Article Per Year (5 Year)
p-Index From 2021 - 2026
8.455
P-Index
This Author published in this journals
All Journal Teknika Syntax Jurnal Informatika Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Jurnal Informatika Jurnal CoreIT JURNAL MEDIA INFORMATIKA BUDIDARMA JIEET (Journal of Information Engineering and Educational Technology) Indonesian Journal of Artificial Intelligence and Data Mining Seminar Nasional Teknologi Informasi Komunikasi dan Industri INOVTEK Polbeng - Seri Informatika Sebatik Jurnal Nasional Komputasi dan Teknologi Informasi Krea-TIF: Jurnal Teknik Informatika JURIKOM (Jurnal Riset Komputer) JOISIE (Journal Of Information Systems And Informatics Engineering) Building of Informatics, Technology and Science Jurnal Teknologi Informasi dan Multimedia Jurnal Informatika dan Rekayasa Elektronik Jurnal Teknologi Dan Sistem Informasi Bisnis Zonasi: Jurnal Sistem Informasi JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) JUKI : Jurnal Komputer dan Informatika Jurnal Inovasi Teknik Informatika Jurnal Ilmu Komputer Jurnal Teknik Informatika (JUTIF) Jurnal Computer Science and Information Technology (CoSciTech) Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Bulletin of Information Technology (BIT) Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Sains dan Informatika : Research of Science and Informatic SATIN - Sains dan Teknologi Informasi Journal Of Artificial Intelligence And Software Engineering Jurnal Indonesia : Manajemen Informatika dan Komunikasi
Febi Yanto
Teknik Informatika, Universitas Islam Negeri Sultan Syarif Kasim Riau, Indonesia
Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Neuroscience Transportation Other

Published : 85 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 85 Documents
Search

 1   2   3   4   5 
Fuzzy C-Means Dan Background Subtraction Untuk Mengetahui Perubahan Luas Hutan Febi Yanto
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (594.379 KB)

Abstract

Provinsi Riau merupakan salah satu Provinsi yang mengalami perubahan luas area hutan setiap tahunnya. Upaya mengetahui kondisi luas hutan yang mengalami perubahan dapat dilihat melalui citra landsatdenganmenerapkan metode fuzzy c means (FCM)untuk membedakan hutan dan non-hutan,dan metode background subtraction untuk menghitung perubahan luas hutan. Setelah didapat cluster dari data citra tahun 2000,  2005,  2009 dan 2013, citra diubah ke bentuk biner dengan nilai 1 menunjukkan hutan dan 0 menunjukkan non-hutan. Kemudian dilakukan pengurangan citra untuk perubahan area menggunakan metode background subtraction. Pengujian ini menggunakan 4-7 cluster untuk segmentasi dan pengurangan citra terhadap tahun berikutnya. Hasil pengujian diperoleh dengan membandingkan hasil implementasi dengan data asli hutan pada tahun yang sama. Dari hasil penguijan segmentasi yang telah dilakukan didapatkan hasil terbaik mengunakan 6 cluster. Didapatkan selisih luas pengurangan untuk perubahan area hutan pada tahun 2000-2005 149.985,07ha, tahun 2005-2009 809.162,08 ha dan tahun 2009-2013 9.099,62ha.Kata kunci: area hutan, background subtraction, citra landsat,  fuzzy c means.
Klasifikasi Diabetik Retinopati Menggunakan Wavelet Haar dan Backpropagation Neural Network Suwanto Sanjaya; Arif Mudi Priyatno; Febi Yanto; Iis Afrianty
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (702.251 KB)

