Article Per Year (5 Year)
p-Index From 2021 - 2026
8.753
P-Index
This Author published in this journals
All Journal Jurnal Media Infotama Techno.Com: Jurnal Teknologi Informasi JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Informatika dan Teknik Elektro Terapan Register: Jurnal Ilmiah Teknologi Sistem Informasi JOIV : International Journal on Informatics Visualization 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 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) 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 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 Horizon: Indonesian Journal of Multidisciplinary Modem : Jurnal Informatika dan Sains Teknologi Joong-Ki Jurnal Informatika Dan Tekonologi Komputer Jurnal Publikasi Sistem Informasi dan Manajemen Bisnis Mujtama’ Jurnal Pengabdian Masyarakat Teknik: Jurnal Teknik Mesin, Elektro dan Ilmu 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 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 : 71 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 71 Documents
Search

 4   5   6   7   8 
An SMOTE-Optimized MLP Approach for Classification of Diabetes Health Status Ferry Trilaksana Putra; Eva Yulia Puspaningrum; Muhammad Muharrom Al Haromainy
bit-Tech Vol. 8 No. 2 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i2.3340

Abstract

Diabetes mellitus requires accurate classification systems to support early detection and clinical decision-making. Prior research has explored the use of Multilayer Perceptron combined with SMOTE, yet the methodological gap remains in evaluating its effectiveness on multiclass clinical datasets with significant class imbalance, particularly for the Prediabetes category. This study addresses that gap by examining the performance of an MLP model enhanced with SMOTE to improve overall accuracy and minority-class detection. The dataset includes age, gender, blood pressure, random blood glucose, weight, and height as clinical predictors. The preprocessing pipeline consists of label encoding for categorical variables, feature standardization, and the application of SMOTE to balance class distribution. The evaluation follows a consistent 80 10 10 split for training, validation, and testing, with three repeated experimental runs to ensure result stability. On the original imbalanced dataset, the MLP achieved an accuracy of 85 percent and showed limited capability in identifying Prediabetes. After applying SMOTE, accuracy increased to 91 percent, accompanied by notable improvements in recall and F1 score across all health status categories. These results demonstrate that SMOTE enables the model to capture non-linear patterns in minority classes and strengthens overall generalization. The proposed model can be integrated into clinical screening workflows as a decision-support tool. Its predictions can help clinicians identify at-risk individuals earlier, prioritize follow-up actions, and enhance patient management in healthcare settings.
ARAS Method for Ranking Vocational High School Students Achmad Andrian Maulana; Muhammad Muharrom Al Haromainy; Afina Lina Nurlaili
bit-Tech Vol. 8 No. 2 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i2.3369

Abstract

Student performance assessment is a crucial component in strengthening the quality of vocational education. At SMK Muhammadiyah 2 Jogoroto, Kab. Jombang, the evaluation process is still conducted manually and relies primarily on report card scores, leading to subjectivity, inconsistency, and a limited representation of students’ competencies. This study develops a Decision Support System (DSS) by integrating the Rank Order Centroid (ROC) weighting technique and the Additive Ratio Assessment (ARAS) method to provide a clearer and more systematic multicriteria evaluation framework. The analysis involves ten student alternatives evaluated using six criteria: average report card score, attitude, absenteeism, extracurricular activities, achievements, and industrial internship performance. ROC is applied to generate proportional criterion weights based on ranked priority, while ARAS is used to execute the core computational stages, including normalization of each criterion, application of weighted values, calculation of the optimal function score (Si), and determination of utility values (Ui) to rank student performance. The results indicate that the system yields consistent outcomes, with Nikmatuz achieving the highest utility value of 2.65224526 and identified as the top-performing student. These findings show that combining ROC and ARAS enhances assessment accuracy, reduces evaluator bias, and improves transparency in the ranking process. Beyond this case study, the proposed model demonstrates potential for broader application in vocational institutions seeking structured, data-driven mechanisms to evaluate academic and non-academic competencies more comprehensively.
Prediksi Gangguan Kesehatan Mental pada Kalangan Mahasiswa Menggunakan Metode Pseudo-Labeling dan Algoritma Regresi Logistik Anggraini Puspita Sari; Dwi Arman Prasetya; Firza Prima Aditiawan; Muhammad Muharrom Al Haromainy
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 4 No 2 (SEMNASTIK) (2024): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akun
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.
VERIFIKASI WAJAH HIBRID DAN EVALUASI JAWABAN BERBASIS TOPIK PADA APLIKASI TA’ARUF ONLINE SEKUFU Muhamad Fihris Aldama; Muhammad Muharrom Al Haromainy; Afina Lina Nurlaili
ILTEK : Jurnal Teknologi Vol. 21 No. 01 (2026): ILTEK : Jurnal Teknologi
Publisher : Fakultas Teknik Universitas Islam Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47398/iltek.v21i01.270

