Article Per Year (5 Year)
p-Index From 2021 - 2026
16.028
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering International Journal of Reconfigurable and Embedded Systems (IJRES) ComEngApp : Computer Engineering and Applications Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Teknologi Informasi dan Ilmu Komputer Register: Jurnal Ilmiah Teknologi Sistem Informasi Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Dinamisia: Jurnal Pengabdian Kepada Masyarakat
Dahnial Syauqy
Fakultas Ilmu Komputer, Universitas Brawijaya
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Social Sciences Other

Published : 248 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 248 Documents
Search

 20   21   22   23   24 
Implementasi Sarung Tangan Gaming Boxing : “Thunder Ray” Dengan Menggunakan Sensor Gerak MPU6050 Dan Metode Random Forest Untuk Pendeteksi Gerakan Tinju Rahayu, Vina Trisnawati; Syauqy, Dahnial; Akbar, Sabriansyah Rizqika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pada era teknologi yang semakin maju, permainan video telah menjadi bagian integral dari gaya hidup banyak orang terutama di kalangan generasi muda. Namun, fokus yang berlebihan pada permainan video yang umumnya dimainkan menggunakan keyboard atau joystick dapat mengurangi aktivitas fisik dan menyebabkan masalah kesehatan seperti obesitas, gangguan penglihatan, dan gangguan pola tidur. Serta, keterbatasan interaksi fisik dapat mengurangi sensasi nyata dari gerakan yang seharusnya ada dalam olahraga. Oleh karena itu, penggunaan teknologi diperlukan dalam pengembangan sebuah sistem untuk mengubah interaksi pemain dengan permainan yang menggunakan perangkat keyboard. Penelitian ini mengembangkan sistem tersebut dengan memanfaatkan sensor MPU6050 yang terpasang dalam sarung tangan tinju untuk merekam data gerakan tinju dari subjek pada posisi diam, pukulan jab, dan straight. Data tersebut kemudian diolah atau diproses menggunakan mikrokontroler ESP32 dengan algoritma Random Forest untuk mengklasifikasikan gerakan berdasarkan kategori tersebut. Gerakan - gerakan ini kemudian diterjemahkan menjadi input permainan, sehingga aksi fisik pemain secara langsung mempengaruhi aksi di dalam permainan. Penelitian ini mengevaluasi akurasi serta waktu komputasi yang diperlukan untuk responsivitas waktu nyata. Hasilnya menunjukkan bahwa sistem memiliki tingkat akurasi yang sangat tinggi, yaitu 100% pada setiap posisi gerakan (diam, jab, dan straight). Selain itu, waktu komputasi rata-rata sistem untuk mendeteksi setiap gerakan adalah 0,941783ms berdasarkan 120 kali pengujian yang dilakukan pada 4 subjek berbeda dengan masing - masing jenis gerakan diuji sebanyak 10 kali. Dengan demikian, dari segi perangkat keras maupun perangkat lunak mencapai keberhasilan 100% sesuai dengan fungsionalitas yang diharapkan.
