Article Per Year (5 Year)
p-Index From 2021 - 2026
7.656
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) SITEKIN: Jurnal Sains, Teknologi dan Industri Journal of Environmental Engineering and Sustainable Technology Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal POINTER JURNAL PENGABDIAN KEPADA MASYARAKAT Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer SISFO Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) JAST : Jurnal Aplikasi Sains dan Teknologi Indonesian Journal of Electrical Engineering and Computer Science Tri Dharma Mandiri: Diseminasi dan Hilirisasi Riset Kepada Masyarakat (Jurnal Pengabdian Kepada Masyarakat) Kohesi: Jurnal Sains dan Teknologi Journal of Information System and Application Development
Lailil Muflikhah
Fakultas Ilmu Komputer, Universita Brawijaya, Malang, Indonesia
Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Public Health Social Sciences Other

Published : 114 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 114 Documents
Search

 8   9   10   11   12 
Aplikasi Mobile (Lide) Untuk Diagnosis Tingkat Resiko Penyakit Stroke Menggunakan PTVPSO-SVM Syafiq, Muhammad; Al Kadafi, Achmad Jafar; Zakiyyah, Rizka Husnun; Jauhari, Daneswara; Luqyana, Wanda Athira; Cholissodin, Imam; Muflikhah, Lailil
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 2: Juni 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1375.215 KB) | DOI: 10.25126/jtiik.201632190

Abstract

AbstrakPenyakit Stroke merupakan penyakit yang umum dan menduduki peringkat kedua dalam kematian di Indonesia dengan angka 11,13%. Penyakit yang mernyerang fungsi saraf otak dengan tingkat resiko bertahap. Dengan tidak hanya menyerang pada manusia usia lanjut, kini penyakit stroke dapat menyerang siapa saja. Indikator yang dapat digunakan dalam mewaspadai tingkat stroke adalah memeriksa kolestrol tubuh, HLD, LDL, dan Trigliserida. Namun faktor umum juga menjadi masalah utama namun umum. Dengan bertambahnya umum 10 tahun dimulai dari umur 55 tahun, maka tingkat resiko penyakit stroke menjadi dua kali lipat. Tingkat kewaspadaan perlu diperhatikan, sehingga dalam sewaktu-waktu untuk memeriksakan kondisi tubuh diperlukan. Lide adalah sebuah aplikasi pada smarthphone yang berbasis Android yang mengimplementasikan perhitungan algoirtma dalam menentukan tingkat resiko penyakit stroke. Lide merupakan salah satu solusi yang dibangun dalam mengontrol tingkat resiko stroke, hanya dengan memasukkan tingkat kolestrol, LDL, HDL, dan triglieserida. Dilengkapi dengan treatment bagi para pengguna, sehingga dapat melakukan penanganan awal pada tingkat-tingkat tertentu. Dalam aplikasi bergerak ini mengimplementasikan metode Particle Swarm Optimization dan Support Vector Machine untuk klasifikasi dengan menggunakan 4 fitur (kolesterol, HDL, LDL, dan Trigliserida).  Dengan menggunakan metode ini, nilai akurasi yang dihasilkan mencapai 87%.Kata kunci: Stroke, PTVPSO-SVM, Aplikasi Perangkat Bergerak, LideAbstractStroke is a common disease and was ranked second in the number of death in Indonesia with 11, 13%. This disease attacks the nerve function of brain with the level of risk. Not only attacks on old age, this disease can attacks everyone. Indicators that can be used in reasonably level stroke is cholesterol, HDL, LDL, and Triglycerides. But the common factor is also becoming a major problem, however. Increasing public 10 years starting at age 55 years, then the risk level of stroke become twice. The level of alertness to note, so in any time to check the condition of the body is required. Lide is an application on an android-based smartphone which implement algorithm calculation to determining the risk level of stroke. Lide is one of solution that is built to control the risk level of stroke, by simply entering the level of LDL, HDL, Cholesterol, and Triglycerides. It is equipped with treatment for users, so that it can perform the initial handling at certain levels. This mobile application implements the method of Particle Swarm Optimization and Supprot Vector Machine for classification by using 4 features (cholesterol, LDL, HDL, and Triglycerides). By using this method, the value of the resulting accuracy is reached 87%.Keywords: Stroke, PTVPSO-SVM, Mobile Apps, Lide
Optimasi Kandungan Gizi Untuk Menu Harian Menggunakan Fuzzy Integer Programming Muflikhah, Lailil; Ramadhan, Galang Gilang; ., Marji
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 2: Juni 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (853.499 KB) | DOI: 10.25126/jtiik.201632207

Abstract

