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

 21   22   23   24   25 
Deteksi Gerakan Pemanasan Kepala Atlet Pemula Berbasis Sensor MPU6050 Dengan Metode Support Vector Machine Nur Fuady, Muhammad Sholahuddin; Syauqy, Dahnial; Kurwniawan, Wijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 7 (2025): Juli 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Cedera leher akibat pemanasan yang kurang tepat merupakan risiko yang sering terjadi pada atlet pemula. Untuk mengatasi hal ini, penelitian ini bertujuan merancang dan mengimplementasikan sebuah sistem berbasis wearable device yang mampu memantau gerakan kepala saat pemanasan. Alat ini ditempatkan pada bagian depan topi olahraga dan dilengkapi dengan sensor MPU6050 untuk membaca akselerasi dan rotasi kepala atlet. Data sensor yang diperoleh kemudian diklasifikasikan menggunakan metode Support Vector Machine (SVM) untuk menentukan posisi kepala dalam lima kategori: netral, miring ke kanan, miring ke kiri, hadap atas, dan hadap bawah. Metode klasifikasi SVM diterapkan dengan pendekatan One-vs-Rest multiclass, dilatih menggunakan dataset hasil akuisisi sensor yang telah dilabeli secara manual. Model dilatih di lingkungan Python menggunakan pustaka Scikit-learn dan diekspor ke dalam format header (.h) dengan bantuan pustaka micromlgen untuk diimplementasikan ke sistem berbasis mikrokontroler ESP32. Feedback sistem diberikan melalui buzzer apabila gerakan kepala berada di luar posisi netral. Hasil pengujian menunjukkan bahwa model SVM mencapai akurasi sebesar 98,85% dengan nilai precision, recall, dan f1-score yang tinggi di setiap kelas. Sistem berhasil menjalankan klasifikasi secara tepat dan efisien serta mampu memberikan umpan balik instan kepada atlet. Kesimpulannya, sistem ini dapat dimanfaatkan sebagai alat bantu pelatih dalam memantau kesesuaian gerakan kepala atlet pemula dan berpotensi menurunkan risiko cedera leher akibat pemanasan yang tidak sesuai.
Sistem Klasifikasi Gerakan Training Triceps Extension Menggunakan Metode Support Vector Machine dengan MPU6050 dan Muscle Sensor V3 Musharrif, Mohammad Faiz; Syauqy, Dahnial; WIdasari, Edita Rosana
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
Implementasi Simulasi Federated Learning Untuk Pengembangan Model Klasifikasi Gerakan Standing Bicep Curl Pada Wearable Device Kurniawan, Rizaldy Ariobimo; Syauqy, Dahnial; Budi, Agung Setia
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 7 (2025): Juli 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Latihan angkat beban memerlukan teknik dan postur yang tepat untuk mencegah cedera, terutama bagi pemula. Salah satu solusi untuk memantau kualitas gerakan adalah penggunaan wearable device dengan sensor dan model machine learning. Namun, keterbatasan data pelatihan dapat menurunkan kemampuan generalisasi model. Penelitian ini mengusulkan pendekatan Federated Learning (FL) untuk melatih model secara kolaboratif di beberapa client dengan data lokal yang bervariasi. Komunikasi antara edge device dan client didukung oleh protokol MQTT, sementara simulasi federated learning dilakukan menggunakan framework Flower dengan Virtual Client Engine (VCE). Fokus penelitian meliputi perbandingan performa model FL dan model lokal, evaluasi klasifikasi gerakan standing bicep curl, serta pengujian performa protokol MQTT. Hasil penelitian menunjukkan bahwa model FL memiliki akurasi rata-rata lebih tinggi dibanding model lokal, yaitu 92,013%, sedangkan sistem klasifikasi gerakan real-time mencapai 95% akurasi. MQTT menunjukkan keandalan tinggi tanpa packet loss, namun memiliki latensi sebesar 580 ms, yang dapat memengaruhi responsivitas sistem. Penelitian ini diharapkan dapat menjadi dasar pengembangan sistem pemantauan kebugaran yang lebih akurat, efisien, dan adaptif.
Sistem Wearable untuk Deteksi Postur Bungkuk Ketika Berjalan Menggunakan Metode Random Forest Firza Zamzani, Muhammad; Syauqy, Dahnial; Rekyan Regasari Mardi Putri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Postur tubuh saat berjalan merupakan salah satu aspek penting yang memengaruhi kesehatan tulang belakang dan kenyamanan dalam beraktivitas. Kebiasaan berjalan dengan postur bungkuk yang tidak disadari dalam jangka waktu lama dapat menyebabkan gangguan struktural pada tulang belakang, nyeri punggung kronis, serta penurunan kualitas hidup. Oleh karena itu, dibutuhkan suatu sistem yang mampu memantau dan mengenali postur tubuh pengguna secara berkelanjutan untuk mencegah terjadinya permasalahan tersebut. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem wearable yang dapat mendeteksi postur bungkuk saat berjalan menggunakan sensor gerak serta metode klasifikasi berbasis kecerdasan buatan. Sistem ini memanfaatkan tiga buah sensor MPU6050 yang dipasang pada bagian punggung atas, tengah, dan bawah untuk menangkap data gerakan berupa akselerasi dan kecepatan sudut. Data tersebut kemudian diolah menjadi fitur statistik menggunakan nilai rata-rata (mean) dan standar deviasi, yang merepresentasikan pola gerakan pengguna. Fitur-fitur ini diklasifikasikan menggunakan algoritma Random Forest untuk membedakan antara postur tegak dan postur bungkuk. Hasil pengujian menunjukkan bahwa model klasifikasi Random Forest mampu mengenali postur tubuh dengan akurasi sebesar 99,50% pada model. Selain itu, sistem wearable yang dikembangkan juga menunjukkan kinerja yang baik dalam mendeteksi perubahan postur tubuh pengguna saat berjalan dengan akurasi keseluruhan sebesar 100% dari 12 kali percobaan. Waktu komputasi yang dibutuhkan untuk memproses satu prediksi hanya sebesar 0,4447 milidetik. Sistem ini juga dilengkapi dengan peringatan berupa bunyi buzzer apabila postur bungkuk terdeteksi secara terus-menerus dalam periode tertentu. Dengan demikian, sistem ini berpotensi digunakan sebagai alat bantu untuk membentuk kebiasaan postur berjalan yang lebih ergonomis dan sehat.
Sistem Wearable untuk Deteksi Postur Pada Latihan Upright Row Menggunakan Sensor IMU MPU6050 dan Algoritma Random Forest Safirurrasul Santoso, Mush'ab; Syauqy, Dahnial; Kurniawan, Wijaya
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

