p-Index From 2021 - 2026
7.902
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmu dan Teknologi Kelautan Tropis IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Informatika Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Jurnal Simetris Elkom: Jurnal Elektronika dan Komputer Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JTSL (Jurnal Tanah dan Sumberdaya Lahan) Jurnal Transformatika Jurnal Edukasi dan Penelitian Informatika (JEPIN) Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Sinkron : Jurnal dan Penelitian Teknik Informatika INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi JURNAL MEDIA INFORMATIKA BUDIDARMA Faktor Exacta Jurnal Ilmiah Matrik JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Indonesian Journal of Computing and Modeling J-SAKTI (Jurnal Sains Komputer dan Informatika) JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Journal Sensi: Strategic of Education in Information System JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) TIN: TERAPAN INFORMATIKA NUSANTARA Aiti: Jurnal Teknologi Informasi Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Teknik Informatika (JUTIF) Journal of Information Technology (JIfoTech) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Info Sains : Informatika dan Sains Jurnal Nasional Teknik Elektro dan Teknologi Informasi IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Jurnal Informatika: Jurnal Pengembangan IT Jurnal Indonesia : Manajemen Informatika dan Komunikasi Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi
Claim Missing Document
Check
Articles

Analisis Perbedaan Indeks Vegetasi Normalized Difference Vegetation Index (NDVI) dan Normalized Burn Ratio (NBR) Kabupaten Pelalawan Menggunakan Citra Satelit Landsat 8 Valentino Kevin Sitanayah Que; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 2 No 1 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (430.419 KB)

Abstract

Indonesia became one of the various countries that experienced a forest fire disaster and became the second highest country to lose forests after Brazil was ranked first according to FRA. The purpose of this study is to see changes and differences in the value of vegetation index on forest / burned land in Pelalawan District, Riau Province. The method used in this study is remote sensing analysis, namely the vegetation index Normalized Difference Vegetation Index (NDVI) and Normalized Burn Ratio (NBR). Fire statistics are obtained from riau.bps.go.id and the research data uses Landsat 8 OLI Satellite Imagery.The results of the study found that the NDVI vegetation index value was higher than the NBR vegetation index value, which meant that the NDVI vegetation index in Pelalawan District was classified as good but many areas were burnt and caused considerable losses. NDVI and NBR vegetation index values ​​at 3 time periods experienced a not significant increase and decrease. Pelalawan Regency is at the NBR vegetation index value of 0.123 - 0.529 and the vegetation index value of NDVI at 3 time periods is said to be large with the highest values ​​of 0.448 - 0.543 (> 0.4 good vegetation) which are classified as warm area forests and tropical rain forests. The area of ​​the burning area is at the highest moderate level (moderate-high), which is on 17 November 2016 covering an area of ​​522.708 hectares or almost half of the area of ​​Pelalawan District.
Pemetaan Lokasi UMKM Kaligrafi Kabupaten Kudus dengan Metode Location Based Service sebagai Media Promosi Berbasis WebGIS Muhammad Sholikhan; Sri Yulianto Joko Prasetyo; Kristoko Dwi Hartomo
Indonesian Journal of Computing and Modeling Vol 2 No 1 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (997.823 KB)

Abstract

Kudus adalah sebuah kabupaten di Jawa Tengah yang dikenal mempunyai berbagai macam Usaha Mikro Kecil dan Menengah (UMKM), salah satunya adalah di bidang Kaligrafi. Beberapa UMKM kaligrafi sudah mampu beradaptasi dengan teknologi yaitu dengan memanfaatkan media sosial untuk melakukan promosi. Tetapi sebagian dari UMKM masih menggunakan cara tradisional sehingga berimbas pada rendahnya pendapatan. Di sisi lain, calon konsumen kaligrafi kesulitan menentukan pilihan dalam membeli produk kaligrafi dikarenakan minimnya informasi keberadaan UMKM kaligrafi di Kudus. Oleh karena itu dibuatlah penelitian dengan mengimplementasikan webGIS untuk pemetaan lokasi dan promosi produk UMKM kaligrafi di kabupaten Kudus dengan metode Location Based Service. Penelitian ini menghasilkan sebuah webGIS yang dibuat dengan Google Maps API v3 dan Framework CodeIgniter yang bisa diakses melalui browser internet. Di dalam webGIS ini dimuat profil 30 UMKM kaligrafi yang tersebar di 9 kecamatan yang ada di kabupaten Kudus. Berdasarkan rekapitulasi hasil uji usabilitas menggunakan kuesioner dengan 400 responden didapatkan hasil bahwa webGIS ini termasuk kategori cukup efektif dan cukup efisien
Potensi Resiko Banjir dengan Menggunakan Citra Satelit (Studi Kasus : Kota Manado, Provinsi Sulawesi Utara) Brian Laurensz; Feibe Lawalata; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 2 No 1 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (667.934 KB)

