Article Per Year (5 Year)
p-Index From 2019 - 2024
3.701
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol JMECS (Journal of Measurements, Electronics, Communications, and Systems) eProceedings of Engineering Jurnal INFOTEL
Nor Kumalasari Caecar Pratiwi
Universitas Telkom
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search
Journal : eProceedings of Engineering

 1 
Identifikasi Wajah Berdasarkan Gender Dan Kelompok Usia Dengan Metode Viola Jones Dan Metode Jaringan Syaraf Tiruan Sayidina Ariq Farhan; Jangkung Raharjo; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Wajah merupakan peran yang penting dari bagian tubuh manusia. Wajah juga bisa menjadi sebuah sistem identifikasi pribadi. Pengenalan wajah ini salah satu ilmu biometrik, yaitu ilmu yang menggunakan karakteristik fisik seseorang untuk menentukan identitasnya. Beberapa informasi bisa kita dapatkan melalui citra wajah seseorang, misalnya mengetahui gender dan kelompok usia. Dalam tugas akhir ini, proses pengenalan wajah ini bertujuan untuk memberikan keluaran yaitu kelompok usia dan gender. Pada penelitian ini, pembagian kelompok usia dan gender dibedakan menjadi empat kelas yaitu pria dewasa, pria remaja, wanita dewasa dan wanita remaja. Dalam penelitian ini digunakan Face Database Chicago. Proses yang dilakukan melalui beberapa tahap, pada tahap preprocessing dilakukan konversi citra RGB menjadi citra grayscale, kemudian untuk tahap mendeteksi wajah digunakan metode Viola-Jones, untuk ekstraksi ciri menggunakan Gray Level Cooccurrence Matrix (GLCM) dan klasifikasi dengan Jaringan Syaraf Tiruan (JST). Sistem ini menghasilkan akurasi sebesar 100% untuk kelas pria dewasa dan wanita dewasa dengan jumlah data latih sebanyak 37 dan data uji sebanyak 19 dan waktu komputasi 12.12 detik. Kata kunci : viola-jones, jaringan syaraf tiruan, backpropagation, pengenalan wajah, biometric, GLCM Abstract The face is an important role in the human body part. The face can also be a personal approval system. Face recognition is one of the biometric sciences, namely the science that uses a person's physical characteristics to determine his identity. Some information can be obtained through a person's face image, for example knowing gender and age groups. In this final assignment, this face recognition process supports conveying about age groups and gender. In this study, the distribution of age and gender groups was divided into four classes, namely adult men, male adolescents, adult women, and adolescent women. In this study, Chicago Face Database was used The process is carried out through several processes, preprocessing process RGB conversion is made into grayscale images, then for the face detection in the process using the Viola-Jones method, for feature extraction using the Gray Level Counseling Matrix (GLCM) and connections with Artificial Neural Networks (ANN). This system produces an accuracy of 100% for adult male and female classes with 37 training data and 19 test data and 12.12 seconds of computing time. Keywords: viola-jones, artificial neural networks, backpropagation, face recognition, biometrics, GLCM
Deteksi Dehidrasi Pada Tubuh Manusia Berdasarkan Citra Urine Menggunakan Metode Content Based Image Retrieval Dengan Klasifikasi Fadlil Azimi Syafli; Jangkung Raharjo; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Salah satu penyakit atau gangguan yang disebabkan oleh tubuh kekurangan air serta rendahnya kualitas air yang dikonsumsi manusia dapat menyebabkan dehidrasi. Pada dasarnya masih banyak orang yang tidak menyadari bahwa tubuhnya telah terkena dehidrasi. Oleh karena itu, dibutuhkan suatu sistem yang secara otomatis dapat mendeteksi dehidrasi serta mencegah terjadinya dehidrasi lebih dini. Pada penelitian ini telah dirancang suatu program atau sistem yang dapat mendeteksi dehidrasi secara otomatis. Dehidrasi pada tubuh manusia dapat dideteksi menggunakan citra urine yang diproses dengan beberapa tahap mulai dari akuisisi citra hingga