Article Per Year (5 Year)
p-Index From 2021 - 2026
5.641
P-Index
This Author published in this journals
All Journal MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Journal of Innovation and Applied Technology Jurnal Teknologi Informasi dan Ilmu Komputer Habitat JPSriwijaya Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi
Fakultas Ilmu Komputer Universitas Brawijaya
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Law, Crime, Criminology & Criminal Justice Neuroscience Public Health Other

Published : 80 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 80 Documents
Search

 4   5   6   7   8 
Sistem Pengenalan Plat Nomor Kendaraan dalam Kondisi Minim Cahaya Menggunakan CLAHE dan YOLOv8 untuk Gerbang Otomatis Pardamean, Yohanes; Putri, Rekyan Regasari Mardi; Budi, Agung Setia
Jurnal Pengembangan Teknologi Informasi 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

Gerbang adalah alat untuk memfasilitasi kontrol akses ke lingkungan atau properti. Integrasi pengenalan plat nomor kendaraan membantu mengotomatisasi dan mempercepat pengendalian akses, namun variasi pencahayaan dapat mengurangi kinerja sistem. Untuk mengatasi kondisi minim cahaya, studi ini menerapkan Contrast-Limited Adaptive Histogram Equalization (CLAHE) sebagai langkah preprocessing. CLAHE bekerja dengan membagi citra menjadi area kecil, lalu menaikan kontras dengan limit yang telah ditentukan. Selanjutnya deteksi plat nomor menggunakan model YOLOv8 yang dilatih pada dataset yang bersumber dari Roboflow, sementara Optical Character Recognition (OCR) menangani ekstraksi karakter. Pada pengujian sistem yang telah dilakukan di keadaan minim cahaya, penggunaan CLAHE mampu mendeteksi 100% plat nomor kendaraan(7 plat) dan hasil rekognisi 71,5%(5 benar dari 7 plat). Tanpa penggunaan CLAHE, sistem hanya mendeteksi 71,5% (5 dari 7 plat) dan hasil rekognisi hanya 28,5%( 2 dari 7 plat nomor). Hasil ini menunjukkan bahwa CLAHE secara signifikan meningkatkan deteksi dan pengenalan plat nomor dalam kondisi cahaya rendah, dan pengujian siang hari menunjukan hasil similar antara penggunaan CLAHE dan tidak. Pendekatan ini menawarkan peningkatan praktis untuk sistem gerbang otomatis, menjamin operasi andal pada berbagai kondisi pencahayaan.
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 Informasi 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.
Implementasi Deep Learning MobileNetV2 dan Explainable AI (Grad-CAM) dalam Klasifikasi Multi-Kelas Penyakit Kuku Berbasis Raspberry Pi Angelica, Sherina Yosephine; Mardi Putri, Rekyan Regasari
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Deteksi dini kelainan kuku merupakan langkah krusial dalam pencegahan komplikasi medis serius, namun metode diagnosis visual manual sering kali bersifat subjektif dan rentan terhadap kesalahan interpretasi. Guna mengatasi keterbatasan aksesibilitas alat medis dan kurangnya transparansi pada sistem diagnosis otomatis konvensional, penelitian ini mengembangkan sistem klasifikasi penyakit kuku portabel berbasis embedded system pada Raspberry Pi 3 Model B yang mengintegrasikan arsitektur MobileNetV2 untuk efisiensi komputasi dan Gradient-weighted Class Activation Mapping (Grad-CAM) untuk interpretabilitas keputusan (Explainable AI). Sistem dirancang untuk mengklasifikasikan enam kondisi kuku—meliputi Healthy Nail, Acral Lentiginous Melanoma, Blue Finger, Clubbing, Pitting, dan Onikomikosis—secara real-time dengan sumber daya terbatas. Hasil pengujian menunjukkan performa sistem yang sangat andal dengan capaian akurasi global 90,6% dan rata-rata F1-Score 90,3%, serta efisiensi waktu inferensi sebesar 0,3781 detik per citra, membuktikan kelayakan prototipe ini sebagai alat skrining medis sekunder yang cepat, akurat, dan transparan untuk implementasi pada layanan kesehatan primer dan daerah terpencil. 