Sistem Klasifikasi Kondisi Laboratorium Medis Berdasarkan Suhu Dan Kelembapan Menggunakan Algoritma Jaringan Syaraf Tiruan (JST) Nabila Eka Putri, Alisya; Syauqy, Dahnial; Hazbiy Shaffan, Nur
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Laboratorium medis memberikan pelayanan pengujian dan diagnosa penyakit melalui pemeriksaan spesimen, dengan menjaga parameter standar baku mutu laboratorium melalui pemantauan suhu dan kelembapan udara. Pengelolaan laboratorium yang kurang baik dapat berdampak pada penyebaran mikroorganisme, kerusakan spesimen dan kualitas alat, serta hasil diagnosa. Pemantauan dilakukan oleh tenaga medis secara manual menggunakan thermohygrometer. Keterbatasan kemampuan tenaga medis menjadi kendala dalam pemantauan laboratorium secara berkelanjutan. Penelitian ini mengembangkan sistem klasifikasi kondisi laboratorium medis berdasarkan suhu dan kelembapan menggunakan algoritma Jaringan Syaraf Tiruan (JST) untuk melakukan pemantauan secara otomatis dan berkelanjutan. Sistem dirancang multinode, terdiri dari node master dan slave dengan NodeMCU ESP8266 dan sensor DHT22 sebagai komponen penyusun. Sistem mengakuisisi suhu dan kelembapan dan mengklasifikasikan laboratorium menjadi kelas layak dan tidak layak. Proses klasifikasi menggunakan 200 data sebagai dataset untuk membangun model dengan library TensorFlow. Pengujian dilakukan dengan menempatkan node pada titik berbeda dalam satu ruangan laboratorium. Hasil pengujian menunjukkan rata-rata error sensor DHT22 pada node master dalam akuisisi suhu sebesar 0.71% dan kelembapan sebesar 2.29%. Serta pada node slave rata-rata error sensor dalam akuisisi suhu sebesar 0.67% dan kelembapan sebesar 2.11%. Sistem mendapatkan tingkat akurasi 80% dalam mengklasifikasikan kondisi laboratorium medis dengan waktu komputasi rata-rata mencapai 174.4 ms pada 25 data uji. Kata kunci: Laboratorium Medis, Pemantauan Standar Laboratorium, Suhu, Kelembapan, Klasifikasi, Jaringan Syaraf Tiruan (JST)
Sistem Wearable Deteksi Postur pada Training Lateral Raise menggunakan Sensor MPU6050 dengan Algoritma Random Forest Syauqi, Mohd Alfitra; Syauqy, Dahnial; Kurniawan, Wijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Olahraga memiliki peran yang sangat penting dalam menjaga kesehatan fisik dan mental. Untuk mendapatkan manfaat maksimal, banyak orang beralih ke latihan beban guna membentuk otot dan meningkatkan kekuatan fisik. Latihan otot deltoid menjadi salah satu pilihan favorit dalam membentuk visual badan yang lebar dan atletis. Salah satu latihan yang sering dilakukan adalah lateral raise. Namun, banyak orang melakukan gerakan ini tanpa pemahaman yang memadai. Kesalahan dalam teknik, postur tubuh yang salah, penggunaan beban yang tidak sesuai, atau keterbatasan akses terhadap pelatih dapat meningkatkan risiko cedera dan hasil yang tidak optimal. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem wearable guna mendeteksi kesalahan teknik gerakan lateral raise secara langsung. Sistem ini terdiri dari modul sensor MPU6050 yang dilengkapi akselerometer dan giroskop untuk mengukur gerakan tubuh, mikrokontroler ESP32 sebagai pemroses data, dan algoritma Random Forest untuk mengklasifikasikan gerakan menjadi benar atau salah. Data sensor dikirim menggunakan protokol komunikasi ESP-NOW dan hasil klasifikasi dikeluarkan melalui buzzer sebagai umpan balik suara kepada pengguna. Hasil penelitian menunjukkan bahwa sistem mampu mencapai akurasi klasifikasi algoritma Random Forest sebesar 95,8%, sedangkan pada pengujian keseluruhan sistem mendapatkan akurasi sebesar 87,5% terhadap 24 kali pengujian yang dilakukan dalam melakukan klasifikasi gerakan benar dan salah dengan waktu komputasi rata-rata 453,08 mikrodetik. Umpan balik suara dengan buzzer yang diberikan sistem membantu pengguna memperbaiki teknik latihan dan mengurangi risiko cedera. Dengan demikian, sistem wearable ini menawarkan solusi yang efektif dan praktis bagi individu yang melakukan latihan lateral raise secara mandiri.
