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 
Implementasi Algoritma BFCC dan kNN pada Embedded System untuk Deteksi Dini Bronchitis Perkasa, Septiyo Budi; Prasetio, Barlian Henryranu; Setiawan, Eko; Widasari, Edita Rosana; Syauqy, Dahnial
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 3: Juni 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106571

Abstract

World Health Organization (WHO) menyatakan bahwa sebanyak 600 juta orang di dunia menderita bronchitis. Bronchitis merupakan salah satu penyakit pernafasan yang dapat disebabkan oleh virus Respiratory Syncitial Virus (RSV) dan Rhinovirus. Gejala umum bronchitis adalah seseorang akan mengalami kesulitan bernafas dengan disertai batuk. Namun, tidak sedikit orang mengabaikan gejala umum ini sehingga berindikasi mengalami bronchitis tingkat berat ataupun berpotensi kematian. Oleh karena itu, dalam paper ini mengusulkan sistem deteksi dini bronchitis berdasarkan suara batuk berbasis embedded system. Ini merupakan terobosan baru pada dunia medis dengan desain alat kesehatan yang portabel. Sistem yang diusulkan menerapkan algoritma Bark Frequency Cepstral Coefficients (BFCC) dan ­K- ­Nearest Neighbor (kNN). BFCC merupakan algoritma yang digunakan untuk mengekstraksi fitur suara batuk dan menghasilkan nilai koefisien cepstral. Selanjutnya, nilai koefisien cepstral tersebut dihitung jarak Euclidean-nya untuk dapat diklasifikasikan menggunakan kNN. Algoritma BFCC dan kNN diimplementasikan pada perangkat Mini Komputer Raspberry Pi 3 Model B+ dengan mikrofon sebagai perangkat masukan suara dan perangkat LCD touchscreen 3.5 inchi untuk sebagai antarmuka yang menampilkan keluaran hasil deteksi. Hasil pengujian menunjukkan rata-rata waktu komputasi sebesar 4,452 detik dan penggunaan CPU sebesar 26%, serta akurasi kNN sebesar 73% untuk perhitungan jarak Euclidean dengan nilai neighbour = 5. AbstractThe World Health Organization (WHO) states that as many as 600 million people in the world suffer from bronchitis. Bronchitis is a disease that can be caused by respiratory syncytial virus (RSV) and rhinovirus. Symptoms of common bronchitis a person will experience difficulty breathing accompanied by coughing. Unfortunately, many people underestimate this common symptom. Even though, it is indicating that they have severe bronchitis or possibly death. Therefore, this study proposes an early detection system for bronchitis based on cough e sounds based on an embedded system. This is a new breakthrough in the medical world with a portable medical device design. The proposed system applied the Bark Frequency Cepstral Coefficients (BFCC) and K-Nearest Neighbor (kNN) algorithms. BFCC is an algorithm that is used to extract cough sound features and produce cepstral coefficient values. Furthermore, the value of the cepstral coefficient will be calculated for the Euclidean distance to be classified using kNN. The implementation of the BFCC and kNN algorithms is carried out on a Raspberry Pi 3 Mini Computer Model B+ with a microphone as a voice input device and a 3.5-inch LCD touchscreen device to display the resulting output interface. The results obtained an average computation time of 4.452 seconds and CPU usage of 26%, and kNN accuracy of 73% from the calculation of the Euclidean distance with a neighbor value = 5.
Pengembangan Auto-AI Model Generatif Analisis Kompleksitas Waktu Algoritma Untuk Data Multi-Sensor IoT Pada Node-RED Menggunakan Extreme Learning Machine Cholissodin, Imam; Syauqy, Dahnial; Firmanda, Dwi Ady; Aji, Ibrahim; Rahman, Edy; Harahap, Syazwandy; Septino, Fernando
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976738