Abstract

Diabetik retinopati merupakan penyakit yang menyerang retina mata dan dapat menyebabkan kebutaan. Tingkat keparahan diabetik retinopati terbagi atas empat yaitu Normal, Diabetik Retinopati Non-proliferative (NPDR), Diabetik Retinopati Proliferative (PDR) dan Makula Endema (ME). Pada dasarnya diabetik retinopati dapat diamati menggunakan kamera fundus tetapi membutuhkan waktu yang cukup lama. Sehingga pada penelitian ini diterapkan ilmu pengolahan citra dan Jaringan Syaraf Tiruan sebagai cara lain untuk mengelompokkan penyakit diabetik retinopati. Wavelet Haar digunakan sebagai ekstraksi ciri citra retina mata dan Backpropagation Neural Network (BPNN) digunakan sebagai Metode klasifikasinya. Data yang digunakan bersumber dari messidor database. Jumlah data yang digunakan adalah sebanyak 612 citra (153 data setiap kelas). Berdasarkan hasil pengujian, akurasi tertinggi sebesar 56,25% dengan ukuran citra 2440 x 1448 piksel, haar level ke-4 serta persentase perbandingan data latih dan data uji 95%:5%, Learning rate 0,01. Berdasarkan hasil tersebut, algoritme wavelet haar kurang mampu mengenali ciri dari diabetik retinopati.
Pengenalan Jenis Khat Huruf Hijaiyah Tunggal Menggunakan Metode Template Matching Nining Erlina; Febi Yanto
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2016: SNTIKI 8
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Pengenalan komputerisasi karakter huruf hijaiyah masih perlu diteliti. Karakter huruf hijaiyah mempunyai banyak jenis huruf yang memiliki bentuk cita rasa seni dan keindahan yang bisa dinikmati saat ini. Tidak semua jenis huruf hijaiyah dapat dikenali oleh semua orang dikarenakan bentuk yang rumit dan sulit untuk dipahami. Penelitian ini dibangun untuk mengenali jenis huruf hijaiyah tunggal berdasarkan jenis khat yang digunakan. Metode yang digunakan untuk pengenalan karakter huruf hijaiyah tunggal ini adalah metode template matching. Metode template mathing mampu mencari suatu template pada keseluruhan objek. Karakter yang diuji akan melewati fase pre-processing dan segmentasi menggunakan metode profile projection untuk memisahkan setiap karakternya. Pengujian dilakukan terhadap 79 karakter huruf hijaiyah tunggal dari media internet dan 147 karakter huruf hijaiyah tunggal dari software kelk menghasilkan persentase keberhasilan huruf benar dan khat benar 85.3982%, huruf benar khat salah 4.8673%, huruf salah dan khat benar 4.8673%, huruf salah dan khat salah 4.8673%. Kesimpulan pengujian menunjukan bahwa metode template matching mampu mengenali jenis huruf hijaiyah berdasarkan jenis huruf yang digunakan dengan persentase akurasi keberhasilan yang tertinggi adalah 85.398%.Kata kunci: pengenalan karakter, profile projection, software kelk, template matching
Analisis Sentimen Akun Twitter Apex Legends Menggunakan VADER Dicky Abimanyu; Elvia Budianita; Eka Pandu Cynthia; Febi Yanto; Yusra Yusra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4382

