Article Per Year (5 Year)
p-Index From 2021 - 2026
15.628
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) Jurnal INKOM TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal technoscientia 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 : 194 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 194 Documents
Search

 16   17   18   19   20 
Analisis Perbandingan Performa Algoritma YOLOv8n dengan Kombinasi GhostNet untuk Mendeteksi Lubang Pada Jalan Adam Ibrahim, Muhammad; Tibyani; Fitri Utaminingrum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di IJECE
Deteksi Orientasi Wajah Minim Pencahayaan Pada Kursi Roda Pintar Menggunakan MediaPipe, CLAHE Dan Metode RBR Haikal, M. Fikri; Utaminingrum, Fitri; Adinugroho, Sigit
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Mobilitas merupakan kebutuhan dasar setiap individu, termasuk bagi penyandang disabilitas yang hanya mampu menggerakkan bagian atas tubuhnya seperti pasien penyakit tetraplegia. Dalam menunjang kemandirian mereka, dibutuhkan sistem navigasi kursi roda tanpa ketergantungan pada tubuh bagian bawah. Penelitian ini mengembangkan sistem kendali kursi roda pintar berbasis orientasi wajah menggunakan MediaPipe Face Mesh dan klasifikasi berbasis aturan (Rule-Based Reasoning). Sistem deteksi orientasi wajah memanfaatkan tiga titik landmark wajah, yaitu titik pada hidung (ID 1) serta dua titik terluar mata kiri (ID 33) dan kanan (ID 263). Landmark tersebut digunakan untuk menghitung dua parameter utama, yaitu sudut hidung dan eye-baseline. Proses klasifikasi arah gerak kursi roda menggunakan pendekatan RBR yang menetapkan aturan berbasis nilai ambang sudut untuk menentukan enam perintah navigasi: maju, berhenti, belok kanan, belok kiri, belok kanan tajam, dan belok kiri tajam. Sistem menggunakan metode CLAHE (Contrast Limited Adaptive Histogram Equalization) untuk meningkatkan citra gambar pada kondisi minim pencahayaan. Hasil pengujian menunjukkan bahwa penerapan CLAHE meningkatkan akurasi sistem dari 83,32% menjadi 96,29%, dengan tambahan waktu komputasi rata-rata 13,23%. Validasi klasifikasi pada pengujian akurasi deteksi landmark dilakukan dengan data pitch dan roll dari sensor gyroscope. Hasil penelitian ini menunjukkan bahwa metode CLAHE efektif dalam meningkatkan kinerja sistem tanpa membebani prosesor secara signifikan.
Sistem Deteksi Kualitas Susu Menggunakan Metode Gray Level Co-occurrence Matrix dan Random Forest Simangunsong, Bryan Nicholas Josephin Hotlando; Utaminingrum, Fitri; Sari, Yuita Arum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penjaminan mutu susu merupakan aspek penting dalam rantai pasok produk susu, terutama untuk memastikan keamanan dan kualitas konsumsi. Namun, di tingkat peternak kecil, implementasinya masih menghadapi tantangan dalam konsistensi dan keterbatasan sumber daya. Metode Total Plate Count (TPC) yang umum digunakan membutuhkan waktu lama dan fasilitas khusus, sehingga tidak efisien untuk pemeriksaan cepat. Penelitian ini bertujuan mengembangkan sistem klasifikasi kualitas susu berbasis citra digital menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dan Random Forest, serta diimplementasikan pada Raspberry Pi 4, sebagai alternatif praktis terhadap metode TPC. GLCM digunakan untuk mengekstraksi lima fitur tekstur dari citra susu, sedangkan Random Forest melakukan klasifikasi ke dalam tiga kelas: Baik, Rusak, dan Rusak Berat. Hasil pengujian menunjukkan bahwa konfigurasi terbaik dicapai dengan 100 pohon keputusan, jarak GLCM 4 piksel, dan sudut 135°, menghasilkan akurasi validasi 84,65%. Pada pengujian akhir terhadap 75 sampel, sistem mencapai akurasi 86,66%, dengan akurasi 100% untuk kelas Baik, serta 80% untuk Rusak dan Rusak Berat. Sistem terbukti efisien dengan rata-rata waktu pelatihan 0,2835 detik dan klasifikasi 0,6651 detik. Hasil ini menunjukkan bahwa sistem mampu melakukan deteksi kualitas susu secara cepat dan akurat, serta berpotensi menjadi alternatif praktis dari metode konvensional.
Improving Direct Image Regression for Blood Cell Enumeration with a Fine-Tuned Backbone Adinugroho, Sigit; Sari, Yuita Arum; Utaminingrum, Fitri
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 4 (2025): JUTIF Volume 6, Number 4, Agustus 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.4.5004

