Article Per Year (5 Year)
p-Index From 2021 - 2026
6.891
P-Index
This Author published in this journals
All Journal Jurnal Media Infotama JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Informatika dan Teknik Elektro Terapan Register: Jurnal Ilmiah Teknologi Sistem Informasi JOIV : International Journal on Informatics Visualization AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat Indonesian Journal of Artificial Intelligence and Data Mining JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat To Maega: Jurnal Pengabdian Masyarakat Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi bit-Tech Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA ) JATI (Jurnal Mahasiswa Teknik Informatika) CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Jurnal Abdi Insani TIN: TERAPAN INFORMATIKA NUSANTARA Journal of Advanced in Information and Industrial Technology (JAIIT) Nusantara Science and Technology Proceedings Kalam Cendekia: Jurnal Ilmiah Kependidikan Journal of Information System and Technology (JOINT) TIERS Information Technology Journal International Journal of Data Science, Engineering, and Analytics (IJDASEA) Decode: Jurnal Pendidikan Teknologi Informasi Jurnal Iqtisaduna COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat Jurnal Informatika Dan Tekonologi Komputer (JITEK) Jurnal Hasi Penelitian Dan Pengkajian Ilmiah Eksakta - JPPIE Jurnal Informatika Teknologi dan Sains (Jinteks) Concept: Journal of Social Humanities and Education JIKTI : Jurnal Ilmiah Komputer Terapan dan Informasi Teknik: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Mujtama': Jurnal Pengabdian Masyarakat Journal of Artificial Intelligence and Digital Business TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi ILTEK : Jurnal Teknologi Jurnal Elektronika dan Teknik Informatika Terapan Modem : Jurnal Informatika dan Sains Teknologi Joong-Ki Jurnal Informatika Dan Tekonologi Komputer
Muhammad Muharrom Al Haromainy
Universitas Pembangunan Nasional Veteran Jawa Timur
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 55 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 55 Documents
Search

 1   2   3   4   5 
Wayang’s Images Recognition using Vision Transformer Sihananto, Andreas Nugroho; Al Haromainy , Muhammad Muharrom; Fauzi, Zaky Ahmad; Reza, Reno Alfa; Putra, Gredy Christian Hendrawan; Christianty, Theressa Marry
IJDASEA (International Journal of Data Science, Engineering, and Analytics) Vol. 4 No. 2 (2024): International Journal of Data Science, Engineering, and Analytics Vol 4, No 2,
Publisher : Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/ijdasea.v4i2.24

Abstract

Due to its complex nature and outdated perception, Wayang is a traditional Indonesian art form influenced by Hindu-Buddhism. However, it is difficult for the younger generation to recognize the various types of Wayang. In an effort to preserve Wayang culture, this study evaluates the performance of four deep learning models in recognizing types of Wayang namely, Vision Transformer (ViT), ResNet34, YOLOv5-cls, and YOLOv8-cls. These models were trained and assessed using a dataset of 232 images representing six Wayang types and using matrix such as accuracy, recall, precision, and F1 score. ViT demonstrated efficiency and adaptability despite high computational requirements, achieving the best accuracy (91.3%), showing high adaptability despite substantial computational requirements. Meanwhile, YOLOv5-cls and YOLOv8-cls offered a good balance betwwen accuracy and efficiency. This study suggest that deep learning models can play an essentialrole in Wayang by enhancing recognition accessibility, thus helping younger generations appreciate this tradisional art form.
IMPLEMENTASI MAJORITY VOTE PADA METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE(STUDI KASUS : KENAIKAN PAJAK HIBURAN) Samodera, Bayu; Kartini, Kartini; Al Haromainy, Muhammad Muharrom
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4799