Abstract

Abstrak - Pesatnya peningkatan jasa internet saat ini, ada banyak informasi yang dihasilkan dalam jumlah besar secara terus menerus dalam waktu yang singkat. Akhir-akhir ini, analisis sentimen dengan menggunakan ulasan dan pesan telah menjadi topik penelitian yang populer dibicarakan di bidang Natural Language Processing. Selama bertahun-tahun, permainan online telah menjadi suatu aktivitas yang tidak bisa dipisahkan dari sebagian besar orang. Apex Legends adalah salah satu contoh game yang sangat popular di seluruh dunia. Untuk mendapatkan informasi bagaimana pendapat para pemain tentang permainan ini diperlukan analisis sentimen. Pada penelitian ini dilakukan analisis sentimen menggunakan bantuan aplikasi Orange Data Mining dengan metode VADER pada akun twitter Apex Legends menggunakan data sebanyak 500 tweet. Pengujian data dilakukan dengan membandingkan hasil yang didapat menggunakan metode VADER dengan hasil pengujian pakar, yaitu native speaker dari Canada dan Amerika. VADER mengklasifikasikan data yang didapatkan melalui twitter berdasarkan nilai compound yang didapat. Penelitian ini menghasilkan kesimpulan yaitu perbandingan dari pengujian menggunakan VADER dan pengujian pakar tidak berbeda jauh, yang mana total persentase dari penggunaan metode VADER untuk menganalisis sentiment dari twitter ini adalah : Positif = 18%, Negatif = 4,6%, Netral = 73,6%. Sedangkan   hasil pengujian pakar adalah : Positif = 27%, Negatif = 10,8%, Netral = 62,2%.Kata kunci: VADER, Apex Legends, Game, Twitter, Uji Pakar Abstract - With the rapid increase in internet services today, there is a lot of information produced in large quantities continuously in a short time. Recently, sentiment analysis using reviews and messages has become a popular research topic discussed in the Natural Language Processing field. Over the years, online gaming has become an activity that cannot be separated from most of the people. Apex Legends is one example of a game that is very popular around the world. To get information on how the players think about the game, sentiment analysis is needed. In this study, sentiment analysis was carried out using the Orange Data Mining application with the VADER method on the Apex Legends twitter account using 500 tweets (data). Data testing is done by comparing the results obtained using the VADER method with the results of expert testing, native speaker from Canada and America. VADER classifies the data obtained through twitter based on the compound value obtained. This study concludes that the comparison of testing using VADER and expert testing is not much different, where the total percentage of using the VADER method to analyze sentiment from Twitter is : Positive = 18%, Negative = 4,6%, Neutral = 73,6%. While the results of expert testing is : Positive = 27%, Negative = 10,8%, Neutral = 62,2%.Keywords : VADER, Apex Legends, Game, Twitter, Expert Test (Uji Pakar)
Pengaruh Hyperparameter Convolutional Neural Network Arsitektur ResNet-50 Pada Klasifikasi Citra Daging Sapi dan Daging Babi Sarah Lasniari; Jasril Jasril; Suwanto Sanjaya; Febi Yanto; Muhammad Affandes
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4424

Abstract

Abstrak - Kasus kecurangan pedagang mencampur daging sapi dengan daging babi masih terjadi hingga saat ini. Membedakan daging sapi dan babi dapat dilakukan dengan mengamati secara langsung satu persatu, tetapi hal ini dapat dilakukan oleh para ahli, Tetapi secara kasat mata masih sulit membedakannya. Perilaku pedagang seperti ini sangat merugikan konsumen khususnya pemeluk agama Islam karena berkaitan dengan makanan yang halal atau haram. Pada penelitain ini menggunakan metode Deep Learning untuk klasifikasi citra dengan Convolutional Neural Network (CNN) arsitektur ResNet-50. Jumlah data sebanyak 457 citra yang terbagi menjadi 3 kelas, yaitu daging babi, daging oplosan dan daging sapi. Setiap kelas memiliki ukuran gambar yang sama yaitu 300 x 300 pixel. Pembagian data menggunakan split data dengan perbandingan 70% data uji : 30% data uji, 80% data latih : 20% data uji, dan 90% data latih : 10% data uji. Hasil dari pengujian model dengan Confusion Matrix menunjukkan performa klasifikasi tertinggi dengan 100% accuracy, 100% precision, dan 100% recall, pada data citra asli dengan penggunaan batch size 32, 0.001 learning rate, epoch 75 dan split data 90% : 10%.Kata kunci: Convolutional Neural Network, Daging Babi dan Sapi, Deep Learning, Klasifikasi Citra, ResNet  Abstract - Traders mixing beef and pork are still committing fraud today. Although professionals can discern between beef and pork by watching them one by one, it is still impossible to do so with the naked eye. This kind of behavior is very detrimental to consumers, especially Muslims because it is related to halal or haram food. This research uses Deep Learning method to classify images with Convolutional Neural Network (CNN) ResNet-50 architecture. The number of data is 457 images which are divided into 3 classes, namely pork, mixed meat and beef. Each class has the same image size, which is 300 x 300 pixels. data distribution using split data with a comparison of 70% training data: 30% test data, 80% training data: 20% test data, and 90% training data: 10% test data. The results of model testing using the Confusion Matrix show the highest classification performance with 100% accuracy, 100% precision, and 100% recall, on the original image data using batch size 32, 0.001 learning rate, epoch 75 and split data 90%: 10%..Kata kunci: Convolutional Neural Networ, Deep Learning, Image Classification, Pork and Beef, ResNet
Klasifikasi Citra Daging Babi dan Daging Sapi Menggunakan Deep Learning Arsitektur ResNet-50 dengan Augmentasi Citra Sarah Lasniari; Jasril Jasril; Suwanto Sanjaya; Febi Yanto; Muhammad Affandes
Jurnal Sistem Komputer dan Informatika (JSON) Vol 3, No 4 (2022): Juni 2022
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v3i4.4167

