Article Per Year (5 Year)
p-Index From 2021 - 2026
14.98
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Jurnal INKOM TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal technoscientia Jurnal Mahasiswa TEUB Jurnal Teknologi Informasi dan Ilmu Komputer Register: Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control IJID (International Journal on Informatics for Development) Indonesian Journal of Electrical Engineering and Computer Science JURNAL TEKNOLOGI TECHNOSCIENTIA Jurnal Teknik Informatika (JUTIF) Mechanical Engineering for Society and Industry
Utaminingrum, Fitri
Fakultas Ilmu Komputer, Universitas Brawijaya
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Transportation

Published : 193 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 193 Documents
Search

 12   13   14   15   16 
Sistem Pendeteksi Kantuk Pengemudi berbasis Eye Aspect Ratio dan Mouth Opening Ratio menggunakan Algoritme C-LSTM Auliya Firdaus; Fitri Utaminingrum; Edita Rosana Widasari
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 2 (2023): Februari 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

There were 103,645 traffic accidents in Indonesia in 2021, an increase of 3.6% from the previous year. The second leading cause of accidents was freight transport, at a percentage of 12%. According to the National Committee for Transportation Safety of the Republic of Indonesia (KNKT), 80% of accidents were caused by driver fatigue, which resulted in microsleep. To address this problem, a system for early detection of driver fatigue is needed. This system uses the eye aspect ratio (EAR) and mouth opening ratio (MOR) as the main parameters for detecting microsleep and yawning as a sign of fatigue. With an adaptive threshold, the accuracy of the system in detecting microsleep is 97%. The system's detection of yawning uses a Convolutional Neural Network (C-LSTM) model. The C-LSTM model was chosen because it is a combination of CNN for better feature recognition and LSTM for sequential learning. The accuracy of the yawn detection system is 98%. It can be concluded that this system works well in detecting driver fatigue.
Sistem Pendeteksi Premature Ventricular Contraction (PVC) berdasarkan Lebar QRS dan Gradien R menggunakan Metode FK-NN Desy Marinda Oktavia Sitinjak; Edita Rosana Widasari; Fitri Utaminingrum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 2 (2023): Februari 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Heart is a vital organ and is the last line of defense for life and is a part of human body that has a role as a center for circulating blood. The heart's job is to pump blood to all body parts, where there is a rhythmic pattern of heartbeats when the heart pumps blood to all parts of the body. In a normal adult heart, it has a heartbeat ranging from 60-100 beats per minute. Adults who have a heart rate of fewer than 60 beats or more than 100 beats per minute mean there is a disturbance of their heartbeat or arrhythmia. One of example of an arrhythmia is Premature Ventricular Contraction (PVC). PVC conditions are common in humans, but if occur continuously it can increase the risk of heart disease. PVC can be prevented by early detection of heart disease, where an examination will be carried out using an ECG machine. However, the costs required to carry out an examination using an ECG machine are quite expensive. Regular early measurements are needed PVC using QRS Complex and R Gradient. The results of the AD8232 ECG sensor acquisition test get an error value of 7.14% with 5 tests. The accuracy results using the Fuzzy K-Nearest Neighbor (FK-NN) classification get 90% of the 20 test data used. For system computation time, it managed to reach 286.06 milliseconds.
