Article Per Year (5 Year)
p-Index From 2021 - 2026
11.747
P-Index
This Author published in this journals
All Journal Jurnal Neutrino : jurnal fisika dan aplikasinya TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Teknologi Informasi dan Ilmu Komputer International Journal of Advances in Intelligent Informatics Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Tri Dharma Mandiri: Diseminasi dan Hilirisasi Riset Kepada Masyarakat (Jurnal Pengabdian Kepada Masyarakat) Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika
Barlian Henryranu Prasetio
Fakultas Ilmu Komputer, Universitas Brawijaya
Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Health Professions Physics Public Health Social Sciences

Published : 124 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 124 Documents
Search

 9   10   11   12   13 
ANALYZING EEG SIGNALS FOR STRESS DETECTION USING RANDOM FOREST ALGORITHM Sifaunnufus Ms, Fi Imanur; Bachtiar, Fitra Abdurrachman; Prasetio, Barlian Henryranu
Jurnal Neutrino:Jurnal Fisika dan Aplikasinya Vol 17, No 1 (2024): October
Publisher : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/neu.v17i1.28471

Abstract

Detection of stress using EEG signals has gained much interest because of monitoring and early intervention. As for the contribution of this research, a reliable method for stress identification has been suggested, using a random forest model to categorize stress levels from EEG signals. Data were filtered using a bandpass filter, Independent Component Analysis, and more so using the Z-score to remove outliers and poor signals. Data that has been cleaned from noise and outliers will go through a feature extraction process using Power Spectral Density (PSD). The result of PSD is the power of each frequency of the EEG signal. The number of features used is 20. Random Forest was chosen due to its high accuracy and robustness in handling complex, high-dimensional data, which is common in EEG analysis. Thus, the model obtained an accuracy level of 0.8571, thereby approving the tool’s efficiency in distinguishing between different degrees of stress. The computational efficiency of the model, with a classification time of 0.2762 seconds, demonstrates its feasibility for practical applications. Based on these findings, it can be concluded that the Random Forest algorithm can be used to integrate wearable technology and for offering suggestions and timely interventions for better mental health.
Sistem Deteksi Emosi Menggunakan Face Recognition Berbasis Landmark dan CNN-Resnet Pada Sesi Bimbingan Konseling Ramadhani, Aryo Sheva; Putri, Rekyan Regasari Mardi; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 9 No 11 (2025): November 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Tingginya masalah kesehatan mental di era digital dan terbatasnya psikolog profesional di Indonesia menyebabkan banyak instansi, termasuk universitas, menyediakan layanan konseling dengan konselor non-psikolog, yang seringkali mengakibatkan diagnosis emosi kurang akurat. Penelitian ini mengusulkan sistem deteksi emosi berbasis face recognition menggunakan arsitektur Convolutional Neural Network-Residual Network (CNN-ResNet) pada Raspberry Pi untuk membantu konselor menginterpretasi kondisi emosional klien secara objektif. Penelitian ini mengadopsi desain implementasi-perancangan dengan fokus pada pemantauan kondisi emosi melalui deteksi landmark wajah menggunakan Media Pipe Face Mesh pada data sekunder Cohn-Kanade Dataset (CK+) yang dinormalisasi dan augmentasi, serta dibagi ke dalam tiga skenario rasio training-testing (90:10, 80:20, 70:30). Hasil pengujian efektivitas model menunjukkan rasio split data 80:20 memberikan kinerja optimal dengan akurasi model mencapai 95%, meskipun masih mengalami tantangan dalam mengklasifikasikan emosi "sedih" dan "hina" karena jumlah data yang sedikit dan kemiripan fitur dengan emosi "netral". Pengujian sistem secara keseluruhan pada Raspberry Pi menghasilkan akurasi 33,75% menggunakan data sekunder dan 41,49% pada skenario simulasi bimbingan konseling dengan data primer, menunjukkan potensi sistem sebagai alat bantu awal yang memerlukan pengembangan lebih lanjut.
Hyperparameter Optimization of Extreme Gradient Boosting Using Particle Swarm Optimization For Diabetic Nephropathy Prediction Argaputri, Maulida Khairunisa; Lailil Muflikhah; Prasetio, Barlian Henryranu
Journal of Information Technology and Computer Science Vol. 10 No. 3: Desember 2025
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jitecs.2025103859