klasifikasi. Metode Content Based Image Retrieval (CBIR) digunakan untuk mencari kemiripan dari beberapa jenis urine dengan karakteristik yang sama. Untuk mengklasifikasikan hasil pengolahan sistem dan menganalisis keputusan, digunakan klasifikasi Decision Tree dimana sampel diuji hanya yang sesuai dengan kriteria atau kelas tertentu. Pada penelitian ini jumlah data diambil dari 45 jenis sampel urine. Sistem yang telah dirancang mampu mendeteksi dehidrasi pada tubuh manusia berdasarkan citra urine dengan hasil akurasi tertinggi sebesar 86,6% dan waktu komputasi 1,610 detik. Hasil pengujian menunjukkan bahwa metode Content Based Image Retrieval (CBIR) dan klasifikasi Decision Tree bekerja dengan baik. Kata kunci : Dehidrasi, Citra Urine, Content Based Image Retrieval, Decision Tree Abstract One of the disease or disorder that occurred because the body lack of water and the quality of the water that consumed by human is too bad might caused dehydration. Basically, there is a lot of people who do not realize that their body have been dehydrated. Therefore, we need a system that could detecting dehydration automatically and preventing dehydration earlier. In this research has been design a program or system that could detect dehydration automatically. Dehydration on human body can be detect using urine image that processed with some step that begin with image acquisition up to classification. Content Based Image Retrieval (CBIR) method is used for looking the similarities from a few type of urine with same characteristic. To classify the result of system processing dan decision analyzing, we can use Decision Tree clasification which is the sample is tested only with same criteria or certain classes. In this research the data was taken from 45 kind of urine sample. The system that has been design is able to detect dehydration on human body through urine image with highest accuration as big as 86,6% and computation time for 1,610 second. The results showing that Content Based Image Retrieval (CBIR) method and Decision Tree Classification has worked very well. Keywords: Dehydration, Urine Image, Content Based Image Retrieval, Decision Tree
Deteksi Derajat Kebengkokan Tulang Belakang Berdasarkan Citra Medis Digital Menggunakan Metode Glcm Dan Lvq Fitya Nur Fadhilah; Rita Magdalena; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kelainan tulang skoliosis merupakan kelainan tulang yang sering dianggap remeh, karena untuk mengetahui kelainan tulang tersebut pasien/penderita harus melakukan pemeriksaan dengan Rontgen. Skoliosis merupakan kelainan pada tulang belakang yang menyebabkan tulang belakang mengalami kelengkungan sehingga posisi tulang belakang tidak pada bentuk normalnya. Pada penelitian ini, akan membangun sistem yang dapat mendeteksi derajat kebengkokan dan kemiringan pada kelainan tulang belakang manusia dengan hasil Rontgen yaitu dengan format *jpg. Pada Tugas Akhir ini digunakan metode Gray Level Coocurent Matrix (GLCM) dan Learning Vector Quantization (LVQ). Gray Level Coocurent Matrix yang merupakan metode analisis pengambilan ciri berdasarkan tingkat keabuan yang berbasis statistical. Proses klasifikasi menggunakan metode Learning Vector Quantization dengan tujuan untuk mengklasifikasikan citra berdasarkan sudut derajatnya. Dengan pemilihan metode dan analisis performasi dalam penelitian ini, sistem mampu dalam mengklasifikasikan keluaran yaitu tulang punggung normal, kelainan dekstoskoliosis, kelainan levoskoliosis dan mengetahui derajat kebengkokannya. Dengan citra masukkan sebanyak 121 dengan komposisi pembagian pada kelas yaitu 31 citra tulang dektroskoliosis, 38 citra tulang levoskoliosis, 52 citra tulang normal. Hasil penelitian yang diperoleh dari serangkaian pembuatan sistem tersebut dapat menganalisis performansi dari suatu sistem dan akurasi terbaik yang didapatkan sebesar 100% dengan menggunakan parameter Gray Level Coocurent Matrix (GLCM) orde dua dikeempat parameter, level kuantisasi8,denganjarak1piksel