Sistem Deteksi Kantuk Pengemudi Mobil Dengan Analisis Wajah Berbasis Raspberry Pi Nata Dirana, Pratama Putra; Mardi Putri, Rekyan Regasari
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kecelakaan lalu lintas akibat kantuk merupakan ancaman signifikan bagi keselamatan pengemudi, terutama pada perjalanan jarak jauh. Kondisi ini dapat diidentifikasi melalui perubahan fisiologis seperti keterbukaan mata, frekuensi menguap, dan orientasi kepala. Penelitian ini mengembangkan sistem deteksi kantuk berbasis analisis wajah menggunakan Raspberry Pi 5 dengan kombinasi parameter Eye Aspect Ratio (EAR), Mouth Aspect Ratio (MAR), dan Head Pose Estimation via MediaPipe Face Mesh. Metode Exponential Moving Average (EMA) diterapkan untuk menstabilkan data dan mengurangi false alarm. Sistem menggunakan kamera infrared untuk memastikan performa optimal dalam berbagai kondisi pencahayaan. Pengujian simulasi terhadap partisipan berusia 20–22 tahun menunjukkan sistem beroperasi realtime dengan waktu komputasi 0,2637 detik. Penerapan EMA berhasil meningkatkan akurasi dari 87,5% menjadi 94,64% dan menurunkan false alarm sebesar 37,53%. Kamera infrared juga terbukti efektif mendeteksi wajah dalam kondisi minim cahaya maupun saat penggunaan kacamata hitam, di mana kamera biasa sering mengalami kegagalan. Sistem ini diharapkan menjadi solusi efisien, robust, dan non-invasif untuk membantu pengemudi mengatasi kantuk.
Implementasi EfficientNetB2 untuk Sistem Sortir Otomatis Buah Jeruk Keprok Berbasis Raspberry Pi 4B Meryandha, Afra Naima; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Jeruk keprok merupakan salah satu komoditas hortikultura unggulan di Indonesia dengan nilai ekonomi yang tinggi dan permintaan pasar yang terus meningkat. Data Direktorat Jenderal Hortikultura tahun 2024 menunjukkan bahwa produksi jeruk siam atau keprok pada tahun 2023 mencapai 2,83 juta ton atau sekitar 9,8 persen dari total produksi buah nasional. Kualitas jeruk keprok tentunya memengaruhi harga jual dan kepercayaan konsumen. Namun, proses sortasi di lapangan masih dilakukan secara manual melalui pengamatan visual petani. Metode ini bergantung pada subjektivitas dan perbedaan persepsi setiap individu, sehingga hasil sortir sering tidak konsisten. Penelitian ini bertujuan mengembangkan sistem sortir otomatis buah jeruk keprok berdasarkan tingkat kualitas dengan empat kelas, yaitu Grade Super, Grade A, Grade B, dan Defect menggunakan EfficientNetB2 berbasis Raspberry Pi 4B. Sistem diintegrasikan dengan perangkat keras berupa webcam sebagai input citra serta motor servo dan stepper motor sebagai aktuator untuk proses sortir fisik. Hasil pengujian menunjukkan bahwa model EfficientNetB2 memiliki performa klasifikasi dengan nilai macro average accuracy 98,2%, macro average precision 95,2%, macro average recall 96,4%, dan macro average F1-score 95,6%. Pengujian integrasi sistem menghasilkan rata-rata akurasi 80%, dengan keterbatasan pada kelas yang memiliki kemiripan fitur visual. Rata-rata waktu inferensi adalah 0,7639 detik per objek dengan waktu total sistem 8,2648 detik.