Abstract

Diabetic Nephropathy (DN) is a critical complication with a mortality rate 20-40 times higher than in non-diabetic nephropathy patients, necessitating precise machine learning models to determine whether a patient has nephropathy. Extreme Gradient Boosting (XGBoost) has emerged as a prominent machine learning model for medical diagnostics, with several studies validating its superiority in medical classification. Nevertheless, a significant limitation of XGBoost lies in the complexity of manual hyperparameter tuning. To address this limitation, an automated optimization algorithm is requisite to systematically identify the optimal hyperparameter configuration. This study focuses on optimizing Extreme Gradient Boosting (XGBoost) hyperparameters using Particle Swarm Optimization (PSO), with the F1-Score as its fitness function. To evaluate its effectiveness, the performance of this hybrid XGBoost-PSO model was compared against the baseline XGBoost model. The results showed that the hybrid model outperformed the baseline model, achieving a consistent improvement of 0.02 (2%) across all evaluation metrics. Notably, the F1-Score increased from 0.91 to 0.93, while the Recall metric improved from 0.93 to 0.95. Furthermore, the PSO algorithm efficiently identified the Global Best (GBest) hyperparameters at the 9th iteration. In conclusion, the XGBoost-PSO model provides a robust medical diagnostic tool that maintains a stable performance to enhance clinical judgment.
Implementasi Metode Sliding Window Untuk Peningkatan Perekaman Real-Time Pada Sistem Deteksi Kesadaran Berbasis Sensor Electroencephalography Satu Kanal Nashrullah, Ikbar Razan; Widasari, Edita Rosana; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 3 (2026): Maret 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pemantauan tingkat kesadaran secara kontinu dan objektif merupakan kebutuhan krusial dalam prosedur medis untuk meminimalkan subjektivitas diagnosis pada pasien dengan gangguan kesadaran. Penelitian ini mengusulkan pengembangan sistem deteksi kesadaran real-time berbasis sinyal Electroencephalography (EEG) satu kanal menggunakan perangkat wearable Muse 2 yang mengintegrasikan metode segmentasi Sliding Window dan algoritma klasifikasi High-Performance Extreme Learning Machine (HPELM). Untuk mengatasi tantangan heterogenitas perangkat antara data latih klinis dan perangkat target, diterapkan teknik pra-pemrosesan komprehensif yang meliputi downsampling, penapisan digital IIR Notch dan FIR Low-pass, serta kalibrasi sinyal lintas-perangkat. Ekstraksi fitur difokuskan pada pita frekuensi Gamma menggunakan Discrete Wavelet Transform (DWT) untuk mendapatkan parameter Mean Absolute Value (MAV), Standard Deviation (SD), dan Power Percentage. Hasil pengujian kinerja sistem menunjukkan stabilitas tinggi, di mana konfigurasi Sliding Window dengan Window Size 10-160 detik dan step size 1 detik menghasilkan latensi komputasi rata-rata maksimal sebesar 27ms. Hal tersebut menunjukkan bahwa sistem mampu mempertahankan integritas real-time dengan waktu deadline latensi sebesar step size-nya, membuktikan bahwa pendekatan yang diusulkan efektif sebagai solusi pemantauan kesadaran yang portabel, responsif, dan andal.
Evaluasi Dan Optimalisasi Model CNN-Transformer Encoder dalam Deteksi Stres Melalui Sinyal Suara Prasetio, Barlian Henryranu; Widasari, Edita Rosana; Shabiyya, Syifa’ Hukma
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 1: Februari 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2026131