AbstrakTujuan utama dari optimasi kandungan gizi  adalah  membantu pengguna menemukan daftar menu harian termurah berdasarkan kebutuhan gizinya serta biaya yang ditetapkan. Permasalahan ini cukup menantang karena banyak melibatkan data yang sifatnya tak pasti atau buram sehingga tidak dapat diselesaikan dengan metode optimasi dasar seperti Linear Programming. Fuzzy Linear Programming adalah solusi lain yang dapat digunakan. Namun  oleh karena sifatnya yang linear, metode ini menimbulkan efek di mana kombinasi makanan yang dihasilkan bisa jadi tidak enak untuk dikonsumsi (unpalatable). Fuzzy Integer Programming (FIP), yang merupakan pengembangan dari Integer Programming, menerapkan batasan-batasan yang lebih ketat pada model matematika dari permasalahan. Dengan menggunakan metode yang mengkonversi model FIP menjadi model Multiple Objective Integer Programming Problem (MOIPP), Integer Programming yang melibatkan data tak pasti dapat dipecahkan dengan mudah. Pengujian dengan membandingkan hasil dari metode ini dengan sebuah hasil metode apriori optimal. Metode ini diperoleh dari pembangkitan seluruh kombinasi yang mungkin sehingga menunjukkan bahwa metode ini mampu menemukan variasi menu optimal dengan tingkat optimalitas 100% dalam berbagai kondisi keburaman data. Dengan demikian, Fuzzy Integer Programming dapat dikatakan sebagai solusi yang dapat diandalkan untuk menyelesaikan permasalahan optimasi kandungan gizi menu harian. Kata Kunci: Kandungan gizi, Fuzzy Integer Programming, Menu Harian, Optimasi AbstractThe main purpose  of nurient optimization is to help user find the cheapest of daily menu, according to their nutrient needs and specified cost. This problem is quite challenging due to many uncertanty data are involved so that it can’t be solved by using basic optimization method such as Linear Programming. Fuzzy Linear Programming is another solution that can be used. How ever, because of its characteristic is linear, this method has an effect that can produce an unpalatable food combination. Fuzzy Integer Programming (FIP) which extends Integer Programming method, apply more strictly constraints to the problem’s mathematical model. By using a method that converts an FIP model into Multiple Objective Integer Programming Problem (MOIPP) model, Integer Programming with fuzzy data is solvable easily. A test result is compared to an a priori optimal result. It is obtained from an exhaustive combination generation so that shows that this method is capable to find the optimal menu within various data fuzziness   with optimality of 100%. Hence, Fuzzy Integer Programming can be considered as a reliable solution to solve optimization of daily menu nutrient. Keywords:  Nutrient, Fuzzy Integer Programming, Daily Menu, Optimization
Improving Performance for Diabetic Nephropathy Detection Using Adaptive Synthetic Sampling Data in Ensemble Method of Machine Learning Algorithms Muflikhah, Lailil; Bachtiar, Fitra A.; Ratnawati, Dian Eka; Darmawan, Riski
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol. 10 No. 1 (2024): March
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v10i1.28107

Abstract

Nephropathy is a severe diabetic complication affecting the kidneys that presents a substantial risk to patients. It often progresses to renal failure and other critical health issues. Early and accurate prediction of nephropathy is paramount for effective intervention, patient well-being, and healthcare resource optimization. This research used medical records from 500 datasets of diabetic patients with imbalanced classes. The main goal of this study is to get high-performance predictive models for nephropathy. So, this study suggests a new way to deal with the common problem of having too little or too much data when trying to predict nephropathy: adding more data through adaptive synthetic sampling (ADASYN). This technique is particularly pertinent in ensemble machine-learning methods like Random Forest, AdaBoost, and bagging (Adabag). By increasing the number of instances of minority classes, it tries to reduce the bias that comes with imbalanced datasets, which should lead to more accurate and strong predictive models in the long run. The experimental results show an improving 4% rise in performance evaluation such as precision, recall, accuracy, and f1-score, especially for the ensemble methods. Two contributions of this research are highlighted here: first, the utilization of adaptive synthetic sampling data to improve the balance and diversity of the training dataset. The second contribution is incorporating ensemble methods within machine learning algorithms to enhance the accuracy and robustness of diabetic nephropathy detection.
