Claim Missing Document
Check
Articles

PELATIHAN LITERASI DIGITAL PADA PEREMPUAN KELOMPOK BINAAN SEKOLAH IBU ARJOSARI MALANG Sulistyowati, Tutik; Hayatin, Nur; Marthasari, Gita Indah
Jurnal Dedikasi Vol 16 (2019): Mei
Publisher : Direktorat Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (287.524 KB) | DOI: 10.22219/dedikasi.v16i1.10735

Abstract

Kurangnya partisipasi dan ketertarikan perempuan terhadap teknologi adalah masalah yang butuh diselesaikan. Hal ini dikarenakan tuntutan era millennial dimana sebagian besar aktifitas manusia dilakukan dengan menggunakan teknologi. Dari latar belakang itulah, maka usulan program pengabdian ini bertujuan untuk memberikan pelatihan literasi digital dalam upaya meningkatkan pemahaman TIK bagi perempuan khususnya ibu rumah tangga agar terampil dan bijak dalam menggunakan teknologi. Adapun mitra yang digandeng adalah ibu-ibu kelompok binaan dari sekolah ibu arjosari. Program ini memberikan pelatihan sekaligus pendampingan terkait dengan literasi digital untuk ibu rumah tangga, meliputi: internet sehat, pengelompokkan batas usia anak dalam menggunakan dan mengakses aplikasi internet, serta filtering berita hoax untuk ibu rumah tangga. Hasil dari evaluasi kegiatan menggunakan kuesionar dapat disimpulkan bahwa semua peserta sepakat kegiatan ini memberi manfaat untuk mendukung kegiatan mereka khususnya meningkatkan pemahaman terkait dengan literasi digital dan ketrampilan untuk memberi keamanan penggunaan ponsel bagi anak-anak.
Metode Cluster Importance Untuk Peringkasan Dokumen Pada Data Tweet Berbahasa Indonesia (Study Kasus Pilkada Dki Jakarta) Dyah Hestiningtyas; Nur Hayatin; Yuda Munarko
Jurnal Repositor Vol 2 No 6 (2020): Juni 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i6.665

Abstract

Pemanfaatan media elektronik sebagai media informasi berkembang sangat pesat di era sekarang. Terbukti meningkatnya jumlah informasi dan data. Banyaknya data yang ada diharapkan dapat memberikan manfaat yang banyak pula. Automatic Text Summarization merupakan salah satu proses peringkasan teks dokumen yang dilakukan secara otomatis melalui mesin komputer. Pada penelitian ini penulis membahas tentang peringkasan dokumen pada tweet, dimana data yang digunakan dengam mengumpulkan tweet melalui web crawler dengan memanfaatkan API Twitter. Pada paper ini diajukan sebuah metode Cluster Importance dan melakukan pemilihan tweet representatif pada setiap cluster berdasarkan bobot tweet terpenting pada suatu cluster. Yang nantinya bobot tweet tertinggi dipilih sebagai tweet penyusun ringkasan. Penelitian ini menggunakan 25 topik. hasil dari perhitungan Rouge-N yaitu: Dari 25 topik data uji ada 3topik yang mempunyai Iterasi 1 yaitu topik HUT DKI, Kinerja Djarot, dan Pemimpin dikarenakan jumlah tweet pada topik tersebut sama - sama memiliki 2 tweet. Pengujian perbandingan antara hasil manual dan hasil sistem menunjukan hasil 100% pada topik Dukungan. Perhitungan Rouge-N menyimpulkan bahwa sistem dapat merangkum tweet minimal 3 tweet, dari perbandingan hasil sistem dan manual di dapatkan tweet minimal mempunyai nilai 96% yang di mana sistem bekerja dengan baik, serta pada topik yang memiliki 18 tweet menunjukan hasil 89%.
Summarization of COVID-19 news documents deep learning-based using transformer architecture Nur Hayatin; Kharisma Muzaki Ghufron; Galih Wasis Wicaksono
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 19, No 3: June 2021
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v19i3.18356

