Article Per Year (5 Year)
p-Index From 2021 - 2026
7.865
P-Index
This Author published in this journals
All Journal International Journal of Reconfigurable and Embedded Systems (IJRES) Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Tri Dharma Mandiri: Diseminasi dan Hilirisasi Riset Kepada Masyarakat (Jurnal Pengabdian Kepada Masyarakat) Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika
Edita Rosana Widasari, Edita Rosana
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Public Health Social Sciences

Published : 62 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 62 Documents
Search

 3   4   5   6   7 
Sistem Deteksi Stres Portabel pada Pengemudi Menggunakan Decision Tree Berbasis Sinyal Photoplethysmogram Fuad, Alifa Azwadina; Widasari, Edita Rosana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 1: Februari 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2026131

Abstract

Stres merupakan kondisi psikofisiologis yang menurunkan konsentrasi dan kemampuan berkendara. Kondisi ini berdampak pada meningkatnya risiko kecelakaan lalu lintas. Oleh karena itu, pengembangan sistem deteksi stres portabel diperlukan sebagai upaya mitigasi risiko dan peningkatan keselamatan di jalan raya. Penelitian ini bertujuan untuk mengembangkan sistem deteksi stres portabel berbasis sinyal Photoplethysmogram (PPG) menggunakan fitur Average of NN Intervals (AVNN) dan Standard Deviation of NN Intervals (SDNN) serta metode klasifikasi machine learning Decision Tree. Sistem ini menggunakan sensor MAX30102 untuk mengakuisisi sinyal PPG secara real-time, dengan hasil deteksi stres yang ditampilkan pada layar Organic Light Emitting Diode (OLED) dan dilengkapi dengan indikator buzzer serta Light Emitting Diode (LED). Pengujian sistem dengan subjek uji menunjukkan bahwa metode Decision Tree berbasis fitur AVNN dan SDNN mampu mencapai akurasi klasifikasi sebesar 80%. Rata-rata waktu komputasi tercatat 2,6 detik, sehingga sistem dinilai efisien untuk mendukung deteksi stres secara real-time. Pengujian keseluruhan sistem membuktikan bahwa perangkat portabel ini bekerja dengan andal sesuai skenario yang dirancang, sehingga berpotensi digunakan sebagai alat deteksi stres portabel bagi pengemudi.   Abstract Stress is a psychophysiological condition that diminishes driving concentration and performance, thereby elevating the risk of traffic accidents. To mitigate this risk, we developed a portable stress‑detection system that analyzes photoplethysmogram (PPG) signals. The system extracts the Average of NN Intervals (AVNN) and the Standard Deviation of NN Intervals (SDNN), classifying stress levels with a Decision Tree algorithm. Real‑time PPG data are acquired via a MAX30102 sensor, while classification results are shown on an Organic Light‑Emitting Diode (OLED) display and reinforced through buzzer and Light‑Emitting Diode (LED) alerts. Experiments demonstrate that the AVNN‑SDNN Decision Tree model attains 80 % classification accuracy with an average computation time of 2.6 sec. The prototype operated reliably across all test scenarios, indicating strong potential as an in‑vehicle portable device for monitoring driver stress and enhancing road safety.
Implementasi Sinkronisasi Waktu Pada Automatic Gloves Berbasis ESP-NOW Menggunakan Lightweight Time Synchronization Aryawidyawan, Mochammad Farrel; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi 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

