Article Per Year (5 Year)
p-Index From 2021 - 2026
5.015
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Bulletin of Electrical Engineering and Informatics Indonesian Journal of Electrical Engineering and Informatics (IJEEI) Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) JOIN (Jurnal Online Informatika) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Building of Informatics, Technology and Science JINAV: Journal of Information and Visualization Charity : Jurnal Pengabdian Masyarakat KLIK: Kajian Ilmiah Informatika dan Komputer eProceedings of Engineering Jurnal Matematika Integratif SmartComp CSRID LOGIC: Jurnal Penelitian Informatika
Jondri Jondri
Universitas Telkom, Bandung
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation

Published : 119 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 119 Documents
Search

 2   3   4   5   6 
Analisis Dan Implementasi Long Short Term Memory Neural Network Untuk Prediksi Harga Bitcoin Muhammad Wildan Putra Aldi; Jondri Jondri; Annisa Aditsania
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Bitcoin adalah salah satu cryptocurrency yang sedang diminati untuk menjadi media investasi dalam meraih keuntungan secara finansial. Meskipun sedang digemari, investasi menggunakan bitcoin masih memiliki resiko yang cukup besar. Agar dapat mengantisipasi resiko yang didapat dalam berinvestasi menggunakan Bitcoin, diperlukan suatu sistem prediksi yang dapat memprediksi pergerakan kurs nilai tukar Bitcoin. Untuk memprediksi harga Bitcoin maka data historis harga Bitcoin akan dipelajari hingga mengenali polapola tertentu. Jaringan syaraf tiruan merupakan salah satu metode yang memiliki kemampuan untuk mempelajari polapola dari suatu data. Sistem yang dibangun pada penelitian ini adalah menggunakan metode jaringan syaraf tiruan yaitu dengan menggunakan arsitektur Long Short Term Memory Neural Networks. Namun teknik ini memerlukan parameter yang tepat untuk mendapatkan hasil prediksi yang akurat. Dalam tugas akhir ini menganalisis beberapa parameter seperti jumlah pola time series, jumlah neuron hidden, max epoch, dan komposisi data latih dan uji terhadap akurasi prediksi yang didapatkan. Hasil analisis menunjukkan bahwa sistem yang dibangun mampu memprediksi harga Bitcoin dengan baik, dengan rata-rata tingkat akurasi sebesar 93.5% terhadap data testing. Kata kunci : bitcoin, prediksi, jaringan syaraf tiruan, long short term memory Abstract Bitcoin is one of the cryptocurrencies that are in demand to become a medium of investment in achieving financial benefits. While it is popular, investments using bitcoin still have considerable risk. In order to anticipate the risks involved in investing using Bitcoin, a prediction system is needed that can predict the movement of the Bitcoin exchange rate. To predict the price of Bitcoin, Bitcoin price historical data will be studied to recognize certain patterns. Artificial neural networks are one method that has the ability to study patterns of data. The system built on this research is using artificial neural network method by using Long Short Term Memory Neural Networks architecture. But this technique needs the right parameters to get accurate prediction results. In this final project analyze the number of neurons in the input and hidden layer to the prediction accuracy obtained. The results of the analysis show that the built system is able to predict the Bitcoin price well, with an accuracy of 95.12% to the data testing. Keywords: bitcoin, prediction, artificial neural network, long short term memory
Pelacakan Keluaran Sistem Linear Pompa Piston Tunggal Dengan Kontrol Panjang Batang Penghubung Pelampung Dan Piston Danu Ardiyanto; Jondri Jondri; Annisa Aditsania