Abstract

Facing the news on the internet about the spreading of Corona virus disease 2019 (COVID-19) is challenging because it is required a long time to get valuable information from the news. Deep learning has a significant impact on NLP research. However, the deep learning models used in several studies, especially in document summary, still have a deficiency. For example, the maximum output of long text provides incorrectly. The other results are redundant, or the characters repeatedly appeared so that the resulting sentences were less organized, and the recall value obtained was low. This study aims to summarize using a deep learning model implemented to COVID-19 news documents. We proposed transformer as base language models with architectural modification as the basis for designing the model to improve results significantly in document summarization. We make a transformer-based architecture model with encoder and decoder that can be done several times repeatedly and make a comparison of layer modifications based on scoring. From the resulting experiment used, ROUGE-1 and ROUGE-2 show the good performance for the proposed model with scores 0.58 and 0.42, respectively, with a training time of 11438 seconds. The model proposed was evidently effective in improving result performance in abstractive document summarization.
Abusive comment identification on Indonesian social media data using hybrid deep learning Tiara Intana Sari; Zalfa Natania Ardilla; Nur Hayatin; Ruhaila Maskat
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 11, No 3: September 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v11.i3.pp895-904

Abstract

Half of the entire social media users in Indonesia has experienced cyberbullying. Cyberbullying is one of the treatments received as an attack with abusive words. An abusive word is a word or phrase that contained harassment and is expressed be it spoken or in the form of text. This is a serious problem that must be controlled because the act has an impact on the victim's psychology and causes trauma resulting in depression. This study proposed to identify abusive comments from social media in Indonesian language using a deep learning approach. The architecture used is a hybrid model, a combination between recurrent neural network (RNN) and long short-term memory (LSTM). RNN can map the input sequences to fixed-size vectors on hidden vector components and LSTM implemented to overcome gradient vector growth components that have the potential to exist in RNN. The steps carried out include preprocessing, modelling, implementation, and evaluation. The dataset used is indonesian abusive and hate speech from Twitter data. The evaluation result showed that the model proposed produced an f-measure value of 94% with an increase in accuracy of 23%.
Pengelompokan usia berdasarkan citra wajah menggunakan algoritma neural network dengan fitur face anthropometry dan kedalam kerutan Hayatin, Nur
Teknologi: Jurnal Ilmiah Sistem Informasi Vol 6, No 2 (2016): July
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (625.182 KB) | DOI: 10.26594/teknologi.v6i2.577