Abstract

Pajak adalah kontribusi wajib yang diambil oleh pemerintah dari warga negara atau penduduk yang tinggal di dalam wilayah hukumnya. Salah satu jenis pajak yang menarik perhatian adalah pajak untuk hiburan. Kenaikan tarif pajak hiburan dapat memiliki dampak signifikan terhadap industri hiburan dan juga persepsi masyarakat terhadap kebijakan pemerintah. Penelitian ini bertujuan untuk menganalisis persepsi masyarakat terhadap kenaikan pajak hiburan kedalam kategori positif, netral, dan negatif dengan menggunakan data dari media sosial Twitter. Penelitian ini menggunakan metode Naive Bayes dan Support Vector Machine dan menggabungkannya melalui metode Majority Vote. Hasil Skenario pertama dengan menggunakan 90% data latih dan 10% data uji, Naive Bayes mencapai akurasi 71.82%, sementara SVM mencapai 78.11%, dan Majority Vote mendapat akurasi 80.55%. Lalu pada skenario kedua dengan membagi data menjadi 80% untuk pelatihan dan 20% untuk pengujian, Naive Bayes mencapai akurasi 70.32%, sementara SVM mencapai 74.35%, dan Majority Vote mendapat akurasi 77.80%. Terakhir skenario ketiga dengan membagi data menjadi 70% untuk pelatihan dan 30% untuk pengujian, Naive Bayes mencapai akurasi 68.16%, sementara SVM mencapai 71.18%, dan Majority Vote mendapat akurasi 75.50%. Hasil sentimen akhir dengan menggunakan Majority Vote menunjukkan bahwa mayoritas masyarakat menyikapi kenaikan pajak hiburan sebagai negatif.
Analisis Pola Pembelian Pelanggan Menggunakan Algoritma Squeezer, Apriori dan FP-Growth Pada Toko Bangunan Faris Syaifulloh; Eva Yulia Puspaningrum; M. Muharram Al Haromainy
Modem : Jurnal Informatika dan Sains Teknologi. Vol. 2 No. 3 (2024): Juli : Modem : Jurnal Informatika dan Sains Teknologi
Publisher : Asosiasi Profesi Telekomunikasi Dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/modem.v2i3.153

Abstract

To compete with other stores, store owners need to design various strategies, one of which is understanding customer purchase patterns. This article examines the Squeezer algorithm and compares the performance of the Apriori and FP-Growth algorithms in forming customer purchase association patterns that can be used as a reference for store owners in planning sales strategies. The data mining process was carried out using Association Rules and Clustering methods. A total of 1256 sales transaction data samples were analyzed to understand the association patterns produced by each method. Based on the test results with a minimum support of 0.2 and a confidence of 0.6, the Apriori algorithm produced 194 association rules with a total rule strength of 1.16. Meanwhile, the FP-Growth algorithm produced 52 association rules with the same total rule strength of 1.16. The Clustering Method resulted in 7 clusters with a similarity value of 0.06322. After comparison, the FP-Growth algorithm proved to have better performance in generating association rules compared to the Apriori algorithm.
Prediksi Gangguan Kesehatan Mental pada Kalangan Mahasiswa Menggunakan Metode Pseudo-Labeling dan Algoritma Regresi Logistik Sari, Anggraini Puspita; Prasetya, Dwi Arman; Aditiawan, Firza Prima; Al Haromainy, Muhammad Muharrom
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 4 No 2(SEMNASTIK) (2024): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akunt
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/tamika.Vol4No2(SEMNASTIK).pp40-48

Abstract

Mental illness is a health condition that alters a person's thoughts, feelings, or behaviors, leading to distress and difficulty in maintaining a normal life. Mental health issues should not be taken lightly due to the challenges associated with diagnosis. Many students tend to experience mental health problems at various stages of their education, from diploma programs to doctoral studies. This situation becomes more critical as students approach the end of their studies and anticipate future prospects. This article explores the mental health status of students through symptoms, using logistic regression methods for prediction based on the dataset used. In this study, two types of data are employed: labeled dataset and unlabeled dataset, which are combined to create a semi-supervised learning approach. Labeled dataset is classified using a logistic regression algorithm, while unlabeled dataset employs the pseudo-labeling method. The analysis and modeling of the dataset indicate that the comparison between labeled and unlabeled dataset can significantly affect accuracy and processing time. Furthermore, the use of the pseudo-labeling method with the logistic regression algorithm is well-suited for the mental health case study, achieving an accuracy of 98% with a labeled to unlabeled dataset ratio of 1:2.
PENGARUH RFE TERHADAP LOGISTIC REGRESSION DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN HOTEL SHANGRI-LA SURABAYA Maulana Herza, Fakhri; Rahmat, Basuki; Muharrom Al Haromainy, Muhammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11272