Sistem Deteksi Kelayakan Konsumsi pada Air Isi Ulang dengan Metode K-Nearest Neighbors berbasis Arduino Constantius Leonardo Pratama; Dahnial Syauqy; Fitri Utaminingrum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 3 (2023): Maret 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

produces
Pengenalan Papan Nama Ruangan untuk Kendali Kursi Roda Pintar menggunakan YOLOv7-Tiny dan EasyOCR berbasis TX2 Ainandafiq Muhammad Alqadri; Fitri Utaminingrum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 5 (2023): Mei 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyandang disabilitas ganda adalah seseorang yang memiliki lebih dari satu jenis disabilitas. Penyandang disabilitas ganda dengan keterbatasan dalam melihat dan berjalan kesulitan dalam mencari ruangan yang hanya dapat dibedakan melalui tulisan pada papan nama ruangan. Penulis mengajukan solusi berupa sebuah sistem pengenalan papan nama ruangan pada kursi roda pintar menggunakan metode YOLOv7-Tiny dan EasyOCR berbasis TX2. YOLOv7-Tiny digunakan untuk melakukan deteksi objek papan nama ruangan dan EasyOCR digunakan untuk membaca tulisan pada objek papan nama ruangan tersebut. Penelitian ini dimulai dengan mengumpulkan 6000 dataset gambar papan nama ruangan “F 9.5”, “F 3.1”, “Laboratorium”, “Ruang Baca”, “Toilet”, dan “Akademik”, melatih model YOLOv7-Tiny, dan mengimplementasikan sistem pada kursi roda pintar. Sistem yang dirancang dalam penelitian ini berhasil mendeteksi papan nama ruangan dari jarak 5 meter dengan akurasi 99% dan melakukan pembacaan tulisan dengan akurasi 93,3%. Rata-rata waktu komputasi yang dibutuhkan oleh sistem adalah 0,525 detik untuk melakukan deteksi objek dan 0,8 detik untuk melakukan pembacaan tulisan. Integrasi antara sistem pengenalan papan nama ruangan terhadap gerakkan roda adalah 66 PWM untuk roda kiri dan 70 PWM untuk roda kanan saat kursi roda bergerak maju mencari ruangan dan 0 PWM untuk kedua roda saat kursi roda telah mencapai ruangan tujuan.
Penggunaan Variasi Model pada Arsitektur EfficientNetV2 untuk Prediksi Sel Kanker Serviks Duwi Purnama Sidik; Fitri Utaminingrum; Lailil Muflikhah
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 5 (2023): Mei 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kanker serviks merupakan salah satu penyakit yang menyebabkan kematian terbanyak pada wanita di seluruh dunia. Angka kematian ini disebakan kekurangnya kesadaran terhadap infeksi dan tidak adanya gejala awal yang jelas, sehingga penderita baru menyadari kondisi mereka sudah pada tahap lanjut yang lebih sulit untuk diobati. Dengan hal itu, diagnosis dini merupakan hal yang sangat penting tapi karena kurangnya tenaga medis yang terlatih menjadi masalah serius dalam diagnosis, terutama di wilayah dengan sumber daya kesehatan terbatas. Berdasarkan penelitian sebelumnya, metode Deep Learning telah digunakan untuk mendeteksi kanker serviks tapi memiliki akurasi yang kurang baik. Pada penelitian ini, mengunakan model EfficientNetV2 karena terbukti bisa mendeteksi gambar dengan kinerja dan efektivitas yang baik. Dataset terdiri dari 5 kelas dengan jumlah 5.000 gambar terbagi menjadi 3.000 data latih, 1.000 data validasi, dan 1.000 data uji. Hasilnya adalah Model EfficientNetV2-Large memiliki akurasi tertinggi sekitar 0.999. Perhitungan matriks evaluasi dari Model EfficientNetV2-Large memiliki nilai yang paling baik yaitu 0.998. Tapi didapatkan waktu Komputasi EfficientNetV2-Large terlama dan Model EfficientNetV2-B0 memiliki waktu komputasi tercepat dengan 198 detik. Secara keseluruhan, semua Model EfficientNetV2 menunjukkan kinerja baik yang mana memiliki kemampuan untuk memprediksi jenis sel kanker dengan baik.