Abstract

Bencana alam adalah salah satu fenomena yang dapat terjadi setiap saat, dimanapun dan kapanpun. Bencana alam banjir merupakan bencana yang paling banyak di dapati hampir diseluruh tempat, banjir dapat membawa kerusakan , kerugiaan dan bahkan dapat merenggut nyawa. Kondisi Sulawesi utara (Sulut) dan sekitarnya merupakan wilayah rawan bencana baik secara geografis, geologis, hidrologis dan demografis. Kondisi daerah Sulut berada di pertemuan beberapa lempeng tektonik bumi, di kelilingi oleh beberapa gunung berapi, daerah kepulauan dan degradasi lingkungan yang tinggi. Oleh sebab itu hampir sebagian besar potensi ancaman bencana berada di wilayah sulut dan sekitarnya. Berdasarkan kejadian bencana alam di Kota Manado beberapa tahun terakhir ini, yang terjadi di beberapa kecamatan. Dilihat dari karakteristik wilayah Kota Manado maka dilakukan pemetaan daerah risiko banjir dengan pemanfaatan Sistem Informasi Geografis (SIG) yang bertujuan untuk memberikan informasi lokasi-lokasi yang memiliki resiko bencana banjir. Pada penelitian ini menggunakan metode analisis Standardized Precipitation Index (SPI), Normalized Difference Vegetation Index (NDVI), Normalized Difference Water Index (NDWI), Soil Adjusted Vegetation Index (SAVI) dan Inverse Distance Weighted (IDW) untuk eksplorasi data menggunakan Quantum GIS (QGIS). Dapat dilihat nilai NDVI atau indeks vegetasi tingkat kehijauan di Manado pada musim hujan ada pada rentang 0.451 – 0.639, yang menandakan indeks vegetasi kehijauan tinggi. Dan pada musim kemarau ada pada rentang 0.444 – 0.615, yang menandakan indeks vegetasi kehijauan tinggi. Dalam metode NDWI di dapati tingkat kebasahan di kota Manado ada pada tingkat sedang. Untuk metode SAVI di dapati Manado ad pada rentang nilai -0.103 sampai 0.153 yang menandakan banyak genangan air. Berdasarkan pembahasan di dapati kecamatan yang berpotensi banjir di kota Manado dari yang paling tinggi sampai dengan rendah yaitu : yang paling tinggi ada di kecamatan Tuminting, Singkil, Paal Dua, Tikala, Wanea, Sario, Wenang, Malalayang. Berpotensi sedang : Kecamatan Bunaken, dan berpotensi rendah Kecamatan Mapanget
Perubahan Konversi Lahan Menggunakan NDVI, EVI, SAVI dan PCA pada Citra Landsat 8 (Studi Kasus : Kota Salatiga) Riko Yudistira; Arit Imanuel Meha; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 2 No 1 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (537.133 KB)

Abstract

Perubahann fungsi lahan pada Kota Salatiga dipengaruhi oleh kebutuhan masyarakat dalam penggunaan tanah di wilayah Kota Salatiga, akibatnya lahan terus mengalami perubahan. Laju perubahan penggunaan tanah di Kota Salatiga dari daerah pertanian ke permukiman dan kawasan industri dari tahun ke tahun mencapai 8.1 Ha. Maka diperlukan sebuah pemetaan dan perhitungan perubahan konversi lahan yang terjadi di Kota Salatiga.Sistem Informasi Geografis sangat diperlukan untuk melihat jenis vegetasi yang berada pada wilayah penelitian yang di lakukan, indeks vegetasi yang diperlukan diantaranya indeks NDVI (Normalized Difference Vegetation Index), EVI (Enhanced Vegetation Index) dan SAVI (Soil Adjusted Vegetation Index) yang kemudian akan dioleh menggunakan metode PCA (Principal Component Analysis). Dari hasil penelitian disimpulkan bahwa luas area untuk tahun 2013 dan tahun 2018 diantaranya pada luas area urban/pemukiman mengalami kenaikan sebesar 801.511 Ha, sedangkan lahan perkebunan/sawah mengalami penurunan sebesar 801.511 Ha, dan RTH (Ruang Terbuka Hijau) mengalami penurunan sebesar 1.001.889 Ha pada tahun 2018. Dari pengolahan PCA gabungan dari NDVI, EVI dan SAVI pada Kota Salatiga, Provinsi Jawa Tengah untuk tahun 2013 dan 2015 terjadi perubahan di nilai Eigenvalues dimana NDVI pada tahun 2015 mengalami penurunan sebesar 1,7433 sedangkan nilai EVI mengalami penurunan sebesar 1.5324, untuk indeks SAVI mengalami penurunan indeks nilai juga sebesar 0,8368. Sedangkan untuk perubahan persentase eigenvalues pada tahun 2013 dan 2018 perubahan indeks Eigenvalues NDVI mengalamipenurunan yang cukup signifikan yakni sebesar 1,5694, untuk indeks EVI juga mengalami penurunan sebesar 1,7201, dan SAVI juga mengalami penurunan sebesar 0,8522. Jadi Perubahan indeks vegetasi yang di olah menggunakan PCA dapat diketahui ketika melihat selisih perubahan dari nilai indeks Eigenvalues yang dihasilkan.
Evaluasi Area Terdampak Gempa di Kota Palu Menggunakan Metode OBIA pada Citra Landsat 8 Wasis Pancoro; Willson Mangoki; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 2 No 1 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (312.368 KB)