Klasifikasi Kelayakan Konsumsi Air Kelapa Berdasarkan PH dan Kekeruhan Menggunakan Metode Random Forest Berbasis Arduino Sari, Sylvia; Syauqy, Dahnial; Kurniawan, Wijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kualitas air kelapa segar sangat dipengaruhi oleh parameter fisikokimia seperti pH dan kekeruhan, yang dapat berubah selama masa penyimpanan. Metode pengujian manual kualitas air kelapa sering kali tidak efisien dan kurang akurat, sehingga membutuhkan sistem otomatis yang lebih terpercaya. Penelitian ini bertujuan untuk mengembangkan sistem otomatis berbasis Arduino Mega 2560, yang menggunakan sensor pH PH4502C dan sensor kekeruhan SEN0189 yang didukung oleh algoritma Random Forest. Sampel air kelapa diambil selama 6 hari penyimpanan untuk mengevaluasi kualitasnya. Sistem ini mengklasifikasikan air kelapa ke dalam dua kategori, yaitu "Layak Konsumsi" dan "Tidak Layak Konsumsi," berdasarkan nilai pH dan kekeruhan. Hasil klasifikasi ditampilkan secara langsung pada LCD 16×2, memudahkan pengguna dalam memantau kualitas air kelapa. Model Random Forest yang digunakan dalam sistem mencapai akurasi sebesar 95%. Hasil ini menunjukkan bahwa model mampu mengklasifikasikan kelayakan konsumsi air kelapa dengan baik, dengan sebagian besar klasifikasi sesuai dengan kondisi nyata. Sistem ini dapat membantu konsumen dan produsen dalam memastikan kualitas air kelapa sebelum dikonsumsi atau dipasarkan dengan tingkat akurasi yang tinggi.
Klasifikasi Kelayakan Konsumsi Susu Kedelai Berdasarkan PH, Warna, dan Aroma Menggunakan Metode Random Forest Berbasis Arduino Herenda Madi, Matius; Syauqy, Dahnial; Kurniawan, Wijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perubahan pola konsumsi masyarakat yang bergeser ke makanan dan minuman sehat menjadikan produk berbasis nabati seperti susu kedelai sebagai pilihan yang populer di masyarakat. Namun, penyimpanan yang tidak sesuai dapat menyebabkan susu kedelai rentan mengalami degradasi kualitas yang ditandai dengan perubahan pH, warna, dan aroma sehingga menjadi cepat tidak layak untuk dikonsumsi dan berpotensi menimbulkan dampak buruk bagi kesehatan. Kelayakan konsumsi susu kedelai umumnya dinilai secara organoleptik melalui pengamatan rasa, warna, dan aroma, namun metode ini kurang efektif dan sering menimbulkan keraguan dalam menentukan kelayakan konsumsi. Penelitian ini bertujuan untuk merancang sistem berbasis Arduino yang mampu menentukan kelayakan konsumsi susu kedelai berdasarkan parameter pH, warna, dan aroma (kadar gas karbon dioksida). Sistem menggunakan sensor PH4502C, sensor warna TCS3200, dan sensor gas MQ135 untuk mengukur nilai masing-masing parameter yang digunakan untuk mengklasifikasi kelayakan konsumsi susu kedelai menggunakan model Random Forest yang diimplementasikan pada Arduino Mega 2560 ke dalam dua kategori yaitu “Layak” dan “Tidak Layak” konsumsi yang ditampilkan pada layar LCD 16×2. Hasil akurasi pengujian sistem dalam menentukan kelayakan konsumsi susu kedelai berdasarkan parameter pH, warna, dan aroma menggunakan metode Random Forest dengan 40 data latih dan 20 data uji adalah sebesar 95% dan rata-rata waktu komputasi sebesar 1.06 detik.