Sistem Klasifikasi Permukaan Jalan dan Penghindaran Jalan Berlubang pada Kursi Roda Pintar dengan Metode MobileNetV3-Small Muhammad Raihan Wardana Budiarto; Fitri Utaminingrum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 5 (2023): Mei 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kondisi permukaaan jalan di Indonesia masih banyak mengalami kerusakan. Meskipun telah dilakukan berbagai upaya untuk memperbaiki infrastruktur jalan, melajunya kendaraan dengan bobot berat dan jarangnya pemeliharaan rutin pada permukaan jalan akan mempercepat rusaknya kondisi permukaan jalan. Pembangunan jalan yang belum merata dan tidak inklusif bagi kursi roda dapat menghambat aktivitas pengguna kursi roda dan meningkatkan resiko kecelakaan bagi pengguna saat berjalan pada permukaan jalan yang rusak atau bahkan berlubang. Peneliti ingin memberikan solusi untuk permasalahan keamanan dan kenyamanan pengguna kursi roda saat melakukan mobilitas dengan membuat sebuah sistem yang dapat merubah kecepatan sesuai permukaan jalan dan menghindari lubang di jalan menggunakan metode MobileNetV3-Small. Hasil dari pengujian pada sistem mendapatkan klasifikasi seluruh kelas permukaan jalan dan lubang dari Region of Interest pada layar secara realtime dengan rata-rata akurasi 88.076%. Selain itu, hasil pengujian meraih Rata-rata Waktu Komputasi selama 0,96048 detik untuk melakukan klasifikasi objek. Hasil integrasi klasifikasi kelas dengan output motor juga sudah berfungsi dengan baik dan sesuai pada kelas hasil klasifikasi.
Rancang Bangun Sistem Klasifikasi Kelayakan Madu berdasarkan Kadar Gula dan Warna untuk Penderita Diabetes Mellitus menggunakan Metode K-Nearest Neighbors Niko Aji Nugroho; Dahnial Syauqy; Fitri Utaminingrum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 5 (2023): Mei 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Madu merupakan salah suatu jenis produk alam yang diproduksi oleh koloni lebah madu liar maupun lebah madu peternakan. Madu terdiri dari beberapa kompenen yaitu fruktosa, glukosa, sukrosa, mineral, vitamin, dan berbagai enzim. Madu juga dianjurkan untuk dikonsumsi oleh penderita Diabetes mellitus. Penderita Diabetes mellitus yang mengkonsumsi madu tentu dapat menggantikan peranan gula sebagai asupan energi. Namun, sangat disayangkan karena ada saja beberapa oknum penjual madu yang nakal dengan mencampur madu murni dengan pemanis murah. Tentu dengan adanya fenomena tersebut, madu menjadi momok yang menakutkan bagi penderita Diabetes mellitus. Pasalnya, jika penderita Diabetes mellitus rutin mengkonsumsi madu yang tidak layak maka akan mengakibatkan naiknya kadar gula darah pada penderita. Berdasarkan permasalahan yang ada, diperlukanlah sistem yang bisa mengklasifikasikan kelayakan konsumsi madu bagi penderita Diabeter mellitus. Sistem menggunakan Arduino Mega sebagai pemroses utama, beserta komponen lain seperti sensor kapasitansi, sensor TCS3200, RTC, Modul Micro SD, LCD, dan tiga buah button. Penulis juga menggunakan salah satu algoritma machine learning yaitu K-Nearest Neighbors untuk mengklasifikasi madu. Setelah melakukan pengujian, didapatkan nilai K terbaik untuk algoritma ini yaitu K=3. Selain itu, sistem dapat bekerja dengan optimal sesuai fungsinya dan memiliki akurasi sebesar 90% untuk 10 sampel yang diujikan.