padaarah135° denganprosesklasifikasimenggunakanLearningVector Quantization (LVQ) saat nilai hidden layer 10 dan epoch sebesar 300. Kata Kunci : Tulang Punggung, Gray Level Coocurent Matrix, Learning Vector Quantization. Abstract Scoliosis bone is a bone abnormality that is often underestimated, because to find out the bone abnormalities the patient must do a roentgen examination. Scoliosis is a spine disorder that causes the spine to experience curvature so that the position of the spine is not in it’s normal shape. In this research, researcher will build a system that can detect exact degree of bone bending in human spinal abnormalities with roentgen results in *jpg format. In this Final Project the Gray Level Coocurent Matrix (GLCM) and Learning Vector Quantization (LVQ) methods are used. Gray Level Coocurent Matrix which is a method of analyzing character traits based on gray level on statistics. The classification process uses the Learning Vector Quantization (LVQ) method with purpose to classify the image based on its angle. With the selection of methods and performance analysis in this study, the system is able to classify outputs such as normal backbone, dextoscoliosis abnormalities, levoscoliosis abnormalities and also know the degree of bending. Using 121 input images with the composition of division in the class, namely 31 images of dictroscoliosis bone, 38 images of levoscoliosis bone, 52 images of normal bone Keywords : Spine, Grey Level Coocurent Matrix, Learning Vector Quantization.
Konversi Sinyal Suara Ke Video Untuk Tunarungu Menggunakan Metode Mel-frequency Cepstral Coefficients Dan K-nearest Neighbors Hanif Chandra Mulya; Iwan Iwut Tritoasmoro; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Komunukasi merupakan salah satu cara untuk berinteraksi dengan sesama manusia. Namun berbeda untuk orang tunarungu dalam berinterkasi dan berkomunikasi dengan sesama maupun dengan orang awam menggunakan Sistem Isyarat Bahasa Indonesia (SIBI) ataupun Bisindo yang merupakan bahasa dari ibu. Penelitian ini mengusulkan sebuah sistem konversi sinyal suara ke video gerakan bahasa isyarat untuk tunarungu dengan input sinyal ucapan yang selanjutnya tahapan preprocessing, kemudian melakukan proses ektraksi ciri menggunakan metode Mel-frequency Cepstral Coefficients. Hasil ekstraksi ciri diklasifikasi menggunakan metode K-Nearest Neighbors untuk mencari kemiripan terdekatnya dengan data yang ada pada database. Jika hasil klasifikasi sama dengan database, maka akan menghasilkan keluaran berupa teks, kemudian teks tersebut menjadi input untuk memanggil video gerakan bahasa isyarat yang ada pada database. Hasil dari penelitian, sistem mampu mengonversi sinyal suara ke video bahasa isyarat untuk tunarungu dengan akurasi terbaik sebesar 95.417%. Kata kunci : Tunarungu, Mel-frequency Cepstral Coefficients, K-Nearest Neighbors. Abstract Communication is one of the way to interact between humans. But it’s different for deaf people to interact and communicate with each of them or people in general using Indonesian Sign Language System (SIBI) or Bisindo which is mother language. This research proposes a system to convert the speech signal to sign language motion video for deaf people which the first stage is begin from inputting the signal word then continued to preprocessing stage, and then feature extraction process using Mel-frequency Cepstral Coefficients method. The result of the feature extraction is classified using K-Nearest Neighbors method to looking for the closest similarities between the data with the database. If the result of the classification same as the database, then the output of the system will be a text. The text is become the input to summon the sign language motion video on the database. The result of research, the system capable to convert the speech signal to sign language motion video for deaf people with the highest accuration as big as 95.417% Keywords: Deaf, Mel-frequency Cepstral Coefficients, K-Nearest Neighbors.