Abstract

Deteksi stres melalui sinyal suara masih menghadapi tantangan akurasi karena keterbatasan model konvensional dalam menangkap distribusi frekuensi spasial-temporal. Oleh karena itu, diperlukan pendekatan baru yang mampu mengekstraksi pola kompleks secara efektif. Artikel ini mengeksplorasi peningkatan performa deteksi stres melalui sinyal suara dengan mengintegrasikan model Convolutional Neural Network (CNN) dan Transformer Encoder. Kami mengevaluasi berbagai konfigurasi jumlah head pada self-attention dan nilai learning rate untuk model CNN-Transformer Encoder guna mengidentifikasi parameter optimal. Hasil eksperimen menunjukkan bahwa konfigurasi dengan 6 head pada Transformer Encoder dan learning rate 0,01 memberikan performa terbaik dengan nilai loss terendah sebesar 0,5034, akurasi tertinggi 78,37%, serta peningkatan pada precision, recall, dan F1-score. Selain itu, penggabungan model CNN dengan Transformer Encoder secara paralel secara signifikan meningkatkan akurasi deteksi stres dibandingkan dengan model baseline CNN dan DSCNN. Pengujian lebih lanjut menggunakan confusion matrix menunjukkan keunggulan model DSCNN-Transformer Encoder dalam mendeteksi kelas stres dengan akurasi tertinggi. Pengujian pada dataset yang berbeda juga menunjukkan bahwa model yang diusulkan memiliki kestabilan yang baik. Temuan ini menegaskan efektivitas integrasi Transformer Encoder dalam meningkatkan performa deteksi stres pada sinyal suara.   Abstract Stress detection through speech signals still faces accuracy challenges due to the limitations of conventional models in capturing spatial-temporal frequency distributions. Therefore, new approaches are needed that can effectively extract complex patterns. This study explores enhancing stress detection performance through speech signals by integrating Convolutional Neural Network (CNN) and Transformer Encoder models. We evaluated various configurations of self-attention head counts and learning rates for the CNN-Transformer Encoder model to identify optimal parameters. Experimental results indicate that a configuration with 6 heads in the Transformer Encoder and a learning rate of 0.01 yields the best performance with the lowest loss of 0.5034, highest accuracy of 78.37%, and improvements in precision, recall, and F1-score. Furthermore, the parallel integration of CNN with Transformer Encoder significantly improves stress detection accuracy compared to baseline CNN and DSCNN models. Further analysis using confusion matrices highlights the superior performance of the DSCNN-Transformer Encoder model in detecting stress classes with the highest accuracy. These findings affirm the effectiveness of integrating Transformer Encoder in enhancing stress detection performance from voice signals.
Augmented haar cascade classifier for real-time ball detection in humanoid robots under dynamic environments Gembong Edhi Setyawan; Edita Rosana Widasari; Barlian Henryranu Prasetio; Yasa Palaguna Umar; Ivan Rafli Adipratama
International Journal of Advances in Intelligent Informatics Vol 12, No 1 (2026): February 2026
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v12i1.2146

Abstract

This study proposes an Augmented Haar Cascade Classifier (AHCC) to enhance real-time ball detection for humanoid robots operating in dynamic environments. The method integrates Convex Hull mapping, HSV-based segmentation, and Hough Circle validation to overcome challenges such as fluctuating illumination, complex backgrounds, and partial occlusions. Experiments were conducted entirely on a CPU-only Intel NUC platform running ROS without GPU acceleration, using a dataset containing variations in lighting, orientation, scale, and background clutter. Compared with baseline models (standard Haar Cascade Classifier (HCC) and YOLOv5) the proposed AHCC achieved 97% accuracy, 83% recall, 97% precision, and an 89% F1-score, while requiring only 0.00849 s per frame with 8.97% memory usage. Although YOLOv5 reached 99% accuracy, it demanded higher computational resources (0.0344 s per frame, 22.3% memory usage), limiting its practicality for embedded robotic systems. The AHCC therefore offers an optimal balance between detection reliability and computational efficiency, outperforming traditional HCC and providing a lightweight alternative to GPU-dependent detectors such as Tiny-YOLO and MobileNet-SSD.
Manajemen dan Pemasaran Bisnis Usaha Mikro Bidang Instalasi Kanopi dan Pagar Melalui Pemanfaatan Bidang Teknologi Informasi Syauqy, Dahnial; Prasetio, Barlian Henryranu; Setiawan, Eko; Akbar, Sabriansyah Rizqika
DIMASLOKA: Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika Vol 2 No 1 (2023): Januari
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/dimasloka.v2i1.19