Abstract

ABSTRAKPengelompokan usia (age prediction) merupakan salah satu topik penelitian yang terkait dengan prediksi usia berdasarkan citra wajah. Permasalahan terkait dengan pengelompokan usia berdasarkan citra wajah adalah bagaimana memilih fitur wajah yang tepat, sehingga dapat mempengaruhi hasil akhir pengelompokan. Penelitian ini bertujuan untuk mengelompokan usia berdasarkan citra wajah dengan menggunakan fitur penting yaitu face anthropometry dan kerutan (wrinkle). Di mana fitur kerutan yang digunakan selain memperhitungkan lebar kerutan (wrinkle density) juga digunakan fitur kedalaman kerutan (the dept of wrinkle). Metode penelitian ini terdiri dari 4 tahapan yaitu: Praproses, identifikasi lokasi titik wajah, ekstraksi fitur dan klasifikasi. Lokasi titik wajah diidentifikasi berdasarkan bentuk simetri wajah dan perbedaan nilai intensitas piksel. Sedangkan kerutan didapatkan dari gabungan metode deteksi tepi menggunakan operator Sobel dan histogram equalization. Algoritma yang digunakan untuk proses klasifikasi adalah algoritma Neural Network (NN) yang akan mengelompokan data citra input menjadi 3 kelas yaitu anak, remaja dan tua. Hasil akhir pengujian menunjukkan bahwa metode yang diusulkan telah mampu mengelompokan usia berdasarkan citra wajah dengan cukup baik dengan hasil akurasi pengujian sebesar 65 % dengan epochs = 1000, dan error rate = 0.0095, sebanyak 100 kali iterasi.Kata kunci: Age prediction, face ratio, Neural Network, wrinkle. ABSTRACT   Age prediction  is one of the  research topics related to the prediction of age based on facial image. The problems associated with age groupings based on the image of the face is how to choose the right facial features, that will affect the final result grouping.  This study aims to categorize age based on facial image by using the important features, that is face anthropometry and wrinkles. Wherein the wrinkles features that used are wrinkles density and the depth of wrinkles. The research methodology consists of four stages: preprocessing, identification of the face point location , feature extraction and classification. The face point is identified based on facial symmetry and the difference of pixel intensities. While wrinkles was obtained from the combined edge detection method using Sobel operator and histogram equalization. The algorithm used for the classification process is a Neural Network (NN) algorithm that would classify the input image data into three classes, there are children, young and old. The final results of test-ing show that the proposed method was able to categorize age based on facial image fairly well with the results of the test accuracy of 65% with epochs = 1000, and the error rate = 0.0095, 100 iterations.Keywords: Age prediction, face ratio, Neural Network, wrinkle.
PEMBOBOTAN KALIMAT BERDASARKAN FITUR BERITA DAN TRENDING ISSUE UNTUK PERINGKASAN MULTI DOKUMEN BERITA Hayatin, Nur; Fatichah, Chastine; Purwitasari, Diana
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v13i1.a386

Abstract

Ringkasan berita diartikan sebagai teks yang dihasilkan dari satu atau lebih kalimat yang menyampaikan informasi penting dari berita. Salah satu fase penting dalam peringkasan adalah pembobotan kalimat (sentence scoring). Dimana pada peringkasan berita, metode pembobotannya sebagian besar menggunakan fitur dari berita sendiri. Padahal dalam satu topik berita dimungkinkan adanya multiple issue. Dari multiple issue biasanya hanya ada satu isu yang menjadi pokok pembicaraan yang disebut dengan Trending Issue. Trending Issue inilah yang harusnya dipertimbangkan pada proses peringkasan berita sehingga ringkasan yang dihasilkan lebih koheren. Penelitian ini bertujuan untuk meringkas multi berita menggunakan metode pembobotan berdasarkan Trending Issue dengan tetap mempertimbangkan fitur penting berita, yaitu word frequency, TF-IDF, posisi kalimat, dan kemiripan kalimat terhadap judul (NeFTIS). Dimana Trending Issue didapatkan dari data Twitter dengan cara mengelompokkan tweets kemudian melakukan ekstraksi isu pada tiap kelompok yang terbentuk. Selanjutnya tiap isu diberikan bobot menggunakan konsep Cluster Importance (CI). Isu dengan bobot terbesar yang akan dipilih sebagai Trending Issue. Ada 5 tahap yang dilakukan untuk menghasilkan ringkasan multi berita dengan menggunakan NeFTIS, yaitu ekstraksi Trending Issue, seleksi berita, ekstraksi fitur berita, penghitungan total bobot kalimat, dan penyusunan ringkasan. Untuk mengukur kualitas sistem digunakan metode evaluasi ROUGE-1 dengan menganalisa performa dari hasil ringkasan dengan menggunakan metode pembobotan NeFTIS dibandingkan dengan hasil ringkasan dengan hanya menggunakan fitur berita (NeFS). Hasil rata-rata max-ROUGE-1 untuk seluruh variasi jumlah kalimat yang menyusun ringkasan (n) menunjukan bahwa metode pembobotan NeFTIS lebih akurat dibanding dengan metode pembobotan NeFS dengan nilai rata-rata max-ROUGE-1 terbesar 0.8201 untuk n=30.
Adaptif Range-Constrained Otsu Untuk Pemilihan Threshold Secara Otomatis Pada Histogram Citra Dengan Variansi Kelas Yang Tidak Seimbang Hayatin, Nur; Fajarianto, Gama Wisnu; Abror, Ahmad Hifdhul
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 2, No 1 (2016): Januari-Juni
Publisher : Prodi Sistem Informasi - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (575.116 KB) | DOI: 10.26594/register.v2i1.439

