Article Per Year (5 Year)
p-Index From 2021 - 2026
6.41
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Jurnal Ilmiah FIFO JMM (Jurnal Masyarakat Mandiri) JURNAL EDUCAZIONE : Jurnal Pendidikan, Pembelajaran dan Bimbingan dan konseling JMECS (Journal of Measurements, Electronics, Communications, and Systems) bit-Tech Jurnal Teknologi Dan Sistem Informasi Bisnis MUKADIMAH: Jurnal Pendidikan, Sejarah, dan Ilmu-ilmu Sosial Jurnal Manajemen Bisnis dan Kewirausahaan Jurnal Abdi Insani Almufi Jurnal Pengabdian kepada Masyarakat SinarFe7 eProceedings of Engineering Enrichment: Journal of Multidisciplinary Research and Development Jurnal Inovasi Pendidikan Jurnal Humaniora, Ekonomi Syariah dan Muamalah Jurnal Wacana Kinerja: Kajian Praktis-Akademis Kinerja dan Administrasi Pelayanan Publik JEES: Journal of Education and Educational Sciences
Rita Purnamasari
Universitas Telkom
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Social Sciences Other

Published : 84 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search
Journal : eProceedings of Engineering

 2   3   4   5   6 
Integrasi Perangkat Keras dan Realisasi Sistem Kunci Pintar Berbasis Raspberry Pi 4 Anam, Nasehun; Purnamasari, Rita; Suhartono, Efri
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Pada pengembangan sistem keamanan pintu berbasis IoT di Asrama Telkom University, perangkat keras memainkan peran penting dalam menjaga privasi dan keselamatan penghuni. Sistem ini menggunakan Raspberry Pi 4 Model B sebagai pusat kendali, yang terhubung dengan berbagai komponen seperti kamera untuk face recognition, sensor ultrasonik untuk mendeteksi keberadaan di dekat pintu, dan solenoid door lock yang mengendalikan akses masuk dan keluar. Kamera menangkap gambar wajah, yang kemudian diproses oleh Raspberry Pi menggunakan metode HOG dan Haar Cascade. Sensor ultrasonik memastikan pintu dapat terbuka secara otomatis ketika ada orang yang mendekat dari dalam gedung. Hasil uji coba menunjukkan bahwa sistem face recognition memiliki akurasi 89% dalam kondisi normal, Sementara itu, sensor ultrasonik menunjukkan tingkat keberhasilan deteksi sebesar 94% dalam berbagai durasi pengujian. Sistem ini menawarkan solusi keamanan pintu yang lebih efektif dibandingkan metode tradisional, dengan potensi penerapan yang lebih luas di berbagai tempat. Kata kunci— Keamanan, Raspberry Pi, Face Recognition, Sensor Ultrasonik
Perancangan Sistem Backend Real-Time Berbasis FastAPI dan Firebase Untuk Klasifikasi Sampah Bahan Berbahaya dan Beracun Serta Pengambilan Lokasi Dropbox Pada Aplikasi Mobile TOXMAP Gading Aurelia Nabila Lubis; Rita Purnamasari; Khaerudin Saleh
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Hazardous household waste (B3) poses serious risks to the environment and public health when improperly managed. To address this, TOXMAP was developed as a mobile-based system that combines real-time image classification with location-based waste disposal guidance. This study presents the backend development of TOXMAP, which integrates a FastAPI server to process image inputs and classify waste types using a pre-trained Support Vector Machine (SVM) model. Firebase services support user authentication, image storage, and dropbox location retrieval. To complement this backend, the TOXMAP frontend was built using Flutter, enabling cross-platform mobile deployment with support for camera access and real-time image submission. Integration and load testing show that the system can respond in under one second per request while maintaining classification accuracy and user responsiveness. This architecture offers a lightweight, scalable, and user-accessible infrastructure to promote public awareness and responsible household B3 waste management.Keywords— backend, real-time system, image classification, FastAPI, Firebase, B3 waste