Abstract

Digitalisasi proses perkenalan secara Islami (ta’aruf) saat ini masih menghadapi tantangan utama berupa ketidakpastian identitas (gharar) dan kurangnya parameter kecocokan yang objektif. Penelitian ini bertujuan membangun aplikasi web ta’aruf bernama "Sekufu" yang mengintegrasikan fitur keamanan biometrik dan evaluasi terstruktur guna meningkatkan keamanan serta kualitas interaksi. Penelitian dilaksanakan di lingkungan UPN "Veteran" Jawa Timur menggunakan metode Rapid Application Development (RAD) dengan sampel pengujian usability sebanyak 30 responden, serta melibatkan pengembangan sistem berarsitektur client-server yang mengolah variabel citra wajah dan skor evaluasi jawaban. Hasil penelitian menunjukkan bahwa fitur verifikasi wajah hibrid (Haar Cascade & FaceNet) mencapai akurasi 95% dengan threshold 0.3, Unit Testing mencapai tingkat keberhasilan lebih dari 80%, dan pengujian SUS memperoleh skor rata-rata 93.06 yang masuk kategori Excellent. Kesimpulannya, integrasi teknologi verifikasi wajah dan evaluasi terstruktur terbukti efektif dalam menciptakan ekosistem ta’aruf digital yang aman dari akun palsu dan terukur secara objektif.
KLASIFIKASI PRIORITAS PENERIMA BANTUAN RTLH MENGGUNAKAN LIGHTGBM DENGAN BAYESIAN OPTIMIZATION DAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM DI KABUPATEN JOMBANG Ferdi Firdaus Ega Pratama; Eva Yulia Puspaningrum; Muhammad Muharrom Al Haromainy
ILTEK : Jurnal Teknologi Vol. 21 No. 01 (2026): ILTEK : Jurnal Teknologi
Publisher : Fakultas Teknik Universitas Islam Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47398/iltek.v21i01.367

Abstract

Penentuan prioritas penerima bantuan Rumah Tidak Layak Huni (RTLH) di Kabupaten Jombang masih dilakukan secara manual melalui survei lapangan dan verifikasi berjenjang, sehingga rentan terhadap subjektivitas dan ketidakkonsistenan dalam pengambilan keputusan. Penelitian ini mengusulkan penerapan algoritma Light Gradient Boosting Machine (LightGBM) yang dioptimasi menggunakan Bayesian Optimization, serta membandingkan performanya dengan Adaptive Neuro-Fuzzy Inference System (ANFIS) untuk mengklasifikasikan prioritas penerima bantuan RTLH secara otomatis dan objektif. Dataset yang digunakan berjumlah 9.173 data dari Dinas Perumahan dan Permukiman Kabupaten Jombang, mencakup 36 variabel yang meliputi karakteristik sosial-ekonomi keluarga dan kondisi fisik bangunan, dengan dua kelas target yaitu Prioritas dan Non-Prioritas. Tahap preprocessing meliputi data cleaning dengan penghapusan missing values, transformasi data kategorikal menggunakan label encoding, dan normalisasi Min-Max Scaler. Bayesian Optimization digunakan untuk menentukan konfigurasi hyperparameter optimal pada LightGBM. Hasil optimasi menghasilkan konfigurasi terbaik dengan n_estimators=446, learning_rate=0,3, num_leaves=75, max_depth=7, min_child_samples=26, dan reg_lambda=6,12. Model LightGBM dengan Bayesian Optimization berhasil mencapai akurasi 95%, presisi 96%, recall 96%, dan F1-Score 96% pada kelas Prioritas. Sementara itu, model ANFIS yang menggunakan 15 fitur terpilih menghasilkan akurasi 91%, presisi 93%, recall 92%, dan F1-Score 92%. Validasi pada data lapangan menunjukkan akurasi LightGBM sebesar 90,88%, membuktikan bahwa model layak diimplementasikan sebagai sistem pendukung keputusan.
Pengujian Sistem Jaringan Dokumentasi Dan Informasi Menggunakan Black Box Testing Dan White Box Testing Muhammad Helmi Satria Fedianto; Firza Prima Aditiawan; Muhammad Muharrom Al Haromainy
Jurnal Publikasi Sistem Informasi dan Manajemen Bisnis Vol. 3 No. 1 (2024): Januari : Jurnal Publikasi Sistem Informasi dan Manajemen Bisnis
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jupsim.v3i1.2447