Abstract

Abstrak Image Thresholding merupakan proses segmentasi untuk pemisahkan foreground dan background pada citra dengan cara membagi histogram citra menjadi dua kelas. Beberapa metode thresholding seperti Otsu dan Range-constrained Otsu menggunakan nilai variansi dari histogram untuk mendapatkan titik threshold, namun ketika menangani citra yang memiliki nilai variansi kelas foreground dan background tidak seimbang titik threshold yang dihasilkan kurang tepat. Paper ini mengusulkan metode Adaptif Range-constrained Otsu untuk mengatasi permasalahan variansi kelas yang tidak seimbang dengan cara mencari kelas yang memiliki nilai variansi lebih besar, untuk mendapatkan titik threshold yang lebih tepat. Pengujian menggunakan 22 NDT image dengan evaluasi misclassification error rate dan metode perankingan menunjukkan metode ini menghasilkan rerata ME 0.1153. Sedangkan Otsu sebesar 0.1746. Nilai rerata ranking 3.55, selisih 0.05 dibanding Kittler III. Hasil ini menunjukkan metode yang diusulkan kompetitif, terutama untuk segmentasi citra yang memiliki variansi kelas tidak sama. Kata kunci: segmentasi, thresholding, histogram, Otsu, Range-constrained. Abstract Image thresholding is segmentation process for separating foreground and background of an image by dividing image histogram into two classes. Several thresholding methods like Otsu and Rangeconstrained Otsu using the variance value of the histogram to get the threshold point, but when handling images that have unbalance class variance of the foreground and background produce less accurate threshold point. This paper proposes a method Adaptive Range-constrained Otsu to solve unbalance class variance problem by finding a class that has greater variance value to obtain more accurate threshold point. NDT testing using 22 images with misclassification error rate evaluation and ranking methods shows that this method results ME average of 0.1153, while Otsu method results 0.1746. The rankings mean value is 3.55, which has the difference of 0.05 when compared with Kittler III. These results show that the proposed method is competitive, especially for image segmentation with different class variance. Key word: segmentasi, thresholding, histogram, Otsu, Range-constrained.
Deteksi Kemiripan Dokumen Proposal dengan menggunakan Algoritma Biword Winnowing pada SIMPPM UMM Hayatin, Nur; Maskur, Maskur; Putra, Deny Qutara
Techno.Com Vol 17, No 3 (2018): Agustus 2018
Publisher : LPPM Universitas Dian Nuswantoro