Abstract

Awal mulanya, algoritma hanya dipakai untuk solusi penyelesaian persamaan matematika sederhana, seperti aljabar, aritmatika, probabilitas, dan lainnya yang lebih banyak dikerjakan secara manual dan membutuhkan waktu dan upaya yang cukup tinggi seperti pada kasus penghitungan nilai kompleksitas waktu algoritma dengan model rumus T(n), baik untuk algoritma non-rekursif maupun rekursif. Namun dengan perkembangan teknologi komputer untuk AI, Machine Learning maupun Deep Learning, algoritma dengan basis AI tersebut, dalam penelitian ini dikembangkan untuk menemukan solusi general persamaan model T(n) secara otomatis dari desain algoritma sederhana atau kompleks. Langkah dalam penelitian digunakan pembuatan model generatif berbasis algoritma Extreme Learning Machine (ELM) berdasarkan pencatatan nilai waktu komputasi pada beberapa kali pengujian untuk mengotomasi penentuan model persamaan kompleksitas waktu algoritma secara general baik untuk pencarian best case, worst case maupun average case untuk non-rekursif, dan base case dan recurrent case untuk rekursif, maupun keduanya. Hasil komparasi nilai T(n) dari ELM, yang tercepat atau terkecil waktu komputasinya digunakan sebagai rekomendasi algoritma untuk pengolahan data multi-sensor pada Internet of Things (IoT) simulator maupun non-simulator menggunakan Node-RED dengan tambahan platform yaitu flespi dan Heroku, sebagai solusi general untuk semua jenis kasus dan analisis algoritmanya. Berdasarkan pengujian didapatkan selisih nilai antara data aktual dengan hasil prediksi dalam ukuran nilai rata-rata MAPE sebesar 11,90%, yang menunjukkan nilai kesalahan yang cukup kecil. AbstractInitially, algorithms were only used for solving simple mathematical equations such as algebra, arithmetic, probability, and others that were mostly carried out manually and required quite a lot of time and effort as in the case of calculating the value of the time complexity of the algorithm with the formula model of T(n), both for non-recursive and recursive algorithms. However, with the development of computer technology for AI, both Machine Learning and Deep Learning, the AI-based algorithms in this study were developed to identify general solutions to the T(n) model equation automatically from simple or complex algorithm designs. The steps in the study are utilized to create a generative model based on the Extreme Learning Machine (ELM) algorithm according to the recording of computational time values on several tests to automate the determination of time complexity equation model of the algorithm in general including the search of best cases, worst cases, and average cases for non-recursive, and base cases and recurrent cases for recursive, as well as algorithms that contain both. The results of the comparison of T(n) values from ELM revealed that the fastest or smallest computational time is used as the algorithm recommendations for multi-sensor data processing in the Internet of Things (IoT) simulators and non-simulators by utilizing Node-RED with additional platforms i.e., flespi and Heroku, as a general solution for the entire types of cases and analysis of their algorithms. Based on the tests that have been carried out, the difference in value between the actual data and the prediction results in the size of the MAPE average value of 11.90%, which shows a fairly small error value.
Rancang Bangun Alat Pengenal Finger Vein Menggunakan Raspberry Pi dengan Metode Convolutional Neural Network (CNN) Prasetio, Barlian Henryranu; Jevandika; Syauqy, Dahnial
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024117950