Deteksi Hambatan Arsitektural Jalan pada Kursi Roda Pintar menggunakan Tiga Model YOLOv5 berbasis TX2 Abiyyu Herwanto; Fitri Utaminingrum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 5 (2023): Mei 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Sistem kursi roda pintar telah dirancang untuk membantu penggunanya mengoperasikan kursi roda secara mandiri dan mengurangi bantuan dari pihak ketiga. Kurangnya pengawasan dari pihak ketiga pada penggunaan kursi roda pintar tentunya akan meningkatkan resiko kecelakaan yang dapat dialami oleh pengguna kursi roda. Solusi yang diajukan oleh penulis adalah sistem deteksi hambatan arsitektural jalan menggunakan tiga model YOLOv5 berbasis TX2. YOLOv5 (You Only Look Once versi 5) akan digunakan untuk melakukan deteksi objek hambatan aristektural jalan berupa tangga naik, tangga turun, tanjakan, dan turunan. Tiga tipe model YOLOv5, yaitu YOLOv5n, YOLOv5s, dan YOLOv5m, juga akan dibandingkan akurasi dan waktu komputasinya saat mendeteksi objek hambatan arsitektural jalan. Proses komputasi tersebut dilakukan dalam perangkat mikrokomputer NVIDIA Jetson TX2 yang ditanamkan dalam kursi roda pintar. Kursi roda pintar akan berhenti jika terdeteksi tangga naik atau turun, kursi roda pintar akan menambah kecepatan saat terdeteksi tanjakan, dan kursi roda pintar akan mengurangi kecepatan saat terdeteksi turunan. Hasil yang didapat pada penelitian ini adalah waktu komputasi yang diraih YOLOv5n sebesar 0,07299 detik, YOLOv5s sebesar 0,11324 detik, dan YOLOv5m 0,23342 detik. Akurasi yang didapat oleh model YOLOv5n sebesar 86,38%, YOLOv5s sebesar 91,66%, dan YOLOv5m adalah sebesar 93,47%.
Sistem Automatic Human Tracking pada Kursi Roda Pintar menggunakan Metode YOLOv7-Tiny berbasis Nvidia Jetson TX2 Samuel Andika; Fitri Utaminingrum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 5 (2023): Mei 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kursi roda merupakan alat penting bagi individu dengan disabilitas untuk meningkatkan mobilitas dan kualitas hidup. Penelitian ini mengusulkan fitur pengikut otomatis menggunakan metode YOLOv7-Tiny pada kursi roda pintar dengan Nvidia Jetson TX2 NX. Fitur ini memungkinkan kursi roda untuk mengikuti penuntun dalam bergerak maju, belok kiri, belok kanan, dan berhenti tanpa memerlukan usaha ekstra dari pengguna atau penuntun. Penelitian ini melibatkan pengumpulan lebih dari 73.000 gambar manusia yang telah dianotasi dan diaugmentasi. Dengan augmentasi, sistem dapat mengatasi berbagai situasi saat mendeteksi manusia. Model YOLOv7-Tiny dilatih menggunakan data tersebut. Sistem ini dapat mendeteksi manusia dengan akurasi 100% dalam rentang jarak 1 hingga 5 meter, dengan waktu komputasi rata-rata 0,13 detik. Bahkan dengan intervensi hingga 5 orang dalam frame, sistem tetap dapat mendeteksi manusia dengan akurat dalam rentang jarak 1 hingga 3 meter. Setelah deteksi manusia dilakukan, dilakukan integrasi sistem agar kursi roda pintar dapat mengikuti gerakan penuntun. Dalam hal ini, nilai PWM digunakan untuk mengontrol motor pada roda belakang yang dikirim melalui Arduino Uno. Dalam pengujian, kursi roda mampu mengikuti nilai PWM yang diberikan, sehingga mampu mengikuti gerakan penuntun dengan baik, termasuk maju, belok kiri, belok kanan, dan berhenti.
Voice Recognition to Classify “Buka” and “Tutup” Sound to Open and Closes Door Using Mel Frequency Cepstral Coefficients (MFCC) and Convolutional Neural Network (CNN) Laksono, Blessius Sheldo Putra; Syaifuddin, Tio; Utaminingrum, Fitri
Journal of Information Technology and Computer Science Vol. 9 No. 1: April 2024
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jitecs.202491579

Abstract

The consequences of the coronavirus called COVID-19 have been really impactful on society. Many things need to be changed in order to survive this pandemic. People have to avoid physical contact to minimize the probability of getting caught by other people who have been infected. A doorknob has a really big potential to be the medium to spread the virus because the same surface is used by several people. Speech recognition can be used to solve this problem. In this study, Mel Frequency Cepstral Coefficients (MFCC) and Convolutional Neural Network (CNN) are going to be used as the extraction feature and classification method, respectively. We classify the sound signal into two classes (“buka” and “tutup”). People who want to open or close the door just need to say a specific command. This can be helpful to minimize the risk of COVID transmission. A CNN model is developed and fed with an audio file from a curated dataset for training and testing. With this system, we have successfully trained the model with an accuracy of 89% using an epoch of 50 and batch size of 32 as the parameters with a dataset distribution of 8:2 for training and validation. We believe this study will be influential in developing automated door systems using speech recognition, especially in the Indonesian language.
