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

 14   15   16   17   18 
Deteksi Fase Estrus pada Vulva Sapi menggunakan VGG- 16 berbasis Raspberry Pi Al Amin, Nisrina Fairuz Hafizhah; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Industri peternakan sapi berperan penting dalam memproduksi susu dan daging sapi, serta sebagai ketahanan pangan nasional. Susu dan daging sapi menjadi bahan pangan umum bagi masyarakat, sehingga terjadi peningkatan permintaan pasar. Sayangnya, peningkatan permintaan ini tidak sebanding dengan jumlah produksi yang dihasilkan. Hal ini disebabkan oleh kecilnya produktivitas sapi dan kurang tepatnya pendeteksian fase estrus pada sapi, sehingga sapi kerap gagal dikawinkan atau dilakukan inseminasi buatan (IB). Penelitian dan perancangan sistem deteksi fase estrus berdasarkan citra vulva sapi dibangun untuk menyelesaikan permasalah tersebut. Penelitian ini dilakukan untuk membantu peternak dalam mendeteksi fase estrus pada sapi berdasarkan vulva. Pembuatan sistem deteksi menggunakan model arsitektur VGG-16 untuk pengklasifikasian citra. VGG-16 merupakan salah satu model klasifikasi citra yang memakai arsitektur Convolutional Neural Network (CNN). Model ini dibangun menggunakan transfer learning dan pelatihan dilakukan terhadap dataset citra yang terbagi menjadi dua kelas, yaitu Estrus dan Normal. Pelatihan model menggunakan VGG-16 mendapatkan nilai hasil akurasi model sebesar 0,98. Model tersebut selanjutnya dimuat ke dalam sistem untuk melakukan proses deteksi dalam waktu nyata. Hasilnya akan ditampilkan pada OLED Display. Hasil pengujian didapatkan bahwa akurasi model dalam melakukan deteksi dalam waktu nyata adalah sebesar 70% dengan rata-rata waktu komputasi sebesar 16,2865 detik.
Navigasi Menu Kursi Roda berdasarkan Gerak Mata Berkondisi Pencahayaan Rendah dengan Facial Landmark dan Zero-DCE Putera, Muhammad Reza Dahri; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Berdasarkan data dari Kementrian Koordinator Bidang Pembangunan Manusia dan Kebudayaan (2023), terdapat sekitar 22,97 juta individu dengan disabilitas di Indonesia. Terdapat beberapa jenis disabilitas, di antaranya adalah disabilitas dengan disfungsi tangan dan kaki. Kursi roda biasanya menjadi salah satu alat bantu vital pada penyandang disabilitas disfungsi tangan. Salah satu jenis kursi roda yang beredar di masyarakat adalah kursi roda pintar yang biasanya memiliki alat bantu tambahan berupa display LCD. Namun, hal ini menimbulkan kesulitan kepada para pengguna kursi roda pintar disfungsi tangan dalam melakukan navigasi menu pada display LCD tersebut. Terdapat beberapa penelitian yang telah dilakukan untuk mengatasi permasalahan ini seperti menggunakan arah gerak dan kedipan mata untuk mengontrol menu tersebut. Namun, hal tersebut tergolong kurang efektif apabila digunakan pada kondisi pencahayaan minim. Maka dari itu, penelitian ini berfokus pada perhitungan rasio untuk arah gerak dan kedipan mata dengan bantuan Dlib facial landmark, dan Zero-DCE untuk meningkatkan kualitas citra pada kondisi minim cahaya. Sistem berhasil untuk melakukan deteksi arah gerak dan kedipan mata dalam melakukan navigasi menu pada display LCD. Akurasi sistem untuk deteksi arah gerak dan kedipan mata mencapai 91,90% dalam 7 pengujian dengan lima partisipan pada kondisi pencahayaan terang. Pada kondisi pencahayaan minim, akurasi sistem mencapai 85,46%.