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Tujuan dari penelitian ini adalah membangun ulang model sistem persamaan pompa piston dan merancang kontrol pompa piston terhadap panjang batang penghubung antara pelampung dan pompa piston. Siste m persamaan yang digunakan adalah sistem persamaan linear dan metode yang digunakan untuk menyelesaikan sistem persamaan linear ini adalah Runge-Kutta Orde 4. Fokus pada penelitian ini adalah untuk merancang panjang batang penghubung antara pelampung dan piston agar menghasilkan perubahan tekanan pada pompa piston. Diharapkan panjang batang penghubung antara pelampung dan piston dapat digunakan sebagai variabel kontrol untuk sistem persamaan pompa piston tunggal. Perancangan panjang batang penghubung antara pelampung dan piston dilakukan menggunakan derajat relative dan tracking persamaan linear. Hasil yang didapatkan dari persamaan yang sudah menggunakan variabel kontrol panjang batang penghubung antara pelampung dan piston diperoleh nilai panjang batang penghubung antara pelampung dan piston sebesar 137,6928 m hingga 143,6112 m. Kata Kunci : pompa piston tunggal, sistem persamaan linear, tracking sistem persamaan, Runge-Kutta
Pelacakan Keluaran Sistem Linear Pompa Piston Tunggal Dengan Kontrol Massa Redi Nurjamin; Jondri Nasri; Annisa Aditsania
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Untuk memanfaatkan gelombang laut menjadi energi listrik, dibutuhkan pompa piston. Pompa piston yang ditinjau pada penelitian ini adalah pompa piston tunggal. Pompa piston tunggal ini terdiri dari empat elemen yang bergerak didalam sistem yang terdapat didalam pompa piston tunggal yaitu pelampung, batang, piston dan air dipompa. Pelampung berfungsi sebagai objek yang disimpan dipermukaan air laut yang mana pelampung akan mengikuti gerak dari gelombang laut yang akan membantu piston untuk bergerak secara naik turun yang dihubungkan oleh batang (rod). Piston yang terdapat didalam silinder berguna untuk memompa air yang ada didalam pompa piston untuk menghasilkan perbedaan tekanan yang dapat dikonversi menjadi energi listrik. Tujuan dari Tugas Akhir ini adalah untuk merekontruksi sistem persamaan dari pompa piston tunggal dan merancang kondisi optimal dari massa piston sebagai kontrol terhadap nilai tekanan didalam reservoir yang monoton naik sehingga nilai tekanan didalam reservoir dapat terkontrol di titik tertentu. Metode yang digunakan untuk mencari solusi sistem kontrol dari persamaan pompa piston tunggal adalah metode Runge-Kutta 4 dan tracking kontrol sistem persamaan linear. Kata kunci : piston, Runge-Kutta, derajat relatif
Studi Dan Implementasi Metode Grammatical Evolution Untuk Pembangunan Aplikasi Sistem Prediksi Saham Aditya Kusuma Setyanegara; Jondri Jondri; Untari Novia Wisesty
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Saham merupakan suatu model investasi yang populer saat ini. Dalam berinvestasi, saham memiliki resiko yang dapat membuat investor mengalami kerugian ketika saham yang dibeli sangat tinggi namun terjual dengan harga yang terlalu rendah. Analisis teknikal digunakan untuk mempelajari perilaku harga saham di masa lalu untuk memprediksi harga saham di masa depan. Metode Grammatical Evolution dipilih untuk menyelesaikan kasus ini dengan data input berupa harga saham di masa lalu. Dari hasil penelitian ini, menunjukkan MAPE terkecil adalah 1,17639%, dengan skenario 1000 periode data training dan 250 periode data testing yang merupakan skenario data terbaik yang dapat menghasilkan nilai akurasi tertinggi. Kata kunci : Analisis Teknikal, Grammatical Evolution, MAPE
Peramalan Nilai Tukar Idr-usd Menggunakan Long Short Term Memory Hendra Prasetyanwar; Jondri Jondri
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Penelitian ini bertujuan untuk mengetahui performansi dari jaringan saraf tiruan rekuren model Long Short Term Memory. Data yang digunakan untuk training jaringan saraf tiruan oleh penelitian ini adalah kurs tengah dari rupiah terhadap dolar tahun 2016-2017. Lalu untuk data testing menggunakan kurs tengah dari rupiah terhadap dolar tahun 2018 bulan Januari dan Februari. Kata kunci : kurs tengah, prediksi, long short term memory (LSTM), mean squared error (MSE) Abstract This study aims to determine the performance of recurrent neural network model Long Short Term Memory. The data used for training artificial neural networks by this study is the middle rate of rupiah against the dollar in 2016- 2017. Then for data testing using the middle rate of rupiah against the dollar in 2018 in January and February. Keywords: middle rate, prediction, long short term memory (LSTM), mean squared error (MSE)