Abstract

Beef is an example of an animal protein-rich food. The consumption of meat in Indonesia is increasing year after year, in tandem with the country's growing population. Many traders purposefully combine beef and pork in order to maximize profits. With the naked eye, it's difficult to tell the difference between pork and beef. In Muslim-majority countries, the assurance of halal meat is crucial. This study uses Deep Learning with the Convolutional Neural Network (CNN) method and ResNet-50 with data augmentation to classify images of beef and pork. The original meat picture databases contain 457 images, however following the data augmentation process, there are 2742 images in total, divided into three classes. The distribution of training and test data is 90 percent:10 percent in the comparison test scenario between the two original data schemes and supplemented data. With an average of 87.64 % accuracy, 87.59 % recall, and 90.90 % precision, the Confusion Matrix is the best classification performance model. There was no evidence of overfitting based on observations from the visualization of the training and testing process.
Perbandingan Pembobotan Kata Menggunakan Naïve Bayes Classifier Terhadap Analisa Sentimen Permendikbud No 30 Tahun 2021 Jeki Dwi Arisandi; Elvia Budianita; Eka Pandu Cynthia; Febi Yanto; Yusra Yusra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 4 (2022): Agustus 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i4.4420

Abstract

Abstrak - Kekerasan seksual di lingkungan Pendidikan mengalami peningkatan kasus dari tahun ke tahun. Menurut data dari Komnas Perempuan periode 2015-2020 kasus kekerasan seksual di lingkungan Pendidikan menunjukkan bahwa lingkungan Pendidikan sudah tidak menjadi tempat yang aman bagi peserta didik. Berdasarkan data kasus yang diadukan kepada komnas perempuan pada tahun 2015-2020 kasus kekerasan seksual tertinggi terjadi di lingkungan Universitas sebanyak 27%, lalu diikuti oleh Pesantren atau Pendidikan berbasis agama sebanyak 19% dan sisanya terjadi di tingkat SMU/SMK sebanyak 15%, SMP 7%, di tingkat TK,SD,SLB dan Pendidikan berbasis Kristen masing-masing sebanyak 3%. Bentuk kekerasan seksual yang terjadi di lingkungan Pendidikan tersebut berupa pemerkosaan, pencabulan, dan pelecehan seksual serta kekerasan psikis dan diskriminasi dengan mengeluarkan siswa dari sekolah. Berbagai kasus tersebut mendorong pihak Kementrian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia membuat Peraturan Menteri No 30 Tahun 2021 dengan tujuan untuk menangani berbagai kekerasan seksual yang selama ini masih terjadi di lingkungan Pendidikan. Namun setelah diterbitkannya Peraturan Menteri nomor 30 Tahun 2021 tersebut memunculkan beragam sentimen positif dan negatif dari masyarakat baik itu dari organisasi HAM dan organisasi keagamaan. Opini dari masyarakat tersebut dapat dijadikan bahan evaluasi bagi pemerintah untuk menilai kebijakan yang telah dibuat. Dalam penelitian ini membahas mengenai analisa sentimen Permendikbud no 30 tahun 2021 dengan melakukan perbandingan pembobotan kata menggunakan metode Naïve Bayes Classifier. Langkah awal yang penulis lakukan yaitu pengumpulan data dari media sosial Twitter sebanyak 468 data, kemudian memberikan pelabelan kelas data yang terdiri dari positif, negatif, dan netral lalu melakukan proses pembobotan menggunakan TF-IDF dan TF-RF yang bertujuan untuk melihat perbandingan proses pembobotan kedua metode tersebut. Berdasarkan dari proses dan hasil pengujian Confusion Matrix didapatkan akurasi terbaik dengan rasio 70:30 sebesar 73,94% dengan pembobotan TF-IDF.Kata Kunci: PERMENDIKBUD No 30 Tahun 2021, Kekerasan Seksual, Analisa Sentimen, Twitter, Naïve Bayes Classifier.Abstract - Sexual violence in the educational environment has increased in cases from year to year. According to data from Komnas Perempuan for the 2015-2020 period, cases of sexual violence in the educational environment show that the educational environment is no longer a safe place for students. Based on case data that was reported to Komnas Perempuan in 2015-2020 the highest cases of sexual violence occurred in universities as much as 27%, then followed by Islamic boarding schools or religion-based education as much as 19% and the rest occurred at the high school/vocational level as much as 15%, SMP 7 %, at the level of TK, SD, SLB and Christian-based education each as much as 3%. The forms of sexual violence that occur in the educational environment are in the form of rape, sexual abuse, and sexual harassment as well as psychological violence and discrimination by expelling students from school. These various cases prompted the Ministry of Education, culture, research, and Technology of the Republic of Indonesia to make Ministerial Regulation No. 30 of 2021 with the aim of dealing with various sexual violence that is still happening in the education environment. However, after the issuance of Ministerial regulation number 30 of 2021, it gave rise to various positive and negative sentiments from the community, both from human rights organizations and religious organizations. Public opinion can be used as evaluation material for the government to assess the policies that have been made. This study discusses the sentiment analysis of Minister of Education and Culture No. 30 of 2021 by comparing word weights using the Naïve Bayes Classifier method. The first step that the author took was collecting data from Twitter social media as much as 468 data, then labeling the data classes consisting of positive, negative, and neutral then carrying out a weighting process using TF-IDF and TF-RF which aims to compare the two weighting processes the method. Based on the process and results of the Confusion Matrix test, the best accuracy was obtained with a 70:30 ratio of 73.94% with TF-IDF weighting.Keywords: PERMENDIKBUD No 30 of 2021, Sexual Violence, Sentiment Analysis, Twitter, Naïve Bayes Classifier.
AUTOMATIC CHORUS DETECTION FOR INDONESIAN MUSIC USING REFRAIN DETECTING METHOD (REFRAID) Ichsan Permana Putra; Elvia Budianita; Febi Yanto; Yusra Yusra
Jurnal Teknik Informatika (Jutif) Vol. 3 No. 4 (2022): JUTIF Volume 3, Number 4, August 2022
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jutif.2022.3.4.259

