Article Per Year (5 Year)
p-Index From 2020 - 2025
4.379
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering JUITA : Jurnal Informatika ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING JURNAL LENTERA : Kajian Keagamaan, Keilmuan dan Teknologi MIND (Multimedia Artificial Intelligent Networking Database) Journal TESLA: Jurnal Teknik Elektro Jurnal Tekinkom (Teknik Informasi dan Komputer) Jurnal Teknik Informatika (JUTIF) Almufi Jurnal Pengabdian kepada Masyarakat eProceedings of Engineering Jurnal Nasional Sains dan Teknik
Nur Ibrahim
Telkom University
Religion Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 62 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 62 Documents
Search

 3   4   5   6   7 
Identifikasi Batik Pekalongan Menggunakan Metode Gray Level Co-occurrence Matrix Dan Probabilistic Neutral Network Frisnanda Aditya; Jangkung Raharjo; Nur Ibrahim
eProceedings of Engineering Vol 6, No 3 (2019): Desember 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Batik adalah kesenian menggambar diatas kain yang dalam pembuatannya dilakukan secara khusus. Kerajinan batik setiap daerah memiliki ciri khas tertentu salah satunya batik Pekalongan. Perkembangan dan jenis yang membedakan batik dari negara lain masih belum banyak yang mengetahui, dikarenakan belum adanya pendataan secara komputerisasi yang baik dan belum adanya aplikasi untuk menganalisis batik Pekalongan guna membantu pengetahuan masyarakat Indonesia. Berdasarkan permasalahan diatas penulis membuat sistem yang dapat mengidentifikasi motif batik Pekalongan. Pada Tugas Akhir ini telah dilakukan penelitian Identifikasi batik Pekalongan menggunakan metode Gray Level Co-occurrence Matrix sebagai metode ekstraksi ciri dan metode Probabilistic Neural Network sebagai klasifikasi. Metode Gray Level Co-occurrence Matrix merupakan matriks yang mengandung informasi mengenai posisi ketetanggaan piksel yang memiliki tingkat keabuan tertentu. Jaringan Probabilistic Neural Network jauh lebih relatif tidak sensitif terhadap outlier dan menghasilkan prediksi probabilitas target yang akurat. Dari hasil pengujian pengklasifikasian ini diperoleh akurasi terbaik 98,33%. Akurasi diperoleh dari pengujian 150 citra menggunakan parameter Gray Level CoOccurrence Matrix kontras-korelasi-energy-homogenitas, dengan nilai sudut 𝟎°, 𝟒𝟓°, 𝟗𝟎°𝟏𝟑𝟓°, dan radius = 1 dan Probabilistic Neural Network yaitu, ukuran gambar 256 × 256, dan nilai spread 0.1.Kata Kunci: Batik, Gray Level Co-Occurrence Matrix, Probabilistic Neutral Network Abstract Batik is the art of drawing on fabric which is specially made in its making. Batik crafts in each region have certain characteristics, one of which is Pekalongan batik. Not many people know about the development and types that distinguish batik from other countries, due to the lack of a good computerized data collection and the absence of applications to analyze Pekalongan batik to help the knowledge of the Indonesian people. Based on the above problems the writer makes a system that can identify Pekalongan batik motifs. In this Final Project a research on Pekalongan batik identification has been carried out using the Gray Level Co-occurrence Matrix method as a feature extraction method and the Probabilistic Neural Network method as a classification method. The Gray Level Co-Occurrence Matrix method is a matrix that contains information about the neighboring pixel positions that have a certain gray level. Probabilistic Neural Networks are far more relatively insensitive to outliers and produce accurate target probability predictions. From the test results obtained the best accuracy of 98,33%. Accuracy was obtained from testing 150 images using the parameter Gray Level Co-Occurrence Matrix contrast-correlation-energy-homogeneity, with angular values 𝟎°, 𝟒𝟓°, 𝟗𝟎°𝟏𝟑𝟓°, and radius = 1. While Probabilistic Neural Network uses the 256×256 image size parameter and the Spread value 0.1. Keywords: Batik, Gray Level Co-Occurrence Matrix, Probabilistic Neural Network
Identifikasi Penyakit Pada Daun Kopi Menggunakan Metode Local Binary Pattern Dan Random Forest Begita Wahyuningtyas; Iwan Iwut Tritoasmoro; Nur Ibrahim
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Kopi adalah hasil perkebunan yang sangat penting dan merupakan salah satu penghasil devisa terbesar dalam perekonomian Indonesia. Namun, tingkat kualitas dan kuantitas produksi kopi di Indonesia masih rendah. Salah satu faktor yang mempengaruhi adalah kematian tanaman kopi akibat terinfeksi penyakit, sehingga perlu dilakukan pencegahan awal dengan mengidentifikasi penyakit. Identifikasi dapat dilakukan dengan melihat perubahan warna dan bentuk fisik dari daun. Namun, karena lahan perkebunan kopi yang luas dengan jumlah tanaman yang banyak membuat petani kesulitan dalam mengidentifikasi penyakit dengan tepat. Pada tugas akhir ini telah dirancang sistem pengolahan citra digital yang dapat megidentifikasi penyakit pada daun kopi. Penyakit daun kopi diidentifikasi kedalam 3 jenis penyakit, yaitu Leaf Blight, Leaf Miner, dan Leaf Rust. Proses pengolahan citra digital menggunakan metode ekstraksi ciri Local Binary Pattern dan metode klasifikasi Random Forest. Dataset yang digunakan sebanyak 240 citra, terbagi menjadi 192 citra data latih dan 48 citra data uji. Dari hasil pengujian diperoleh akurasi terbaik sebesar 95,83% dengan menggunakan parameter ukuran citra 128x128 piksel, radius LBP = 1, dan nestimators Random Forest = 100. Sehingga dapat disimpulkan bahwa sistem yang dibangun dapat berjalan dengan baik dalam mengidentifikasi penyakit pada daun kopi. Kata Kunci: kopi, penyakit daun, local binary pattern, random forest
Pelatihan Implementasi Metode Virtual Reality untuk Penggambaran Tiga Dimensi (3D) Materi Bangun Ruang Guna Meningkatkan Pemahaman Siswa Rustam; Khaerudin Saleh; Nur Ibrahim; Nasywan Azrial Fariqin; Iqbal Afriadi
Almufi Jurnal Pengabdian Kepada Masyarakat Vol 3 No 1: Juni (2023)
Publisher : Yayasan Almubarak Fil Ilmi