Implementasi Frontend Aplikasi TOXMAP Berbasis Flutter untuk Klasifikasi Sampah B3 Berbasis Gambar Feliana Putri Anindyta Efendi; Rita Purnamasari; Khaerudin Saleh
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

TOXMAP merupakan aplikasi mobile yang dirancang untuk mempermudah masyarakat dalam mengenali jenis sampah B3 dengan memanfaatkan teknologi klasifikasi gambar berbasis machine learning. Aplikasi ini juga menyediakan informasi lokasi dropbox terdekat serta konten edukatif seputar pengelolaan limbah berbahaya. Penelitian ini berfokus pada implementasi sisi frontend menggunakan framework Flutter. Antarmuka aplikasi mencakup fitur utama seperti pemindaian gambar sampah, penampilan hasil klasifikasi dari backend machine learning, pemetaan lokasi dropbox menggunakan Google Maps, serta halaman edukasi interaktif. Evaluasi dilakukan melalui penyebaran kuisioner kepada 25 pengguna. Berdasarkan hasil evaluasi, aplikasi menunjukkan tingkat usability yang tinggi. Hal ini menandakan bahwa TOXMAP mudah digunakan dan dipahami oleh pengguna dari berbagai latar belakang, serta berpotensi menjadi solusi digital yang efektif dalam meningkatkan kesadaran masyarakat terhadap pengelolaan limbah B3 secara lebih cermat dan bertanggung jawab.Kata kunci— TOXMAP, Flutter, frontend, klasifikasi gambar, sampah B3, Firebase, usability
Sistem Deteksi Dan Manajemen Prioritas Adaptif Kendaraan Darurat Untuk Pengendalianlampu Lalu Lintas Wibawa, Made Hady Sadya; Soetedjo, Erlangga Rahmat; Mua, Edward Christhoper; Eliskar, Yulinda; Purnamasari, Rita
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Keterlambatan kendaraan darurat di persimpangan lalu lintas dapat berdampak serius terhadap keselamatan publik, khususnya di lingkungan perkotaan yang padat. Untuk mengatasi tantangan ini, makalah ini mengusulkan sistem kontrol lalu lintas berbasis edge secara real-time yang secara dinamis memprioritaskan kendaraan darurat melalui deteksi multimodal. Sistem ini mengintegrasikan pengenalan sirene berbasis audio dan deteksi objek visual menggunakan algoritma YOLOv5, yang diimplementasikan pada platform komputasi edge Raspberry Pi. Mikrofon arah dan modul kamera digunakan untuk menangkap data lingkungan, yang kemudian diproses secara paralel untuk mengidentifikasi keberadaan serta arah kedatangan kendaraan darurat. Berdasarkan hasil deteksi, sistem akan menyesuaikan waktu sinyal lalu lintas normal dengan mengaktifkan fase lampu hijau pada lajur yang sesuai, sehingga memastikan kendaraan darurat dapat melintas segera. Evaluasi eksperimental yang dilakukan pada prototipe skala 1:50 menunjukkan akurasi deteksi yang tinggi dan latensi yang rendah. Subsistem audio mencapai waktu respons di bawah 50 ms dengan deteksi yang konsisten dari berbagai arah. Modul visual menghasilkan skor kepercayaan rata-rata di atas 0,87 dan berhasil mengklasifikasikan semua kendaraan darurat maupun non-darurat dengan benar. Sistem ini juga menunjukkan kinerja komputasi yang stabil di bawah beban kerja berkelanjutan. Temuan ini membuktikan kelayakan penerapan mekanisme kontrol sinyal lalu lintas yang ringan, responsif, dan tidak bergantung pada infrastruktur, sejalan dengan tujuan kota cerdas dalam mengoptimalkan respons terhadap keadaan darurat. Kata Kunci—deteksi kendaraan darurat, kontrol lampu lalu lintas, komputasi edge, YOLOv5, sensor multimodal, Raspberry Pi, sistem waktu nyata, kota cerdas