Sistem Kendali Jarak Jauh Fiber Optic Change Over Berbasis Mikrokontroler ESP32 Fanani, Aulia Putri; Putri, Rekyan Regasari Mardi; Budi, Agung Setia
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dalam bidang jaringan fiber optik dan telekomunikasi, keandalan infrastruktur jaringan menjadi salah satu yang perlu diperhatikan secara khusus. Penyebab gangguan jaringan dianalisis dengan mempertimbangkan banyak faktor mulai dari kerusakan fisik, masalah dalam penyambungan hingga faktor lingkungan sekitarnya. Dalam operasional jaringan, redundansi sangat penting untuk menjaga pelayanan tetap berjalan meskipun terjadi gangguan pada jalur utama. Redundansi ini biasanya diwujudkan melalui penggunaan jalur backup yang dapat diaktifkan saat jalur utama mengalami kerusakan. Ketika terjadi gangguan pada jalur utama, diperlukan sistem change over untuk mengalihkan jalur utama ke jalur cadangan. Proses change over yang kerap kali dilakukan secara manual menyebabkan waktu pemulihan layanan bisa memakan waktu lama dan berdampak pada kualitas layanan. Penelitian ini memanfaatkan konsep IoT dengan konfigurasi web server dengan ESP32 sehingga setiap perangkat dan komponen dapat saling terhubung bertukar data informasi yang diperlukan tanpa memerlukan campur tangan manusia. Pendekatan ini sangat relevan dengan kebutuhan sistem untuk pengendalian jarak jauh yang memungkinkan pengguna mengatur perangkat yang berjauhan sehingga memungkinkan pengguna dapat merespon kondisi dengan cepat. Sistem yang dikembangkan ini diharapkan dapat mengurangi waktu respon terhadap gangguan jaringan sehingga dapat meningkatkan efisiensi dan mencegah kerugian finansial maupun operasional lebih lanjut.
Sistem Pendeteksi Tingkat Stadium Katarak Menggunakan Metode Convolutional Neural Network (CNN) dengan Raspberry PI 4 amiruddin, muhammad dzaky; Putri, Rekyan Regasari Mardi; Setiawan, Eko
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Katarak adalah penyebab utama kebutaan di seluruh dunia, khususnya katarak senilis ketika kondisi mata mengalami kekeruhan yang terjadi seiring bertambahnya usia. Deteksi dini sangat penting dalam mencegah kebutaan permanen. Akses terbatas terhadap tenaga medis dan peralatan yang mahal merupakan kendala yang dapat menghambat pemeriksaan dini di daerah terpencil. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksi tingkat stadium katarak menggunakan metode Convolutional Neural Network (CNN), yang diimplementasikan pada perangkat Raspberry Pi 4 sebagai solusi komputasi mini yang efisien dan terjangkau. Sistem ini beroperasi dengan mengambil gambar mata menggunakan kamera USB, melakukan pre-processing, dan mengekstraksi fitur melalui arsitektur CNN untuk mengklasifikasikan tingkat stadium katarak, terutama pada stadium imatur dan matur. Model CNN dilatih menggunakan data yang sudah di augmentasi menggunakan Google Colab dan Roboflow untuk meningkatkan kemampuan generalisasi, kemudian dioptimalkan agar dapatberjalan secara real-time di perangkatedge computing. Hasil penelitian menunjukkanbahwapenerapanmetodeCNNpada RaspberryPi4dapatmencapai akurasi hingga 85,00% dengan waktu komputasi rata-rata 0,0423 detik per citra. Pengujian menemumakan bahwa variasi jarak pengambilan citra dan penggunaan kacamata dapat mempengaruhi akurasi dan kinerja sistem. Namun, dengan keunggulan berupa portabilitas dan kemampuan beroperasi secara offline, sistem ini berpotensi menjadisolusi deteksi dinikatarak yang efektif khususnya di wilayah dengan keterbatasan sarana layanan kesehatan guna mengurangi angka kebutaan.
IMPLEMENTASI MOBILENETV3 DAN RANDOM FOREST UNTUK SISTEM SORTIR OTOMATIS BUAH JERUK KEPROK BERDASARKAN TINGKAT KUALITAS BERBASIS RASPBERRY PI 4B Widodo, Moudy Lestari Tulus; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Proses sortir buah jeruk keprok di Indonesia masih didominasi metode manual yang bersifat subjektif, tidak konsisten, dan kurang efisien. Penelitian ini mengembangkan sistem sortir otomatis buah jeruk keprok berbasis computer vision dengan mengombinasikan MobileNetV3 sebagai metode feature extractor dan Random Forest sebagai algoritma classifier. Dataset berupa gambar jeruk keprok diperoleh secara langsung dari beberapa kebun petik jeruk di wilayah Malang dan dilabeli berdasarkan Standar Nasional Indonesia (SNI) 3165:2024 dan petani kebun jeruk terkait ke dalam kelas A, B, DEFECT dan SUPER. Model yang telah dilatih kemudian diimplementasikan pada perangkat Raspberry Pi 4B dan diintegrasikan dengan kamera serta aktuator mekanik untuk mendukung proses sortir otomatis secara real-time. Evaluasi kinerja dilakukan melalui pengujian offline menggunakan confusion matrix serta pengujian pada sistem terintegrasi. Hasil pengujian menunjukkan bahwa model memiliki performa klasifikasi yang tinggi pada pengujian offline, namun terjadi penurunan performa ketika diterapkan pada lingkungan real-time akibat variasi kondisi pengambilan gambar dan keterbatasan komputasi perangkat. Meskipun demikian, sistem mampu melakukan klasifikasi kualitas jeruk keprok secara akurat dengan waktu pemrosesan yang relatif singkat, sehingga layak diterapkan sebagai solusi sortir otomatis pada sektor hortikultura.