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

Abstract

Pelajaran matematika seringkali membosankan karena sebagian besar siswa mengalami kesulitan dalam memahami pelajaran, khususnya pada materi geometri. Siswa kesulitan membayangkan bentuk geometris asli karena guru masih menggunakan metode menggambar konvensional yaitu menggunakan media dua dimensi seperti papan tulis. Kelemahan lain dari metode konvensional adalah kurangnya efisiensi waktu. Guru dan siswa menghabiskan banyak waktu dalam menjelaskan bentuk geometris. Berangkat dari permasalahan tersebut, tim pengabdian mencoba memberikan solusi berupa penggambaran tiga dimensi bentuk geometris dengan menggunakan metode virtual reality (VR). Metode yang diterapkan dalam kegiatan ini adalah ceramah, praktik penggunaan VR box untuk memvisualisasikan bentuk spasial, diskusi, dan evaluasi. Hasil yang diperoleh menunjukkan bahwa peserta sangat antusias menyaksikan visualisasi bangun ruang menggunakan VR box, dan peserta dapat melihat posisi dan letak jaring-jaring, diagonal bidang, dan diagonal ruang.
Perancangan Desain UI/UX Aplikasi Konsultasi Kesehatan Online Dengan Menggunakan Metode Design Thinking (Studi Kasus : Puskesmas Adiarsa) Ibrahim, Nur; Yusup, Dadang; Carudin, Carudin
JURNAL LENTERA : Kajian Keagamaan, Keilmuan dan Teknologi Vol 23 No 2 (2024): Juni 2024 (Edisi Teknologi Informasi dan Komunikasi)
Publisher : LP2M STAI Miftahul 'Ula (STAIM) Nganjuk