Co-Authors Abadi, Dendy Satria Abiyyu Herwanto Achmad Dinda Basofi Sudirman Achmad Jafar Al Kadafi Adam Ibrahim, Muhammad Adharul Muttaqin Adinugroho, Sigit Aditia Reza Nugraha Afdy Clinton Afrizal Rivaldi, Afrizal Agung Setia Budi Agung Setia Budi Agung Setia Budi, Agung Setia Agus Wahyu Widodo Ahmad Wali Satria Bahari Johan Ahmad Wildan Farras Mumtaz Ainandafiq Muhammad Alqadri Akbar Dicky Purwanto Akbar Wira Bramantya Akbar, Muhammad Danar Al Amin, Nisrina Fairuz Hafizhah Al Huda, Fais Alfan Rafi'uddin Ardhani Alfianto Palebangan Alhamdi, Achmad Fahri Aliffandi Purnama Putra Alrynto Alrynto Alvin Evaldo Darmawan Amalia Septi Mulyani Amaliah, Ichlasuning Diah Andika Bayhaki Al Rasyid Syah Andika Kalvin Simarmata Andrika Wahyu Wicaksono Anugrah Zeputra Arthur Ahmad Fauzi Asep Ranta Munajat Asfar Triyadi Audrey Athallah Asyam Fauzan Aufa Nizar Faiz Auliya Firdaus Awalina, Aisyah Bagas Nur Rahman Bagus Septian Aditya Wijayanto Barlian Henryranu Prasetio Beryl Labique Ahmadie Blessius Sheldo Putra Laksono Budi Atmoko Burhan, M.Shochibul Cahyo, Muhammad Pandu Dwi Candra, Alvin Choirul Huda Constantius Leonardo Pratama Dahnial Syauqy Danudoro, Kevin Daris Muhammad Yafi Desy Marinda Oktavia Sitinjak Dewi Amalia Dharmatirta, Brian Aditya Dimas Rizqi Firmansyah Dony Satrio Wibowo Duwi Purnama Sidik Dzakwan Daffa Ramdhana Eko Sakti Pramukantoro, Eko Sakti Eko Setiawan Eko Setiawan Enny Trisnawati, Enny Ervin Yohannes Ester Nadya Fiorentina Lumban Gaol Faris Chandra Febrianto Farrassy, Muhtady Fatwa Ramdani, Fatwa Fernando, Leo Luis Figo Ramadhan Hendri Fikri, Aqil Dzakwanul Fitra Abdurrachman Bachtiar Fitrahadi Surya Dharma Fitria Indriani Fitriyah, Hurriyatul Fitriyani, Rahma Nur Gabe Siringoringo Gagana Ghifary Ilham Gembong Edhi Setyawan Guruh Adi Purnomo Haikal, M. Fikri Hassadiqin, Hasbi Hendry Y. Nanlohy Herman Tolle Hernanda Agung Saputra Hilman Syihan Ghifari Hilmy Bahy Hakim Hisdianton, Oktavian Huda Ahmad Hidayatullah Hurmuzi, Abdan Idza Hurriyatul Fitriyah Ichsan Ali Rachimi Ida Yusnilawati Ikhsan Rahmad Ilham Imam Cholissodin Imam Faris Intan Fatmawati Irnayanti Dwi Kusuma Irsal, Riyandi Banovbi Putera Issa Arwani Jawahir, Asma Kamilah Nur Joan Chandra Kustijono Juniman Arief Kabisat, Aldiansyah Satrio Kelvin Himawan Eka Maulana Kezia Amelia Putri Kirana Sekar Ayu Kohichi Ogata, Kohichi Krisna Pinasthika Lailil Muflikhah Laksono Trisnantoro Laksono, Blessius Sheldo Putra Larasati, Anindya