Abstract

Saat ini hampir semua teknologi yang dipergunakan untuk kesejahteraan manusia tidak bisa dilepaskan dari internet, big data dan artificial intelligence. Pemanfaatan teknologi IT khususnya pada internet tersebut pun sudah membumi di masyarakat Indonesia. Namun tentu saja, kemajuan tersebut bukan tanpa cela karena nyatanya masih banyak juga masyarakat yang belum memanfaatkan teknologi IT dengan baik khususnya di wilayah terpencil terlebih untuk mendukung usaha produktif. Usaha produktif yang masih berada di taraf mikro dan menegah (UMKM) memerlukan manajemen dan pemasaran yang baik demi keberlangsungan bisnis dan usaha mereka. Tanpa manajemen yang baik, maka bisnis, pengelolaan aset dan kegiatannya pun akan sulit dilakukan. Demikian juga dengan usaha promosi yang dilakukan oleh UMKM. Kurangnya promosi dan strategi publikasi yang baik akan berdampak pada kurangnya jangkauan usaha untuk dikenali masyarakat lain. Di Kabupaten Malang terdapat sebuah usaha mikro yang bergerak di bidang instalasi kanopi dan pagar yang berlokasi di Tumpang. Usaha ini dijalankan oleh sorang pengusaha rumahan dengan dibantu 3-5 orang pekerja, dengan kondisi terbatas dan pemasaran yang sangat kurang. Sangat sering dalam minggu-minggu tertentu sama sekali tidak memiliki project yang dikerjakan. Dari yang dipaparkan tersebut di atas, nampak bahwa teknologi IT dapat menunjukkan perannya dalam membantu aspek manajemen dan juga promosi usaha. Untuk aspek manajemen, teknologi IT yang dibuat adalah berupa penggunaan aplikasi atau software yang membantu pengelolaan kegiatan atau aset. Sedangkan untuk aspek promosi, pemanfaatan IT berupa penggunaan laman di internet, penggunaan media sosial, penanda lokasi pada peta dan lainnya. Dengan kemudahan yang ditawarkan aplikasi dan platform promosi online yang akan memudahkan bagi seorang pengusaha mikro, jelas mendorong pentingnya pemanfaatan IT di bidang usaha ini.
Peningkatan Diversifikasi Dan Tata Kelola Media Informasi Digital Pada Lembaga Pendidikan Sekolah Dasar Negeri 02 Permanu Malang Syauqy, Dahnial; Prasetio, Barlian Henryranu; Setiawan, Eko; Widasari, Edita Rosana
DIMASLOKA: Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika Vol 4 No 1 (2025): Januari
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/dimasloka.v4i1.44