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

Abstract

Adiarsa Health Center is one of the health centers located in West Java, precisely on wirasaba street, East Karawang Regency. Treatment at the Adiarsa Community Health Center can be said to still have several issues, among which is the absence of media or information for teenage patients, where for teenage patients the media is a very important source of information. Based on this, media is needed to facilitate consultation needs. When designing an application, the main factor that is most considered is the user interface design. In designing the user interface using the approach of design thinking, and in testing using the system usability scale (SUS). The design thinking methodology, which comprises five stages empathize, define, ideate, prototype, and test is applied in this study. The results of this research produced a prototype user interface design for an online health consultation application and in the testing stage obtained a SUS score of 75,5. These findings suggest that creating the user interface and user experience of the online health consultation application using the design thingking method can meet user needs and is easy to use.
Detection and counting of wheat ear using YOLOv8 Mas, Muhammad Sabri; Saidah, Sofia; Ibrahim, Nur
International Journal of Electrical and Computer Engineering (IJECE) Vol 14, No 5: October 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v14i5.pp5813-5823

Abstract

Detection and calculation of wheat ears are critical for land management, yield estimation, and crop phenotype analysis. Most methods are based on superficial and color features extracted using machine learning. However, these methods cannot fulfill wheat ear detection and counting in the field due to the limitations of the generated features and their lack of robustness. Various detectors have been created to deal with this problem, but their accuracy and calculation precision still need to be improved. This research proposes a deep learning method using you only look once (YOLO), especially the YOLOv8 model with depth and channel width configuration, stochastic gradient descent (SGD) optimizer, structure modification, and convolution module along with hyperparameter tuning by transfer learning method. The results show that the model achieves a mean average precision (mAP) of 95.80%, precision of 99.90%, recall of 99.50%, and frame per second (FPS) of 22.08. The calculation performance of the wheat ear object achieved accurate performance with a coefficient of determination (R^2) value of 0.977, root mean square error (RMSE) of 2.765, and bias of 1.75.
Prediksi Kanker Paru menggunakan Grid search untuk Optimasi Hyperparameter pada Algoritma MLP dan Logistic Regression PRATIWI, NOR KUMALASARI CAECAR; IBRAHIM, NUR; SAIDAH, SOFIA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 12, No 3: Published July 2024
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i3.556

Abstract

ABSTRAKKanker paru merupakan penyebab utama kematian akibat kanker di seluruh dunia. Prediksi dini kanker paru-paru telah banyak dilakukan, baik berbasis citra maupun data mentah. Prediksi kanker paru berbasis citra memberikan dampak positif dalam diagnosis dini, namun pendekatan berbasis data mentah juga penting dalam memahami faktor risiko dan kondisi yang dapat mempengaruhi perkembangan kanker. Penelitian ini mengusulkan sistem prediksi dini kanker paru dengan basis data klinis dan demografi, menggunakan Multi-Layer Perceptron (MLP) dan logistic regression dengan pemanfaatan grid search optimizer. Kedua model mencapai tingkat akurasi, presisi, recall, dan f1-score sebesar 1, optimal dalam melakukan prediksi data. Pada logistic regression, solver liblinear, penalty L1, dan nilai C yang lebih tinggi berkontribusi pada peningkatan akurasi. Sedangkan pada MLP, konfigurasi aktivasi tanh dan solver adam menghasilkan akurasi yang lebih baik. Hasil ini memberikan keyakinan implementasi MLP dan logistic regression, memiliki potensi dalam mendukung prediksi kanker paru-paru.Kata kunci: kanker paru, multi-layer perceptron, logistic regression, grid search ABSTRACTLung cancer is a leading cause of cancer-related deaths worldwide. Early prediction of lung cancer has been widely conducted, both based on images and raw data. Image-based lung cancer prediction has a positive impact on early diagnosis, but a raw data-driven approach is also crucial for understanding risk factors and conditions that can influence cancer development. This research proposes an early lung cancer prediction system using clinical and demographic data, employing Multi-Layer Perceptron (MLP) and logistic regression with the utilization of grid search. Both models achieved an accuracy, precision, recall, and f1-score of 1, optimal in classifying data. In logistic regression, the liblinear solver, L1 penalty, and higher C values contributed to increased accuracy. Meanwhile, in MLP, the configuration of tanh activation and adam solver yielded better accuracy. Theseresults instill confidence that the implementation of MLP and logistic regression has significant potential in supporting lung cancer prediction.Keywords: lung cancer, multi-layer perceptron, logistic regression, grid search
Pengamanan Pesan pada Steganografi Citra dengan Teknik Penyisipan Spread Spectrum SAIDAH, SOFIA; IBRAHIM, NUR; WIDIANTO, MOCHAMMAD HALDI
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 7, No 3: Published September 2019
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v7i3.544