Zulva Leina Alimi Zain Lilo Nofrizal Akbar Linda Silvya Putri Lita Nur Fitriani LUTHFATUN NISA M. Ali Fauzi M. Fiqhi Hidayatulah M.Shochibul Burhan Marianingsih, susi Marsha Nur Shafira Masyita Lionirahmada Maulana Yusuf Meidiana Adinda Prasanty Mela Tri Audina Misran Misran Mochammad Bustanul Ilmi Mochammad Hannats Hanafi Ichsan Mohammad Andy Purwanto Mohammad Isya Alfian Mohammad Sezar Nusti Ilhami Muchlas Muchlas Mufita, Aulia Riza Muhadzdzib, Naufal Muhamad Fauzan Alfiandi Muhammad Amin Nurdin Muhammad Arga Farrel Arkaan Muhammad Fadhel Haidar Muhammad Hafid Khoirul Muhammad Ibrahim Kumail Muhammad Nazrenda Ramadhan Muhammad Rafi Zaman Muhammad Raihan Wardana Budiarto Muhammad Rizky Rais Muhammad Tri Buwana Zulfikar Ardi Muhammad Wafi Muzammilatul Jamiilah Nico Dian Nugraha Niko Aji Nugroho Noza Trisnasari Alqoria Nugraheny Wahyu Try Nyoman Kresna Aditya Wiraatmaja Olivia Rumiris Sitanggang Onky Soerya Nugroho Utomo Paulus Ojak Parasian Permana, Frihandhika Pratama, Aimar Abimayu Pratama, Wildan Bagus Priyanpadma, Sulthon Purboningrum, Fadhila Putera, Muhammad Reza Dahri Putra Pandu Adikara Putra, Firnanda Al Islama Achyunda Putra, Reza Qonita Luthfiyani Qurrotul A'yun Rachmad Jibril Al Kautsar Rahma Tiara Puteri Rahmatul Bijak Nur Kholis Rahmawati, Athirah Naura Rakhmadina Noviyanti, Rakhmadina Ramadhani, Roihaan Randy Cahya Wihandika Randy Cahya Wihandika Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Renaldi Primaswara Praetya Renita Leluxy Sofiana Rhaka Gemilang Sentosa Ringga Aulia Primahayu Riyandi Banovbi Putera Irsal Rizal Maulana Rizal Maulana, Rizal Rizdania, Rizdania Rizka Husnun Zakiyyah Rizky Haris Risaldi Rizky Teguh Nursetyawan Rizky Yuztiawan, Fachrie Robbani, Ihwanudien Hasan Rochmawanti, Ovy Samuel Andika Sasongko, Listyawan Dwi Shaleh, Achmad Rizqi Ilham Shih, Timothy K. Sigit Adinugroho Simangunsong, Bryan Nicholas Josephin Hotlando Siswanti Slamet Arifmawan Sri Mayena Surga, Itsar Irsyada Syahrul Yoga Pradana Syaifuddin, Tio Tiara Sri Mulati Tibyani Tibyani Tibyani Tobias Sion Julian Tsani, Farid Nafis Versa Christian Wijaya Vikorian, Eldad Virza Audy Ervanda Wahyu Adi Prijono Wayan Firdaus Mahmudy Widasari, Edita Rosana Wijaya Kurniawan Wijaya, Waskitha William Hutamaputra Willy Andika Putra Wisik Dewa Maulana Yazid Basthomi Yoke Kusuma Arbawa Yongki Pratama Yuita Arum Sari Yuita Arum Sari Yuita Arum Sari Zamaliq Zamaliq Zhuliand Rachman Zulfina Kharisma Frimananda