Talent Sourcing Automation On Kalibrr Using Robotic Process Automation (RPA) and Natural Language Processing (NLP) Pratiwi, Yullia Sartika Putri; Sujatmoko, Kris; Purnamasari, Rita
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Perusahaan saat ini mulai melakukan banyakpenyesuaian pasca pandemi Covid-19 yang sempat melandabanyak pekerjaan yang harus disesuaikan kembali skema kerjanya.Penyesuaian baru dan skema kerja yang berubahmem- buat banyak pekerja di perusahaan memilih untukberhenti atau keluar dari perusahaan tempatnya bekerjadengan berbagai alasan seperti beban kerja yang bertambahatau kurangnya fasilitas perusahaan. Masalah posisi kosongdi perusahaan men- jadi tanggung jawab Sumber DayaManusia (SDM) untuk segera diisi, namun padakenyataannya proses perekrutan tidak dapat dilakukandengan cepat karena proses penyaringan CV kandidatmembutuhkan waktu setidaknya 30 jam atau satu hari untuksatu kali proses perekrutan. Untuk memudahkan prosespenyaringan tersebut, maka dibuatlah sebuah sistem ATSyang dapat memudahkan HR dalam melakukan penyaringanresume kandidat. Sistem ini menggabungkan dua teknologiArtificial Intelligence (AI), yaitu Natural LanguageProcessing (NLP) dan Robotic Process Automation (RPA).Penggabungan dua teknologi ini akan memberikankeuntungan bagi HR yang tidak perlu lagi mengunduhresume kandidat di platform jobseeker dan melakukanpenyaringan secara manual karena kegiatan tersebut dapatdilakukan oleh robot. Penggunaan teknologi NLP dan RPAakan mengurangi waktu yang dibutuhkan HR untukmelakukan proses talent sourcing secara otomatis danmemberikan skor dengan rata-rata waktu yang diperlukansekitar 2 menit 7 detik.Kata kunci—Artificial Intelligence, Human Resource, NaturalLenguage Processing, Robotic Process Automation, TalentSourcing
Identifikasi Kanker Kulit Melanoma Berbasis Inception V3 Menggunakan Pra-Pemrosesan dan Augmentasi Data pada Dataset Citra Kulit Mustikasari, Ira; Tritoasmoro, Iwan Iwut; Purnamasari, Rita
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Kanker kulit melanoma merupakan salah satukanker kulit yang paling berbahaya. Hal ini disebabkan karenakeganasan dan kecepatannya untuk menyebar ke bagian tubuhyang lain hingga menyebabkan kematian bagi pengidapnya.Tidak menutup kemungkinan terjadi kesalahan ketikamendeteksi melanoma secara manual karena mengandalkanketerampilan dari pengamat, sehingga diperlukan perhitungankomputasi guna mempermudah serta meminimalisir kesalahanyang disebabkan oleh pengamat kanker kulit melanoma. Padapenelitian ini, untuk membantu mendiagnosa adanya kankerkulit melanoma, klasifikasi berdasarkan model Inception V3dari Convolusional Neural Network (CNN) digunakan untukmelatih dataset asli dari HAM10K yang berasal dari kagglemelalui tahap preprocessing menggunakan teknik ContrastLimited Adaptive Histogram Equalization (CLAHE) dan tahapaugmentasi terlebih dahulu. Hasil dari citra yang telah melewatitahap preprocessing, dibagi secara acak menjadi tiga bagianyaitu 72% untuk training, 10% untuk validasi, dan 18% untuktesting. Hasil pengujian dataset CLAHE deangan tingkatakurasi terbaik diperoleh dengan menggunakan nilai batch size8 sebesar 90,01%, nilai iterasi epoch 30 sebesar 90,69% dan nilailearning rate 0,0001 sebesar 89,67%. Hasil evaluasi sistemmenunjukkan tingkat performansi pengaplikasian arsitekturInception V3 pada algoritma CNN terhadap keefektifannyadalam mendeteksi kanker kulit melanoma cukup optimal.Kata kunci— Kanker Kulit Melanoma, ConvolutionalNeural Network, Inception V3, Preprocessing, Augmentasi,Klasifikasi.