Implementasi MobileNetV2 dan Support Vector Machine (SVM) untuk Sistem Sortir Otomatis Buah Jeruk Keprok Berdasarkan Tingkat Kualitas Berbasis Raspberry Pi 4B Widyana, Kurnita Ruci; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Produksi buah jeruk secara global dan nasional menunjukkan peningkatan yang signifikan dalam beberapa tahun terakhir. Di Indonesia, jeruk keprok (Citrus reticulata Blanco) menjadi salah satu varietas dengan tingkat produksi tertinggi, mencapai sekitar 2,4 juta ton pada tahun 2024. Peningkatan produksi tersebut perlu diimbangi dengan pengelolaan kualitas hasil panen yang optimal, mengingat mutu buah merupakan faktor utama yang menentukan nilai jual dan daya saing produk. Kualitas buah jeruk keprok dipengaruhi oleh karakteristik fisik, seperti ukuran, warna, dan tekstur kulit, sehingga proses sortasi menjadi tahapan penting dalam pascapanen. Namun, proses sortasi manual masih memiliki keterbatasan dari segi efisiensi, konsistensi, dan ketelitian. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem sortasi jeruk keprok otomatis berbasis pengolahan citra dan kecerdasan buatan yang diimplementasikan pada Raspberry Pi 4B. Sistem ini memadukan deep learning dan machine learning, dengan MobileNetV2 sebagai ekstraktor fitur citra buah dan Support Vector Machine (SVM) sebagai algoritma klasifikasi untuk menentukan grade buah. Model dilatih menggunakan dataset citra jeruk keprok yang diklasifikasikan ke dalam empat kelas, yaitu grade A, grade B, grade Super, dan grade Defect. Model yang telah dilatih diintegrasikan ke dalam sistem fisik dengan aktuator motor servo dan stepper motor untuk mendukung proses sortasi otomatis. Hasil pengujian menunjukkan akurasi model sebesar 99,04%, sedangkan akurasi model terintegrasi pada Raspberry Pi 4B mencapai 92,5%. Sistem juga memiliki rata-rata waktu inferensi 0,42465 detik dan waktu pemrosesan keseluruhan 8,3725 detik. Hasil ini menunjukkan bahwa sistem yang dikembangkan mampu meningkatkan efisiensi, konsistensi, dan kualitas proses sortasi, serta berpotensi mendukung peningkatan produktivitas jeruk keprok secara berkelanjutan.
Guided Digital Empowerment: Strategies to Address the Digital Divide for Rural Youth in Rural Area Wahyuni, Lilik; Sukmawan, Sony; Putri, Rekyan Regasari Mardi; Pinandita, Eggi Pur; Nirmalasari, Intan; Praminsya, Agam; Rosyidah, Dinda Inayatur
HABITAT Vol. 37 No. 1 (2026): April
Publisher : Department of Social Economy, Faculty of Agriculture , University of Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.habitat.2026.037.1.4

Abstract

Purpose: Rural youth face their most significant challenge when they try to access digital technology for their productive economic work because the digital divide continues to exist. The internet infrastructure in many rural areas has improved but people still lack digital skills and they fail to use online platforms for business purposes. This research study investigates how rural youth learn digital skills and assesses how structured digital training programs help them start online businesses and develop their rural-based businesses. Design/Methodology/Approach: The researchers conducted their study using a mixed-methods approach which included surveys and interviews and observations and document analysis that studied rural youth in Malang Regency Indonesia. The researchers used quantitative data to assess digital literacy and internet usage patterns while the qualitative data examined the obstacles and assistance systems that digital entrepreneurs face in their work. Findings: The research results demonstrate that people in the study area have sufficient internet access but they still use the internet for business activities at a low level. Digital platforms serve as content consumption tools for rural youth who do not use them to create content or market their products online. The main obstacles to progress include insufficient digital abilities combined with expensive internet access and missing mentorship and training resources.  The combination of training and mentoring together with infrastructure development helps people to build their digital skills which leads to increased e-commerce entrepreneurship activities. Originality/Value/Novelty: The implementation of a complete empowerment framework needs cooperation between government authorities, internet service providers, village enterprises (BUMDES), and local citizens to achieve inclusive and sustainable digital advancements in rural areas.