Prediksi Harga Saham Menggunakan Support Vector Regression Dan Firefly Algorithm Alfredo Alfredo; Jondri Jondri; Rita Rismala
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam dunia investasi, saham merupakan salah satu instrumen pasar keuangan yang paling populer karena menjanjikan keuntungan yang lebih besar dari instrumen konvensional lain seperti deposito ataupun emas. Keuntungan tersebut didapat dari dividen (keuntungan dari hasil pembagian laba perusahaan) maupun capital gain (keuntungan yang diperoleh dari kelebihan nilai jual terhadap nilai beli saham). Akan tetapi harga suatu saham dapat berubah secara cepat dari waktu ke waktu dan para investor diharapkan untuk segera memutuskan kapan sebaiknya saham dijual atau tetap dipertahankan. Oleh karena itu dibutuhkan sistem yang dapat memprediksi pergerakan harga saham tersebut untuk membantu para investor dalam melakukan analisis dan tindakan yang tepat sehingga resiko dapat diminimalisir dan keuntungan dapat dioptimalkan. Dalam Tugas Akhir ini, akan dibangun sebuah sistem yang melakukan prediksi terhadap harga saham menggunakan analisis teknikal yang diimplementasikan menggunakan Support Vector Regression dan Firefly Algorithm. Support Vector Regression (SVR) merupakan pengembangan dari metode support vector machine untuk kasus regresi. Metode ini mampu mengatasi overfitting serta mampu menunjukkan performa yang bagus. Akan tetapi terdapat kelemahan pada SVR dalam menentukan nilai parameter yang paling optimal untuk digunakan. Untuk mengatasi kelemahan tersebut digunakanlah algoritma optimasi Firefly Algorithm untuk mencari nilai parameter SVR yang paling optimal. Database yang digunakan pada Tugas Akhir ini menggunakan data historis pergerakan harga empat saham blue chip yang mengacu pada finance.yahoo.com periode 2010 - 2014. Hasil penelitian menunjukkan bahwa SVR dan FA dapat diimplementasikan sebagai metode untuk memprediksi harga saham dengan error kurang dari 5%. Kata kunci: Prediksi harga saham, Time Series, Support Vector Regression (SVR), Firefly Algorithm (FA).
Conditional Restricted Boltzmann Machine Untuk Memprediksi Harga Saham (studi Kasus : Saham Pt. Adaro Energy) Patma Oktaviana; Jondri Jondri; Rian Febrian Umbara
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Meramalkan pergerakan harga saham degan benar dapat memberikan keuntungan yang ekonomis secara nyata di masa depan. Dalam Tugas Akhir metode yang digunakan untuk melakukan prediksi ialah metode CRBM, metode ini dikenal cukup optimal dalam memprediksi data yang berdasarkan dari periode masa lalu.  Metode Conditional Restricted Boltzmann Machine (CRBM) adalah model probabilistik yang baru-baru ini diterapkan untuk memecahkan berbagai masalah, termasuk penyaringan kolaboratif, klasifikasi, dan pemodelan motion capture data. CRBM juga merupakan model dimensi tinggi time series dan memiliki derajat yang tinggi dalam paralelisasi. CRBM juga sering digunakan dalam berbagai hal yang berkaitan dengan menentukan akurasi peramalan, misalnya dari pelacakan gerak. Oleh karena itu, dalam Tugas Akhir ini penulis tertarik mengangkat topik ini dengan metode CRBM yang mempunyai kemampuan generik yang sangat baik pada penelitian motion capture. Untuk melakukan penelitian ini, petama-pertama yang harus dilakukan ialah analisis eksplorasi, dimana petingnya menentukan beberapa skenario pengujian dari beberapa dataset periode masa lalu. Kemudian melakukan anlisis komparatif, dimana pengujian awal dibandingkan dengan beberapa skenario perbadingan lainnya untuk menentukan apakah masih ada hasil yang lebih baik lainnya dari skenario yang awalnya diusulkan. Penelitian menggunakan data historis yang berasal dari Bursa Efek Indonesia dan termasuk salah satu bagian dari LQ45. Metode dilatih pada data mingguan, untuk memprediksi jangka pendek untuk satu minggu kedepan. Berdasarkan penelitian yang telah dilakukan dapat diketahui bahwa akurasi prediksi terbaik didapatkan pada periode 2014-2015, dengan MAPE 17,449%.