Kendali Kursi Roda Pintar Berdasarkan Suara pada Lingkungan Bising menggunakan GFCC dan ResNet50 berbasis TX2 Priyanpadma, Sulthon; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pada tahun 2023, sebanyak 22,97 juta jiwa atau sekitar 8,5% dari jumlah penduduk di Indonesia merupakan penyandang disabilitas (Kementerian Koordinator Bidang Pembangunan Manusia dan Kebudayaan Republik Indonesia, 2023). Penyandang disabilitas tunadaksa yang memiliki kelumpuhan pada bagian tangan maupun kaki akan kesulitan dalam menggerakkan kursi roda secara mandiri. Hal ini disebabkan kursi roda yang ada dipasaran hanya memfasilitasi penyandang disabilitas yang dapat mengendalikan kursi rodanya secara mandiri menggunakan tangan. Maka dibutuhkan kursi roda yang dapat dikendalikan tanpa menggunakan tangan, salah satu solusinya memanfaatkan perintah suara untuk mengendalikan kursi roda secara mandiri. Oleh sebab itu, penulis mengusulkan sistem kendali kursi roda pintar menggunakan perintah suara. Selain itu, agar meningkatkan mobilitas pengguna kursi roda maka perintah suara akan melakukan klasifikasi pada lingkungan bising menggunakan fitur ekstraksi Gammatone-Frequency Cepstral Coefficients (GFCC) dan klasifikasi ResNet50. Adapun hasil akurasi integrasi dilakukan oleh 3 subjek dilingkungan hening dan 3 subjek dilingkungan bising. Hasil yang diperoleh terhadap pengujian lima kelas yaitu maju, mundur, kanan, kiri, berhenti menunjukkan bahwa pengujian pada lingkungan hening memperoleh rata-rata akurasi 88% dan pada lingkungan bising memperoleh rata-rata akurasi 80%.
Sistem Pengenalan Suara pada Lingkungan Bising untuk Kursi Roda Pintar menggunakan MFCC dan ResNet50V2 Danudoro, Kevin; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Badan Pusat Statistik Indonesia (BPS) 2022 mengemukakan bahwa penyandang disabilitas di Indonesia pada tahun 2022 berjumlah kurang lebih 900.000 jiwa termasuk penyandang disabilitas ganda. Terdapat penelitian yang mengangkat tema sistem navigasi otonom pada kursi roda yang dilakukan oleh Alqadri dan Utaminingrum (2023). Namun sistem tersebut masih memerlukan input dari keyboard sehingga belum dapat menyelesaikan permasalahan yang dialami penyandang disabilitas ganda. Oleh sebab itu, diperlukan pengembangan input alternatif lainnya yang dapat mengurangi interaksi fisik pengguna dengan sistem, salah satunya adalah dengan menggunakan suara. Sistem pengenalan suara sendiri memiliki beberapa rintangan yang perlu dihadapi, salah satunya adalah noise yang dapat mengurangi keandalan sistem. Oleh sebab itu, diperlukan pengembangan sistem pengenalan suara yang mampu beroperasi pada lingkungan bising dengan menggunakan metode noise reduction Spectral Gating, ekstraksi ciri MFCC dan model deep learning ResNet50v2. Berdasarkan pengujian yang dilakukan, diketahui bahwa epoch ke-37 merupakan epoch terbaik yang digunakan untuk melatih model. Selain itu, diketahui bahwa rata-rata waktu komputasi sistem adalah sebesar 2385.2 ms. Kemudian berdasarkan pengujian oleh 5 subjek, diketahui bahwa rata-rata akurasi pada ruang hening dan bising secara berturut-turut sebesar 91% dan 81%.