Analisis Sentimen Tempat Wisata Di Kabupaten Bandung Jawa Barat Dengan Visualisasi Website Nugroho , Haris Tri; Purnamasari, Rita; Suhartono, Efri
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Analisis Sentimen Tempat Wisata Di Kabupaten Bandung Jawa Barat Dengan Visualisasi Website 1st Haris Tri Nugroho School of Electrical Engineering Telkom University Bandung, Indonesia haristri@student.telkomuniversity.ac.id 2nd Rita Purnamasari School of Electrical Engineering Telkom University Bandung, Indonesia ritapurnamasari@telkomuniversity.ac.id 3rd Efri Suhartono School of Electrical Engineering Telkom University Bandung, Indonesia esuhartono@telkomuniversity.ac.id Abstrak — Sektor pariwisata Kabupaten Bandung adalah pilar ekonomi utama dengan berbagai objek wisata. Meskipun kunjungan wisatawan meningkat pasca pandemi, ulasan di Google Maps yang sering tidak terstruktur dan beragam kualitasnya menyulitkan pengelola destinasi dalam pengambilan keputusan berbasis data. Untuk mengatasi hal tersebut, penelitian ini merancang sistem analisis sentimen ulasan wisata secara otomatis berbasis machine learning. Sistem mengumpulkan data ulasan wisatawan dari Google Maps menggunakan teknik web scraping, kemudian melakukan preprocessing teks (pembersihan, tokenisasi, penghapusan stopwords, dan stemming), ekstraksi fitur menggunakan TF-IDF, serta klasifikasi sentimen ke dalam kategori positif, negatif, dan netral menggunakan tiga algoritma pembelajaran mesin (Naive Bayes, SVM, dan K-NN). Hasil analisis disajikan melalui antarmuka web interaktif berbasis Flask (backend) dan Next.js (frontend) yang menampilkan visualisasi distribusi sentimen, analisis komentar negatif, serta fitur uji sentimen untuk kalimat tunggal. Hasil evaluasi menunjukkan model SVM memberikan akurasi tertinggi (88%), diikuti Naive Bayes (85%) dan K-NN (67%). Sebagai contoh, analisis ulasan di destinasi Tangkuban Perahu (474 ulasan) menghasilkan distribusi sentimen 74% positif, 17% negatif, dan 9% netral. Temuan ini membuktikan bahwa penerapan analisis sentimen berbasis machine learning dapat memberikan wawasan objektif bagi pengelola pariwisata dalam memahami persepsi pengunjung, sehingga mendukung pengambilan kebijakan yang lebih tepat untuk meningkatkan kualitas layanan wisata di Kabupaten Bandung. Kata kunci: analisis sentiment, google maps, klasifikasi teks, machine learning, pariwisata, visualisasi web
Analisis Sentimen Menggunakan Algoritma Logistic Regression dan LDA(Latent Dirichlet Allocation) pada Ulasan Aplikasi PLN Mobile Di Play Store Bawazir , Ranya Fauzi; Purnamasari, Rita; Eliskar, Yulinda
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Pertumbuhan ekosistem digital mendorong peningkatan volume ulasan aplikasi di platform distribusi perangkat lunak, termasuk PLN Mobile milik PT PLN (Persero). Penelitian ini bertujuan menganalisis sentimen dan mengidentifikasi topik dominan pada ulasan PLN Mobile tahun 2022. Data sebanyak 134.325 ulasan diperoleh melalui web scraping dari Google Play Store, kemudian difilter menjadi 40.043 ulasan relevan. Tahapan meliputi pelabelan sentimen berdasarkan skor ulasan, pra-pemrosesan teks, pemisahan data, serta pembangunan model analisis sentimen menggunakan Logistic