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

Abstract

SIMPPM atau Sistem Informasi Manajemen Penelitian dan Pengabdian Kepada Masyarakat merupakan sistem yang dikembangkan oleh DPPM Universitas Muhammadiyah Malang. Sistem ini menampung proposal penelitian dan pengabdian dosen seluruh universitas muhammadiyah malang. Reviewer dalam menilai suatu proposal masih kesulitan untuk mengetahui apakah proposal yang diajukan itu sudah atau pernah diajukan, sehingga reviewer tidak tahu nilai originalitas dari proposal yang diajukan. Algoritma Biword Winnowing digunakan untuk mencari fingerprint dari dokumen proposal yang ada dalam sistem. Penelitian ini menggunakan algoritma tersebut untuk mencari nilai kemiripan proposal satu dengan lainnya, sehingga setting algoritma Biword Winnowing yang baik perlu untuk dicari guna untuk meningkatkan nilai akurasi. Hasil akurasi dengan algoritma ini dibandingkan dengan aplikasi Plagiarism Checker X sebagai ukuran akurasi dari Algoritma Biword Winnowing.Hasil pengujian menunjukkan bahwa nilai window dan basis sangat mempengaruhi hasil akhir similarity. SIMPPM atau Sistem Informasi Manajemen Penelitian dan Pengabdian Kepada Masyarakat merupakan sistem yang dikembangkan oleh DPPM Universitas Muhammadiyah Malang. Sistem ini menampung proposal penelitian dan pengabdian dosen seluruh universitas muhammadiyah malang. Reviewer dalam menilai suatu proposal masih kesulitan untuk mengetahui apakah proposal yang diajukan itu sudah atau pernah diajukan, sehingga reviewer tidak tahu nilai originalitas dari proposal yang diajukan. Algoritma Biword Winnowing digunakan untuk mencari fingerprint dari dokumen proposal yang ada dalam sistem. Penelitian ini menggunakan algoritma tersebut untuk mencari nilai kemiripan proposal satu dengan lainnya, sehingga setting algoritma Biword Winnowing yang baik perlu untuk dicari guna untuk meningkatkan nilai akurasi. Hasil akurasi dengan algoritma ini dibandingkan dengan aplikasi Plagiarism Checker X sebagai ukuran akurasi dari Algoritma Biword Winnowing.Hasil pengujian menunjukkan bahwa nilai window dan basis sangat mempengaruhi hasil akhir similarity.
Pengelompokan usia berdasarkan citra wajah menggunakan algoritma neural network dengan fitur face anthropometry dan kedalam kerutan Hayatin, Nur
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 6, No 2 (2016): July
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v6i2.577

Abstract

ABSTRAKPengelompokan usia (age prediction) merupakan salah satu topik penelitian yang terkait dengan prediksi usia berdasarkan citra wajah. Permasalahan terkait dengan pengelompokan usia berdasarkan citra wajah adalah bagaimana memilih fitur wajah yang tepat, sehingga dapat mempengaruhi hasil akhir pengelompokan. Penelitian ini bertujuan untuk mengelompokan usia berdasarkan citra wajah dengan menggunakan fitur penting yaitu face anthropometry dan kerutan (wrinkle). Di mana fitur kerutan yang digunakan selain memperhitungkan lebar kerutan (wrinkle density) juga digunakan fitur kedalaman kerutan (the dept of wrinkle). Metode penelitian ini terdiri dari 4 tahapan yaitu: Praproses, identifikasi lokasi titik wajah, ekstraksi fitur dan klasifikasi. Lokasi titik wajah diidentifikasi berdasarkan bentuk simetri wajah dan perbedaan nilai intensitas piksel. Sedangkan kerutan didapatkan dari gabungan metode deteksi tepi menggunakan operator Sobel dan histogram equalization. Algoritma yang digunakan untuk proses klasifikasi adalah algoritma Neural Network (NN) yang akan mengelompokan data citra input menjadi 3 kelas yaitu anak, remaja dan tua. Hasil akhir pengujian menunjukkan bahwa metode yang diusulkan telah mampu mengelompokan usia berdasarkan citra wajah dengan cukup baik dengan hasil akurasi pengujian sebesar 65 % dengan epochs = 1000, dan error rate = 0.0095, sebanyak 100 kali iterasi.Kata kunci: Age prediction, face ratio, Neural Network, wrinkle. ABSTRACT   Age prediction  is one of the  research topics related to the prediction of age based on facial image. The problems associated with age groupings based on the image of the face is how to choose the right facial features, that will affect the final result grouping.  This study aims to categorize age based on facial image by using the important features, that is face anthropometry and wrinkles. Wherein the wrinkles features that used are wrinkles density and the depth of wrinkles. The research methodology consists of four stages: preprocessing, identification of the face point location , feature extraction and classification. The face point is identified based on facial symmetry and the difference of pixel intensities. While wrinkles was obtained from the combined edge detection method using Sobel operator and histogram equalization. The algorithm used for the classification process is a Neural Network (NN) algorithm that would classify the input image data into three classes, there are children, young and old. The final results of test-ing show that the proposed method was able to categorize age based on facial image fairly well with the results of the test accuracy of 65% with epochs = 1000, and the error rate = 0.0095, 100 iterations.Keywords: Age prediction, face ratio, Neural Network, wrinkle.
The Development of Mobile Application Based Customer Service System in Bank Sampah Malang Cahyono, Eko Budi; Mavindo, Bayu; Hayatin, Nur
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol 2, No 4, November-2017
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (310.484 KB) | DOI: 10.22219/kinetik.v2i4.266