Abstract

Complete blood count (CBC) examination provides an important insight for diagnosis or disease treatment. Currently, CBC examination requires complex and expensive devices that limit their deployment in remote area. The development of computer vision based method offers simplification to the process. However, its implementation is limited to the availability of large size labelled dataset. This research aims to develop a direct image regressor that is able to regress directly from image. There are two stages in estimation process. First, the backbone is trained using large dataset available for blood cell classification problem. Then the trained backbone is plugged into the final model by adding a fully connected neural network that acts as regressor. The whole model is then trained using limited whole blood cell count dataset. The evaluation process shows that training the backbone using large size related dataset improve the performance by 50%. This study can be used to create a low-cost blood component evaluation tool, particularly in rural areas where access to advanced laboratory equipment is limited.
Application of YOLOv5 and EasyOCR for Odd-Even Detection and Recognition on License Plates Candra, Alvin; Utaminingrum, Fitri; Tolle, Herman
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.2025102553

Abstract

The increase in the number of vehicles in Indonesia is directly correlated with the escalation in traffic congestion. In addition to congestion, an indirect repercussion of vehicle proliferation is the rise in traffic accidents. The government has undertaken various measures to alleviate traffic congestion, one of which is the implementation of the odd-even system. Automatic License Plate Recognition (ALPR) can be employed to facilitate the identification of odd-even plate numbers. In this study, ALPR employs machine learning methods (K-Nearest Neighbors and Support Vector Machine) as well as deep learning techniques (YOLOv5). EasyOCR is utilized for character recognition on the license plates. Based on the test results, YOLOv5 emerges as the optimal approach for license plate detection. EasyOCR demonstrates proficient character recognition for license plates at distances less than 2 meters.
Aplikasi Mobile Scotect: Aplikasi Deteksi Warna Tanah Dengan Teknologi Citra Digital Pada Android Robbani, Ihwanudien Hasan; Trisnawati, Enny; Noviyanti, Rakhmadina; Rivaldi, Afrizal; Utaminingrum, Fitri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 1: Maret 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (724.825 KB) | DOI: 10.25126/jtiik.201631162

Abstract

AbstrakSalah satu komponen utama dari lahan adalah tanah. Untuk mengetahui tingkat kesuburan tanah, kita harus mengetahui bagaimana karakteristik tanah dari tanah. Untuk mengetahui bagaimana karakteristik tanah, cara yang paling mudah untuk dilakukan adalah dengan mengamati warna dari tanah tersebut. Jika kita amati, warna tanah di setiap lokasi dan kedalaman akan berbeda. Ada tanah berwarna hitam, coklat, merah, kuning, dan masih banyak lagi variasi warna tanah yang lain. Banyaknya variasi warna tanah membuat peneliti kesulitan dalam menentukan warna tanah, karena satu-satunya cara yang saat ini digunakan peneliti untuk menentukan warna tanah adalah dengan membandingkan secara manual satu persatu sampel yang dimiliki dengan warna baku yang ada pada buku Munsell Soil Color Chart. Variasi warna pada yang mencapai lebih dari 250 macam warna membuat peneliti membutuhkan waktu lama dan ketelitian dalam penentuan warna tanah. Untuk memecahkan permasalahan  tersebut penulis menggagas sebuah alat bersifat mobile yang dapat membantu para peneliti di bidang ilmu tanah dalam menentukan warna lapisan tanah dengan nama SCOTECT (Soil Color Detection). SCOTECT merupakan aplikasi pada perangkat smartphone dengan OS Android, yang didalamnya telah ditanamkan algoritma dengan nama Algoritma SCOTECT yang merupakan sekumpulan tahapan proses yang digunakan untuk klasifikasi warna tanah. Smartphone dengan OS Android dipilih karena saat ini Android merupakan OS dengan perkembangan pengguna paling cepat dibandingkan OS yang lain. Dari hasil uji coba terhadap SCOTECT Mobile Apps didapatkan kesimpulan bahwa kinerja algoritma yang ditanamkan dalam aplikasi dapat melakukan klasifikasi warna tanah dengan akurasi sampai dengan 90,58%. Dengan kata lain kedepan aplikasi ini dapat membantu peneliti dalam proses klasifikasi warna tanah.Kata kunci: tanah, warna tanah, deteksi warna, mobile apps, SCOTECTAbstractSoil is a major component of the land. To determine the level of soil fertility, we must know how the soil characteristics. To find out how the characteristics of the soil, the color is the main characteristic of the most easily observed. Soil color varies greatly, ranging from jet black, brown, brick red, orange, yellow, to white. The great variation in color of the soil researcher difficulties in determining the color of the soil, because investigators must compare them manually one by one with a standard color on the Munsell Soil Color Chart book. Color variations on that reaches more than 250 kinds of colors make the researcher takes a long time and accuracy in the classification of the soil color. To solve these problems is the author initiated a mobile tool that could help researchers in the field of soil science in determining the color of the soil layer with the name SCOTECT (Soil Color Detection). SCOTECT is an application on smartphones with Android OS, which also have been implanted with the name algorithm SCOTECT algorithm which is a set of process steps used for the classification of soil color. Smartphone with Android OS have been selected for the current Android is an OS with the development of the fastest compared to other OS. From the test results against SCOTECT Mobile Apps was concluded that the performance of the algorithm is embedded in the application can perform color classification of land with an accuracy up to 90.58%. In other words, the future of these applications can help researchers in the classification process color of the soil.Keywords: soil, soil color, color detection, mobile apps, SCOTECT
Metode Grid-Blok Untuk Deteksi Margin Kiri Tulisan Tangan Pada Aplikasi Grafologi wijaya, waskitha; Tolle, Herman; Utaminingrum, Fitri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 1: Februari 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (393.474 KB) | DOI: 10.25126/jtiik.201851575