Abstract

Pasca gempa, wilayah kota palu mengalami perubahan struktur lahan dan tanah yang cukup parah akibat dampak dari likuifaksi. Dampak yang di timbulkan oleh gempa dapat memicu tsunami. Untuk mengetahui dan identifikasi perubahan struktur tanah yang mengakibatkan kerusakan wilayah maka diperlukan informasi secara visual. berbagai macam citra satelit beresolusi tinggi yang dapat menghasilkan informasi secara visual mengenai daerah pasca gempa yang diinginkan. Namun, diperlukan sebuah interpretasi untuk menampilkan hasil visual dari citra tersebut sehingga diperoleh informasi mengenai daerah bahaya dan kerusakan akibat bencana. Metode yang digunakan adalah Object Based Image Analysis (OBIA) dan pendekatan menggunakan NDVI (Normalized Difference Vegetation Index) dan NDBI (Normalized Difference Build-up Index). Hasil yang didapat dari penelitian ini adalah klasifikasi lahan terbangun yang dapat diidentifikasi dengan baik dari citra Landsat-8 berdasarkan metode yang digunakan. Rata-rata nilai NDBI lahan terbabungun relatif lebih tinggi dibandingkan obyek tutupan lahan lainnya. Hasil pengamatan dengan teknik overlay menunjukkan citra hasil pengolaan teknik OBIA mampu dengan baik menunjukkan kondisi lapangan yang sebenarnya
Identifikasi Sebaran Tanaman Pangan Kabupaten Kupang Menggunakan Citra Satelit Landsat 8 Raymond Elias Mauboy; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 2 No 1 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (504.802 KB)

Abstract

Hunger is a big problem for the community due to lack of food in a region, this problem often occurs in areas that have a low level of agricultural land management, areas in East Nusa Tenggara often experience famine almost every year, agricultural areas The government should be able to explain it well so that it can find out which areas are agricultural areas, settlements and forest areas so that the process of managing agricultural land has been known by the government and the community, this is a problem that often occurs in the East Nusa Tenggara region , the lack of agricultural distribution areas in the East Nusa Tenggar area, especially the Kupang Regency area, led researchers to conduct research on the Identification of Kupang Regency Food Crop Distribution Using Landsat 8 Satellite Imagery aimed at more agricultural distribution areas. this is known to the government and the community so that it can reduce the rate of hunger in Kupang district
Penentuan Wilayah Resiko Bencana Kekeringan di Jawa Tengah Menggunakan Machine Learning dan Indeks Vegetasi pada Citra Landsat 8 OLI Septian Silvianugroho; Sri Yulianto Joko Prasetyo; Kristoko Dwi Hartomo
Indonesian Journal of Computing and Modeling Vol 2 No 2 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (583.912 KB)