Abstract

Information systems in a company are important to increase productivity and quality in the company. With the development of technology today, it is certainly an convenience for companies in making information systems to support the performance of the company. To ensure the application runs according to functionality and find undiscovered errors in anticipation of upcoming errors, System testing is needed using Black Box and White Box to find errors in code structure and function errors in forms, interface design and data structures so that it can provide recommendations in accordance with the problems found and also facilitate program code maintenance or program code development in the future. From the test results, no problems were found in the login function and the majority of forms did not have handling to check empty input fields and obtained an effectiveness value of 62.5%..
IMPLEMENTASI ARSITEKTUR EFFICIENTNETB2 UNTUK KLASIFIKASI CITRA DAUN HERBAL Dinda Friska Oktaviana; Achmad Junaidi; Muhammad Muharrom Al Haromainy
ILTEK : Jurnal Teknologi Vol. 20 No. 02 (2025): ILTEK : Jurnal Teknologi
Publisher : Fakultas Teknik Universitas Islam Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47398/iltek.v20i02.257

Abstract

Daun herbal telah lama dimanfaatkan sebagai bahan pengobatan tradisional di Indonesia, namun proses identifikasi jenisnya sering menjadi tantangan akibat keterbatasan pengetahuan masyarakat dan kemiripan visual antar daun herbal. Penelitian ini bertujuan menguji performa model klasifikasi daun herbal untuk memperoleh akurasi optimal. Metode yang digunakan adalah CNN dengan arsitektur EfficientNetB2 untuk mengklasifikasikan citra sepuluh jenis daun herbal Indonesia. Dataset merupakan gabungan data primer dan sekunder, yang kemudian dibagi menjadi 80:20 untuk pelatihan dan pengujian. Tiga skenario jumlah epoch diterapkan, yaitu 10, 20, dan 30, dengan konfigurasi tiga hidden layer yang masing-masing berisi 128 neuron. Hasil pengujian menunjukkan bahwa konfigurasi terbaik diperoleh pada skenario 30 epoch dengan akurasi rata-rata mencapai 99,09%. Nilai presisi, recall, dan f1-score pada skenario ini masing-masing sebesar 99%, menunjukkan kinerja yang sangat tinggi dan konsisten. Selisih performa antar skenario pengujian tergolong tipis, sehingga setiap konfigurasi mampu memberikan hasil yang kompetitif. Selain itu, model berhasil membedakan jenis daun dengan kemiripan visual tinggi secara akurat. Dengan demikian, EfficientNetB2 berhasil mencapai akurasi optimal untuk klasifikasi citra daun herbal.
Klasifikasi Citra Tulisan Tangan Aksara Sunda Berbasis Inception-ResNetV2 dengan Transfer Learning Clara Diva Paramitha; Achmad Junaidi; Muhammad Muharrom Al Haromainy
ILTEK : Jurnal Teknologi Vol. 20 No. 02 (2025): ILTEK : Jurnal Teknologi
Publisher : Fakultas Teknik Universitas Islam Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47398/iltek.v20i02.258