Penentuan Value-at-risk Untuk Portofolio Pada Indeks Saham Lq45 Menggunakan Algoritma Genetika Muh. Arfan Arsyad; Jondri Jondri; Irma Palupi
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Portofolio   merupakan   s alah  s atu  jenis   inves tas i  yang  beris iko.  Portofolio  yang  bias anya  terdiri  dari beberapa   as et   s aham   s elalu   memiliki   ris iko   ketidakpas tian,   apakah   akan   memperoleh   keuntungan ataukah   kerugian.   Dengan   adanya  hal  ters ebut,  para  inves tor  s angat  berhati-hati   bahkan  s ampai  ada yang   takut  berinves tas i  pada  portofolio   karena  s elalu  ada  ris iko  kerugian.  Ris iko  kerugian  s endiri s ebenarnya  s udah  bias a  terjadi  dalam  inves tas i  portofolio  s aham.  Namun,     s ampai  s aat  ini  belum  ada yang  bis a  menentukan  dengan  pas ti  bes ar  ris iko kerugian  yang  bis a s aja terjadi.  Oleh karena itu, pada paper  ilmiah  ini  akan  dilakukan  penaks iran  dalam  menentukan  bes ar  res iko  kerugian  maks imal  yang dis ebut  juga  s ebagai  Value-at-Risk   (VaR).  Pada  penelitian  ini  akan  dilakukan  penentuan  VaR  untuk s etiap as et s aham(s ekuritas ) pada indeks  LQ45.  Penelitian  ini  menggunakan  data obs ervas i harga s aham pada  indeks  LQ45  s elama 1  tahun,  dari  data ters ebut   dihitung  return  mas ing-mas ing. Data akan dibagi menjadi  dua jenis  yaitu data training  dan data testing.  Metode  yang digunakan dalam penelitan ini terdiri dari  Metode  Peak  Over  Threshold  (POT)  yang  merupakan  s alah s atu dari  metode  Extreme Value Theory (EVT)  dan  Metode  Newton  Raphs on  Jacobian  s erta  dengan  pendekatan  Algoritma  Genetika.  Has il  yang diperoleh  dalam  penelitian  ini  menunjukkan  bahwa  akuras i  nilai  VaR  yang  diperoleh  pada  as et  –  as et indeks  LQ45 yang dihas ilkan s ebes ar 74.41%  dengan nilai  Mean Absolute Error (MAE) s ebes ar 25.59% , dengan  kombinas i  parameter  evolus i  algoritma  genetika  yang  terdiri  dari  jumlah  generas i  1000, ukuran populas i  20, peluang  pindah  s ilang 0.8, pel uang mutas i gen 0.05, dan tingkat kepercayaan  99% . Kata kunci: P ortofolio, VaR, PO T, EVT, Ne wton Raphs on J acobian, Algoritma Ge netika
Gated Restricted Boltzmann Machines (grbm) Pada Data Time Series Faisal Hamdani; Jondri Jondri
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Prediksi harga saham adalah salah suatu kebutuhan yang sangat krusial bagi para investor. Biasanya investor membeli saham untuk mendapatkan keuntungan berdasarkan jumlah saham yang dimiliki yaitu dengan cara membeli suatu saham dengan harga murah dan menjualnya dengan harga yang lebih tinggi. Dengan memprediksi harga saham, pemilik saham dapat membuat keputusan yang tepat dalam melakukan transaksi jual beli saham tersebut. Namun dalam memprediksi harga saham dibutuhkan sistem yang dapat digunakan untuk menghasilkan nilai saham yang akan datang dengan tepat. Pada penelitian ini, metode Deep Belief Network dipilih dengan menggunakan