Abstract

Terobosan teknologi sistem pengenalan biometrik saat ini berkembang dengan pesat dan sangat mempermudah urusan seperti pengenalan identitas atau validasi identitas, serta tidak jarang perusahaan dan institusi lain yang umum menerapkan sistem pengenalan berbasis biometrik manusia seperti sidik jari, pola telapak tangan, wajah, ataupun iris mata. Sebuah sistem pengenalan biometrik memiliki kelebihan dan tentunya beberapa keterbatasan dalam hal performa dan kenyamanan. Pengenalan sidik jari dan telapak tangan mengharuskan pengguna untuk menyentuh permukaan sensor. Dengan cara ini, pengguna dapat merasa tidak nyaman dan risiko penyebaran virus atau bakteri sangat tinggi, juga akurasi pendeteksian dapat dipengaruhi oleh faktor-faktor seperti kulit berkeringat dan kering serta distorsi kulit. Oleh karena itu pada penelitian ini akan mengusung judul Rancang Bangun Alat Pengenal Finger Vein Menggunakan Raspberry Pi Dengan Metode Convolutional Neural Network (CNN). Penelitian ini menggunakan sistem berbasis Raspberry Pi 4 dengan bantuan IR LED dan webcam untuk proses akusisi data citra pembuluh darah jari, yang diharapkan mampu melakukan proses pengenalan Finger Vein lebih cepat, dan penggunaan metode Convolutional Neural Network yang sudah teruji untuk menghasilkan akurasi yang lebih baik dengan proses Deep Learning. Dari 30 data yang digunakan sebagai penguji sistem bersama perangkat lunak dan perangkat keras tertanam, akurasinya mencapai 96,66%.   Abstract   Breakthrough in biometric recognition system technology is currently growing rapidly and greatly facilitates matters such as identity recognition or identity validation, and it is not uncommon for companies and other institutions to implement human biometric-based recognition systems such as fingerprints, palm patterns, faces, or irises. A biometric recognition system has advantages and certainly some limitations in terms of performance and convenience. Fingerprint and palm recognition requires the user to touch the surface of the sensor. In this way, users can feel uncomfortable and the risk of spreading viruses or bacteria is very high, also the detection accuracy can be affected by factors such as sweaty and dry skin and skin distortion. Therefore, this study will carry the title Design a Finger Vein Recognition Tool Using Raspberry Pi with the Convolutional Neural Network (CNN) Method. This research uses a Raspberry Pi 4-based system with the help of IR LEDs and webcams for the acquisition process of finger blood vessel image data, which is expected to be able to carry out the Finger Vein recognition process faster, and the use of the proven Convolutional Neural Network method to produce better accuracy with the Deep Learning process. Of the 30 data used as system testers alongside embedded software and hardware, the accuracy reached 96.66%.
Sistem Monitoring Tekanan Darah Berbasis Maximum Amplitude Algorithm Menggunakan Android Secara Realtime Prasetio, Barlian Henryranu; Putra, Brylliano Maza; Syauqy, Dahnial
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024117951