Klasifikasi Kelayakan Konsumsi Susu Kambing Etawa Pasteurisasi Berdasarkan Warna, Aroma, dan PH dengan Metode Random Forest Berbasis Arduino Fahmi Gymnastiar Gozali, Muhammad; Syauqy, Dahnial; Kurniawan, Wijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Peningkatan konsumsi produk sehat dan alami menjadikan susu kambing Etawa pasteurisasi pilihan populer di masyarakat, karena kandungan nutrisinya yang kaya seperti protein, kalsium, dan fosfor. Namun, susu pasteurisasi rentan mengalami penurunan kualitas jika penyimpanan tidak sesuai, yang ditandai dengan perubahan warna, aroma, dan pH. Penilaian manual seperti metode organoleptik, yang melibatkan penciuman aroma, pengamatan warna, dan pengecapan rasa, sering kali bersifat subjektif dan kurang akurat. Penelitian ini bertujuan merancang sistem otomatis untuk menentukan kelayakan konsumsi susu kambing Etawa pasteurisasi berdasarkan parameter warna, kadar gas amonia, dan pH menggunakan algoritma Random Forest berbasis Arduino. Sistem menggunakan sensor warna TCS3200 untuk membaca nilai RGB, sensor gas MQ135 untuk mendeteksi kadar gas ammonia (NH3), dan sensor PH4502C untuk mengukur pH. Data yang diperoleh diproses menggunakan model Random Forest yang sudah diimplementasikan pada Arduino Mega2560 dan diklasifikasikan menjadi tiga kategori: "Layak Konsumsi", "Segera Konsumsi", dan "Tidak Layak". Pengujian dilakukan dengan menggunakan 112 data latih dan 28 data uji untuk mengevaluasi akurasi sistem. Hasil penelitian menunjukkan bahwa sistem mampu mengklasifikasi kelayakan konsumsi susu kambing Etawa dengan akurasi 92% dan waktu komputasi rata-rata 1.076 detik.
Sistem Wearable untuk Training Aerodinamis Pesepeda pada Posisi Drop Bar dengan Metode Random Forest Berbasis Data MPU6050 Merry Hassani, Fadila Muqtadaro; Syauqy, Dahnial; Kurniawan, Wijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini mengatasi tantangan dalam mempertahankan postur aerodinamis optimal saat bersepeda, khususnya pada posisi drop bar. Postur yang tidak tepat dapat mengurangi efisiensi latihan dan kinerja aerodinamis pesepeda. Oleh karena itu, penelitian ini mengembangkan sistem wearable menggunakan sensor MPU6050 dan algoritma Random Forest untuk memantau dan mengklasifikasikan postur pesepeda. Sistem ini dirancang untuk memberikan umpan balik mengenai posisi tubuh yang sesuai dengan aerodinamis, terutama untuk pesepeda yang menggunakan posisi tangan di drop bar. Data dikumpulkan menggunakan sensor MPU6050, diproses oleh ESP32, dan dianalisis dengan algoritma Random Forest. Sistem memberikan umpan balik visual berupa LED yang akan menyala jika posisi aerodinamis optimal, atau mati ketika posisi tubuh tidak optimal. Evaluasi dilakukan untuk mengukur akurasi sistem dalam mendeteksi posisi optimal dan tidak optimal. Fungsionalitas sistem diuji secara menyeluruh, termasuk ESP32 sebagai transmitter untuk membaca data sensor dan mengirimkannya kepada ESP32 receiver. Hasil pengujian menunjukkan bahwa model klasifikasi Random Forest mencapai akurasi 98,3%, yang menandakan kemampuan algoritma dalam membedakan posisi tubuh yang optimal dan tidak optimal. Sementara itu, sistem wearable memperoleh akurasi 87,5% dalam mendeteksi posisi optimal dan tidak optimal selama pengujian sebanyak 16 kali. Waktu komputasi rata-rata untuk proses klasifikasi adalah 0,368 ms yang menunjukkan kecepatan dan efisiensi sistem.