Latihan upright row merupakan gerakan latihan kekuatan yang bertujuan untuk melatih otot bahu, terutama otot deltoid. Namun, apabila gerakan dilakukan dengan postur yang salah, risiko cedera pada bahu dan punggung atas dapat meningkat. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem wearable yang mampu mendeteksi postur gerakan upright row secara real-time dengan memanfaatkan sensor IMU MPU6050 dan algoritma klasifikasi Random Forest. Sistem dirancang untuk memberikan umpan balik secara langsung melalui buzzer guna membantu pengguna memperbaiki postur latihan tanpa perlu pendampingan pelatih secara langsung. Sistem terdiri dari dua node sensor yang dipasang pada lengan atas dan lengan bawah. Data akselerometer dan giroskop dari kedua node dikirim secara nirkabel menggunakan protokol ESP-NOW, kemudian diklasifikasikan oleh mikrokontroler ESP32 menggunakan model Random Forest. Model klasifikasi dilatih berdasarkan dua kelas, yaitu "benar" dan "salah", menggunakan dataset yang dikumpulkan dari enam partisipan. Hasil klasifikasi digunakan untuk mengaktifkan buzzer sebagai bentuk umpan balik. Hasil pengujian menunjukkan bahwa model Random Forest mencapai akurasi klasifikasi hingga 99%, dan akurasi keseluruhan sistem berdasarkan 24 pengujian mencapai 95,83%. Rata-rata waktu komputasi sistem adalah 206,88 mikrodetik, yang menunjukkan sistem mampu memberikan respons cepat. Hasil ini membuktikan bahwa sistem wearable yang dikembangkan memiliki potensi untuk digunakan sebagai alat bantu latihan yang akurat dan efisien.
Sistem Pengenalan Gerakan Tangan Berbasis ESP32 dan Machine Learning untuk Kontrol Slide Power Point Yudhistira, Gevan Putra; Syauqy, Dahnial; Barlian Henryranu Prasetio
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