Pasien koma membutuhkan stimulasi sensorik untuk mendukung peningkatan kesadaran, salah satunya melalui gerakan pasif pada jari tangan. Namun, di ruang ICU RSSA Malang, stimulasi ini masih bergantung pada intervensi langsung tenaga medis, sementara jumlah perawat terbatas. Penelitian ini bertujuan mengembangkan automatic gloves bagi pasien koma untuk memberikan stimulasi sensorik secara lebih maksimal. Dengan penerapan sinkronisasi waktu, kedua automatic gloves dapat memulai dan mengakhiri gerakan secara bersamaan serta berhenti pada posisi tangan terbuka demi keamanan dan kenyamanan pasien maupun tenaga medis. Sistem dikembangkan berbasis ESP-NOW dengan metode Lightweight Time Synchronization untuk mendukung komunikasi nirkabel antara sarung tangan kanan dan kiri. Automatic gloves menggunakan servo MG996R Continuous sebagai aktuator penarik tali pada jari dan mikrokontroler ESP32 DEVKIT V1 sebagai pengatur sistem sekaligus media komunikasi antar perangkat. Hasil pengujian menunjukkan sistem berhasil menjalankan seluruh fungsionalitas, mulai dari komunikasi nirkabel hingga pergerakan servo. Pengujian pada enam subjek menunjukkan sistem bekerja stabil dan mampu menjalankan siklus gerakan secara konsisten. Penerapan Lightweight Time Synchronization meningkatkan sinkronisasi penjadwalan gerakan servo dengan penurunan delay hingga 98,92%. Pada skenario tanpa sinkronisasi waktu, selisih eksekusi mencapai 13.274 µs, sedangkan setelah penerapan metode ini delta terkecil menjadi 13,67 µs dengan rata-rata sekitar 16 µs.
Sistem Deteksi Stres Menggunakan Metode Support Vector Machine dengan Fitur RMSSD dan PNN50 Prakoso, Raihan Adi; Widasari, Edita Rosana; Nurfarida, Ika
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 3: Juni 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2026133

Abstract

Stres merupakan respons fisiologis dan psikologis yang muncul akibat tekanan fisik, lingkungan, atau sosial. Keterbatasan jumlah psikolog klinis berpotensi menyebabkan keterlambatan skrining dan penanganan dini, sehingga diperlukan alat bantu skrining yang objektif dan terukur untuk memperkuat pemeriksaan awal. Penelitian ini mengusulkan prototipe deteksi stres non-invasif berbasis embedded system secara real-time dengan memanfaatkan sensor PPG MAX30102, ekstraksi fitur HRV domain waktu RMSSD dan pNN50, serta klasifikasi menggunakan Support Vector Machine (SVM) linear pada dua kelas (stres/tidak stres). Data primer direkam dari subjek pada kondisi stres/tidak stres yang ditetapkan melalui validasi psikiater, kemudian diproses untuk memperoleh nilai RMSSD dan pNN50 sebelum dilakukan klasifikasi. Hasil pengujian menunjukkan sistem mampu melakukan estimasi detak jantung dengan MAPE 2,25%, sedangkan perhitungan NN interval sebagai dasar ekstraksi HRV menunjukkan MAPE 0,15%. Pada tahap deteksi stres, sistem mencapai akurasi 90% dengan waktu komputasi rata-rata 86,5 ms, sehingga layak digunakan sebagai alat bantu skrining stres awal yang praktis, portabel, dan responsif pada perangkat embedded.   Abstract Stress is a physiological and psychological response that arises from physical, environmental, or social pressures. The limited number of clinical psychologists may lead to delays in early screening and intervention, highlighting the need for an objective and measurable screening aid to strengthen preliminary assessments. This study proposes a non-invasive, real-time embedded system prototype for stress detection using a MAX30102 PPG sensor, time-domain HRV feature extraction (RMSSD and pNN50), and a linear Support Vector Machine (SVM) classifier for two classes (stress/non-stress). Primary data were recorded from participants under stress and non-stress conditions validated by a psychiatrist, then processed to obtain RMSSD and pNN50 values prior to classification. The experimental results show that the system achieved heart rate estimation with a MAPE of 2.25%, while NN interval computation as the basis for HRV extraction achieved a MAPE of 0.15%. For stress detection, the system reached an accuracy of 90% with an average computation time of 86.5 ms, indicating that it is suitable as a practical, portable, and responsive early stress screening tool on an embedded platform.
Pelatihan Pengenalan dan Penerapan Teknologi Artificial Intelligence untuk Meningkatkan Kompetensi Guru SMK Negeri 5 Kota Malang Widasari, Edita Rosana; Fitriyah, Hurriyatul; Utaminingrum, Fitri; Primananda, Rakhmadhany
DIMASLOKA: Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika Vol 2 No 1 (2023): Januari
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/dimasloka.v2i1.18