Regression. Model dilatih selama 15 epoch dengan representasi fitur TF-IDF dan menghasilkan akurasi 86%, Precision 98%, Recall 85%, dan F1-Score 91%. Selain itu, metode Latent Dirichlet Allocation (LDA) digunakan untuk pemodelan topik dan menghasilkan empat topik utama: Transaksi, Layanan, Aplikasi, dan Pengaduan. Hasil integrasi kedua model menunjukkan proporsi sentimen positif yang dominan pada semua topik, dengan kisaran 85,9%–86,3%. Temuan ini memberikan wawasan strategis bagi PT PLN (Persero) untuk meningkatkan kualitas layanan, kinerja aplikasi, dan respons terhadap pengaduan pelanggan. Kata kunci — Analisis sentimen, Logistic Regression, Latent Dirichlet Allocation, pln mobile
Implementasi Sistem Otomatisasi Jemuran Menggunakan Sensor LDR dan Sensor Hujan Berbasis ESP8266 Munthe , Jhon Alvrian; Purnamasari, Rita; Fardan, Fardan
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Perubahan cuaca yang tidak menentu seringkali menjadi kendala dalam kegiatan menjemur pakaian, terutama saat hujan turun secara tiba-tiba. Penelitian ini merancang dan mengimplementasikan sistem jemuran otomatis berbasis mikrokontroler ESP8266 dengan memanfaatkan sensor LDR dan sensor hujan. Sensor LDR digunakan untuk mendeteksi intensitas cahaya, sedangkan sensor hujan digunakan untuk mendeteksi keberadaan air pada permukaan sensor. Berdasarkan kondisi lingkungan, sistem akan mengontrol motor servo untuk membuka atau menutup jemuran secara otomatis. Pengujian menunjukkan bahwa sistem mampu merespon perubahan cuaca secara real-time dengan tingkat keakuratan yang memadai. Sistem ini diharapkan dapat menjadi solusi praktis dan efisien dalam mengatasi permasalahan penjemuran pakaian sehari-hari. Kata Kunci – Jemuran Otimatis, ESP8266, Sensor LDR, Sensor Hujan, Servo Motor
YOLOv8n untuk Deteksi Sampah secara Real-Time pada Aplikasi Bank Sampah Antanita, Yulintyandra Puja; Ardana, Arfio; Alfin, Khoerunnisa; Pratama, Yugo; Purnamasari, Rita; Saleh, Khaerudin
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Pengelolaan sampah merupakan tantangan lingkungan yang signifikan di Indonesia, terutama di kawasan perkotaan dengan tingkat kesadaran pemilahan sampah yang masih rendah. Program bank sampah yang diatur dalam Peraturan Menteri Negara Lingkungan Hidup Republik Indonesia Nomor 13 Tahun 2012 bertujuan untuk mendorong partisipasi masyarakat dalam pengelolaan sampah berbasis komunitas, namun pelaksanaannya masih belum optimal akibat keterbatasan teknologi dan proses administrasi yang masih manual. Penelitian ini mengusulkan pengembangan aplikasi bank sampah berbasis mobile yang mengintegrasikan model YOLOv8n untuk deteksi jenis sampah secara real-time. Dataset terdiri dari sembilan kategori sampah dengan total 4.500 gambar, yang dianotasi dan dibagi menjadi data latih, validasi, dan uji dengan rasio 80:10:10. Model YOLOv8n dilatih menggunakan konfigurasi 70 epoch, learning rate 0,001, dan optimizer AdamW, menghasilkan performa mAP@0.5 sebesar 0,995 dan mAP@0.5:0.95 sebesar 0,785. Pengujian lanjutan menunjukkan kemampuan generalisasi yang baik terhadap variasi bentuk, latar belakang, jarak, dan skenario multi-objek, meskipun performa menurun pada bentuk dan warna yang jarang muncul dalam dataset serta pada deteksi jarak jauh. Hasil penelitian membuktikan bahwa YOLOv8n memiliki potensi tinggi untuk diimplementasikan dalam sistem bank sampah berbasis mobile guna meningkatkan efisiensi pemilahan dan partisipasi masyarakat.. Keywords— Objek Deteksi, YOLOv8n, Computer Vision, Machine learning