Sistem Wearable Untuk Deteksi Postur Lockout Dalam Mixed-Grip Deadlift Menggunakan Metode Random Forest Berbasis Data MPU6050 Dwi Arini, Talitha; Syauqy, Dahnial; Wijaya Kurniawan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 3 (2025): Maret 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Olahraga memiliki banyak manfaat bagi tubuh manusia, namun jika tidak dilakukan dengan teknik yang benar, dapat menyebabkan cedera. Salah satu olahraga yang memiliki manfaat besar namun berisiko jika dilakukan dengan teknik yang salah adalah deadlift. Risiko ini semakin besar bagi pemula yang tidak memahami postur tubuh yang benar, terutama dalam fase lockout ketika melakukan mixed-grip deadlift. Dalam hal ini, penelitian berfokus pada pengembangan sistem untuk mendeteksi kesalahan postur tubuh selama latihan mixed-grip deadlift terutama fase lockout, yang bertujuan untuk mencegah cedera. Penelitian ini menggunakan sensor MPU6050 untuk menangkap nilai gerakan tubuh yang kemudian diproses menggunakan algoritma random forest untuk melakukan klasifikasi gerakan benar dan salah. Pada penelitian ini juga menggunakan mikrokontroler ESP32 untuk mengolah data dan komunikasi nirkabel. Dari hasil pengujian yang dilakukan, sistem mampu mencapai akurasi hingga 83% dengan total 24 sampel pengujian. Keberhasilan sistem juga dinilai dari performanya, yang mencakup rata-rata waktu komputasi model sebesar 395,8 μs, akurasi pembacaan sensor mencapai 80%, serta kemampuan sistem untuk melakukan komunikasi data dengan baik. Sistem ini diharapkan dapat membantu pemula melakukan deadlift secara aman dan efektif.
Pengembangan Sistem Wearable untuk Deteksi Postur Duduk Miring Berbasis Data Sensor MPU6050 dan Metode Support Vector Machine Nadhifa, Nadaa; Syauqy, Dahnial; Edita
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 3 (2025): Maret 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Posisi duduk merupakan salah satu posisi tubuh yang paling sering dilakukan oleh manusia dalam kehidupan sehari-hari. Postur dalam posisi duduk ini dapat memiliki pengaruh besar terhadap kesehatan, terutama jika tidak dilakukan dengan benar. Inilah mengapa penting bagi individu untuk memiliki pemahaman terkait dengan postur duduk yang benar saat beraktivitas. Pemahaman ini dapat diperoleh melalui pengembangan sistem wearable yang dirancang untuk mengklasifikasikan postur duduk. Untuk membuat sistem deteksi yang menyeluruh, sistem dirancang untuk mendeteksi postur duduk yang terlalu miring ke kanan maupun ke kiri, karena umumnya postur duduk yang tidak benar hanya dikaitkan pada posisi duduk membungkuk. Sistem ini dirancang untuk mendeteksi postur duduk manusia dan mengklasifikasikannya menjadi tiga kelas, yaitu “Tegak”, “Membungkuk”, dan “Miring”. Klasifikasi ini didasari oleh data mean dan standar deviasi dari nilai akselerometer dan giroskop yang diperoleh dari sensor MPU6050 yang terintegrasi dengan ESP32 dan diolah menggunakan algoritma Support Vector Machine. Rangkaian ini diaplikasikan pada rompi sehingga dapat digunakan saat melakukan aktivitas dengan postur duduk. Dalam penelitian ini, algoritma Support Vector Machine menghasilkan akurasi 100% pada model dan 91.6% pada keseluruhan sistem. Hasil klasifikasi berupa identifikasi postur duduk yang ergonomis dan non-ergonomis (membungkuk dan miring) yang ditandai dengan buzzer. Apabila buzzer aktif, maka postur duduk telah memasuki postur duduk non-ergonomis dan telah melebihi waktu trigger yang ditetapkan yaitu 10 detik, yang direkomendasikan sebagai waktu ideal notifikasi pengingat untuk pengguna. Sistem wearable yang dikembangkan ini dapat membantu pengguna dalam membiasakan postur duduk yang benar dalam kehidupan sehari-hari sehingga dapat mengurangi risiko kesehatan yang berhubungan dengan otot dan tulang belakang, dengan klasifikasi yang akurat serta sistem yang mudah digunakan.