Abstract

Pada era revolusi industri 4.0 saat ini, ditandai dengan digitalisasi dan pemanfaatan Artificial Intelligence (AI) secara masif di berbagai sektor kehidupan manusia. terutama di bidang industri. Adaptasi teknologi pada dunia industri di Indonesia menjadi semakin tinggi. Maka, Kementerian Pendidikan dan Kebudayaan (Kemendikbud) melalui Direktorat Kemitraan dan Penyelarasan Dunia Usaha dan Dunia Industri (Mitras DUDI) menyatakan perlu adanya penguatan kompetensi guru SMK di bidang AI. Berdasarkan observasi, guru SMK Negeri 5 Kota Malang pasti pernah mendengar istilah revolusi industri 4.0 namun banyak yang belum mendengar tentang AI. SMK Negeri 5 Kota Malang, selaku mitra juga mengemukakan bahwa perlu adanya kegiatan untuk mengedukasi dan memberikan pengalaman mengenai teknologi AI kepada guru. Oleh karena itu, dalam rangka peningkatan kompetensi guru SMK Negeri 5 Kota Malang, perlu adanya kegiatan pelatihan pengenalan dan penerapan teknologi AI. Pelatihan diselenggarakan dalam dua tahap. Tahap pertama adalah presentasi dan diskusi terkait penjelasan terkait pengenalan AI. Sedangkan tahap kedua adalah demontrasi dan workshop terkait penerapan teknologi AI pada bidang biomedis berupa sistem deteksi dini stress pada siswa yang berbasis teknologi AI. Melalui pre-test dan post-test yang dilakukan, pelatihan ini mampu meningkatkan pemahaman dan kemampuan peserta terkait AI dan penerapannya sebesar 47.44%. Selanjutnya, melalui kuisioner yang dibagikan, peserta menilai bahwa pelatihan yang diberikan sangat mudah dipahami yang ditunjukkan dengan modus nilai pada kategori “Baik Sekali”. Selain itu, hasil workshop berupa prototype ”Sistem Deteksi Dini Stress Pada Siswa Berbasis Teknologi AI” diberikan ke SMK Negeri 5 Kota Malang sebagai penerapan teknologi tepat guna.
Workshop Pengenalan Sistem Berbasis Kecerdasan Buatan Untuk Peningkatan Hardskill Guru SMK Prasetio, Barlian; Widasari, Edita Rosana; Utaminingrum, Fitri; Fitriyah, Hurriyatul
DIMASLOKA: Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika Vol 3 No 2 (2024): Juli
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/dimasloka.v3i2.29

Abstract

Kehadiran teknologi AI merupakan sebuah  terobosan  di  bidang teknologi  pendidikan  untuk memudahkan  pembelajaran. Penggunaan teknologi dengan bijak dan terkendali dapat memicu akselerasi pendidikan. Kemunculan teknologi kecerdasan buatan (Artificial Intellegence) juga dapat menanamkan sifat mandiri dalam diri pelajar. Guru tidak dibebani peran yang begitu dominan, namun, tugasnya menjadi spesifik dalam lingkup memberikan pencerahan  dengan  kata  kunci  yang  substansial. Pangkal dari setiap pemanfaatan teknologi bagi guru adalah tetap mengedepankan esensi dari mengajar  yaitu  menata moral dan perilaku dari pelajar. Adapun bagi pelajar, adanya teknologi pendidikan dapat membantu mereka dalam mengontrol dan memantau pembelajaran mereka sendiri, memungkinkan mereka untuk hidup dan bekerja dengan baik di masa depan. Oleh karena itu, dalam rangka peningkatan kompetensi guru SMK Telkom Malang, kami menyelenggarakan pengabdian berupa kegiatan pelatihan pengenalan dan penerapan teknologi AI. Kegiatan tersebut bertujuan untuk mengembangkan pembelajaran AI di SMK Telkom Malang, sehingga lulusannya dapat berkontribusi di era industri 4.0 terutama dalam bidang AI. Pelatihan akan diselenggarakan dalam dua tahap. Tahap pertama adalah presentasi dan diskusi terkait penjelasan terkait pengenalan AI. Diharapkan guru SMK Telkom Malang dapat memahami konsep dasar AI, mampu menerapkan teknologi AI, mampu mengimplementasikan algoritma AI yang diterapkan misalnya bidang biomedis dengan mengintegrasikan hardware dan software, kemudian hasil penerapan teknokogi AI berupa produk tersebut akan diberikan ke pihak sekolah sebagai penerapan teknologi tepat guna kepada masyarat, ataupun secara khusus untuk SMK Telkom Malang.
Peningkatan Diversifikasi Dan Tata Kelola Media Informasi Digital Pada Lembaga Pendidikan Sekolah Dasar Negeri 02 Permanu Malang Syauqy, Dahnial; Prasetio, Barlian Henryranu; Setiawan, Eko; Widasari, Edita Rosana
DIMASLOKA: Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika Vol 4 No 1 (2025): Januari
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/dimasloka.v4i1.44