Abstract

Di era digital, lembaga pendidikan formal Sekolah Dasar (SD) khususnya pada lokasi pedesaan menghadapi tantangan dalam menyampaikan informasi kepada masyarakat luas dan orang tua siswa, termasuk kegiatan pendidikan, pengembangan anak, dan prestasi siswa. Strategi yang efektif untuk mengatasi tantangan ini meliputi pembuatan website yang user-friendly, pemanfaatan media sosial, pelatihan pengelolaan media digital bagi guru dan staf, serta penggunaan platform penanda lokasi. Dalam Studi kasus pada SD Negeri 2 Permanu Malang ini menunjukkan bahwa lembaga masih memiliki gap dalam peningkatan dan pemanfaatan media informasi digital secara optimal, berupa keterbatasan pada penggunaan media sosial, absennya website resmi, dan kurang lengkapnya informasi lokasi. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan diversifikasi dan efektivitas penggunaan media digital di lembaga pendidikan sekolah dasar, melalui kerja sama dalam pengabdian kepada masyarakat yang dilakukan oleh tim Fakultas Ilmu Komputer Universitas Brawijaya. Hasil kegiatan menunjukkan bahwa website yang dibangun dan pelatihan pengelolaan media digital yang dilakukan dapat digunakan untuk memperluas jangkauan dan efisiensi komunikasi lembaga pendidikan dengan stakeholder-nya, sekaligus menunjukkan potensi IT dalam memajukan aspek manajemen dan promosi lembaga pendidikan di era digital.
Ekstraksi Fitur Morfologi dan Statistik Sinyal Photoplethysmogram Berbasis MAX30102 sebagai Dasar Estimasi Tekanan Darah Manurung, Manfredy Patarida Hasiholan; Widasari, Edita Rosana; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pemantauan tekanan darah secara berkala merupakan aspek penting dalam pencegahan risiko penyakit kardiovaskular, terutama pada individu dengan potensi hipertensi. Namun, metode pengukuran konvensional berbasis manset masih memiliki keterbatasan dalam mendukung pemantauan yang nyaman dan berkelanjutan. Penelitian ini berfokus pada tahap awal pengembangan sistem estimasi tekanan darah non-invasif berbasis sinyal Photoplethysmogram (PPG), yaitu proses akuisisi, penapisan sinyal, deteksi Normal-to-Normal (NN) Interval, serta ekstraksi fitur morfologi dan statistik. Sinyal PPG diperoleh menggunakan sensor MAX30102 yang diintegrasikan pada prototipe perangkat wearable berbasis mikrokontroler ESP32-S3. Tahapan pengolahan sinyal meliputi akuisisi sinyal nadi, reduksi derau melalui penapisan digital, deteksi puncak pulsa untuk memperoleh NN Interval, serta pembentukan vektor fitur PPG. Fitur yang diekstraksi mencakup karakteristik morfologi pulsa, fitur berbasis detak jantung, lebar pulsa, amplitudo, kemiringan sinyal, serta fitur statistik distribusi gelombang. Berdasarkan proses seleksi fitur, diperoleh sepuluh fitur utama, yaitu mean area, mean slope, HR, pulse width mean, skewness, mean amplitude, kurtosis, pulse width standard deviation, standard deviation amplitude, dan HRV. Hasil pengujian menunjukkan bahwa proses deteksi NN Interval memperoleh akurasi sebesar 98,97%, sedangkan pengujian kesesuaian pembacaan sinyal terhadap hitung nadi manual memperoleh akurasi sebesar 96,99%. Hasil ini menunjukkan bahwa tahapan ekstraksi fitur PPG berbasis MAX30102 mampu menghasilkan vektor fitur yang terstruktur dan representatif sebagai dasar pengembangan model estimasi tekanan darah pada penelitian lanjutan.
Evaluasi Kinerja Algoritma Kriptografi Lightweight Pada File Suara Jantung di Perangkat IoT Sebagai Simulasi Pengamanan Data Medis Digital lumbanbatu, john Nicholas Febrian; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan Internet of Things (IoT) dalam bidang kesehatan mendorong kebutuhan pengamanan data medis digital yang diproses pada perangkat embedded. Salah satu bentuk data medis digital yang dapat diproses adalah file suara jantung atau phonocardiogram dalam format WAV. Penelitian ini bertujuan mengevaluasi kinerja algoritma AES-128 dan SPECK pada file suara jantung di perangkat IoT berbasis ESP32 sebagai simulasi pengamanan data medis digital. Data uji berupa 15 file WAV dari PhysioNet/Computing in Cardiology Challenge 2016 yang dibagi menjadi kategori kecil, sedang, dan besar. Setiap file diuji lima kali sehingga diperoleh 75 data pengujian. Waktu yang diukur hanya mencakup eksekusi algoritma pada data yang telah dibaca ke buffer, tanpa menghitung