Deteksi Derajat Kebengkokan Tulang Belakang Berdasarkan Citra Medis Digital Menggunakan Metode Local Binnary Pattern Dan K-nearestneighbor Michael Binson Situmeang; Efri Suhartono; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Salah satu kelainan pada tulang punggung yang terjadi diakibatkan karena adanya kemiringan pada tulang belakang sehingga tulang tidak pada bentuk normalnya atau biasa disebut skoliosis. Skoliosis adalah melengkungnya tulang kearah samping sehingga tulang belakang seolah-olah membentuk huruf “S” atau “C” . Pada penelitian ini, akan dibuat sistem yang dapat mengklasifikasikan kondisi tulang belakang berdasarkan citra pengolahan tulang belakang menjadi tiga jenis yaitu tulang belakang dengan kondisi normal, tulang belakang dengan kelainan dekstrokoliosis atau tulang belakang dengan kelainan levoskoliosis. Pada Tugas Akhir ini akan menggunakan metode Local Binnary Patterns (LBP) dan Algoritma KNearest Neighbor (KNN) sebagai klasifikasinya. Dari hasil pengujian diperoleh akurasi identifikasi terbaik sebesar 65% . Akurasi tersebut diperoleh dari pengujian menggunakan parameter level radius dengan nilai 2, ciri orde satu yang digunakan adalah ciri var,std, dan mean pada metode ekstraksi ciri serta nilai K=1 dan skema jarak euclidean. Kata kunci : Tulang Belakang, Local Binnary Patterns (LBP), K-Nearest Neighbor (K-NN). Abstract One abnormality in the spine that occurs is caused by the slope in the spine so that the bone is not in its normal form or commonly called scoliosis. Scoliosis is the curvature of the bone towards the side so that the spine seems to form the letter "S" or "C". In this study, a system will be made that can classify the condition of the spine based on the processing of the spine image into three types, namely the spine with normal conditions, the spine with dextrocoliosis or spinal abnormalities with levoskoliosis abnormalities. In this Final Project will use the method of Local Binnary Patterns (LBP) and K-Nearest Neighbor (KNN) Algorithm as the classification. From the test results obtained the best identification accuracy of 65%. Accuracy was obtained from testing using radius level parameters with a value of 2, the first-order characteristics used were the characteristics of var, std, and the mean in the feature extraction method and the K = 1 value and the euclidean distance scheme. Keywords : Spine, Local Binnary Patterns (LBP), K-Nearest Neighbor (K-NN).
DETEKSI GANGGUAN PARU-PARU BERBASIS CITRA X-RAY MENGGUNAKAN DEEP LEARNING Olyvia Fernanda Soedradjat; Rita Magdalena; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Severe Acute Respiratory Syndrome Coronavirus 2 (COVID-19) adalah virus yang menyerang sistem pernapasan. World Health Organization (WHO) menyatakannya sebagai penyakit pandemi pada 11 Maret 2020. Virus corona menunjukkan kemiripan gejala dengan Pneumonia dan Tuberkulosis. Adapun gejala yang muncul yaitu sakit tenggorokan, batuk, demam, dan kesulitan dalam bernapas. Metode citra x-ray dada digunakan dalam membantu identifikasi penyakitseperti diagnosis, perawatan, dan pemeriksaan ulang. Berdasarkankan latar belakang tersebut, penulis membuat model sistem deep learning dengan metode Convolutional Neural Network dengan arsitektur Residual Network-34 untuk mengklasifikasikan empat jenis kelas penyakit paru-paru yaitu kelas COVID-19, Normal, Pneumonia, dan Tuberculosis. Masukan sistem berupa citra xray yang terdiri dari 576 citra di setiap kelas. Analisa sistem dilakukan dengan membandingkan pengaruh dari jumlah data latih dengan jumlah data uji, pengujian pre-pocessing, pengujian size input, pengujian menggunakan optimizer yang berbeda yaitu Adam, RMSprop, dan SGD, pengujian jumlah epoch, pengujian learning rate, dan pengujian batch size. Berdasarkan dari penelitian yang telah dilakukan, sistem mampu melakukan klasifikasi penyakit paru-paru menggunakan data hasil pre-processing, dengan size input 50x50, menggunakan perbandingan data latih 80% dan data uji 20%, 100% untuk akurasi pelatihan dan akurasi 95% untuk akurasi pengujian, dengan menggunakan optimizer SGD, learning rate 0.01, epoch 50 dan batch size 16. Kata kunci—Deep Learning, Convolutional Neural Network, Python, Chest X-Ray, dan ResNet-34