Abstract

Di era digital, lembaga pendidikan formal Sekolah Dasar (SD) khususnya pada lokasi pedesaan menghadapi tantangan dalam menyampaikan informasi kepada masyarakat luas dan orang tua siswa, termasuk kegiatan pendidikan, pengembangan anak, dan prestasi siswa. Strategi yang efektif untuk mengatasi tantangan ini meliputi pembuatan website yang user-friendly, pemanfaatan media sosial, pelatihan pengelolaan media digital bagi guru dan staf, serta penggunaan platform penanda lokasi. Dalam Studi kasus pada SD Negeri 2 Permanu Malang ini menunjukkan bahwa lembaga masih memiliki gap dalam peningkatan dan pemanfaatan media informasi digital secara optimal, berupa keterbatasan pada penggunaan media sosial, absennya website resmi, dan kurang lengkapnya informasi lokasi. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan diversifikasi dan efektivitas penggunaan media digital di lembaga pendidikan sekolah dasar, melalui kerja sama dalam pengabdian kepada masyarakat yang dilakukan oleh tim Fakultas Ilmu Komputer Universitas Brawijaya. Hasil kegiatan menunjukkan bahwa website yang dibangun dan pelatihan pengelolaan media digital yang dilakukan dapat digunakan untuk memperluas jangkauan dan efisiensi komunikasi lembaga pendidikan dengan stakeholder-nya, sekaligus menunjukkan potensi IT dalam memajukan aspek manajemen dan promosi lembaga pendidikan di era digital.
Ekstraksi Fitur Morfologi dan Statistik Sinyal Photoplethysmogram Berbasis MAX30102 sebagai Dasar Estimasi Tekanan Darah Manurung, Manfredy Patarida Hasiholan; Widasari, Edita Rosana; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pemantauan tekanan darah secara berkala merupakan aspek penting dalam pencegahan risiko penyakit kardiovaskular, terutama pada individu dengan potensi hipertensi. Namun, metode pengukuran konvensional berbasis manset masih memiliki keterbatasan dalam mendukung pemantauan yang nyaman dan berkelanjutan. Penelitian ini berfokus pada tahap awal pengembangan sistem estimasi tekanan darah non-invasif berbasis sinyal Photoplethysmogram (PPG), yaitu proses akuisisi, penapisan sinyal, deteksi Normal-to-Normal (NN) Interval, serta ekstraksi fitur morfologi dan statistik. Sinyal PPG diperoleh menggunakan sensor MAX30102 yang diintegrasikan pada prototipe perangkat wearable berbasis mikrokontroler ESP32-S3. Tahapan pengolahan sinyal meliputi akuisisi sinyal nadi, reduksi derau melalui penapisan digital, deteksi puncak pulsa untuk memperoleh NN Interval, serta pembentukan vektor fitur PPG. Fitur yang diekstraksi mencakup karakteristik morfologi pulsa, fitur berbasis detak jantung, lebar pulsa, amplitudo, kemiringan sinyal, serta fitur statistik distribusi gelombang. Berdasarkan proses seleksi fitur, diperoleh sepuluh fitur utama, yaitu mean area, mean slope, HR, pulse width mean, skewness, mean amplitude, kurtosis, pulse width standard deviation, standard deviation amplitude, dan HRV. Hasil pengujian menunjukkan bahwa proses deteksi NN Interval memperoleh akurasi sebesar 98,97%, sedangkan pengujian kesesuaian pembacaan sinyal terhadap hitung nadi manual memperoleh akurasi sebesar 96,99%. Hasil ini menunjukkan bahwa tahapan ekstraksi fitur PPG berbasis MAX30102 mampu menghasilkan vektor fitur yang terstruktur dan representatif sebagai dasar pengembangan model estimasi tekanan darah pada penelitian lanjutan.
Volitional Fatigue Monitoring System Using Random Forest With Root Mean Square and Integrated Electromyogram Feature Audrian, Nathaniel; Widasari, Edita Rosana
Journal of Information Technology and Computer Science Vol. 10 No. 1: April 2025
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jitecs.2025101924