Perkembangan teknologi interaksi manusia dan komputer mendorong munculnya alternatif kendali presentasi yang lebih intuitif, salah satunya melalui pengenalan gerakan tangan. Penelitian ini bertujuan merancang dan mengimplementasikan sistem pengenalan gestur tangan berbasis ESP32 dan Machine Learning untuk mengontrol perpindahan slide pada Microsoft PowerPoint secara nirkabel. Sistem ini menggunakan sensor MPU6050 untuk menangkap data akselerasi dan rotasi tangan, serta algoritma Random Forest sebagai model klasifikasi gerakan. Data sensor dikirim melalui komunikasi Bluetooth Low Energy (BLE) dari ESP32 ke komputer dan diterjemahkan menjadi perintah keyboard. Proses klasifikasi dilakukan langsung pada mikrokontroler secara real-time. Hasil pengujian menunjukkan bahwa model memiliki akurasi rata-rata sebesar 86,7% untuk mengenali tiga jenis gerakan (kanan, kiri, idle). Sistem ini mampu memberikan alternatif kendali presentasi yang efisien, serta berpotensi diadopsi oleh pengguna difabel sebagai solusi inklusif yang bebas perangkat genggam seperti clicker.   
Sistem Wearable untuk Deteksi Postur pada Gerakan Latihan Parallel Bar Dips Menggunakan Algoritma Random Forest Berbasis Sensor MPU6050 Bima Muridianto, Muhammad; Syauqy, Dahnial; Shaffan, Nur Hazbiy
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

Latihan parallel bar dips merupakan salah satu latihan tubuh bagia atas yang efektif, tetapi berisiko tinggi apabila postur gerakan tidak dilakukan dengan tepat. Penelitian ini bertujuan mengembangkan sistem wearable berbasis sensor MPU6050 dan algoritma Random Forest untuk mendeteksi kesalahan postur gerakan parallel bar dips secara real-time. Sistem terdiri dari tiga node sensor yang dipasang pada lengan, dada, dan paha, serta terhubung menggunakan protokol ESP-NOW. Data sensor dikumpulkan, dihitung fitur rata-ratanya, dan diklasifikasikan langsung di mikrokontroler ESP32 pada bagian dada. Hasil klasifikasi ditindaklanjuti dengan umpan balik suara menggunakan buzzer. Pengujian dilakukan menggunakan dataset sebanyak 100 sampelyang telah divalidasi oleh instruktur. Model Random Forest menunjukkan akurasi 85% berdasarkan confusion matrix dan rata-rata akurasi 91% darimetode cross-validation 5-fold. Saat diimplementasikan pada perangkat wearable, sistem mencapai akurasi klasifikasi 90%. Selain itu, waktu komputasi rata-rata yang dicapai sebesar 0.387 milidetik menunjukkan efisiensi tinggi dan respons cepat terhadap perubahan postur pengguna. Hasil ini menunjukkan bahwa sistem wearable yang dikembangkan mampu memberikan deteksi postur yang akurat, cepat, dan cocok untuk mendukung latihan mandiri yang aman dan efektif.
Desain Protokol Suara Sebagai Pengendali Dalam Smart Home Menggunakan FPGA Prasetio, Barlian Henryranu; Syauqy, Dahnial
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (495.69 KB) | DOI: 10.25126/jtiik.201742306