Co-Authors Achmad Arwan Agung Setia Budi, Agung Setia Agus Wahyu Widodo Ahmad Izzuddin Ainun Najib Eka Christianto Akbar, Muhammad Faithur Adel Patria Albert, Muhammad Zaidan Aldo, Muhammad Alhasyimi, Dana Mustofa Alqadri, Aikal Ichsan amiruddin, muhammad dzaky Angelica, Sherina Yosephine Annuranda, Ramansyah Eka Aulady, Fadhli Barlian Henryranu Prasetio Budi Darma Setiawan Candra Dewi Candra Dewi Chusnah Puteri Damayanti Dahnial Syauqy Dharmawan, Fakhriz Thoriqo Dian Eka Ratnawati Edy Santoso Eko Setiawan Eko Setiawan Elsa Nuramilus Shofia Endah Utik Wahyuningtyas Faizatul Amalia Fajar, Sanhnai Fathirul Fanani, Aulia Putri Firdaus, Muhammad Alifiansyah Firza Zamzani, Muhammad Fitra Abdurrachman Bachtiar Fitriyah, Hurriyatul Fran's Dwi Saputra Atmanagara Frans Agum Gumelar Gembong Edhi Setyawan Haqiqi, Farih Akmal Herlambang, Romario Yudo Hisdianton, Oktavian Hurriyatul Fitriyah, Hurriyatul Ichsan , Mochammad Hannats Hanafi Imam Cholissodin Indriati Indriati INTAN NIRMALASARI Irfan Muzakky Nurrizqy Iunike Kartika Dewi Karuniawan Susanto Khoirin Nisa Fitrianur Kurniawan, Rafi Athallah Kusuma, Aji Ranca Lailil Muflikhah Lilik Wahyuni Luthfi Anshori M. Ali Fauzi Mahar Beta Adi Sucipto, Ekmaldzaki Royhan Malik, Hifdzul Manoeroe, Gregorio Maryamah Maryamah Merry Gricelya Nababan Merry Gricelya Nababan, Merry Gricelya Meryandha, Afra Naima Mimin Putri Raharyani Moch. Maulana Alrizzaqi Muhammad Abduh Muhammad Adiputra Muhammad Najmi Ridhani Muzayyin, Asep Nata Dirana, Pratama Putra Niken Hendrakusma Wardani Ningsih Puji Rahayu Nurkhoyri, Ageng Nurrizqy, Irfan Muzakky Nurul Auliyah Pamungkas, Gilang Alif Pangestu Ari Wijaya Pardamean, Yohanes Pinandita, Eggi Pur Praminsya, Agam Pratama, Muhammad Naufal Rafi Pratomo Adinegoro Pricillia, Lidya Ruth Rakhmadhany Primananda, Rakhmadhany Rakhmadina Noviyanti Ramadhan, Wafdannur Ramadhani, Aryo Sheva Ramadhani, Roihaan Randi Pratama Nugraha Randy Cahya Wihandika Randy Cahya Wihandika Ridho Adi Febrian Rima Diah Wardhani Rizal Maulana, Rizal Rizqi Muh. Muqoffi Ashshidiqi Rosyidah, Dinda Inayatur Satria Dwi Nugraha Satrio Agung Wicaksono Sevtyan Eko Pambudi Siswanti Sukmawan, Sony - Supraptoa Supraptoa Sutopo Sutopo Sutrisno Sutrisno Syahwanto, Virandy Bagaskara Tegar Assyidiqi Nugroho Tibyani Tibyani Utaminingrum, Fitri Vienticentia Imanuwelita Widodo, Moudy Lestari Tulus Widyana, Kurnita Ruci Wijaya Kurniawan Yusi Tyroni Mursityo Yusuf Priyo Anggodo, Yusuf Priyo Zahra Swastika Putri Zarkasyi, Muhammad Rifky Irfan Zultoni Febriansyah