Abstract

Athletes often hire personal trainers (PTs) for strength training, where training to volitional fatigue maximizes results but increases injury risk. This study proposes a volitional fatigue monitoring system to assist PTs in preventing fatigue-induced injuries. The system utilizes electromyography (EMG) with features derived from RMS and IEMG signals, with Random Forest classification method. Outputs are displayed on an OLED screen, LED lights, and a website via the WebSocket Protocol. EMG signal disturbances were mitigated with a filter, a battery, and a sport band. Testing involved five subjects aged 20-22 with various arm strength and no exercise background. The test results show that the EMG sensor acquires data within the appropriate range. The system achieved a 91.43% accuracy in muscle fatigue detection and a 1.0284 second average computation time, and produced the expected outputs with 100% accuracy. Therefore, the proposed monitoring system is feasible and reliable for volitional fatigue monitoring.
Implementasi Kombinasi Esp-NOW dan Cross-Coupling Control untuk Sinkronisasi Automatic Gloves Berbasis ESP32 Attallah, Abel Putra; Widasari, Edita Rosana; Kurniawan, Wijaya
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pasien koma membutuhkan stimulasi sensorik berupa gerakan pasif bilateral sebagai bagian dari terapi rehabilitasi untuk membantu meningkatkan respons saraf motorik dan proses pemulihan kesadaran. Keterbatasan tenaga medis di ruang ICU menjadi tantangan dalam pelaksanaan terapi secara kontinu, sehingga dikembangkan sistem automatic gloves berbasis aktuator servo. Permasalahan utama pada sistem ini adalah ketidaksinkronan gerak antara tangan kanan dan kiri akibat perbedaan resistansi mekanis, tingkat spastisitas pasien, serta variasi beban pada masing-masing sisi. Penelitian ini mengimplementasikan algoritma Cross-coupling Control (CCC) berbasis mikrokontroler ESP32 yang dikombinasikan dengan komunikasi nirkabel ESP-NOW untuk meningkatkan sinkronisasi gerakan. Sistem terdiri dari tiga node ESP32 yaitu master, slave, dan sync yang saling bertukar data kecepatan motor (RPM) secara real-time. Kontrol PID digunakan untuk menjaga kestabilan kecepatan masing-masing motor, sedangkan CCC berfungsi menghitung selisih kecepatan kedua sisi dan memberikan kompensasi adaptif agar gerakan tetap selaras. Pengujian dilakukan pada lima subjek untuk mengevaluasi performa sistem terhadap variasi beban mekanis yang merepresentasikan kondisi nyata penggunaan pada pasien. Hasil menunjukkan ESP-NOW mampu bekerja secara real-time dengan rata-rata Round Trip Time (RTT) sebesar 5,41 ms, lebih kecil dari periode kontrol 30 ms sehingga dinilai responsif. Penerapan CCC meningkatkan akurasi sinkronisasi menjadi 87,78% serta menurunkan Mean Absolute Error dari 11,54 RPM menjadi 6,95 RPM, atau terjadi reduksi error sebesar 39,73% dibandingkan sistem tanpa CCC. Dengan demikian, kombinasi ESP-NOW dan CCC efektif meningkatkan stabilitas, presisi, dan sinkronisasi gerakan pada sistem automatic gloves.
Enhanced Hand Gesture Classification for a Myoelectric Prosthetic Hand Using Compact CNN with Wearable EMG Sensors Ristanti, Dini Eka; Widasari, Edita Rosana
Journal of Information Technology and Computer Science Vol. 10 No. 2: August 2025
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jitecs.2025102927