Abstract

Music has become an important part of human life, chorus is part of the musical structure that makes some impression on music, people are generally very familiar with the chorus in music because the chorus is often repeated on music. Automatic chorus detection is a part of Music Information Retrieval which is considered important for building music analysis system with human-like patterns. Refrain Detecting Method (RefraiD) select the chorus by grouping various repeating parts of the music, evaluating the intensity level of the melody from each group, then selecting the group with the highest melodic intensity as the chorus. This paper intends to implement RefraiD in Indonesian pop and dangdut music by downloading 20 pop music videos and 20 dangdut music videos from YouTube then process it with Information retrieval using Python. The results of this paper indicate that the RefraiD method can be used to detect the chorus on Indonesian music with F measure of 91.8% for dangdut music and 91.5% for pop music.
Aplikasi Tafsir Quran Berbasis Flutter citra ainul mardhia putri; nazruddin safaat harahap; febi yanto; muhammad affandes; pizaini -
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2022: SNTIKI 14
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Jurnal ini berisikan tentang aplikasi tafsir quran yang bisa mencari ayat ayat yang berulang. Selain itu pengguna juga dapat mencari semua ayat yang ada dial-quran terdapat dalam aplikasi ini. aplikasi ini merupakan aplikasi alquran yang berbasis android.
Design Rancangan User Interface Aplikasi My Pets Dengan Menggunakan Metode Design Thinking Roni Setyawan; Reski Mai Candra; Eka Pandu Cynthia; Febi Yanto; Muhammad Affandes
JURIKOM (Jurnal Riset Komputer) Vol 9, No 6 (2022): Desember 2022
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v9i6.5305