Co-Authors Abdurrahman Rahim Thaha Aditia Tarigan Aditia, Tarigan Agung Adinegoro Aji Fajar Suryo Antoro Alfin, Khoerunnisa Alfin, Muhammad Aliefiya Rachman Anam, Nasehun Anatasya Bella Anatasya Bella Andriyan Bayu Suksmono, Andriyan Bayu Angga Rus Dinar Annaria Anggi Putri Siagian Antanita, Yulintyandra Puja Anton Wachidin Widjaja Ardana, Arfio Ariando Ariando Ashiddiqi , Muhamad Hazbi Awlia, Winda Bainuri, Aulia Novria Basudewa, Muhammad Imansyah Bawazir , Ranya Fauzi Bimo Rian Tri Nugroho Citra Fairuz Ghina Dadan Nur Ramadan Darmawan, Galang Aditya Dewi Zakiawati Dimarta, Rafli Caesario Dimata, Rafli Caesario Edwin Rizki Handiarno Efri Suhartono Estananto Fahmi Oscandar Faisal Nur Achsani FARDAN FARDAN, FARDAN Fatur Rizki, Dwiki Feliana Putri Anindyta Efendi Felix Pidha Hilman Fenty Alia Firos Fathul Alam Fitriah Halimah Fityanul Akhyar Gading Aurelia Nabila Lubis Gaol, Satya Wira Fernanda Lumban Gelar Budiman Hannissa Sanggarini Hashfi Fadhillah Hasril Hasril Hendratno, Farhan Ramadhan Putra INDRA PRATAMA PUTRA SALMON Indrarini Dyah Irawati Inung Wijayanto Irawan, Meisi Iwan Iwut Tritoasmoro Janah Eka Widiarni Jony Oktavian Haryanto Kamil, Muhammad Zulvikar Fadlillah KHAERUDIN SALEH Khaerudin Saleh Khairul Anas Kris Sujatmoko Ledya Novamizanti Lubis, Gading Aurelia Nabila M.Fauzi Ishak M.Fauzi Ishak Mahanani, Edo Lutfi Majid, Muhammad Adam Mangesti, Dewi Sri Mas Sarwoko Suraatmadja Mohamad Ramdhani Mua, Edward Christhoper Muhamad Reinaldi Kurniawan Muhammad Fikri Aufa Muhammad Hablul Barri Muhammad Obi Nugraha Munthe , Jhon Alvrian Murnisari Dardjan Murnisari Dardjan Murnisari Dardjan Mustikasari, Ira Nani Murniati Nugraha Nugraha Nugraha Nugraha Nugroho , Haris Tri Nur Arviah Sofyan Nur Ibrahim Nurwan Reza Fachrurrozi Parameswara, Prastama Agung Yusuf Pramuji, Mochammad Chandra Prasojo, M Heru Pratama , M Hidayatullah Pratiwi, Yullia Sartika Putri Purwanto Purwanto Putu Harry Gunawan R. Yunendah Nur Fu’adah Raditiana Patmasari Rahman, Muhammad Harits Rahman, Nurfadilah Ramadhana, Rexy Yusuf Ratnasari, Pungky Eka Ratri Dwi Atmaja Resandy, Refsi Reza Yudistira Rizki Amalia Ulfa Rizki, Chaerul Rustam Rustam Rustam Sandi, Irfan Maulana Kurnia Saputra, Efa Maydhona SAPUTRA, EFA MAYDHONA Sasmi Hidayatul Yulianing Tyas Satria Mandala Savitri Amalia Simamora , Haichel Anggy Paro Simanullang, Charlos Alvaredo Siti Lainatul Afifah Siti Zahrotul Fajriyah Soetedjo, Erlangga Rahmat SOFIA SAIDAH Suci Aulia Sugondo Hadiyoso Suryo Adhi Wibowo Syauqi, Nabil Ali Syifa Nurgaida Yutia Tarigan Aditia Tarigan, Jepanta Taufik Yumna Tilawatila, Wawa Tora Fahrudin Trisucipto, Muhammad Wahid, Gloria Shekinah Florensia Wahidin Wahidin Wibawa, Made Hady Sadya Wibisono Sabdo Utomo Yonita Ersalina Leksono Yoren, Muhammad Ikhlashul Yudhi Afriyana Yudiansyah Yudiansyah Yugo Pratama Yulinda Eliskar Yunita Sri Wulandari, Kristina Yurika Ambar Lita Yurika Ambar Lita Yuti Malinda Yuti Malinda Zakaria, Rizqi Imam Arfa Zariaqwila , DTM Faiq