Sistem Wearable untuk Deteksi Postur Awal Badan pada Latihan Deadlift Menggunakan Sensor MPU6050 dengan Metode Support Vector Machine (SVM) Grafidi, Alif Akbar; Syauqy, Dahnial; Kurniawan, Wijaya
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

Olahraga rutin terbukti efektif dalam menjaga kebugaran, meningkatkan kekuatan fisik, dan mengurangi risiko penyakit fatal. Salah satu olahraga yang mendukung hal tersebut adalah weightlifting atau latihan angkat beban. Latihan angkat beban, khususnya gerakan deadlift, efektif untuk meningkatkan kekuatan dan ketahanan tubuh. Namun, kesalahan postur saat melakukan deadlift, terutama pada posisi awal, dapat meningkatkan risiko cedera, terutama pada punggung bawah. Penelitian ini bertujuan untuk mengembangkan sistem wearable yang dapat mendeteksi dan mengklasifikasikan postur badan pada posisi awal deadlift guna mengurangi risiko cedera. Sistem wearable ini menggunakan sensor MPU6050 yang memanfaatkan akselerometer dan giroskop untuk memperoleh data postur tubuh, yang kemudian diolah menggunakan metode Support Vector Machine (SVM) dengan validasi Stratified K-Fold Cross-Validation. Sistem ini diintegrasikan dengan mikrokontroler ESP32 untuk melakukan klasifikasi postur yang benar, salah, atau idle saat melakukan posisi awal deadlift. Hasil penelitian menunjukkan bahwa model SVM hanya dengan data akselerometer mencapai akurasi 99,23%, sedangkan implementasi sistem wearable yang diintegrasikan dalam ESP32 menunjukkan akurasi 94,44%. Sistem ini juga menunjukkan performa yang baik dalam pembacaan data sensor, komunikasi data, dan waktu komputasi dengan rata-rata waktu 2 ms.
Co-Authors A. Ashar Ashari A. Baihaqi Mubarok Abdul Aziz, Muhammad Rafi Abdul Rahman Halim Abdussalam, Ghifarie Sa'id Achmad Basuki Achmad Fanani Kurniawan Saputra Achmad Rizal Zakaria Addin Miftachul Firdaus Adharul Muttaqin Adhisuwignjo, Supriatna Adhitya Bhawiyuga, Adhitya Adi Setiyawan Adinugroho, Sigit Adit Ilmawan Adryan Chiko Pratama Afdy Clinton Afflatuslloh Adi Salung Agastya Bramanta Sanjaya Aghnadiin, Radifan Muhammad Agi Putra Kharisma Agra Firmansyah Agung Bachtiar Sukmaarta Agung Leona Suparlin Agung Prasetyo Agung Setia Budi Agung Setia Budi, Agung Setia Agung Widya Gumelar Agung Wismawan Rochmatullah Ahmad Mustafidul Ibad Ahmad Rizqi Pratama Ahmad Wildan Ahmad Yazid Bastomi AJI, IBRAHIM Akbar, Muhammad Daffa Pradipta Akbar, Muhammad Faithur Adel Patria Alfian Reza Pahlevi Alrynto Alrynto Althaf Banafsaj Yudhistira Andhika Nino Pratama Anggi Diatma Styandi Angsar, Mohamad Rinaldi Anisa Awalia Rizky Anjasmoro, Reza Ardiansyah Ardiansyah Arief Kurniawan Arief Wahyu Wicaksono Aulady, Fadhli Aulia Zhafran Barlian