Abstract

Bencana kekeringan di Indonesia terjadi hampir setiap tahun, khususnya untuk provinsi Jawa Tengah yang mana tercatat dalam sejarah dari tahun 1815 sampai tahun 2015 telah terjadi 382 kejadian. Untuk itu diperlukan adanya prediksi penentuan wilayah kekeringan di seluruh kecamatan di Jawa Tengah. Pada penelitian ini prediksi kekeringan menggunakan Machine Learning untuk menganalisa hasil ekstraksi dari citra Landsat-8 OLI yang berupa indeks vegetasi yaitu NDVI, SAVI, VCI, VHI dan TCI dengan menggunakan beberapa algoritma, diantaranya adalah Decision Tree, Principal Component Analisys(PCA) dan Random Forest. Hasil yang diperoleh ada total 17 kecamatan yang diprediksi terkena bencana kekeringan yang sangat parah, dengan nilai accuracy 0,7507463, logloss 0,6232992 dan Mean Sequare Error (MSE) sebesar 0,1795135.
Analisis Data Citra Landsat 8 OLI Sebagai Indeks Prediksi Kekeringan Menggunakan Machine Learning di Wilayah Kabupaten Boyolali dan Purworejo Yansen Bagas Christianto; Sri Yulianto Joko Prasetyo; Kristoko Dwi Hartomo
Indonesian Journal of Computing and Modeling Vol 2 No 2 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (419.504 KB)

Abstract

Abstrak Bencana kekeringan merupakan salah satu bencana yang tidak dapat di hindari lagi keberadaannya. Berdasarkan data dari tahun 1815 sampai tahun 2015 telah terjadi 382 kejadian. Berdasarkan kajian BNPB Kabupaten Boyolali dan Kabupaten Purworejo memiliki resiko tinggi terpapar bencana kekeringan. Untuk itu perlu adanya informasi wilayah resiko bencana kekeringan. Penggunaan data citra satelit Landsat 8 OLI sebagai media informasi vegetasi dan pendekatan Machine Learning untuk menganalisa data ekstraksi pada citra satelit berupa indeks vegetasi. Indeks vegetasi yang di gunakan yaitu NDVI, VCI, VHI, dan TCI dengan implementasi metode XGBoost dan Random Forest untuk mendapatkan hasil prediksi. Hasil yang diperoleh dengan menggunakan perhitungan metode XGBoost ada total 9 kecamatan yang diprediksi terkena bencana kekeringan sangat parah, dan 9 kecamatan dengan metode Random Forest terindikasi kekeringan sangat parah. metode XGBoost memiliki nilai akurasi 0.8286 dan nilai kappa 0.6477 dan metode Random Forest memiliki nilai akurasi 0.6857 dan Nilai Kappa 0.3699. dimana semakin tinggi nilai akurasi dan kappa semakin tepat hasil prediksi yang dilakukan.
Klasifikasi Wilayah Risiko Bencana Kekeringan Berbasis Citra Satelit Landsat 8 Oli Dengan Kombinasi Metode Moran’s I dan Getis Ord G* (Studi Kasus : Kabupaten Boyolali dan Klaten) Nadya Inarossy; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 2 No 2 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (738.665 KB)

Abstract

The purpose of this study is to classify areas that have a high risk of drought with the vegetation index and SPI index and see spatial connectivity between regions with the method of Moran's I and the formation of hotspots with the method of Getis Ord G *. Experiments with vegetation indices in 45 sub-districts in Boyolali and Klaten districts showed that the average was in class 4 including the classification of medium green. As for the SPI method on rainfall data that is interpolated with IDW techniques, all observation areas are included in the normal drought index class. The results of the analysis with Moran's I show Positive Spatial Autocorrelation, namely the drought phenomenon has spatial connectivity between regions observed. The results of Getis Ord's analysis show the formation of hotpsots and spatial connectivity between regions. The results show that 2017 drought spatial connectivity experienced a broad increase from the previous year. Based on the analysis that has been done with the vegetation index and SPI index, the areas prone to drought are Karanggede, Klego, Andong, Kemusu, Wonosegoro and Juwangi
ANALISIS INDEKS VEGETASI AREA TERDAMPAK BANJIR BANDANG DI KABUPATEN JAYAPURA MENGGUNAKAN METODE CLUSTERING PADA CITRA LANDSAT 8 Josua Josen Alexander Limbong; Herman Huki Ratu; Patrick Simbolon; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