Abstract

In Indonesia, many people experience upper-limb functional loss, which limits their ability to perform daily activities. Myoelectric prosthetic hands offer a promising solution for transradial amputees by using electromyography (EMG) signals to control hand movements. However, conventional wired systems may introduce noise that affects EMG signal quality and gesture recognition performance. Therefore, this study proposes an enhanced hand gesture classification approach for myoelectric prosthetic hands using wearable EMG sensors, Savitzky-Golay (SG) filtering, and a compact convolutional neural network (CNN). The dataset consists of EMG signals acquired from eight subjects using an eight-channel wearable EMG sensor, covering four hand gestures: rock, paper, scissors, and OK. The SG filter is applied to smooth the EMG signals and reduce noise while preserving important signal characteristics. Since filtering alone is insufficient to distinguish all gesture types, a compact CNN model is employed for classification. The proposed model achieved an accuracy of 95.15%, precision of 95.16%, recall of 95.15%, and F1-score of 95.15%, demonstrating its effectiveness for EMG-based hand gesture classification in myoelectric prosthetic hand applications.
Co-Authors adani, M. Syakhisk N. Agung Setia Budi, Agung Setia Aji, Eko Prastowo Akbar, Rizky Alhamid, Faticha Kamila Aryawidyawan, Mochammad Farrel Attallah, Abel Putra Audrian, Nathaniel Azizy, Faqih Barlian Henryranu Prasetio Bhanu Shidqianto, Naufal Butarbutar, Erlinda Chatarina Umbul Wahyuni Daffa, Ali Zhafran Dahnial Syauqy Dananjaya, Andreas Wirawan Daniswara, Muhammad Ananta Dewa, Muklas Isa Eko Setiawan Fabiana, Ryzaldi Ananda Faiqoh, Rifdah Fauzi, Muhammad Aqil Fuad, Alifa Azwadina Gabriel Hizkia Marhata Simbolon Ghifari, Achmad Giffary, Muhammad Zufar Hakim, Muhammad Ilham Hanafi, Muhammad Imam Hanifa Maulani Ramadhan Hurriyatul Fitriyah, Hurriyatul IKA NURFARIDA J'Verron, Shadam Ksatria, Fatih Raka Kurnia, Yudisthira Dwi Manurung, Manfredy Patarida Hasiholan Muhammad Fahrizal, Muhammad Musharrif, Mohammad Faiz Nashrullah, Ikbar Razan Nugraha, Aldia Agri Palwa Luktagara, Abim Renara Perkasa, Septiyo Budi Praditya, Tengku Muhammad Fadlan Prakoso, Raihan Prakoso, Raihan Adi Pramana, Danish Gyan Prasetio, Barlian Prasetyo, Ragil Hadi Rakhmadhany Primananda, Rakhmadhany Ratanasari, Dittha Rava Athalla, Muhammad Rianta, Razzan Naufal Ristanti, Dini Eka Rizal Maulana, Rizal Rohman, Zahra Auliaul Rohmandzoni, Achmad Santoso, Teguh Surya Darma Saputra, Naufal Rijaldi Shabiyya, Syifa’ Hukma Simbolon, Gabriel Hizkia Marhata Surya Darma Santoso, Teguh Syahrul Chilmi, Syahrul syauqi Toar, Mikhael Ryan Trido, Pradytia Utaminingrum, Fitri Vebrianto, Yudaneru Wijaya Kurniawan Yunus, Ahmad Haykal