tumpukan Gated Restricted Boltzmann Machine dengan jumlah neuron latent yang berbeda untuk prediksi harga saham. Pengukuran performansi prediksi saham dilakukan setalah tahap tahap perancangan sistem dilakukan. Dengan menggunakan metode Deep Belief Network hasil penelitian sistem prediksi saham mampu memberikan niai error terbaik yaitu RMSE 0,01575 dan MAPE 0.8074 dengan jumlah neuron latent 15. Kata kunci : prediksi saham, Deep Belief Network, Restricted Boltzmann Machine, Gated Restricted Boltzmann Machine Abstract Stock price prediction is one of the most crucial needs for investors. Usually investors buy shares to gain profits based on the number of shares owned by buying a stock at a low price and selling it at a higher price. By predicting stock prices, shareholders can make the right decision in the sale and purchase of such shares. But in predicting stock prices required a system that can be used to generate the value of the stock that will come with the right. In this study, the Deep Belief Network method was selected using the Gated Restricted Boltzmann Machine stack with different latent neuron numbers for stock price predictions. Measurement of stock prediction performance is done after phase of system design stage done. By using Deep Belief Network method result of research of stock prediction system able to give the best error that is RMSE 0,01575 and MAPE 08074 with number of neuron latent 15. Keywords : Stock Prediction, Deep Belief Network, Restricted Boltzmann Machine, Gated Restricted Boltzmann Machine
Prediksi Crash Saham Menggunakan Log Periodic Power Law Dengan Nonlinear Optimization (studi Kasus: Pasar Saham Indonesia) Ditta Febriany Sutrisna; Jondri Jondri; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pergerakan indeks harga saham menjadi tolak ukur para investor untuk membuat keputusan yang akan diambil seperti menjual, mempertahankan, atau membeli saham tersebut. Akan tetapi kondisi harga saham yang tidak menentu atau naik turun, mengakibatkan pasar keuangan rentan terhadap crash harga saham. Pada tugas akhir ini, digunakan model Log Periodic Power Law dengan Nonlinear Optimization untuk memprediksi crash terhadap harga saham. Nonlinear Optimization terdapat dua tahap yaitu metode Tabu Search dan algoritma Levenberg-Marquardt kuadrat terkecil nonlinier. Metode Tabu Search untuk mendapatkan tebakan awal dari parameter model LPPL, dan algoritma Levenberg-Marquardt kuadrat terkecil nonlinier untuk mendapatkan nilai parameter dari model LPPL. Hasil prediksi crash saham dilihat dari distribusi perkiraan waktu krisis dengan peluang paling besar. Berdasarkan informasi dari data IHSG, krisis terjadi pada bulan Oktober 2008. Hasil prediksi menggunakan model LPPL dengan Nonlinear Optimization menunjukkan waktu crash harga saham mendekati nilai pada tanggal 23 Januari 2008. Nilai harapan dengan probabilitas waktu paling besar terjadi pada tanggal 31 Januari 2008. Kata Kunci: Crash, Log Periodic Power Law, Tabu Search, Levenberg-Marquardt