Abstract

Analisis sentimen merupakan alat penting dalam industri pariwisata untuk memahami respon dan pengalaman tamu terhadap layanan hotel, di mana ulasan tamu sebelumnya berperan krusial dalam membentuk persepsi calon tamu terhadap kualitas fasilitas dan daya tarik hotel. Tantangan utama dalam analisis sentimen adalah memilih fitur yang paling relevan untuk meningkatkan kinerja model prediksi, karena tidak semua kata atau fitur dalam ulasan memiliki kontribusi signifikan dalam membedakan sentimen positif dan negatif. Dalam konteks ini, metode Recursive Feature Elimination (RFE) memiliki potensi untuk mengoptimalkan pemilihan fitur dengan mengeliminasi fitur yang kurang informatif, sehingga dapat meningkatkan akurasi model Logistic Regression dan Support Vector Machine (SVM). Penelitian ini fokus pada pengaruh penerapan RFE terhadap kinerja kedua model tersebut dalam analisis sentimen ulasan tamu di Hotel Shangri-La Surabaya, dengan data sebanyak 3719 ulasan. Hasil pengujian menunjukkan bahwa pada model Logistic Regression yang menggunakan RFE, terdapat peningkatan performa yang signifikan dalam presisi, sensitivitas, F1 Score, dan akurasi, dengan rata-rata peningkatan sebesar 9%. Pada model SVM, peningkatan performa bahkan lebih signifikan dengan rata-rata peningkatan sebesar 14%, yang menunjukkan bahwa penerapan RFE secara efektif meningkatkan kualitas prediksi kedua model dalam konteks analisis sentimen ulasan hotel.
Implementasi Metode Rapid Application Development Pada Aplikasi Sistem Informasi Monitoring Santri Berbasis Website Anggraini Puspita Sari; Haromainy, Muhammad Muharrom Al; Ryan Purnomo
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 1: MARET 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i1.348

Abstract

Penelitian ini bertujuan membuat sistem informasi monitoring santri berbasis website sebagai sentralisasi informasi data santri yang dapat dijadikan pusat informasi bagi wali santri. Penelitian ini menggunakan pendekatan terstruktur dalam pembuatan sistem dan mengadopsi pengembangan perangkat lunak dengan metode Rapid Application Development (RAD). Dalam penelitian ini diterapkan langkah-langkah RAD untuk membangun aplikasi Sistem Informasi Monitoring Santri yang efisien dan responsif. Tahap awal melibatkan pemahaman mendalam terhadap kebutuhan pengguna yang kemudian digunakan untuk merancang prototipe awal. Prototipe ini dievaluasi oleh pengguna akhir untuk mendapatkan umpan balik yang digunakan untuk memperbaiki dan mengembangkan aplikasi lebih lanjut. Selama pengembangan, kolaborasi antara pengembang dan pengguna sangat penting. Metode RAD memungkinkan fleksibilitas dalam perubahan kebutuhan dan prioritas, sehingga memungkinkan aplikasi untuk beradaptasi dengan cepat terhadap perubahan lingkungan. Proses pengembangan berlangsung dengan iterasi berulang yang memungkinkan perbaikan dan peningkatan berkelanjutan. Hasil dari penelitian ini adalah aplikasi Sistem Informasi Monitoring Santri yang siap digunakan dan responsif terhadap kebutuhan pengguna. Metode RAD memungkinkan pengembangan aplikasi dengan waktu yang lebih singkat dibandingkan dengan metode tradisional, sehingga memungkinkan penyedia layanan pendidikan untuk lebih efisien dalam memantau dan mengelola data santri. Penelitian ini menunjukkan bahwa metode RAD efektif dalam mengembangkan aplikasi Sistem Informasi Monitoring Santri berbasis website.
KLASIFIKASI PENYAKIT KULIT BERBASIS SUPPORT VECTOR MACHINE DENGAN EKSTRAKSI FITUR ABCD RULE Wibisono, Al Danny Rian; Mandyartha, Eka Prakarsa; Al Haromainy, Muhammad Muharrom
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 1 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i1.6039