Abstract

The research was made to produce an application design using the design thinking’s method. The system made on the basis of user interface and user experience. The user interface is used to meet user needs, while the user experience is used as an assessment of the system designed. The target of My Pets application is for pet parents. It  has several stages; empathize, define, ideate, prototype, and testing. At the empathize stage it produces the main problems which are used as material for researchers to find a solution, problems obtained from the results of interviews and observations of 25 respondents. In the define stage, it begins to determine the problem as main focus to be solved. The ideate stage, it generates a solution to an existing problem. The prototype stage develops designs based on the previous stages. At the testing stage using the system usability scale to 25 respondents and getting a result of 87.7 or excellent. Based on the test results, My Pets application has been completed and assessed as effective based on the design thinking’s method. It is expected the design made can be used and the system developed better in the future
Co-Authors Abdul Haris Abdussalam Al Masykur Adha, Martin Afiana Nabilla Zulfa Afriyanti, Liza Afroni, Hallend Agustina, Auliyah Alfitra Salam Alwis Nazir Andri Andri Aprilia, Risma Arif Mudi Priyatno Ariq At-Thariq Putra Baehaqi citra ainul mardhia putri Dafwen Toresa Dea Ropija Sari Destri Putri Yani Dewi, Nurika Dicky Abimanyu Dimas Ferarizki Dwitama, Raja Zaidaan Putera Dzaky Abdillah Salafy Edriyansyah Eka Pandu Cynthia Eka Pandu Cynthia Eka Pandu Cynthia, Eka Pandu Elin Haerani Elvia Budianita Fadhilah Syafria Fajar Febriyadi Fajri Fahreza Azeta Faris Apriliano Eka Fardianto Faris Fauzan Ray T Fauziyyah, Laila Nurul Fitra Kurnia Fitri Insani Fitri Insani Gusman, Deddy Gusti, Gogor Putra Hafi Puja Gusti, Siska Kurnia Hallend Afroni Hanif, Wan Muhammad Harni, Yulia Hatta, M Ilham Hidayat, Rizki Ichsan Permana Putra Idhafi, Zaky Iis Afrianty Iis Afrianty Ikhsan Hidayat Ikhwanul Akhmad DLY Illahi, Ridho Iqbal Salim Thalib Irma Welly, Irma Irsyad , Muhammad Isnan Mellian Ramadhan Iwan Iskandar Iwan Jannata, Nanda Jasril Jasril Jasril Jasril Jasril Jasril Jeki Dwi Arisandi Kurniansyah, Juliandi Lestari Handayani Lestari Handayani Lisnawita Lisnawita M Fikry M Ikhsan Maulana M. Afdal M. Fadil Martias Masaugi, Fathan Fanrita Mazdavilaya, T Kaisyarendika Morina Lisa Pura Muhammad Affandes Muhammad Fahri Muhammad Fikry Muhammad Fikry Muhammad Fikry Muhammad Haiqal Dani Muhammad Irsyad Muhammad Irsyad Muhammad Irsyad Mustasaruddin Mustasaruddin Nabyl Alfahrez Ramadhan Amril Nadila Handayani Putri Nazruddin Safaat H Nazruddin Safaat H Negara, Benny Sukma Niken Aisyah Maharani Herwanza Nining Erlina Novriyanto Novriyanto Nurika Dewi Okta Silvia M Permata, Rizkiya Indah Pizaini Pizaini Prananda, Alga Pratama, Dandi Irwayunda Putra, Wahyu Eka Putri Ayuni, Desy Putri Zahwa Rahma Shinta Rahmad Abdillah Rahman, Muhammad Taufikur Rahmat Al Hafiz Raja Joko Musridho Reski Mai Candra Reski Mai Candra Reski Mai Candra Rometdo Muzawi, Rometdo Roni Setyawan RR. Ella Evrita Hestiandari Sandy Ilham Hakim Syasri Sarah Lasniari Sarah Lasniari Shahira, Fayza Siti Ramadhani Sofiyah, Wan Sugandi, Hatami Karsa Surya Agustian Suwanto Sanjaya Syafria, Fadhillah Ulfah Adzkia Wang, Shir Li Wijaya, Andy Huang Wirdiani, Putri Syakira Yenggi Putra Dinata Yuli Novita Sari, Yuli Novita Yusra Yusra Yusra Yusra Yusra Yusra Yusra Yusra Yusra, Yusra