Klasifikasi Jenis Kulit Wajah Menggunakan Modifikasi Convolutional Neural Network (CNN) Dwi Hardina Aprilia Sari; Sofia Sa'idah; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Kulit adalah bagian terluar dari tubuh manusia yang memiliki fungsi penting. Selain berfungsi untuk melindungi organ di dalamnya dan menjaga kesehatan tubuh, kulit wajah utamanya memiliki nilai estetika yang memerlukan perawatan khusus. Untuk itu sebagai langkah untuk merawat kulit wajah, dibutuhkan pengetahuan tentang jenis kulit wajah. Pada penelitian ini dibangun sebuah sistem untuk mengklasifikasikan empat jenis kulit wajah manusia yaitu kulit normal, kulit kering, kulit kombinasi dan kulit berminyak menggunakan Convolutional Neural Network (CNN) dengan arsitektur sederhana yang dimodifikasi untuk mendapatkan ekstraksi ciri yang maksimal. Sejumlah 1560 dataset citra mikroskopis dibagi menjadi 80% data latih dan 20% data validasi. Sistem dirancang dengan menambah layer konvolusi, RelU dan pooling dari arsitektur dasar CNN yang sebelumnya 3 layer, pada penelitian ini dibuat menjadi 5 layer. Sistem yang dirancang ini diuji dalam 5 skenario, untuk mendapatkan nilai parameter yang optimal. Hasilnya sistem pengklasifikasian jenis kulit wajah menggunakan modifikasi CNN ini optimal dengan nilai parameternya sebagai berikut, ukuran resize citra 64×64, optimizer Adam, learning rate 0,0001; epoch 200 dan batch size 64. Dengan mendapatkan akurasi sebesar 99,51% dan loss 0,0048, penelitian ini dapat dikatakan berhasil dengan baik. Kata kunci — convolutional neural network, CNN, jenis kulit wajah, klasifikasi jenis kulit wajah
Klasifikasi Jenis Beras Berbasis Citra Dengan Menggunakan Deep Learning Chelsya Dwi Marnelius; Koredianto Usman; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 10, No 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Beras merupakan salah satu bahan pangan serealiayang paling banyak dikonsumsi oleh masyarakat Asia,termasuk di Indonesia. Setiap beras memiliki kemiripanbentuk bulir dan warna yang relatif hampir sama, sehinggaproses mengidentifikasi jenis beras secara visual dinilai masihcukup sulit, dan untuk mengurangi kemungkinan terjadinyahuman error. Oleh karena itu, pengolahan citra digital dapatdigunakan dalam melakukan klasifikasi jenis berasmenggunakan metode Convolutional Neural Network (CNN)dengan arsitektur Residual Network (ResNet-50).Dataset yang digunakan dalam penelitian ini berjumlah 2500citra yang diperoleh dari website Kaggle, berupa citra bulirberas putih yang terdiri dari 5 kelas yaitu Arborio, Basmati,Ipsala, Jasmine, dan Karacadag. Tahapan diawali denganmelakukan preprocessing yaitu resize ukuran citra dannormalisasi citra, lalu dilakukan pembagian dataset sebagaidata latih dan data uji. kemudian selanjutnya dilakukanekstraksi ciri dan klasifikasi menggunakan kombinasihyperparameter input size, optimizer, learning rate, danbatch size untuk mendapatkan hasil model terbaik.Kemudian di tahap akhir hasil akan dianalisis denganparameter akurasi dan loss.Melalui penelitian ini diperoleh hasil akhir pengujian terbaikpada penggunaan parameter input size 64×64 piksel,optimizer Adam, learning rate 0,001, dan batch size 64,dengan hasil validation accuracy sebesar 98,20% dan loss0,1109.Kata Kunci: jenis beras, CNN, ResNet-50.