Abstract

Penyakit kulit merupakan masalah kesehatan yang signifikan, gejala dari penyakit ini berupa gatal, nyeri, mati rasa, dan kemerahan. Penyakit ini dapat disebabkan oleh beberapa faktor seperti virus, jamur, dan mikroorganisme. Menurut data Dinas Kesehatan Surabaya tahun 2019, prevalensi penyakit kulit dan jaringan subkutan mencapai 4,53%, menjadikannya penyakit terbanyak keenam yang dialami masyarakat. Oleh sebab itu, pada penelitian ini diusulkan sebuah penelitian mengenai klasifikasi penyakit kulit menggunakan Support Vector Machine melalui analisis fitur ABCD Rule. Pada penelitian ini akan dilakukan labeling pada 5 kelas penyakit kulit yang akan digunakan sebagai data latih dan data uji melalui 7 tahapan utama yakni Pengumpulan Dataset Citra Penyakit Kulit, Pre-processing Inpaint Talea, Pre-processing Gaussian Blur dan Normalisasi Mask, Segmentasi Thresholding Otsu Bitwise, Restorasi Kontur, Ekstraksi Fitur ABCD Rule, dan klasifikasi menggunakan Support Vector Machine (SVM). Sebanyak 4 skenario pengujian dilakukan untuk menemukan model terbaik, dimana skenario pengujian melibatkan pengaturan pembagian data yang berbeda, kernel berbeda, dan parameter yang berbeda pada model Support Vector Machine (SVM). Melalui skenario tersebut didapatkan hasil terbaik, yaitu Akurasi sebesar 86,42%, Spesifisitas sebesar 96,60%, dan Sensitivitas sebesar 86,42%. Hal ini menunjukkan bahwa metode yang diusulkan memiliki kinerja yang cukup baik dalam mengklasifikasikan jenis penyakit kulit. Penelitian ini tidak hanya berpotensi dalam meningkatkan diagnosis penyakit kulit secara efisien, tetapi juga mendorong pengembangan sistem deteksi berbasis teknologi untuk mendukung layanan kesehatan kulit yang lebih terjangkau dan andal.
Comparison of Recurrent Neural Network and Naive Bayes Algorithms in Identifying Stunting in Toddlers Sujayanti, Forentina Kerti Pratiwi; Via, Yisti Vita; Haromainy, Muhammad Muharrom Al
Indonesian Journal of Artificial Intelligence and Data Mining Vol 8, No 1 (2025): March 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v8i1.33946

Abstract

Stunting in toddlers is a health issue that affects their quality of life. This study aims to predict stunting status using three classification methods: Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), and Gaussian Naive Bayes. The dataset from Kaggle was split into 70% for training and 30% for testing to ensure optimal model evaluation. The RNN model was built with three hidden layers of 64 units each, while the LSTM model had four hidden layers with the same number of units. Both models utilized hidden states to capture temporal patterns and employed the tanh activation function to detect complex data patterns. The ADAM optimizer with a learning rate of 0.001 was applied to accelerate convergence. In contrast, the Gaussian Naive Bayes model used a simple probabilistic approach without temporal patterns, making it suitable for simpler datasets. Evaluation using accuracy and RMSE showed that LSTM achieved the highest accuracy (91%), followed by RNN (90%), though both exhibited signs of overfitting. Gaussian Naive Bayes attained 72% accuracy with stable performance. While LSTM and RNN effectively capture complex temporal patterns, they are prone to overfitting, whereas Gaussian Naive Bayes is suitable for initial implementation or simpler datasets, supporting early intervention for stunted toddlers.
Perancangan Aplikasi Mobile Pembelajaran Bahasa Berbasis Podcast dan Penerapan Hybrid Recommender System Anugerah, Rico Putra; Nugroho, Budi; Al Haromainy, Muhammad Muharrom
CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Vol 11 No 1 (2025): CICES
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/cices.v11i1.3509

Abstract

This research develops a mobile application based on podcasts to enhance language skills, particularly in listening. Listening is considered a priority because vocabulary comprehension is necessary before mastering speaking, reading, and writing. Podcasts are chosen as the learning medium due to their ability to present audio on specific topics, aiding users in more effectively understanding the language. The application is also equipped with a recommendation system that utilizes the Hybrid Recommender System method, tailoring content based on user behavior and content similarity. The research results show that this application can optimize language learning, with a particular focus on language learning through podcasts, and helps users improve their language skills with a precision value of 85,6%, recall 85,9%, F1-Measure 88% and 80,2 for SUS testing.
Rancang Bangun Sistem Evaluasi Kepuasan Akademis dan Analisis Topik pada Komentar Menggunakan Latent Dirichlet Allocation Volem Alvaro Azira Azira; Afina Lina Nurlaili; Muhammad Muharrom Al Haromainy
COMSERVA : Jurnal Penelitian dan Pengabdian Masyarakat Vol. 4 No. 12 (2025): COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/comserva.v4i12.3113