Abstract

Tekanan darah merupakan tekanan yang ditimbulkan pada pembuluh nadi atau arteri ketika darah dipompa dari jantung ke seluruh tubuh. Nilai dari tekanan darah dapat digunakan untuk dijadikan sebagai acuan dalam menetukan kondisi kesehatan tubuh. Untuk melakukan pengecekan terhadap nilai tekanan darah dapat dilakukan dengan menggunakan metode invasive dan non-invasive. Pengecekan tekanan darah perlu dilakukan secara langsung oleh tenaga medis dan pasien. Dengan perkembangan teknologi yang semakin pesat pengecekan ini dapat dilakukan oleh tenaga medis tanpa perlu bertemu langsung dengan pasien.Untuk melakukan monitoring ini dapat memanfaatkan smartphone untuk menampilkan informasi monitoring terhadap tekanan darah dari orang lain tanpa perlu melakukan pengecekan langsung menggunakan alat terhadap orang lain. Pada penelitian ini digunakan metode non-invasive dengan memanfaatkan pembacaan sinyal osilometrik dari perubahan tekanan pada cuff yang terbaca oleh sensor tekanan MPX5500DP untuk melakukan pembacaan tekanan darah yang kemudian ditampilkan pada perangkat android. Dengan menggunakan pendekatan menggunakan sinyal osilometrik ini akan diproses pada mikrokontroler Arduino UNO R3 untuk mencari nilai Mean Arterial Pressure, systole dan diastole menggunakan metode Maximum Amplitude Algorithm (MAA).  Pada alat yang dikembangkan nilai hasil pemprosesan menggunakan metode MAA akan dikirimkan menggunakan modul bluetooth HC-05 untuk ditampilkan pada perangkat android.  Pada pengujian sistem, didapatkan tingkat akurasi pembacaan nilai systole sebesar 78.23% dan tingkat akurasi pembacaan diastole sebesar 88.39% yang dibandingkan dengan pembacaan menggunakan tensimeter manual.   Abstract   Blood pressure is the pressure that exerted on the veins or arteries when blood is pumped from the heart to the rest of the body. The value of blood pressure can be used as a reference in determining the health condition of the body. To check the blood pressure values can be done using invasive and non-invasive methods. Checking blood pressure needs to be done directly by medical personnel and patients. With the rapid development of technology, this medical check can be done by medical personnel without the need to meet directly with patients. To do this medical monitoring, a smartphone can be used to display monitoring information on blood pressure from others without the need to check directly using the tool against others. In this study writer used a non-invasive method by utilizing oscillometric value readings of pressure changes in the cuff are read by the MPX5500DP pressure sensor to perform blood pressure readings are then displayed on the android device. By using this oscillometric value approach will be processed on the Arduino UNO R3 microcontroller to find the value of Mean Arterial Pressure, systole and diastole using the Maximum Amplitude Algorithm(MAA). In the developed tool, the result value of the processing using the MAA method will be sent using the bluetooth module HC-05 to be displayed on the android device. In testing the system, obtained the reading accuracy rate of systole value of 78.23% and diastole reading accuracy rate of 88.39% compared with readings using a manual tensimeter.
Sistem Wearable Deteksi Postur pada Gerakan Lunge dengan Algoritma Random Forest Berdasarkan Data Sensor IMU Navayo, Bagja; Syauqy, Dahnial; Kurniawan, Wijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 10 (2025): Oktober 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kesadaran akan pentingnya kesehatan jasmani mendorong masyarakat untuk rutin berolahraga. Salah satu cabang olahraga yang paling diminati di Indonesia adalah olahraga futsal. Namun, dikarenakan tingginya intensitas gerakan dalam futsal menyebabkan risiko cedera orot yang cukup besar, terutama pada otot hamstring. Latihan lunge diketahui efektif dalam memperkuat otot hamstring, hal ini dapat memperkecil risiko cedera pada otot hamstring. Walaupun latihan lunge tergolong sederhana, namun sulit untuk mempertahankan postur yang baik selama melakukannya. Kesalahan dalam teknik dan keterbatasan akses terhadap pelatih dapat meningkatkan risiko cedera. Penelitian ini bertujuan mengembangkan sistem wearable berbasis sensor untuk mendeteksi kesalahan postur saat melakukan gerakan lunge. Sistem ini menggunakan modul sensor MPU6050 yang terdiri dari akselerometer dan giroskop, serta mikrokontroler ESP32 untuk memproses data. Sensor dipasang pada bagian paha, pergelangan kaki, dan dada untuk menangkap gerakan tubuh. Algoritma Random Forest digunakan sebagai metode klasifikasi karena performanya yang unggul dalam mengenali aktivitas fisik. Data sensor dikirim menggunakan protokol ESP-NOW dan hasil klasifikasi ditampilkan melalui buzzer sebagai umpan balik langsung. Hasil penelitian menunjukkan bahwa sistem mampu mencapai akurasi klasifikasi algoritma Random Forest sebesar 99,1%, sedangkan pada pengujian keseluruhan sistem mampu mendapatkan nilai sebesar 85% dari total 20 kali pengujian dengan rata-rata waktu komputasi 163,5 mikrodetik. Penelitian ini diharapkan mampu menghadirkan solusi efektif bagi pengguna dalam menjaga teknik latihan lunge yang benar, mengurangi risiko cedera, serta mendukung latihan mandiri tanpa perlu pendampingan pelatih secara langsung.
Desain dan Implementasi Wearable Vest Pendeteksi Pose Gerakan Menghindar Pada Game Boxing “Thunder Ray” Berbasis Sensor MPU-6050 Menggunakan Metode Random Forest Munif Cleveriandy, Ahmad; Syauqy, Dahnial; Sabriansyah Rizqika Akbar
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 permainan mendorong terciptanya sistem yang lebih interaktif dan mendukung pengalaman bermain yang imersif. Salah satu permasalhan yang masih dihadapi adalah keterbatasan perangkat input konvensional, seperti keyboard dan joystick, dalam menangkap gerakan tubuh secara langsung. Salah satu solusi untuk mengatasi masalah tersebut adalah menggunakan sensor MPU6050 yang nantinya pada penelitian ini akan diimplementasikan pada sebuah wearable vest. Penelitian ini membahas implementasi wearable vest berbasis sensor MPU6050 untuk mendeteksi gerakan menghindar pada permainan boxing 'Thunder Ray' dengan memanfaatkan sensor gerak. Sistem dirancang untuk mengenali jenis gerakan seperti diam, ke kiri, dan ke kanan, lalu menerjemahkannya menjadi perintah permainan. Dalam prosesnya, sistem menggabungkan sensor gerak dengan algoritma random forest untuk membedakan tiap gerakan secara otomatis. Sistem kemudian diterapkan pada mikrokontroler ESP32, lalu mengirimkan hasil klasifikasi sebagai input keyboard melalui BLE untuk mengontrol permainan. Hasil menunjukkan bahwa wearable vest ini mampu mengenali gerakan pemain dengan baik dan memberikan input yang sesuai pada permainan dengan akurasi tinggi, mencapai 100% pada skenario pengujian.
Sistem Deteksi Pola Menapak Kaki Untuk Identifikasi Risiko Cedera Menggunakan Sensor ToF faqih, abdullah; Syauqy, Dahnial; Henryranu Prasetio, Barlian
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