Abstract

Aksara Sunda adalah aksara yang semakin jarang digunakan sehingga masyarakat awam sering tidak familiar dengan bentuknya, terutama saat membaca tulisan tangan yang selalu memiliki variasi tergantung penulisnya sehingga ada keterbatasan dalam mengenali bentuknya. Penelitian ini berfungsi untuk menguji performa model deep learning untuk tugas klasifikasi 23 kelas Aksara Sunda serta menguji kombinasi model terhadap berbagai parameter agar dapat memberikan hasil optimal. Penelitian ini menggunakan Inception-ResNetV2 yang dikombinasikan dengan metode fine-tuning transfer learning untuk diuji terhadap tiga optimizer dan learning rate sebanyak 20 epoch. Data pada penelitian ini gabungan dari data GitHub dan data pengumpulan mandiri. Pengujian ini menggunakan rasio 80:20 untuk data latih dan data uji. Optimizer yang diuji adalah SGD, Adam, dan RMSProp. Hasil pengujian menunjukkan bahwa tiap-tiap optimizer mampu memberikan hasil teroptimalnya pada parameter tertentu. Melihat skor performa, RMSProp 0.0001 berhasil mencapai nilai akurasi data uji tertinggi pada 99.15%, diikuti oleh SGD 0.01 dengan akurasi data uji 98.66%, lalu disusul Adam 0.0001 dengan akurasi data uji 96.61%. Akan tetapi, melihat grafik kurva, optimizer SGD lebih stabil dibandingkan RMSProp—yang mengalami guncangan di awal—ataupun Adam—yang mengalami gejala overfitting ringan. Hasil kontradiktif ini dapat menjadi pembelajaran untuk penelitian selanjutnya.
Prediksi Tingkat Pengangguran di Wilayah Provinsi Jawa Timur Menggunakan Metode Elman Recurrent Neural Network (ERNN) Tompo Panjaitan; Fetty Tri Anggraeny; Muhammad Muharrom Al Haromainy
Jurnal Media Infotama Vol 20 No 2 (2024): Oktober
Publisher : UNIVED Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37676/jmi.v20i2.6198

Abstract

Tingkat pengangguran merupakan indikator penting dalam mengukur kesehatan ekonomi suatu negara dan kesejahteraan masyarakatnya. Dalam konteks Indonesia, masalah pengangguran terbuka menjadi tantangan yang perlu ditangani secara serius untuk mencapai pertumbuhan ekonomi yang inklusif dan berkelanjutan. Oleh karena itu dilakukan penelitian penerapan metode Elman Recurrent Neural Network untuk prediksi tingkat Pengangguran di wilayah Provinsi Jawa Timur. Data yang digunakan yaitu data Tingkat Pengangguran Terbuka (TPT) Provinsi Jawa Timur dari tahun 2001 sampai dengan tahun 2022. Data tersebut dirubah kedalam bentuk data time series dengan variabel berjumlah 5. Penelitian ini menggunakan jumlah epoch 500, learning rate (α) 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8,0.9 dan 0.1, dan toleransi error 0.001. Hasil pengujian MSE pada penelitian ini menunjukkan nilai MSE terkecil pada learning rate 0.01 dengan data latih 90% dan data uji 10% dengan nilai MSE 0,061227.
Deepening Understanding of Specific Issues through Structured Academic Controversy: A Perspective of Cooperative Learning Ryan Purnomo; Nur Nafisatul Fitriyah; Suprapti Suprapti; Muhammad Muharrom Al Haromainy
Kalam Cendekia: Jurnal Ilmiah Kependidikan Vol 11, No 3 (2023): Kalam Cendekia: Jurnal Ilmiah Kependidikan
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/jkc.v11i3.79550