Deteksi Permukaan Jalan Minim Cahaya Menggunakan Autocontrast dan YOLOV8N untuk Parameter Kecepatan Kursi Roda Pintar Ramadhani, Roihaan; Utaminingrum, Fitri; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 3 (2024): Maret 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Mobilisasi merupakan kebutuhan dasar manusia, namun bagi disabilitas mobilitas menjadi tantangan karena gangguan fisik (Jatmiko, 2019). Dalam Kamus Besar Bahasa Indonesia disabilitas bermakna sebagai keterbatasan yang bersifat kronis dan lama, mengakibatkan kesulitan dalam berinteraksi (KBBI, 2016). Menurut WHO jumlah disabilitas di Indonesia mencapai 41 juta orang dari 275 juta penduduk pada tahun 2022 (WHO, 2022). Diperlukan alat bantu bagi disabilitas untuk mobilisasi. Kursi roda menjadi alternatif bagi disabilitas untuk memudahkan mobilitas. Penggunaan kursi roda, baik di dalam maupun luar ruangan menuntut pentingnya pengendalian kecepatan motor. Pengendalian motor yang tidak sesuai dengan permukaan jalan dapat menimbulkan ketidaknyamanan bahkan kecelakaan bagi disabilitas. Sudah ada beberapa penelitian terkait pengatur kecepatan kursi roda berdasarkan permukaan jalan, namun penelitian tersebut terbatas pada kondisi terang. Penelitian ini bertujuan menggunakan autocontrast untuk meningkatkan kontras gambar yang akan digunakan YOLOv8n dalam deteksi permukaan jalan baik dalam kondisi terang maupun gelap. Berdasarkan penelitian yang dilakukan, diperoleh model pada epoch 26 sebagai model terbaik yang digunakan untuk deteksi permukaan jalan. Hasilnya, sistem dapat mendeteksi tipe permukaan jalan dalam keadaan terang dan gelap dengan akurasi 94,45%. Penggunaan CUDA diperlukan untuk menghasilkan waktu komputasi cepat sehingga kursi roda dapat bergerak secara real-time, dengan CUDA, diperoleh rata-rata efisiensi waktu kecepatan komputasi sebesar 3279,28 ms.
Purwarupa Sistem Klasifikasi Warna Plat Kendaraan Berbasis Yolov8 Pada Gerbang Masuk UB Siswanti; Utaminingrum, Fitri; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 3 (2024): Maret 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Plat kendaraan merupakan salah satu pengenal identitas dari berbagai jenis kendaraan. Jenis kendaraan tersebut dibedakan berdasarkan warna platnya, seperti hitam atau putih untuk kendaraan pribadi, merah untuk instansi, dan kuning untuk kendaraan jenis angkutan umum. Pengenalan jenis kendaraan sendiri dapat digunakan di area perkantoran, kampus, lembaga – lembaga instansi negara dan area yang membutuhkan pengklasifikasian jenis kendaraan untuk melewati area tersebut. Dalam penelitian ini penulis mengambil studi kasus di dalam area kampus UB yang mengkhususkan jalan area kampus bukan jalan umum, sehingga kendaraan dengan tidak adanya kepentingan dihimbau untuk tidak melewati area jalan UB atau harus melalui surat izin mobilisasi melalui Markas Komando (MAKO) UB. Hal ini diberlalukan untuk mengurangi arus mobilisasi yang melewati area UB. Pada penelitian ini dibentuk sistem yang dapat mendeteksi dan mengklasifikasikan jenis kendaraan berdasarkan warna plat nya. Tujuan dari dibetuknya sistem ini untuk mengenali warna plat kendaraan yang melewati area UB. Metode yang digunakan dalam penelitian ini ada YOLOv8 yang memilki fitur dapat mengklasifikasikan kelas warna dengan akurasi yang tinggi. Pada peneltian di diperoleh tingkat akurasi sebesar 96% pada confussion matrix data validasi, 97% pada confussion matrix data testing, dan 87% pada data uji secara real-time. Tingkat keakuratan servo dan LED mencapai 100% dikarenakan LED dan servo diprogram untuk bergerak sesuai hasil deteksi. Waktu komputasi yang dibutuhkan sistem ini sebesar 112.077 ms.