Enhancing DenseNet Accuracy in Retinal Disease Classification with Contrast Limited Adaptive Histogram Equalization Baihaqi, Galih Restu; Shalsadilla, Shafatyra Reditha; Maulidiya, Afifulail Maya Nur; Muflikhah, Lailil
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol. 10 No. 4 (2024): December
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v10i4.30327

Abstract

Retinal diseases are serious conditions that can cause vision impairment and, in severe cases, blindness, affecting 6.3% to 17.9% of cases per 100,000 people annually worldwide. Early diagnosis is crucial but often time-consuming, prompting the use of Artificial Intelligence (AI) models like DenseNet, part of the Convolutional Neural Network (CNN) architecture, to streamline the process. This study utilizes the Retinal OCT Images dataset from Kaggle, comprising 83,600 images categorized into four classes. To address the low contrast in Optical Coherence Tomography (OCT) images, the Contrast Limited Adaptive Histogram Equalization (CLAHE) technique was applied during preprocessing. Results indicate that DenseNet without CLAHE achieved an accuracy, precision, recall, and F1-score of 95%, while incorporating CLAHE improved these metrics to 98%. The application of CLAHE also reduced classification bias and error, enhancing model reliability despite requiring more training epochs (43 compared to 39 without CLAHE). These findings demonstrate the potential of CLAHE to optimize DenseNet performance in retinal disease classification. Future research could explore other image enhancement techniques or apply the method to different retinal disease datasets, contributing to improved diagnostic accuracy in clinical settings.
Klasifikasi Penyakit Alzheimer Pada Citra MRI Menggunakan Pretrained VGG-19 dan Pengolahan Citra CLAHE Sutrisna, Naufal Putra; Muflikhah, Lailil; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 4 (2025): April 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyakit Alzheimer adalah gangguan neurologis yang memengaruhi sistem saraf di otak dan menjadi salah satu penyebab utama penurunan fungsi kognitif. Dalam mendeteksi Alzheimer, citra Magnetic Resonance Imaging (MRI) menjadi salah satu alat diagnostik yang efektif karena mampu menampilkan detail anatomi otak dengan jelas. Namun, kualitas citra yang rendah dapat memengaruhi performa model dalam analisis citra medis, sehingga penggunaan metode Contrast Limited Adaptive Histogram Equalization (CLAHE) diterapkan untuk meningkatkan kualitas citra. Salah satu pendekatan yang dapat digunakan untuk mengolah data MRI adalah deep learning. Penelitian ini menggunakan pendekatan deep learning berbasis arsitektur pretrained VGG-19. Arsitektur ini dikenal sebagai salah satu yang terbaik dalam klasifikasi gambar, khususnya untuk tugas pencitraan medis seperti MRI. Penelitian ini diawali dengan pemrosesan citra menggunakan teknik pengolahan citra CLAHE dengan konfigurasi parameter clip limit sebesar 1 dan tile grid sebesar 2. Model dilatih menggunakan optimizer Adam dan learning rate sebesar 0,001. Hasil penelitian menunjukkan bahwa model mencapai nilai F1 Score sebesar 93,91%, dengan performa terbaik dalam mengklasifikasikan data minoritas. Penelitian ini menunjukkan keberhasilan dalam melakukan kombinasi arsitektur VGG-19 dan pengolahan citra CLAHE untuk klasifikasi Alzheimer secara akurat.