pembacaan SD card, tampilan LCD, delay LED, dan keluaran Serial Monitor. Hasil pengujian menunjukkan seluruh proses dekripsi AES-128 dan SPECK berhasil mengembalikan data sesuai data asli. Rata-rata waktu enkripsi AES-128 adalah 45.551,87 µs, sedangkan SPECK 38.048,47 µs. Rata-rata waktu dekripsi AES-128 adalah 46.906,40 µs, sedangkan SPECK 45.635,16 µs. SPECK lebih cepat 16,46% pada enkripsi dan 2,68% pada dekripsi. Throughput enkripsi SPECK mencapai 2.386,19 KB/s, lebih tinggi dari AES-128 sebesar 1.993,40 KB/s. Program menggunakan 375.186 byte program storage dan 24.360 byte dynamic memory. Hasil statistik ciphertext menunjukkan entropy mendekati 8, correlation mendekati 0, histogram CV relatif kecil, dan chi-square mendekati distribusi seragam. Dengan demikian, SPECK lebih efisien dibandingkan AES-128 pada skenario pengujian file suara jantung di ESP32, tetapi hasil ini tidak digeneralisasikan secara mutlak untuk seluruh jenis data dan seluruh perangkat.
Co-Authors Achmad Ridok Adharul Muttaqin Adi Setiawan Adven Edo Prasetya Adven Edo Prasetya, Adven Edo Agra Firmansyah Ahmad Afif Supianto Aldi Jayadi Ali, Zidane Allaam, Fakhrul Annisah, Dinda Rahma Argaputri, Maulida Khairunisa Arief Kurniawan Aryo Pinandito Ash-Shadiq, Aqsath Muhammad Aswin Suharsono, Aswin Atmojo Pamungkas, Handoko Bagus Ayu Astina Sari, Ni Made Baariu, Rahagi Abdu Bagus Priyo Pangestu Brylliano Maza Putra Budi Darma Setiawan Budy Prakoso, Khrisna Shane Chatarina Umbul Wahyuni Dahnial Syauqy Dayat, Fauzi Syarifulloh Defri Alif Raihan Denny Sagita Rusdianto Dhimas Arfian Lazzuardhy Dini Eka Ristanti Dini Ismawati Dwiki Ilham Bagaskara Dwinanda Romolo Edita Rosana Widasari Edita Rosana Widasari Edita Rosana Widasari, Edita Rosana Eko Setiawan Eko Setiawan Eko Setiawan Fabiana, Ryzaldi Ananda Fachry Ananta Fadhilah, Khairian Fadhillah, Muhammad Galih Faisal Natanael Lubis Faviansyah Arianda Pallas Faza Gustaf Marrera Fitra Abdurrachman Bachtiar Fitriyah, Hurriyatul Gembong Edhi Setiawan Gembong Edhi Setyawan Gembong Edhi Setyawan Ghifari, Ahmad Hafidz Abdillah Masruri Hanifa Maulani Ramadhan Haqyah, Saprina Hani Heru Nurwarsito Hilal Imtiyaz I Wayan Boby Astagina Naghi Imam Cholissodin Iqbal Maulana Susanto Irfan Muzakky Nurrizqy Irwanda Adhi Firmantara Iskandar, Abdul Hanif Isnandar, Muhammad Fawwaz Dynoeputra Ivan Rafli Adipratama Iwasawa, Takeru Jevandika Joan Chandra Kustijono Julisya Thana Khriswanti Kamal, Attar Syifa Kurniansyah, Mohammad Amrizal Kusuma, Lindhu Parang La Ode Adriyan Hazmar Lailil Muflikhah Lavanna Indanus Ramadhan lumbanbatu, john Nicholas Febrian M. Hannats Hanafi Ichsan M. Ihsan An-Nashir Mahardika, Aryanta Seta Manurung, Manfredy Patarida Hasiholan Mochammad Hannats Hanafi Mochammad Hannats Hanafi Ichsan Muchlas Mughniy Muflih, Aufada Muhammad Fatikh Hidayat Muhammad Ghifari, Muhammad Muhammad Habib Jufah Alhamdani Muhammad Nabil Aljufri Muhammad Rizki Chairurrafi Nadi Rahmat Endrawan Nashrullah, Ega Rasendriya Nashrullah, Ikbar Razan Nauval, Mohamad Irza Naviaddin, Arsal Wildan Ngulandoro, Mochammad Giri Wiwaha Nobel Edgar Novaria Elsari Ryzkiansyah Novea, Leisha Nur, Farhan Marwandi Nurrizqy, Irfan Muzakky Nurul Hidayat Ovriawan Aldo Pribadi Putra Paleva, Haidar Rheza Panggabean, Riki Boy Parja, Mujianto Anda Perkasa, Septiyo Budi Permana, Galih Pierl Kritzenger Sinaga Prawironegoro, Abdul Harris Putera, Thariq Andhita Putra Pamungkas, Dimas Resha Putra, Brylliano Maza Putra, Ravelino Adhianto Surya Raden Galih Paramananda Rahmawan, Muhammad Fuad Rajasa, Mohammad Fariq Rakhmadhany Primananda, Rakhmadhany Ramadhan, Dimas Ramadhan, Muhammad Fitrah Ramadhani, Aryo Sheva Randy Cahya Wihandika Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Reza Hastuti Riyad Febrian Rizal Maulana Rizal Maulana, Rizal Rosyana Lencie Mampioper Ryan Anggito Priono Sabriansyah Rizkiqa Akbar Sabriansyah Rizqika Akbar Sabriansyah Rizqika Akbar Septiyo Budi Perkasa Shabiyya, Syifa’ Hukma Sifaunnufus Ms, Fi Imanur Sigit Priyo Jatmiko Subianto, Aflah Fadhlurrahman Syahrul Chilmi, Syahrul Tampubolon, Jeremya Tiara Mahardika Tibyani Tibyani Utaminingrum, Fitri Valensiyah Rozika Widasari, Edita Rosana Wijaya Kurniawan Wijaya Kurniawan Yasa Palaguna Umar Yosia Nindra Kristiantya Yudhistira, Gevan Putra Yunan Alamsyah Nasution Yusril Dewantara Yusuf, Delfi Olivia