Abstract

Penelitian ini bertujuan untuk memperkenalkan dan menekankan pemanfaatan kontroversi akademik terstruktur sebagai model teknik pembelajaran kooperatif bagi mahasiswa universitas. Meskipun pentingnya berpikir kritis dan pembelajaran kooperatif dalam pendidikan tinggi semakin meningkat, kurangnya teknik yang efektif menghambat perkembangan keterampilan penting ini. Tujuan utama dari penelitian ini adalah untuk menunjukkan efektivitas kontroversi akademik terstruktur dalam meningkatkan keterampilan berpikir kritis dan mempromosikan pembelajaran kolaboratif di kalangan mahasiswa universitas yang mempelajari bahasa Inggris sebagai bahasa asing (EFL). Melalui tinjauan komprehensif terhadap literatur yang ada dan studi kasus, penelitian ini menyoroti implementasi sukses kontroversi akademik terstruktur dalam beragam pengaturan kelas EFL, menampilkan adaptabilitas dan efektivitasnya dalam memfasilitasi pembelajaran kooperatif dan keterampilan berpikir kritis di antara mahasiswa.Temuan menunjukkan peningkatan yang signifikan dalam kemampuan mahasiswa untuk menganalisis secara kritis isu-isu kompleks, mengembangkan pandangan yang nuansat, dan berinteraksi secara konstruktif dengan sudut pandang yang berlawanan, mengindikasikan potensi kontroversi akademik terstruktur dalam menciptakan lingkungan pembelajaran yang kokoh. Sebagai kesimpulan, integrasi sistematis kontroversi akademik terstruktur dalam lingkungan pembelajaran EFL dapat secara signifikan berkontribusi pada pengembangan keterampilan berpikir kritis dan mempromosikan suasana pendidikan yang kolaboratif dan intelektual yang merangsang.
Co-Authors Abdillah, Ikhwan Abdul Rezha Efrat Najaf Achmad Andrian Maulana Achmad Junaidi Achmad Rozy Priambodo Agung Mustika Rizki, Agung Mustika Agus Wibowo Agus Zainal Arifin Ahmad Saikhu Akbar, Fawwaz Ali Al Danny Rian Wibisono Al Fatih, Abdullah Alya Izzah Zalfa Rihadah Ramadhani Nirwana Putri Ananda Ayu Puspitaningrum Andreas Nugroho Sihananto Angga Lisdiyanto Anggraini Puspita Sari Anggraini Puspita Sari Anita Puspitasari Annisa Dwi Puspitarini Anugerah, Rico Putra Arraya Akhsa Putra Priyadizah ASHARI, FAISAL Avi Sunani Aviolla Terza Damaliana Azira, Volem Alvaro Azira Basuki Rahmat Masdi Siduppa Bima Arya Kurniawan Budi Nugroho Chairil, Augustin Mustika Chastine Fatichah Christianty, Theressa Marry Clara Diva Paramitha Darmawan, Marcellinus Aditya Vitro Dhimas Wahyu Prayogi Dian Maharani Dinda Friska Oktaviana Dwi Arman Prasetya Dwi Arman Prasetya Dwi Arman Prasetya Edi Sugiyanto Eva Yulia Puspaningrum Fania Imelda Safitri Faris Syaifulloh Farkhan Fauzi, Zaky Ahmad Ferdi Firdaus Ega Pratama Ferry Trilaksana Putra Fetty Tri Anggraeny Firza Prima Aditiawan Fitrani, Laqma Dica Ganal Arief Rahmawan Gusti Eka Yuliastuti Hajjar, Debrina Octrisya Hardiansyah, In Naka Malik Henni Endah Wahanani Hidra Amnur I Wayan Alston Argodi I Wayan Alston Argodi Istian Kriya Almanfakulti Jeziano Rizkita Boyas Kartini Kartini Kevin Iansyah Kusuma Wardani, Amalia Dwi Lailatul Musyaffaah Lina Nurlaili, Afina Lintang Putri Permatasari Lusi Kurnia Lusian Nandang Arjamulia M. Sa’aduddin Abdillah Yusuf Mandyartha, Eka Prakarsa Maulana Herza, Fakhri Maulana, Hendra Maulana, Vieri Arief Moh. Angga Ardiyansyah Mohammad Habim Hazidan Rifqi Mohammad Setyo Wardono Muhamad Fihris Aldama Muhammad Albert Nur Agathon Muhammad Baihaqi Arrisalah Muhammad Daffa Arifin Muhammad Helmi Satria Fedianto Muhammad Izdihar Alwin Muhammad Rifaldi Syaril Mashafy Muzdalifah, Nayani Alya Aquila Nia Dwi Puspitasari Nugroho, Budi Nur Nafisatul Fitriyah Nurlaili, Afina Lina Nurlaili, Afina Lina Permatasari, Reisa Pratama Wirya Atmaja Prinafsika Putra, Chrystia Aji Putra, Gredy Christian Hendrawan Raden Kokoh Haryo Putro Rafie Ishaq Maulana Rafif Ilafi Wahyu Gunawan Ramadhani, Muhammad Nabil Retno Mumpuni Reza, Reno Alfa Riza Satria Putra Rizka Fadhillah, Irnanda 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 Taufiqqurrahman, Husain Tompo Panjaitan 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 Winarti ., Winarti Yisti Vita Via