Deteksi Mutasi Epidermal Growth Factor Receptor pada Kanker Paru Menggunakan Extreme Gradient Boosting Nurfansepta, Amira Ghina; Muflikhah, Lailil; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 4 (2025): April 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kanker paru adalah salah satu jenis kanker paling umum di Indonesia. Mutasi pada gen epidermal growth factor receptor (EGFR) berperan penting dalam menentukan strategi pengobatan, tetapi deteksinya terkendala teknologi seperti polymerase chain reaction (PCR) dan biaya yang tinggi. Penelitian ini bertujuan mengembangkan model berbasis Extreme Gradient Boosting (XGBoost) untuk deteksi mutasi EGFR yang lebih efisien dan terjangkau. Dataset berasal dari rekam medis pasien kanker paru di Rumah Sakit Dr. Saiful Anwar Malang (2018-2019) dan mencakup hasil tes mutasi serta morfologi kanker. Data diproses menggunakan KNN Imputer untuk missing value, IQR untuk outlier, seleksi fitur dengan feature importance XGBoost, dan resampling dengan SMOTE. Model dioptimalkan menggunakan grid search dengan hyperparameter terbaik: gamma 0, learning rate 0,3, max depth 3, n estimators 50, dan reg lambda 1. Hasil menunjukkan akurasi rata-rata 0,844 dan AUC 0,945 pada validasi serta akurasi dan AUC sempurna, yaitu 1 pada data uji. Model ini juga menonjolkan 10 fitur penting, termasuk metastasis tulang, stadium kanker, dan lain sebagainya. Model XGBoost yang dioptimalkan diharapkan membantu deteksi dini dan meningkatkan aksesibilitas pengobatan kanker paru di Indonesia.
Deteksi Tingkat Resiko Kanker Serviks pada Wanita Usia Subur dengan Metode Modified K-Nearest Neighbor Mukhrodi, Dillah Lyra; Muflikhah, Lailil; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 5 (2025): Mei 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kanker serviks merupakan kanker kedua yang paling banyak diderita oleh wanita di Indonesia. Penyebab utama kanker serviks 99,7% berkaitan erat dengan infeksi virus Human Papilloma. Salah satu metode yang digunakan untuk skrining kanker serviks adalah IVA (Inspeksi Visual dengan Asam Asetat), yang berfungsi mendeteksi keberadaan sel-sel abnormal sejak dini. Namun, metode IVA memiliki kekurangan, yakni tingkat sensitivitas dan spesifitas yang rendah. Maka, penelitian ini dilakukan dengan tujuan untuk mendeteksi tingkat resiko kanker serviks dengen menerapkan metode Modified K-Nearest Neighbor (MKNN). Metode tersebut dipilih karena mampu menangani data outlier dan tidak seimbang. Metode ini bekerja dengan menghitung jarak antar data sambil menyesuaikan bobot tetangga berdasarkan jaraknya sehingga menghasilkan klasifikasi yang lebih representatif. Dataset penelitian mencakup 314 pasien kanker serviks. Setelah melalui tahapan data preprocessing, pembagian data yang digunakan selama penelitian, yaitu 824 data latih dan 275 data uji. Penelitian ini melibatkan 7 kelas, yakni stadium IA, IB, IIA, IIB, IIIB, IVA, dan IVB. Kombinasi teknik resampling dan seleksi fitur diterapkan untuk meningkatkan performa model, menghasilkan akurasi tertinggi sebesar 92,72% pada nilai gain 0,07 dan k = 2. Lalu, pengujian kedua dilakukan dengan menerapkan stratified k-fold cross validation menunjukkan rata-rata akurasi 91,99% pada k = 2.