Abstract

AbstrakSmart home adalah suatu sistem yang menggunakan komputer dan teknologi informasi untuk mengendalikan peralatan yang terdapat di rumah seperti jendela dan lampu. Sistem dapat berupa sistem control sederhana hingga sistem yang kompleks. Komputer/mikrokontroler yang berbasis jaringan internet/ethernet dilengkapi dengan sistem cerdas dan sistem otomasi sehingga mampu membuat rumah menjadi bekerja secara otomatis. Banyak perangkat komputer/mikrokontroler yang dapat diimplementasikan sebagai pengendali dalam smart home. Sistem pengendali smart home pada penelitian ini menggunakan Xilinx xpartan-3e yang mengendalikan peralatan dalam rumah melalui jaringan LAN (Local Area Networking). Sistem pengendali ini berkomunkasi menggunakan broadcast voice pada jaringan lokal. Sistem Pengendali ini dirancang untuk dapat mengirimkan paket sinyal suara (voice) dari masukan microphone dan kemudian mengirimnya menggunakan protokol ethernet dalam jaringan lokal rumah menggunakan FPGA. FPGA ini diprogram untuk mengirimkan dan mengkodekan paket data, mengkonversi data digital menjadi data analog untuk dapat mengendalikan peralatan dalam rumah. Dari hasil pengujian simulasi menggunakan ISim, terlihat bahawa sistem bekerja secara realtime.Kata kunci: smart home, suara, fpga, pengendalian AbstractSmart home is a system that uses computers and information technology to control home-like equipment such as windows and lights. The system can be a simple control system to a complex system. Computer / microcontroller based on internet/ethernet network equipped with intelligent system and automation system so as to make home to work automatically. Many computer devices / microcontrollers that can be implemented as a controller in the smart home. Smart home control system in this study using Xilinx xpartan-3e that controls the equipment in the house through LAN (Local Area Networking). This control system communicates using broadcast voice on the local network. The Controller System is designed to be able to transmit a voice signal packet from the microphone input and then send it using the ethernet protocol in the home local network using the FPGA. The FPGA is programmed to transmit and encode data packets, converting digital data into analog data to be able to control the equipment in the home. From the simulation test results using ISIM, it is seen that the system works in realtime.Keywords: smart home, voice, fpga, control
Sistem Monitoring Trafo Distribusi PT.PLN (Persero) berbasis IoT Prasetyo, Budi Eko; Putra, Widhy Hayuhardhika Nugraha; Syauqy, Dahnial; Bhawiyuga, Adhitya; Wibowo, Sigi Syah; Ronilaya, Ferdian; Siradjuddin, Indrazno; Adhisuwignjo, Supriatna
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 1: Februari 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

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

Abstract

Paper ini memperkenalkan sebuah sistem manajemen Trafo Distribusi jaringan tegangan rendah (JTR) milik PT. PLN (Persero) yang disebut dengan Distributed Transformer Management System (DTMS). Trafo Distribusi merupakan asset strategis PT. PLN (Persero) karena keberlangsungan umur trafo distribusi adalah sangat penting dalam menjaga layanan penyediaan energi kelistrikan kepada pelanggan, dan sebagai sumber pendapatan utama.  Jumlah aset yang besar dan luasnya jangkauan pemasangan trafo distribusi menuntut PT. PLN (Persero) berinvestasi lebih untuk memantau kondisi Trafo agar tidak terjadi kerusakan dan mengurangi biaya perawatan. Oleh karena itu peran teknologi informasi saat ini menjadi salah satu investasi yang paling feasible bagi PT. PLN (Persero) dalam menjaga performa aset strategis tersebut. DTMS yang dibangun terdiri atas: (1) perangkat embedded system yang berfungsi untuk melakukan pengukuran dan pengiriman data, (2) perangkat lunak Web Service yang berfungsi untuk menerima data dari embedded system dan (3) perangkat lunak berbasis web untuk penyajian data dan pengelolaan data untuk menjadi sebuah Decision Support System (DSS). DTMS ini dibangun untuk memberikan fungsi peringatan dini terhadap anomali parameter trafo seperti overload, overvoltage dan black out events. Disamping itu, suhu operasi trafo juga menjadi parameter yang menggambarkan kondisi trafo dalam status aman, peringatan atau berbahaya. Embedded system yang dibangun akan mengukur kondisi trafo, kemudian dengan menggunakan protokol komunikasi RF 2,4 GHz dan GPRS, embedded system akan menampung dan mengirim data ke server melalui protokol HTTPS dengan antarmuka pemrograman yang disusun menggunakan format JSON. Setelah mendapatkan data, DTMS akan melakukan perhitungan untuk mendapatkan rekomendasi optimalisasi trafo berupa penyeimbangan, perawatan atau peningkatan daya. AbstractThis paper introduces a Low Voltage Distribution Transformer (JTR) Management owned by PT. PLN (Persero) which is also called the Distributed Transformer Management System (DTMS). Distribution transformer is a strategic asset of PT. PLN (Persero) because it’s lifecycle is highly important for PT. PLN (Persero) primarily in delivering electrical energy to customers, and of course as a main source of PT. PLN’s revenue. The large amount of assets and the broad range of installation of distribution transformers requires PT. PLN (Persero) invests more to monitor and maintain the condition of the Trafo in order to avoid unplanned damage and reduce the cost of unplanned maintenance. Therefore the role of information technology is currently one of the most feasible investment for PT. PLN (Persero) in maintaining the performance of this strategic assets. The DTMS consists of: (1) embedded system devices for data measurement and transmission, (2) Web Services software for receiving data from embedded systems, and (3) Web-based software for data presentation and data management for Decision Support System (DSS) purpose. The DTMS is built to provide early warning functionality to the transformer parameter anomalies such as overload, overvoltage and blackout events. In addition, the transformer operating temperature is also an important parameter that describes the condition of the transformer in safe state, warning state or danger state. The embedded system will measure the transformer's general conditions, then using the 2.4 GHz RF communications protocol and GPRS, then it will collect and transfer data to the server via the HTTPS protocol with a programming interface compiled using the JSON format. After getting the data, DTMS will do the calculation to get recommendation of transformer optimization such as balancing, maintenance or power uprating.
Deteksi Kesegaran Ikan Tongkol (Euthynnus Affinis) secara Otomatis Berdasarkan Citra Mata Menggunakan Binary Similarity Fitriyah, Hurriyatul; Syauqy, Dahnial; Susilo, Faizal Andy
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 5: Oktober 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020753839