Rancang Bangun Sistem Identifikasi dan Klasifikasi Sampah Menggunakan Deep Learning Arsitektur DenseNet201 Hisdianton, Oktavian; Utaminingrum, Fitri; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Berdasarkan pada Undang-Undang Nomor 18 tahun 2008 menjelaskan tentang pengelolaan sampah yaitu sebagai barang bekas atau sisa-sisa yang dihasilkan dari suatu aktivitas manusia sehari-hari atau oleh proses alam yang berwujud padat atau setengah padat, dan dapat dibagi menjadi organik, anorganik, b3 dan residu, dimana benda-benda ini tidak dapat digunakan lalu dibuang ke lingkungan umum. Maka dari itu sampah yang berasal dari lingkungan juga memiliki salah satu langkah untuk mengurangi timbunan sampah dengan melakukan pemilahan sampah dengan benar, akan tetapi pemilahan sampah itu harus sesuai dengan kelasnya. Sementara kebiasaan masyarakat Indonesia masih banyak membudaya melakukan pembuangan sampah tidak sesuai dengan kelasnya yaitu mencampur semua jenis sampah. Berdasarkan data sampah yang dibuang pada tahun 2022, fasilitas umum menempati posisi kelima penyumbang sampah di Indonesia. Solusi yang diberikan pada penelitian ini yaitu merancang alat untuk mengklasifikasikan sampah organik, anorganik, b3, dan residu secara otomatis menggunakan metode deep learning arsitektur DenseNet201 untuk mempermudah dalam pemilahan sampah pada kelasnya. Untuk pengujian klasifikasi objek sampah pada sistem mendapatkan hasil nilai akurasi sebesar 98%, hasil nilai precision sebesar 98%, nilai recall sebesar 98%, dan nilai f1-score sebesar 98%. Dilakukan pengujian rata-rata waktu komputasi yang didapatkan untuk klasifikasi selama 1,2239675 detik. Dan dilakukan pengujian integrasi pada sistem yang mendapatkan hasil nilai akurasi sebesar 92,5%.
Sistem Pendeteksi Tingkat Keparahan Katarak Berdasarkan Citra Digital Menggunakan Metode U-Net dan CNN Pratama, Aimar Abimayu; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 3 (2024): Maret 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyakit katarak merupakan salah satu gangguan penglihatan yang umum ditemui di seluruh dunia, termasuk juga di Indonesia. Di seluruh dunia, katarak menjadi salah satu dari penyebab gangguan penglihatan dan kebutaan dengan angka kejadian yang terus meningkat. Di Indonesia, katarak menjadi penyebab utama kebutaan. Diagnosis sedini mungkin membantu untuk memberi penanganan pertama dan mengurangi tingkat kebutaan karena katarak. Tetapi untuk melakukan diagnosis tersebut dibutuhkan slit lamp yang memiliki bobot berat, harganya mahal, dan juga memerlukan teknik khusus dalam penggunaannya. Hal itu menjadi tantangan pada wilayah pedesaan yang tergolong tertinggal, terdepan, dan terluar (3T). Oleh karena itu, diperlukan alat yang praktis, mudah dibawa, dan terjangkau dalam diagnosis katarak. Penelitian ini mengembangkan sistem untuk mendeteksi tingkat keparahan katarak menggunakan metode U-Net dan CNN. Metode U-Net melakukan segmentasi area iris dan pupil pada citra mata, sementara metode CNN melakukan ekstraksi fitur dari citra digital yang sudah disegmentasi untuk dilakukan klasifikasi tingkat keparahan katarak. Citra digital yang akan dideteksi diambil melalui kamera yang terhubung ke komputer berukuran kecil, memastikan kemudahan penggunaan di berbagai lokasi. Sistem ini mampu mencapai akurasi senilai 65% untuk melakukan klasifikasi tingkat keparahan katarak dengan kelas normal, immature, dan mature menggunakan 60 data uji dengan lama waktu komputasi rata-rata sebesar 0.9554 detik.