Abstract

ABSTRAKPada studi ini, dilakukan penggabungan metode - metode untuk memperkuat dan meningkatkan sisi keamanan proses pertukaran informasi atau pesan digital. Metode yang digunakan diantaranya adalah metode kriptografi dan metode steganografi. Implementasi pada sistem yang dibangun dilakukan dengan menyandikan pesan pada penerapan metode steganografi citra dalam menyembunyikan pesan tersandi yang dihasilkan ke dalam sebuah citra warna (RGB) dalam domain Discrete Cosine Transform dengan teknik penyisipan Spread Spectrum. Hasil penelitian menunjukan bahwa kualitas dari stego image sangat mirip dengan cover citra yang digunakan, berdasarkan perolehan nilai performansi objektif PSNR diatas 30 db dan subjektif MOS di atas nilai 4.Kata kunci: Steganografi, Discrete Cosine Transform, Spread Spectrum, PSNR, SNR ABSTRACTIn this study, a combination of methods was used to strengthen and enhance the security side of the process of exchanging information or digital messages. The methods used include cryptographic methods and steganography methods. The implementation of the system built is done by encoding the message on the application of the image steganography method in hiding the encrypted message generated into a color image (RGB) in the Discrete Cosine Transform domain with the Spread Spectrum insertion technique. The results of the study show that the quality of the stego image is very similar to the cover image used, based on the acquisition of an objective performance value of PSNR above 30 db and subjective MOS above a value of 4.Keywords: Steganografi, Discrete Cosine Transform, Spread Spectrum, PSNR, SNR
Image Watermarking pada Citra Medis menggunakan Compressive Sensing berbasis Stationary Wavelet Transform HAFIZHANA, YASQI; SAFITRI, IRMA; NOVAMIZANTI, LEDYA; IBRAHIM, NUR
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 8, No 1: Published January 2020
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v8i1.43

Abstract

ABSTRAKWatermarking pada citra medis dilakukan untuk melindungi hak kepemilikan dan keaslian sebuah citra medis. Proses embedding dan extraction dirancang menggunakan metode Stationary Wavelet Transform (SWT) dan Statistical Mean Manipulation (SMM) untuk mengubah citra host menjadi sinyal sparse kemudian memasuki proses watermarking. Citra watermark dioptimasi dengan menggunakan metode Compressive Sensing (CS). Hasil akhir dari penelitian ini menunjukkan simulasi Image Watermarking dengan Bit Error Rate (BER) mendekati nilai nol dan PSNR lebih besar dari 40 dB, tanpa diberikan serangan. Penerapan Compressive Sensing menyebabkan nilai PSNR meningkat hingga 3,5 dB dan embedding capacity menjadi empat kali lipat lebih baik. Kata Kunci: Image watermarking, Telemedicine, Stationary Wavelet Transform, Statistical Mean Manipulation, Compressive Sensing. ABSTRACT Watermarking in medical images is carried out to protect ownership rights and authenticity of a medical image. The embedding and extraction process was designed using Stationary wavelet transform (SWT) and Statistical Mean Manipulation (SMM) methods to convert the host image into a sparse signal and then enter the watermarking process. The watermark image is optimized using the Compressive Sensing (CS) method. The final result of this final project shows the simulation of Image Watermarking with the Bit Error Rate (BER) approaching zero and PSNR greater than 40 dB, without being given an attack. The application of the Compressive Sensing pursuit will cause the PSNR increase up to 3.5 dB and embedding capacity four times better. Keywords: Image watermarking, Telemedicine, Stationary Wavelet Transform, Statistical Mean Manipulation, Compressive Sensing.
Klasifikasi Tingkat Kematangan Pucuk Daun Teh menggunakan Metode Convolutional Neural Network IBRAHIM, NUR; LESTARY, GITA AYU; HANAFI, FANIESA SAUFANA; SALEH, KHAERUDIN; PRATIWI, NOR KUMALASARI CAECAR; HAQ, MUTHIA SYAFIKA; MASTUR, ADHI IRIANTO
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 10, No 1: Published January 2022
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v10i1.162