Pola menapak kaki saat berlari merupakan faktor biomekanik penting yang memengaruhi distribusi beban pada tungkai bawah. Teknik menapak yang tidak tepat dapat meningkatkan risiko cedera, terutama pada area kaki, lutut, dan pinggul. Metode konvensional untuk mengidentifikasi pola menapak umumnya mengandalkan pengamatan visual atau analisis video berkecepatan tinggi, yang cenderung memakan waktu, bersifat subjektif, dan tidak praktis untuk pemantauan secara real-time. Penelitian ini bertujuan mengembangkan sistem deteksi pola menapak secara real-time menggunakan sensor Time-of-Flight (ToF) sebagai solusi objektif dan portabel. Sistem dirancang dengan dua sensor VL53L1X yang dipasang pada bagian depan dan belakang sepatu, terhubung ke mikrokontroler ESP32. Sensor ini mengukur jarak kaki terhadap tanah, dan data dikirim melalui koneksi Bluetooth Low Energy (BLE) ke unit pemrosesan sekunder. Data kemudian difilter menggunakan metode exponential moving average, dikalibrasi, dan diklasifikasikan ke dalam tiga jenis pola menapak: rearfoot, midfoot, dan forefoot. Hasil pengujian menunjukkan akurasi klasifikasi sebesar 100% dalam kondisi statis dan rata-rata 86,7% saat berlari dinamis. Sistem ini menunjukkan potensi sebagai alat bantu pemantauan biomekanik lari untuk pencegahan cedera dan optimasi performa secara objektif dan real-time.
Semi-Adaptive Control Systems on Self-Balancing Robot using Artificial Neural Networks Setiawan, Eko; Setiawan , Eko; Syauqy, Dahnial
INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Vol 5 No 2 (2021): August 2021
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (716.62 KB) | DOI: 10.29407/intensif.v5i2.15296

Abstract

A self-balancing type of robot works on the principle of maintaining the balance of the load's position to remains in the center. As a consequence of this principle, the driver can go forward reverse the vehicle by leaning in a particular direction. One of the factors affecting the control model is the weight of the driver. A control system that has been designed will not be able to balance the system if the driver using the vehicle exceeds or less than the predetermined weight value. The main objective of the study is to develop a semi-adaptive control system by implementing an Artificial Neural Network (ANN) algorithm that can estimate the driver's weight and use this information to reset the gain used in the control system. The experimental results show that the Artificial Neural Network can be used to estimate the weight of the driver's body by using 50-ms-duration of tilt sensor data to categorize into three defined classes that have been set. The ANN algorithm provides a high accuracy given by the results of the confusion matrix and the precision calculations, which show 99%.
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