Abstract

Grafologi merupakan salah satu cabang ilmu psikologi yang khusus mempelajari tentang tulisan tangan. Melalui grafologi bisa diperoleh informasi tentang karakter kepribadian seseorang. Melalui perangkat mobile berbasis android, analisis grafologi akan menjadi lebih cepat dalam menampilkan pendekatan karakter kepribadian seseorang. Penelitian dilakukan dengan mengambil 42 sampel tulisan tangan dari orang yang memiliki perbedaan latar belakang. Fitur yang digunakan dalam penelitian ini adalah margin kiri pada tulisan tangan. Metode Support Vector Machine digunakan untuk mengklasifikasikan fitur hasil dari proses ekstraksi. Menggunakan metode baru yaitu Grid-double block dengan satu kali proses menghasilkan rata – rata akurasi margin kiri sebesar 69%.
Analisis Performa Pre-Trained Model Convolutional Neural Network dalam Mendeteksi Penyakit Tuberkulosis Rochmawanti, Ovy; Utaminingrum, Fitri; Bachtiar, Fitra A.
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021844441

Abstract

Tuberkulosis (TB) merupakan salah satu penyakit berbahaya yang dapat menular lewat udara dan sering menyebabkan kematian apabila tidak cepat ditangani. Penyakit TB bisa disembuhkan dengan deteksi dini sehingga penderita dapat segera mendapatkan pengobatan yang tepat. Metode Convolutional Neural Network (CNN) digunakan untuk mendeteksi penyakit TB melalui foto rontgen dada. Penelitian ini bertujuan untuk menentukan model CNN yang mampu menghasilkan performa paling baik dalam mendeteksi penyakit TB. Pengujian dilakukan dengan menggunakan lima pre-trained model yang telah disediakan oleh Keras yaitu ResNet50, DenseNet121, MobileNet, Xception, InceptionV3, dan InceptionResNetV2. Perbedaan ukuran gambar yag digunakan pada saat pelatihan dan pengujian juga akan dianalisis pengaruhnya terhadap nilai akurasi yang dihasilkan dan waktu komputasinya. Hasil pengujian menunjukkan bahwa model DenseNet121 mampu menghasilkan nilai akurasi tertinggi dalam mendeteksi penyakit TB, yaitu 91,57%. Sedangkan model MobileNet merupakan model dengan waktu komputasi tercepat untuk semua ukuran gambar yang diuji. Semakin besar ukuran citra maka semakin tinggi nilai akurasinya, namun di sisi lain waktu komputasi juga akan semakin lama.  Abstract Tuberculosis (TB) is one of the dangerous disease that can be transmitted through the air and often causes death if not treated quickly. This illness can be cured with early detection, so that sufferers can immediately get the right treatment. The Convolutional Neural Network (CNN) method is used to detect TB disease through chest X-rays. This study aims to determine which CNN model is able to produce the best performance in detecting TB disease. Testing was carried out using five pre-trained models provided by Keras namely ResNet50, DenseNet121, MobileNet, Xception, InceptionV3, and InceptionResNetV2. The difference in image size used during training and testing will also be analyzed for its effect on the resulting accuracy value and its computation time. The test results showed that the DenseNet121 model was able to produce the highest accuracy value in detecting TB disease, namely 91.57%. Meanwhile, the MobileNet model is the model with the fastest computation time for all image sizes tested. The bigger the image size, the higher the accuracy value, but on the other hand the computation time will also be longer.
Perbandingan Pretrained Model Transformer pada Deteksi Ulasan Palsu Awalina, Aisyah; Bachtiar, Fitra Abdurrachman; Utaminingrum, Fitri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022935696