Henryranu Prasetio Bayu Rahayudi Bayu Santoso Belsazar Elgiborado Giovani Djoedir Billy Gusparentaqi Bima Muridianto, Muhammad Bimo Dimas Nugraraga Buce Trias Hanggara Bukhori Darmawan Bunga Boru Hasian Siahaan Cahyanita Qolby Rahmarta Rizaputri Cipto Bagus Jati Kusumo Constantius Leonardo Pratama Dading Firwandhi Sukma Daffa, Ali Zhafran Dedi Siswanto Defri Alif Raihan Denis Reza Ramdani Devo Harwan Pradiansyah Dimas Rizqi Firmansyah Dini Eka Ristanti Dini Ismawati Duwi Hariyanto Dwi Arini, Talitha Dwi Firmansyah Dwiki Ilham Bagaskara Dyas Restu Palupi Edita Edita Rosana Widasari Edita Rosana Widasari, Edita Rosana Eka Nanda Sugianto Eko Ardiansyah Eko Hilmi Firmansyah Eko Setiawan Eko Setiawan Elisabeth Agustina Era Imanningtyas Ezra Maherian Fachry Ananta Fahmi Gymnastiar Gozali, Muhammad Faizal Ardiansyah FAQIH, ABDULLAH Farras Nabil Fatur Rahman, Mohammad Fauzi Ali Farhi Fauzi Rivani Fikri Fauzan Firdy Yantama Firmanda, Dwi Ady Firza Zamzani, Muhammad Fitriyah, Hurriyatul Fungki Pandu Fantara Ganda Wibawa Putra Gembong Edhi Setyawan Ghazy Timor Prihanda Govinda Dwi Kurnia Sandi Graciella Fiona Br. Panjaitan Grafidi, Alif Akbar Gunawan Wahyu Andreanto Hafidz Abdillah Masruri Hafiz Nul Hakim Hamdan Bagus Firmansyah Hamzah Attamimi Hanggara, Buce Trias Hannats Hanafi Ichsan Haqiqi, Farih Akmal Harahap, Syazwandy Hazal Kurniawan Putra Hazbiy Shaffan, Nur Henryranu Prasetio, Barlian Herenda Madi, Matius Herwin Yurianda Hurriyatul Fitriyah Hurriyatul Fitriyah Hurriyatul Fitriyah, Hurriyatul Idang Wahyuddin Septiawan Ihsanurrahim Ihsanurrahim Ikhwan Zulfy Imam Cholissodin Irfan Pratomo Putra Irvan Ramadan Issa Arwani Ivan Kasogi Izaaz Waskito Widyarto Izza Febria Nurhayati Jeffry Atur Firdaus Jevandika Jezriel Lukas Lumbantobing Johannes Archika Waysaka Khairul Anwar Khairul Anwar Kresna Wiska Kafila Kurnia, Yudisthira Dwi Kurniawan, Rizaldy Ariobimo Kurwniawan, Wijaya La Ode Muh. Fadlun Akbar Lase, Nicolash Jeremy Onoma Latief Nurrohman Alfansuri Lavanna Indanus Ramadhan Lb Novendita Ariadana Lutfi Anang Makruf M Nuzulul Marofi M. Adib Fauzi Rahmana M. Ali Fauzi Mahendra, I Gusti Putu Krisna Suaba Malik, Hifdzul Megananda, Muhammad Rifqi Mela Tri Audina Merry Hassani, Fadila Muqtadaro Mhd. Idham Khalif Moch. Alfian Zainullah Moch. Alvin Yasyfa Salsabil Mochamad Iswandaru Mochammad Hannats Hanafi Mochammad Hannats Hanafi Ichsan Moh. Saifud Daulah Moh. Zainur Rodhi Mohammad Ali Muhsin Mohammad Faizal Ajizi Muchamad Rafi Dharmawan Muchammad Cholilulloh Muh. Syifau Mubarok Muhajir Ikhsanushabri Muhammad Alif Alfajra, Andi Muhammad Aminul Akbar Muhammad Daffa Bintang Nugroho Muhammad Eraz Zarkasih Muhammad Fadhil Sadeli Muhammad Fajaruddin