Sari Imelda, Yusmita Impana Manik, Kristin Indriani.S, Dechy Deswita Insan Taufik Irhamna Irhamna Irmaya, Nia Irya Shakila Syukron, Ananda Iwan Jepri Izwita Dewi Josafat Simanjutak, Todo Kana Saputra S Karimuddin Hakim Hasibuan Kartika, Dinda Khairun Nadiah Kms. Amin Fauzi Lazuardi Harahap, Muhammad Lubis, M. Revano Ananda Luge, Miclyael Luthfiah, Dina Aulia M. Ari Maulana Mahyuni Mahyuni Martina Restuati Maulana, Raihan Maya Oktora MHD. Reza M.I. Pulungan Mia Yolanda Siregar Muhammad Febrilian Zulrahman Mukti Hamjah Harahap, Mukti Hamjah Nasution, Dinda Indriani Nico Pasaribu, Michael Niska, Debi Yandra Nova Yanti Panjaitan Nur Wahyuni Nurmala Berutu Nurul Maulida Surbakti Oktavia, Grace Palendeo Sitepu, Kalpin Pane, M Iqbal Anata Pane, Yeremia Yosefan Panggabean, Suvriadi Panjaitan, Clara Kresensia Panjaitan, Nova Yanti Permata Putri Pasaribu, Yohanna Prana Walidin, Adamsyach Purba, Boy Hendrawan Purba, Desni Paramitha Putri Mayang Sari Putri Mayang Sari Siregar R Givent A Simanjorang Ramadhan Manik, Albert Ramadhani, Fanny Rambe, Imelda Wardani Rangkuti, Muhammad Aswin Riana, Ami Richi, Alfina Said . Iskandar SANTI MARIA SIMARMATA Santi Maria Simarmata Sembiring, Rinawati Sinaga, Elya Juni Arta Siregar, Mochammad Gani Alfa Alkhoiri Siregar, Putri Mayang Sari Siti Nabila Panjaitan Solahudin, Ahmad Andi Sri Dewi Sriadhi Sriadhi, Sriadhi Steven Imanuel Naibaho Sukma, Ayman Human Suleho, Febrina Syamsah Fitri Syarief Afifi Sumantri Syawal Gultom Tri Bowo Atmojo Veryawan, Veryawan Waliyul M Siregar Warjaya, Angga Wibowo, Aldiva winsyahputra Ritonga Yazid Noor, Muhammad Zul Amry Zulfahmi Indra, Zulfahmi Zulfahrizan, Atta