Abstract

Kemudahan untuk memperoleh informasi saat ini, telah sedikit membantu hidup kita. Seperti mencari ulasan untuk menimbang tempat atau barang yang akan dipilih. Beberapa orang memanfaatkan hal tersebut dengan membuat ulasan palsu untuk kepentingan mereka sendiri. Sehingga deteksi ulasan palsu sangat dibutuhkan. Model Transformer saat ini banyak diterapkan pada pemrosesan bahasa alami karena kinerja yang diperoleh nya sangat baik. Ada dua pendekatan yang dapat dilakukan dalam model Transformer yaitu pre-training dan fine-tuning. Penelitian sebelumnya telah banyak menggunakan fine-tuning dari model Transformer dikarenakan adanya kemudahan dalam pelatihan, waktu yang lebih sedikit, biaya dan kebutuhan lingkungan yang lebih rendah dibanding proses pre-training. Akan tetapi penelitian sebelumnya masih sedikit yang membandingkan model deep learning dengan fine-tuning yang khusus diterapkan pada deteksi ulasan palsu. Penelitian ini melakukan perbandingan model Transformer menggunakan pendekatan fine-tuning dengan metode deep learning yaitu CNN dengan berbagai pretrained word embedding untuk mengatasi deteksi ulasan palsu pada dataset Ott. Model RoBERTa mengungguli model Transformer dan deep learning dimana nilai akurasi 90,8%; precision 90%; recall 91,8% dan f1-score 90,8%. Namun dari segi waktu komputasi model pelatihan, DistilBERT memperoleh waktu komputasi terkecil yaitu dengan nilai 200,5 detik. Meskipun begitu, hasil yang diperoleh model Transformer maupun deep learning memiliki kinerja yang baik untuk deteksi ulasan palsu pada dataset Ott.AbstractThe ease of obtaining information today has helped our lives, like looking for reviews to weigh the place or item to choose. Some people take advantage of this by creating spam reviews for their benefit. So the detection of spam reviews is needed. Transformer models are currently widely applied to natural language processing because they have outstanding performance. Two approaches in the Transformer model is pre-training and fine-tuning. Previous studies have used a lot of fine-tuning due to the ease of training, less time, costs, and lower environmental requirements than the pre-training process. However, a few previous studies compare deep learning models with fine-tuning applied explicitly for detecting spam reviews. This study compares the Transformer model using a fine-tuning approach with a deep learning method, namely CNN, which uses various pre-trained word embedding to overcome the detection of false reviews in the Ott dataset. The result is RoBERTa model outperforms between Transformer and deep learning models, where the accuracy is 90.8%, precision is 90%, recall is 91.8%, and f1-score is 90.8%. Afterward, DistilBERT models obtained the shortest computation time with 200.5 seconds. However, the results obtained by both Transformer and deep learning models perform well to detect spam reviews in the Ott dataset.
Autonomous Robot System Based on Room Nameplate Recognition Using YOLOv4 Method on Jetson Nano 2GB Cahyo, Muhammad Pandu Dwi; Utaminingrum, Fitri
JOIV : International Journal on Informatics Visualization Vol 6, No 1 (2022)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/joiv.6.1.785

Abstract

The prediction of COVID-19 cases will continue to experience a surge, inseparable from the presence of a new variant of the coronavirus in the world. One of the best ways to prevent transmission of the virus is to avoid or limit contact with people showing symptoms of COVID-19 or any respiratory infection. The number of medical personnel infected when interacting with patients directly also needs to be an essential concern. Hence, an autonomous robot based on room nameplate recognition systems is a solution. It can be used as an intermediary medium for medical personnel with patients to reduce the intensity of direct contact primarily can be implemented in the hospital. It is expected to reduce the spread of the COVID-19 virus, especially among health workers. Each patient room in the hospital has its room nameplate to be used as a robot reference in navigating. This research aims to make a room nameplate recognition system using the YOLOv4 method on NVIDIA Jetson Nano 2GB that produces an output for 4-wheeled robot navigation control to move. This system is designed to detect rooms within a range of 1-3 meters using 5W and 10W power modes. The testing results based on recognition is obtained an average accuracy value of 95.34%. The system performance test results based on the power mode resulted in the best average computing time of 0.149 seconds. The average value of the accuracy of output integration with the system is 94.73%.
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 Hashfi Firjatullah, Ilmam 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 Rama Aprianto, Andika 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 Sanjaya, Muhamad Aditya 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 Tan, Evan 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