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

Abstract

Bencana Banjir memang tidak akan pernah berakhir menjadi persoalan manusia, penyebab dari bencana banjir sendiri dapat diakibatkan oleh peristiwa alam atau aktifitas dan kegiatan dari manusia sendiri. Pada Tanggal 16 Maret 2019 telah terjadi bencana alam Banjir bandang yang sangat dahsyat yang terjadi Di Kabupaten Jayapura Tepatnya di daerah Sentani sehingga mengakibatkan banyak korban jiwa dan kerusakan yang terjadi akibat bencana alam tersebut. Oleh sebab itu penelitian ini dilakukan untuk mengetahui perubahan indeks vegetasi yang diakibatkan oleh bencana banjir bandang tersebut. Oleh karena itu dibutuhkan informasi secara visual berupa citra satelit untuk menampilkan informasi mengenai bencana alam banjir bandang yang terjadi di Kabupaten Jayapura. Penelitian ini menggunakan metode clustering dan pendekatan menggunakan NDVI (Normalized Difference Build-up Index). Hasil yang didapatkan dari penelitian ini adalah mendapatkan hasil dari nilai indeks vegetasi kemudian dari nilai tersebut dapat dibandingkan perbedaan indeks vegetasi sebelum dan sesudah terkena dampak Banjir Bandang.
Co-Authors Adenia Kusuma Dayanthi Anna Simatauw Antar Maramba Jawa Antonius Mbay Ndapamury Ardian Ariadi Ardito Laksono Suryoputro Arit Imanuel Meha Arvira Yuniar Isnaeni Ayuningtyas, Fajar Baali, Gabriel Megfaden Kenisa Baronio, Nodas Constantine Bintang Lazuardi Bistok Hasiholan Simanjuntak Brian Laurensz Brilliananta Radix Dewana Bunga, Alex Frianco Cahyaningtyas, Christian Charitas Fibriani Christanto, Erwien Christiana Ari Setyaningrum Daniel HF Manongga Danny Manongga Devianto, Yudo Dian Widiyanto Chandra Dwi Hayati Edwin Zusrony Eko Sediyono Elvira Umar Engles Marabangkit Yoesmarlan Erik Wahyu Abdi Nugroho Evan Bagus Kristianto Evan Geraldy Suryoto Evi Maria Evi Maria Evi Maria Fabian Valerian Feibe Lawalata Florentina Tatrin Kurniati Gallen cakra adhi wibowo Gideon Bartolomeus Kaligis Gilbert Yesaya Likumahua Gudiato, Candra Haikal Nur Rachmanrachim Achaqie Haikal Nur Rachmanrachim Achaqie Hindriyanto Dwi Purnomo Ida Ayu Putu Sri Widnyani Indra Yunanto Irdha Yunianto Irwan Sembiring Isnaeni, Arvira Yuniar Joko Siswanto Joko Siswanto Josua Josen Alexander Limbong Kase, Celomitha Putri Welhelmina Kristoko Dwi Hartomo Kurnia Latifatul Nazila Laurentius Kuncoro Probo Saputra, Laurentius Kuncoro Probo Lobo, Murry Albert Agustin Lyonly Evany Tomasoa Maipauw, Musa Marsel Manongga, Daniel HF Maya Sari Merryana Lestari Mikhael Dio Eclesi Mila Chrismawati Paseleng Mira Mira Muhamad Yusup Muhammad Rizky Pribadi Muhammad Sholikhan Nadia Renatha Yuwono Nadya Inarossy Novem Berlian Uly Nugroho, Ignatius Dion Nusantara, Bandhu Otniel, Marcelinus Vito Patasik, Eva Sapan Patrick Simbolon Permatasari, Aurilia Dinda Petty, Holbed Joshua Praditya, Al-Farrel Raka Prayitno, Gunawan Priatna , Wowon Priyadi Priyadi Purwoko, Agus Qurotul Aini Ratu, Herman Huki Ravensca Matatula Raymond Elias Mauboy Riko Yudistira Rina Pratiwi Pudja I. A Rohmad Abidin, Rohmad Rony, Zahara Tussoleha Roy Rudolf Huizen Santoso, Nuke Puji Lestari Sarassati, Dwi Sinta Sebastian, Danny Septian Silvianugroho Septio, Pius Aldi Solly Aryza Sri Hartati Stanny Dewanty Rehatta Stevanus Dwi Istiavan Mau Supit, Christanti Ekkelsia Suryasatria Trihadaru Suryasatriya Trihandaru Susatyo, Yeremia Alfa Sutarto Wijono Theopillus J. H. Wellem Tirsa Ninia Lina Triloka Mahesti Triloka Mahesti Untung Rahardja Untung Rahardja Valentino Kevin Sitanayah Que Vinsensius Aprila Kore Dima Wahani, Puteri Justia Kardia Momuat Wasis Pancoro Wicaksono, Muhammad Ryqo Jallu Winarko, Edi Wiwin Sulistyo Yansen Bagas Christianto Yerik Afrianto Singgalen Yesi Arumsari Yohanes Aji Priambodo Yuliawan, Kristia