Deteksi Pemandu pada Kursi Roda Pintar dengan Metode Histogram Equalization dan YOLOv8 pada Pencahayaan Rendah Muhadzdzib, Naufal; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 4 (2024): April 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyadang disabilitas fisik yang memiliki keterbatasan kemampuan dalam berjalan membutuhkan alat bantu dalam melakukan mobilisasi, seperti kursi roda. Kursi roda umumnya digerakkan oleh pengguna dengan tangan atau didorong oleh orang lain. Model kursi roda seperti ini tentu memiliki kekurangan, yakni dibutuhkan tenaga yang cukup besar untuk menggerakkan kursi roda dan sangat bergantung dengan kekuatan pengguna atau orang lain yang menggerakkan. Selain itu, bagi penyandang disabilitas ganda dengan keterbatasan fungsi kaki dan tangan tentu tidak dapat mengontrol pergerakan kursi roda dengan maksimal. Terdapat berbagai macam kursi roda alternatif, salah satunya adalah kursi roda yang mampu mengikuti pemandu sehingga pengguna tidak perlu melakukan navigasi apapun. Pada penelitian ini, dikembangkan fitur deteksi pemandu agar mampu bekerja pada kondisi pencahayaan rendah (1-15 lux). Penelitian ini mengusung metode histogram equalization sebagai enhancement citra dan YOLOv8 sebagai deteksi objek. Proses training deteksi objek menggunakan bobot pretrained YOLOv8n. Dataset yang digunakan adalah gambar dengan objek manusia sebanyak 829 gambar. Pada pengujian secara langsung di lingkungan dengan pencahayaan rendah, sistem mampu mendeteksi pemandu dan mendapatkan akurasi 100 % untuk kondisi maju, belok kanan, dan belok kiri, sedangkan untuk kondisi diam didapatkan akurasi 77,78 %. Waktu komputasi rata-rata yang dibutuhkan untuk memproses satu tiap frame adalah 0.0619 detik.
Sistem Deteksi Dini Autism Spectrum Disorder (ASD) Berbasis Face Recognition Menggunakan Metode Transfer Learning Resnet50 Purboningrum, Fadhila; Utaminingrum, Fitri; Al huda, Fais
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 5 (2024): Mei 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Autism Spectrum Disorder (ASD) merupakan suatu kondisi neurologis yang memengaruhi perkembangan anak. ASD memiliki prevalensi global 1 dari 100 anak. Sifat dan gejala ASD yang beragam, seperti kesulitan berkomunikasi, berinteraksi sosial, dan perilaku repetitif menjadi tantangan tersendiri dalam proses diagnosis yang akurat. Karakteristik wajah, diidentifikasi sebagai kunci potensial, menjadi dasar untuk pengembangan sistem deteksi dini menggunakan face recognition dan deep learning. Penelitian ini mengusulkan sistem deteksi dini ASD dengan memanfaatkan Android dan metode transfer learning arsitektur model ResNet50. Sistem ini diimplementasikan dalam bentuk aplikasi Android dengan arsitektur model ResNet50 yang telah dilatih pada dataset ImageNet. Penggunaan teknologi Android dipilih untuk aksesibilitas yang lebih luas, dengan 67% penduduk Indonesia sebagai pengguna smartphone. Hasil penelitian menunjukkan bahwa nilai epoch optimal untuk model adalah 51 dengan nilai accuracy sebesar 91%, nilai precision 92%, serta nilai recall dan f1-score masing-masing sebesar 90%. Selain itu, berdasarkan pengujian dan analisis terhadap hasil pengujian didapatkan akurasi luaran aplikasi sebesar 100% pada kelas autistic dan 60% pada kelas non-autistic dengan rata-rata waktu komputasi 2,827 detik. Saran melibatkan penambahan variasi dataset, validasi data dengan pakar, dan optimasi sisi client Android untuk meningkatkan kecepatan tampilan hasil. Penelitian ini memberikan landasan untuk mendemonstrasikan potensi face recognition dan model deep learning dalam membantu proses diagnosis Autism Spectrum Disorder (ASD) dengan akurasi tinggi, serta untuk mendukung intervensi dini dan meningkatkan kesadaran terhadap ASD.
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