Co-Authors Achmad Hussein Sundawa Kartamihardja Achmad Rizal Achmad Salim Aiman Aditya Kusuma Setyanegara Adnan Hassal Falah Ahmad, Fathih Adawi Akbar, Muhammad Rizqi Al Azhar Al Azhar Alfredo Alfredo Ali Zainal Abidin Assajjad Anditya Arifianto Andrian Yoga Pratama Anggit Nourislam Anggit Nourislam Anggit Nourislam Aniq Atiqi Rohmawati Anisa Nur Aini Annisa Aditsania Arief Hutauruk Arifudin Achmad Artamira Rizqy Amartya Maden Arya Rafif Muhammad Fikri Astri Asroviana Putri Aswindo Putra Bambang Ari Wahyudi Bayu Prabawa Bintang Aryo Dharmawan Bramandyo Widyarto, Edgarsa Daffa Ulayya Suhendra Danang Triantoro M Danang Triantoro Murdiansyah Danu Ardiyanto Dea Taradipa Ardiagarianti Dede Tarwidi Deni Saepudin Denny Maulana Deny Sugiarto Wiradikusuma Devy Yendriani Dieka Nugraha Karyana Ditta Febriany Sutrisna Diwan Mukti Pambuko Diwan Mukti Pambuko, Diwan Mukti Dyas Puspandari E Handayani Echa Pangersa Sugianto Oeoen Edvan Tazul Arifin Eka Handayani Eka Handayani Ema Rachmawati Emha Ainun Erlina Febriani Ersa Christian Prakoso Fahrudin Julianto Faisal HAmdani Fakhrana Kurnia Sutrisno Fani Nuraini Farisi, Kamaludin Hanif Fauzan Azhim Umsohi Fazlur Rahman Amri Febiansyah, Muhamad Fery Kun Widi Yudantyo Firdaniza Firdaniza Fitriyani Fitriyani Fransisca Arvevia Intan Angelia Ghina Khoerunnisa Giali Ghazali Guntur Virgenius Hadi, Salman Farisi Setya Hafidz Firmansyah Hafidz Firmansyah Hafiz Denasputra Halprin Abhirawa Hendra Prasetyanwar Huda Sepriandi Ibrahim Husna Aydadenta Ida Bagus Gde Narinda Giriputra Ika Puspita Dewi Ilham Muhammad Iman Nur Fakhri Imannda Kusuma Putra Indwiarti indwiarti Iqbal Dwihanandrio Irgi Aditya Rachman Irma Palupi Irwan Ramadhana Kamaludin Hanif Farisi Karina Priscilia Karina Priscilia Kemas Muslim Lhaksmana Kukuh Rahingga Permadi Kurniawan Nur Ramadhani Mahmud Dwi Sulistiyo Mahmud Sulistiyo Megi Rahma Dony Moch. Bijaksana Muh. Arfan Arsyad Muhalani, Raisul Muhamad Febiansyah Muhammad Farhan Muzakki Muhammad Fikrie Abdillah Muhammad Ghazali Suwardi Muhammad Hasan Muhammad Hasbi Ashshiddieqy Muhammad Irfan Fathurrahman Muhammad Wildan Putra Aldi Muslim Lhaksmana, Kemas Naufal Dzaky Anwari Naufal Furqan Hardifa Nurseno Bayu Aji Nurseno Bayu Aji Patma Oktaviana Puspandari, Dyas Putri Haryati Rizki Putri Haryati Rizki Putu Harry Gunawan Rafi Hafizhni Anggia Rahadian, Muhammad Rafi Raisul Muhalani Ratih Puspita Furi Redha Arifan Juanda Redi Nurjamin Renette Ersti Reza Harun Rian F. Umbara Rian F. Umbara, Rian F. Rian Febrian Umbara Rica Ning Nurhasanah Rini Shintawati Rita Rismala Rizki Luthfan Azhari Rizky Ahmad Saputra Rizky, Fariz Muhammad Roizal Manullang Siti Sa'adah Siti Saadah Sugondo Hadiyoso Supriadi, Muhamad Rifqi Syadzily , Muhammad Hasan Syifa Khairunnisa Salsabila Tedy Suwega Theo Andrew Tiara Laksmi Basuki Tifani Intan Solihati Tjokorda Agung Budi Wirayuda Ulky Parulian Wibowo Untari Novia Wisesty Untari Wisesty Varian Vianandha Vena Erla Candrika Vera Suryani Widi Astuti Widi Astuti Yahya Setiawan Yosua Marchel