Implementasi Embedding IndoBERT dan Support Vector Machine (SVM) Untuk Analisis Sentimen Publik terhadap Layanan Biznet hidayatulloh, syarif; Muflikhah, Lailil; Rizal Setya Perdana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 9 (2025): September 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pertumbuhan pesat penggunaan internet di Indonesia mendorong peningkatan ekspektasi masyarakat terhadap kualitas layanan penyedia internet, termasuk Biznet. Opini publik yang tersebar di media sosial menjadi indikator penting untuk mengevaluasi kepuasan pengguna. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap layanan Biznet dengan mengombinasikan model IndoBERT sebagai representasi teks dan algoritma Support Vector Machine (SVM) sebagai metode klasifikasi. Data diperoleh melalui teknik crawling dari platform X (Twitter), yang kemudian diproses melalui tahapan preprocessing seperti cleaning, case folding, normalisasi, tokenisasi, stopwords removal, dan stemming. Hasil preprocessing selanjutnya diolah menggunakan IndoBERT untuk mendapatkan representasi vektor dari teks, yang menjadi input bagi model SVM. Evaluasi dilakukan dengan metrik akurasi, presisi, recall, dan F1-score, serta visualisasi dengan confusion matrix dan grafik learning curve. Hasil pengujian menunjukkan bahwa kombinasi IndoBERT dan SVM mampu mengklasifikasikan sentimen ke dalam tiga kategori: positif, negatif, dan netral secara efektif. Model dengan performa terbaik dicapai saat preprocessing dilakukan tanpa menghapus stopwords, dengan akurasi mencapai 97% dan F1-score hingga 98% pada kelas negatif dan netral. Temuan ini membuktikan bahwa pendekatan gabungan IndoBERT dan SVM dapat digunakan secara optimal untuk memahami persepsi publik terhadap layanan internet, dan memberikan rekomendasi berbasis data bagi peningkatan kualitas layanan.
Penggunaan Instance Segmentation Dalam Deteksi dan Identifikasi Tuna dengan Algoritma YOLOv8 Bachtiar, Harsya; Rahayudi, Bayu; Muflikhah, Lailil
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 9 (2025): September 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Indonesia merupakan negara maritim dengan potensi besar di sektor perikanan, termasuk produksi dan ekspor tuna. Namun, identifikasi spesies tuna secara manual masih menghadapi tantangan seperti keterbatasan waktu dan potensi kesalahan manusia. Penelitian ini bertujuan untuk mengimplementasikan algoritma YOLOv8 dengan metode instance segmentation dalam mendeteksi dan mengidentifikasi empat spesies tuna, yaitu albacore, bigeye, skipjack, dan yellowfin. Model dilatih dengan berbagai konfigurasi parameter seperti epoch, batch size, learning rate, dan optimizer. Evaluasi dilakukan menggunakan metrik mAP@0.5, mAP@0.5:0.95, precision, recall, dan F1-score. Dari 16 skenario pelatihan, skenario terbaik menghasilkan mAP@0.5 sebesar 0.902, mAP@0.5:0.95 sebesar 0.752, precision 0.833, recall 0.865, dan F1-score 0.849. Model juga mencapai akurasi deteksi 92,5% pada data uji (37 dari 40 gambar terdeteksi benar). Meskipun pelatihan dilakukan dengan jumlah epoch terbatas karena keterbatasan sumber daya komputasi, model tetap menunjukkan performa yang baik. Hasil ini menunjukkan bahwa YOLOv8 instance segmentation berpotensi digunakan sebagai sistem pendukung identifikasi spesies tuna secara otomatis untuk penelitian maupun aplikasi praktis di sektor perikanan. Kata kunci: YOLOv8, instance Segmentation, tuna, deteksi dan identifikasi spesies, deep learning