Abstract

Ikan tongkol (Euthynnus Affinis) adalah salah satu ikan yang paling banyak diminati di Indonesia karena kandungan proteinnya hampir setara ikan tuna, namun dengan harga relatif lebih murah. Ikan termasuk komoditi pangan yang mudah rusak tanpa adanya penanganan khusus ketika ikan ditangkap. Padahal, mutu dan nilai jual ikan sangat tergantung dari parameter kesegaran ikan itu sendiri. Penelitian ini mengembangkan metode deteksi kesegaran ikan tongkol menggunakan fitur berupa citra mata ikan. Mata ikan dapat digunakan untuk mengetahui tingkat kesegarannya. Ikan segar memiliki pupil bulat berwarna hitam yang utuh dan jernih di tengahnya. Hal tersebut kemudian dijadikan knowledge-based dari proses deteksi kesegaran ikan. Sebelum dilakukan proses deteksi, dilakukan proses pre-processing untuk mendapatkan gambar kepala ikan secara otomatis. Selanjutnya dilakukan perhitungan similarity antara citra biner kepala ikan dengan 2 buah template, yakni Template-Mata untuk mendeteksi mata dan Template-Tengah untuk mendeteksi bulat hitam di tengah mata. Sebanyak 30 citra mata ikan dengan kriteria segar dan tidak segar digunakan sebagai data pengujian. Dari pengujian, kedua template tersebut mampu membedakan ciri morfologis dari mata ikan yang segar dengan tepat.AbstractTongkol fish (Euthynnus Affinis) is one of the most popular fish in Indonesia because it has more protein than tuna, but with a relatively cheaper price. Fish is a perishable food commodities if it is caught without any special handling. In fact, the quality and value of fish selling depends on the parameters of the freshness of the fish itself. This study developed a method for detecting freshness of tongkol fish using features that is extracted from the image of a fish's eye. Fish eye can be used to determine the level of freshness. Fresh fish have whole round and clear black pupils in the middle. This is then made into knowledge-base on the process of detecting the freshness. First, this fully automatic detection performed a pre-processing process to obtain automatic fish head images. It was then compared with two templates, which are eye-template and middle-template. If the fish head image has similarity below certain threshold then it is classified as fresh fish, or else it is non-fresh fish. A total of 30 images of fish with fresh and non-fresh criteria were used as test data. From the test, the two templates can classify the morphological characteristics of fresh fish eyes precisely.
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