Abstract

ABSTRAKIndonesia merupakan salah satu negara besar pengekspor teh di dunia. Luasnya area perkebunan teh menyebabkan setiap blok tanam daun teh memiliki waktu petik dan tingkat kematangan yang berbeda. Sehingga salah satu upaya untuk mengetahui tingkat kematangan daun teh yaitu menerapkan sistem otomatisasi menggunakan pengolahan citra digital. Pada penelitian ini dirancang sebuah sistem klasifikasi tingkat kematangan pucuk daun teh dari jenis sampel varietas Assamica Klon (GMB 7) yang yang berada pada Pusat Penelitian Teh dan Kina Gambung. Penelitian ini menerapkan metode pengolahan citra digital dengan algoritma Convolutional Neural Network (CNN) menggunakan Arsitektur VGGNET19 dan ResNet50. Hasil pengujian sistem memperoleh nilai akurasi terbaik sebesar 97.5% dengan menggunakan arsitektur VGGNET19, Optimizer RMSprop, learning rate 0.01, batch size 32 dan epoch 100.Kata kunci: teh, klasifikasi, Convolutional Neural Network, VGGNET19, ResNet50 ABSTRACTIndonesia is one of the major tea exporting countries in the world. The large area of tea plantations causes each tea leaves planting block to have a different picking time and maturity level. So that one of the efforts to determine the maturity level of tea leaves is to apply an automation system using digital image processing. In this study, a classification system for the maturity level of tea leaves design from the Assamica Klon (GMB 7) variety sample located at the Gambung Tea and Quinine Research Center. This study applies a digital image processing method with the Convolutional Neural Network (CNN) algorithm using VGGNET19 and ResNet50 Architecture. The results of the system test obtained the best accuracy value of 97.5% using the VGGNET19 architecture, RMSprop Optimizer, learning rate 0.01, batch size 32 and epoch 100.Keywords: tea, classification, Convolutional Neural Network, VGGNET19, ResNet50
Pendeteksian Lokasi Sumber Noise (Partial Discharge) secara Tiga Dimensi menggunakan Antenna Array IBRAHIM, NUR
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 3, No 2: Published July - December 2015
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v3i2.106