Penjadwalan Ujian Akhir Semester dengan Algoritma Ant Colony Optimization (Studi Kasus: Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya) Sukma, Lintang Cahyaning; Kurnianingtyas, Diva; Muflikhah, Lailil
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Jurnal Internasional Cogent Engineering 
Co-Authors A. Bachtiar , Fitra Abdurrachman Bachtiar, Fitra Achmad Jafar Al Kadafi, Achmad Jafar Addin Sahirah, Rafifa Adinugroho, Sigit Agung Setiyoaji Agus Ardiansyah Agus Wahyu Widodo Agus Wahyu Widodo, Agus Wahyu Ahmad Nur Royyan Ahmad Wildan Attabi' Akbar Grahadhuita Al Kautsar, Prima Daffa Aldi Bagus Sasmita Aldino Caturrahmanto Anis Zubair, Anis Annisaa Amalia Safitri Aqmal Maulana Tisno Nuryawan Ardiza Dwi Septian Arief Andy Soebroto Ashidiq, Muhammad Fihan Aulia Herdhyanti Bachtiar, Harsya Baharudin B. Baharum Baihaqi, Galih Restu Bajsair, Fath' Hani Sarli Bayu Laksana Yudha Bayu Rahayudi Bening Herwijayanti Bintang, Tulistyana Irfany Brillian Ghulam Ash Shidiq Budi Darma Setiawan Candra Dewi Candra Dewi Daneswara Jauhari Daneswara Jauhari, Daneswara Darma Setiawan, Budi Darmawan, Riski Daud, Nathan Dewi, Buana Dhimas Wida Syahputra Dian Eka Ratnawati Dimas Joko Hariyanto Dimas Joko Haryanto Duwi Purnama Sidik Edy Santoso Edy Santoso Eni Hartika Harahap Eva Agustina Ompusunggu Faris Dinar Wahyu Gunawan Fatimah Az-Zahra, Adinda Feri Eko Herman Fitra Abdurrachman Bachtiar Fitrotuzzakiyah, Shafira Puspa Gessia Faradiksi Putri HANA RATNAWATI Hanggar Wahyu Agi Prayogo Haris, Asmuni Haryanto, Dimas Joko Hinandy Nur Anisa Hoar, Wilhelmina Sonya Ichsan Achmad Fauzi Iftinan, Salsa Nabila Imam Cholissodin Imam Cholissodin Imam Cholissodin Imam Cholissodin Indriati Indriati Indriati Indriati Issa Arwani Kautsar, Ahmad Izzan Khairunnisa, Alifah Ksatria Bhuana Kukuh Bhaskara Kukuh Haryobismoko Kurnianingtyas, Diva Laily Putri Rizby Luqyana, Wanda Athira Luthfi Afrizal Ardhani M. Ali Fauzi M. Tanzil Furqon, M. Tanzil Marine Putri Dewi Yuliana Marji . Marji Marji Maulana, Muhammad Taufik Maulidiya, Afifulail Maya Nur Muh Arif Rahman Muh Hamim Fajar Muh. Arif Rahman Muhammad Abduh Muhammad Fajri Muhammad Ferian Rizky Akbari Muhammad Rafif Al Aziz MUHAMMAD SYAFIQ Muhammad Tanzil Furqon Muhammad Wafiq Mukhrodi, Dillah Lyra Nashi Widodo Nisa, Lisa N. Novanto Yudistira Nurfansepta, Amira Ghina Nurhidayati Desiani Nurul Dyah Mentari Nurul Hidayat Nurul Hidayat Olivia Bonita Puji Indah Lestari Puspita Sari Putra Pandu Adikara Putri, Rania Aprilia Dwi Setya Rachmad Indrianto Rachmatika, Isnayni Sugma Rafifah Nawawi, Danisha Ramadhan, Galang Gilang Randi Pratama Nugraha Randy Cahya Wihandika Ratih Kartika Dewi Rekyan Regarsari Mardhi Putri Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Rendi Cahya Wihandika Rheza Raditya Andrianto Ria Ine Pristiyanti Rika Raudhotul Rizqiyah Riski Darmawan Riyanarto Sarno Rizal Setya Perdana Rizal Setya Perdana Robbiyatul Munawarah Rowan Rowan Rusydi Hanan, Muhammad Satrio Hadi Wijoyo Setiana, Maya Setya Perdana, Rizal Shalsadilla, Shafatyra Reditha Sholeh, Mahrus Sukma, Lintang Cahyaning Supraptoa Supraptoa Surya Dermawan Susanto, Dominicus Christian Bagus Sutrisna, Naufal Putra Sutrisno Sutrisno Sutrisno, Sutrisno Syafruddin Agustian Putra Syarif Hidayatulloh Tahtri Nadia Utami Tibyani Tibyani Tirana Noor Fatyanosa, Tirana Noor Tri Fadilah, Ghina Utaminingrum, Fitri Vianti Mala Anggraeni Kusuma Vidya Capristyan Pamungkas Wahyu Rizki Ferdiansyah Wardana, Dzaky Ahmadin Berkah Warut, Gregorius Batara De Wibowo, Dhimas Bagus Bimasena Wijaya, Nicholas Yobel Leonardo Tampubolon Yogi Suwandy Yulian Ekananta Yunita, W. Lisa Zakiyyah, Rizka Husnun Zanna Annisa Nur Azizah Fareza