Abstract

Sistem evaluasi akademik sering bergantung pada alat pihak ketiga seperti Google Forms, yang kurang mampu menganalisis data teks secara mendalam. Gugus Kendali Mutu Fakultas (GKMF) Fakultas Ilmu Komputer UPN Veteran Jawa Timur membutuhkan sistem khusus untuk menganalisis umpan balik mahasiswa secara efisien. Penelitian ini bertujuan untuk (1) merancang sistem evaluasi kepuasan akademik berbasis web menggunakan MERN Stack, (2) menerapkan Latent Dirichlet Allocation (LDA) untuk analisis topik komentar mahasiswa, dan (3) mengintegrasikan Firebase Cloud Messaging (FCM) guna meningkatkan partisipasi melalui notifikasi otomatis. Sistem dikembangkan dengan MERN Stack, LDA untuk pemodelan topik (JavaScript/Node.js), dan FCM untuk notifikasi. Pengujian menggunakan blackbox testing dan USE Questionnaire. Sistem memperoleh skor kepuasan pengguna tinggi (kegunaan: 85,33%, kemudahan penggunaan: 86,67%). LDA menghasilkan 10 topik, dengan koherensi tertinggi (0,495) pada topik "peningkatan kualitas pengajaran." Penelitian ini menyediakan solusi terukur untuk analisis umpan balik akademik dan merekomendasikan pengembangan seperti analisis sentimen dan analitik real-time.
Co-Authors Abadi, Luthfiyana Mahrurin Abdillah, Ikhwan Abdul Rezha Efrat Najaf Achmad Junaidi Afina Lina Nurlaili Agung Mustika Rizki, Agung Mustika Agus Wibowo Agus Zainal Arifin Ahmad Saikhu Akbar, Fawwaz Ali Al Fatih, Abdullah Alghiffary, Rizqi Andreas Nugroho Sihananto Angga Lisdiyanto Anggraini Puspita Sari Anita Puspitasari Annisa Dwi Puspitarini Anugerah, Rico Putra ASHARI, FAISAL Avi Sunani Aviolla Terza Damaliana Azira, Volem Alvaro Azira Basuki Rahmat Masdi Siduppa Budi Nugroho Budi Nugroho Chairil, Augustin Mustika Chastine Fatichah Christianty, Theressa Marry Darmawan, Marcellinus Aditya Vitro Dwi Arman Prasetya Dwi Arman Prasetya Dwi Sutrisno, Rahmat Edi Sugiyanto Eka Prakarsa Mandyartha Eva Yulia Puspaningrum Fania Imelda Safitri Faris Syaifulloh Farkhan Fauzan Akbari, Muhamad Fauzi, Zaky Ahmad Fetty Tri Anggraeny Firza Prima Aditiawan Fitrani, Laqma Dica Ganal Arief Rahmawan Gusti Eka Yuliastuti Hajjar, Debrina Octrisya Hardiansyah, In Naka Malik Hidra Amnur I Wayan Alston Argodi Istian Kriya Almanfakulti Jeziano Rizkita Boyas Kartini Kartini Kurnia, Lusi Kusuma Wardani, Amalia Dwi Lailatul Musyaffaah Lina Nurlaili, Afina Lintang Putri Permatasari Lisdiyanto, Angga Lusian Nandang Arjamulia Maulana Herza, Fakhri Maulana, Hendra Maulana, Vieri Arief Mohammad Setyo Wardono Muhammad Daffa Arifin Muhammad Izdihar Alwin Muzdalifah, Nayani Alya Aquila Nia Dwi Puspitasari Nur Nafisatul Fitriyah Nurlaili, Afina Lina Nurrahman, Sintya Fadillah Oktaviana, Dinda Friska Panjaitan, Tompo Paramitha, Clara Diva Permatasari, Reisa Pratama Wirya Atmaja Prinafsika Purnomo, Ryan Putra, Chrystia Aji Putra, Gredy Christian Hendrawan Raden Kokoh Haryo Putro Reza, Reno Alfa Rizka Fadhillah, Irnanda Ryan Purnomo Ryan Purnomo Samodera, Bayu Sari, Rizky Buana Satrio, Deva Dwi Setyawan, Dimas Ari Shalehuddin Albawani, Raden Siregar, Talitha Aurora Nadenggan Sujayanti, Forentina Kerti Pratiwi Suprapti Suprapti Taufiqqurrahman, Husain Tri Septianto Trimono, Trimono Triyana, Dimas Volem Alvaro Azira Azira Wahyu Eko Pujianto Wahyu Fahrul Ridho Wahyu Syaifullah JS Waluya, Onny Kartika Waskito, Achmad Derajat Wibisono, Al Danny Rian Widowati, Elok Winarti ., Winarti Yisti Vita Via