Abstract

ABSTRAKPada penelitian ini akan dilakukan simulasi teknik pendeteksian lokasi sumber noise berupa partial discharge (PD) pada peralatan tegangan tinggi, dengan menggunakan susunan antena yang terdiri dari empat buah antena monopole sebagai sensor untuk mendeteksi gelombang elektromagnetik (EM) yang dipancarkan dari partial discharge (PD). Algoritma yang digunakan mengacu kepada time difference of arrival (TDOA) dari sinyal yang diterima antar antena (dengan menjadikan salah satu antena sebagai antena referensi). Metode yang digunakan untuk menentukan TDOA adalah metode Akaike Information Criterion, metode Energy Criterion, metode Gabor Centroid, metode threshold detection, metode peak detection, dan metode cross-correlation. Sistem pendeteksian lokasi sumber noise ini menggunakan konfigurasi susunan antena membentuk Y. Jarak antar antena diatur sejauh 2 meter dan 4 meter. Berdasarkan hasil pengamatan dan analisis, konfigurasi susunan antena membentuk Y memiliki tingkat akurasi 97.67%. Metode yang paling akurat untuk menentukan TDOA adalah metode cross-correlation.Kata kunci: PD, TDOA, susunan antena.ABSTRACTThis paper presents a simulation of locating noise source (Partial Discharge) on high-voltage apparatuses, by using antenna array that consisted of four monopole antennas as sensor to record the electromagnetic waves (EM) emitted from Partial Discharge (PD). The detection algorithm is based on the time difference of arrival (TDOA) of the signals received between antennas (by using one of four antennas as reference antenna). The methods to determine TDOAs are Akaike Information Criterion method, Energy Criterion method, Gabor Centroid method, threshold detection method, peak detection method, and/or cross-correlation method. These system use Y-shaped array configuration. The adjusted distance between antennas are 2 meter and 4 meter. From the observation and analysis results, Y-shaped array antenna configuration has accuracy 97.76%. The best method to get TDOA is the cross-correlation method.Keywords: PD, TDOA, antenna array.
Co-Authors Abdul Hafiz Suherman Adhi Irianto Mastur, Adhi Irianto Afifah Amatulla Suaib Andrean David Chrismadandi Anindita Fitriani Annisa Adlina Mulyaningrum Annisa Bianca Hayuningtyas Ari Ashari Jaelani Asyraf Fakhri AZIZAH AULIA RAHMAN BACHERAMSYAH, TASYA FIKRIYAH Bambang Hidayat Bambang Hidayat Begita Wahyuningtyas Carudin, Carudin Citra Marshela Danish Ario Wirawan Denis Ramadana Efri Suhartono Eka Wulandari Fajar Dwi Septria Fanny Oksa Salindri Faturachman Faturachman Fiky Yosef Supratman Firdaus, Muhammad Ilham Zuhruf Frisnanda Aditya Fu'adah, R. Yunendah Nur Galuh Lintang Permatasari Gelar Budiman HAFIZHANA, YASQI HANAFI, FANIESA SAUFANA Heri Syahrian Heri Syahrian, Heri Hilman Fauzi, Hilman Hurianti Vidya Ibnu Da’wan Salim Ubaidah Ilva Herdayanti Inung Wijayanto Iqbal Afriadi Irma Safitri Iwan Iwut Tritoasmoro Iwan Iwut Tritosmoro Jangkung Raharjo Kevin Aglianry KHAERUDIN SALEH Koredianto Usman Krisma Asmoro Ledya Novamizanti LESTARY, GITA AYU Mas, Muhammad Sabri Muh, Ipnu Udjie Hasiru Muh. Gazali Saleh Muhammad Khais Prayoga Muhammad Rizqi Rahmawan Muthia Syafika Haq, Muthia Syafika Nabila Herman Nasywan Azrial Fariqin NOR CAECAR KUMALASARI Nor Kumalasari Caecar Pratiwi PRAMUDITHO, MUHAMMAD ADNAN PRATIWI, NOR KUMALASARI CAESAR R. Yunendah Nur Fu’adah Rahma Nur Auliasari Ramadhan Prasetya Dahlan Ramdhan Nugraha Reyhan Ivandhani Reza Yudistira Rezki Diar Amelia Rifqi, Farhan Sulthan Rita Magdalena Rita Purnamasari Rustam Sa’idah, Sofia Satrio Ardhimasetyo SISLY DESTRI AGUSTIN Sjafril Darana SOFIA SAIDAH Sulthan Rifqi, Farhan SY, NIDAAN KHOFIYA Syamsu Rizal Syamsul Rizal Syamsul Rizal Syifa Maliah Rachmawati TALININGSING, FAUZI FRAHMA UBAIDULLAH, IBNU DAWAN Vidiya Rossa Atfira Vidya, Hurianti Vitria Puspitasari Rahadi Vitria Puspitasari Rahadi WIDIANTO, MOCHAMMAD HALDI Yasman, Fudhla Ramadhana YOGASWARA, HERLAMBANG Yusup, Dadang