Akbar Muhammad Habib Jufah Alhamdani Muhammad Hanif Haikal Muhammad Hannats Hanafi Ichsan Muhammad Irvine Fidellio Maiza Muhammad Jibriel Bachtiar Muhammad Kholash Fadhilah Muhammad Naufal Muhammad Nazrenda Ramadhan Muhammad Rizqi Zamzami Muhammad Wingga Woggiasworo Muhammad Yusuf Ramadan Mukhamad Angga Setiawan Mukhamad Roni Mukmin Mukmin Munif Cleveriandy, Ahmad Musharrif, Mohammad Faiz Mustajib Furqon Haqiqi Mutiara Pramesti Utami Muzayyin, Asep Nabila Eka Putri, Alisya Nadhifa, Nadaa Nanda Epriliana Asmara Putri Navayo, Bagja Nicho Ferdiansyah Kusna Nikmatus Soleha Niko Aji Nugroho Noveriko Noveriko Nur Aini Afifah Isbindra Nur Fuady, Muhammad Sholahuddin Nurul Ikhsan Nyoman Wira Prasetya Oggy Setiawan Parja, Mujianto Anda Perkasa, Septiyo Budi Prakoso, Aldo Hani Pramandha Saputra Prasetya, Nyoman Wira Prasetyo, Budi Eko Prasojo, Satya Haryo Pricillia, Lidya Ruth Purnomo, Welly Putra Pandu Adikara Putra Pandu Adikara Putra, Brylliano Maza Raga Jiwanda Raharja, Kahfi May Rahayu, Vina Trisnawati Rahman, Edy Raka Bagas Perdana Rakhamadhany Primananda Rakhmadhany Primananda Rakhmadhany Primananda, Rakhmadhany Randy Cahya Wihandika Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Renal Prahardis Reza Budi Pratikto Rezak Andri Purnomo Rifqi Anshari Ringga Aulia Primahayu Rint Zata Amani Rioadam Sayyid Abidin Riza Irfan, Muhammad Rizal Maulana Rizal Maulana, Rizal Rizal Setya Perdana Rizka Ayudya Pratiwi Rizky Putra Wijaya Rizqi Muh. Muqoffi Ashshidiqi Ronilaya, Ferdian Rudy Agus Santoso Sabrian Rizqika Akbar Sabriansyah Rizkiqa Akbar Sabriansyah Rizqika Akbar Sabriansyah Rizqika Akbar Sabriansyah Rizqika Akbar Safirurrasul Santoso, Mush'ab Safrudin Bendang, Dehleezto Lawanangkara Salman Farizy Nur Samuel Lamhot Ladd Palmer Simarmata Santoso, Bayu Saputro, Mauna Mohammad Wahyu Sari, Sylvia Sentosa, Azy Dwi Putra Septino, Fernando Setiawan , Eko Shaffan, Nur Hazbiy Shelsa Faiqotul Himmah Sigi Syah Wibowo Siradjuddin, Indrazno Sulaiman, Ihsan Susilo, Faizal Andy Sutikno Sutikno Syarief Taufik Hidayatullah Syauqi, Mohd Alfitra Syazwana, Selvia Tibyani Tibyani Tio Haryanto Adi Putra Toar, Mikhael Ryan Tobias Sion Julian Utaminingrum, Fitri Utomo, Satria Wahyudi Vira Muda Tantriburhan Mubarak Virza Audy Ervanda Wahyu Adi Prayitno Welly Purnomo Widasari, Edita Rosana Widhy Hayuhardhika Nugraha Putra Wijaya Kurniawan Wijaya Kurniawan Wijaya Kurniawan Wijaya, Jason Wildo Satrio Wirafadil Nugraha Wisik Dewa Maulana Wisnu Mahendra Xavierro Lawrenza Yanottama Oktabrian Yudhistira, Gevan Putra Yuita Arum Sari Yunan Alamsyah Nasution Yunus, Ahmad Haykal Yurliansyah Hirma Fajar Yusriansyah Shohibul Hamzah Zahra, Inez Bedwina Zakaria, Akhmad Nizar