Pemanfaatan Convolutional Neural Network (Cnn) Untuk Klasifikasi Jenis Beras Berbasis Citra Victor Aji Admaja Pellokila; Koredianto Usman; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 10, No 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Beras merupakan makanan pokok untuk orangAsia, terutama di Indonesia. Untuk melakukan pengolahan padimenjadi beras, ada dua hal yang harus dilakukan yaitu dengancara tradisional seperti ditumbuk dan ada juga seperti caramodern seperti penggilingan menggunakan mesin. Seperti yangdiketahui, banyak jenis beras yang telah beredar di pasaran.Dengan adanya beragam jenis beras yang beredar, tentu jugaada hal yang tidak bisa dilakukan oleh manusia dalammengklasifikasi jenis beras dengan mengandalkan inderapenghilatan saja. Maka dari itu, pengolahan citra digital dapatberperan penting agar dapat memudahkan manusia untukmengklasifikasi jenis beras. Tujuan penelitian ini, untukmengklasifikasikan jenis beras dengan menggunakan metodeConvolutional Neural Network (CNN) arsitektur AlexNetberbasis pengolahan citra. Adapun dataset yang digunakanpada penelitian berjumlah 2500 citra yang bersumber dariKaggle, dimana ada lima jenis beras yang akan diklasifikasikanyaitu beras arborio, beras basmati, beras ipsala, beras jasminedan beras karacadag. Pada penelitian ini parameter yang akandianalisis adalah akurasi, loss, presisi, recall, dan F1-Score. Ditiap pengujian, akan dilakukan empat skenario pengujianterhadap hyperparameter berupa input size, optimizer,learning rate, batch size. Dari pengujian yang telah dilakukandidapatkan hasil terbaik dengan citra asli menggunakan inputsize 128×128, optimizer SGD, learning rate 0.0001, dan batchsize 32. Berdasarkan dari hasil pengujian tersebut, test accuracyyang didapatkan sebesar 98.40% dengan testing loss 0.0659Kata kunci— Jenis Beras, CNN, Deep Learning, AlexNet.
Co-Authors ADHI IRIANTO MASTUR Chelsya Dwi Marnelius Dwi Hardina Aprilia Sari Edwar Efri Suhartono Fadlil Azimi Syafli FANIESA SAUFANA HANAFI Febriani Ruming Sari Fitya Nur Fadhilah GITA AYU LESTARY Hanif Chandra Mulya HERI SYAHRIAN Hurianti Vidya Iwan Iwut Tritoasmoro JANGKUNG RAHARJO KHAERUDIN SALEH Koredianto Usman Michael Binson Situmeang Muhamad Rokhmat Isnaini MUTHIA SYAFIKA HAQ Nur Alyyu Nur Ibrahim Olyvia Fernanda Soedradjat Putra, Akbar Trisnamulya R. Yunendah Nur Fu’adah Ratna Sari REGITA AGUSTINA Rita Magdalena Sari, Febriani Ruming Sayidina Ariq Farhan Sofia Sa'idah SOFIA SAIDAH Syamsul Rizal Syamsul Rizal Victor Aji Admaja Pellokila Vidya, Hurianti VITRIA PUSPITASARI RAHADI WAHYUNI RIZKY PERDANI