Abstract

Malang Waste Bank, or commonly called Bank Sampah Malang (BSM), is a legal entity of incorporated cooperatives built by the Malang municipal government serving as a container of waste management, especially dry waste. During this time, the customer service process conducted in BSM has been not optimal, especially its online service. Some services have been accessible online through website but the information is limited only to the list of prices and types of waste received by BSM. While other necessary information needed by the customers such as balance checking, garbage collection schedule checking, and information about the types of saving managed by BSM has not been covered by the existing online system yet. This research has built an online customer service system based on mobile applications and SMS gateways for BSM. The purpose of the system is to facilitate the customers of BSM to obtain information about the garbage bank, especially for customers having high mobility. Interviews and observation are used as the method of the analysis of the system requirements. Meanwhile, the applications such as MySQL database, Web service, PHP CodeIgniter, SMS Gateway and Android as a language programming are used to develop the system. This system integrates android applications with web based applications by using web service. This system is made so that customers get better service. Evaluation results show the system that has been built has been successfully tested.
Co-Authors Abdul Hadiy Dyo Fatra Abidatul Izzah Abidatul Izzah Izzah, Abidatul Izzah Adhi Bagus Setiawan Ahmad Al Ghivani Ahmad Dhana Renomi Ahmad Hifdhul Abror, Ahmad Hifdhul Aini Alifatin Amarul Akbar Andhini, Thathit Manon Anggraini, Syadza Anisatu Thoyyibah Audi Bayu Yuliawan Ayu Puji Lestari Bayu Mavindo Bayu Yuliawan, Audi Chastine Fatichah Chita Nauly Harahap Christian Sri Kusuma Aditya Christian Sri Kusuma Aditya Christian Sri Kusuma Aditya Dasa Ismaimuza Dede Nor Alfiansyah Deny Qutara Putra Diana Purwitasari Didih Rizki Chandranegara Dini Kurniawati Doni Yulianto Dwi A. P. Rahayu Dwi Arif Al-mubarok Dyah Hestiningtyas Dzur Rifqi Aziz Eko Budi Cahyono Elbert Setiadharma Evi D. Wahyuni Evi Dwi Wahyuni Fadil Ramadhan Farid Dadhee Fatahillah Arsyad Gama Wisnu Fajarianto, Gama Wisnu Giffari Zakawaly Gita Indah Marthasari Hasbi Atsqalani Ilyas Nuryasin Kharisma Muzaki Ghufron Kuntur, Soveatin M Syawaluddin Putra Jaya Maskur Maskur Maskur Maskur Maulidya Yuniarti Mavindo, Bayu Meilina Agustina Meilisa Musnaimah Mentari Mas'ama Safitri Muhammad Rojib Saiful Musnaimah, Meilisa MUSTAMIN IDRIS Mustika Mentari Nasution, Annio Indah Lestari Nirindra Primavera Dirga Nugraha Nuarini, Lia Prayogi R. Saputra Putra, Deny Qutara Rahayu, Dwi A. P. Rellanti Diana Kristy Rellanti Diana Kristy Retno Firdiyanti Rima Mediana Mashita Rizal Rakhman Mustafa Rizky Ade Mahendra Rizky Heriawan Prayogo Tanjung Ruhaila Maskat S, Vinna Rahmayanti Saiful Arif, Mukhammad Rojib Sandy Young Sari Wahyunita Setio Basuki Shofiyah Siska Kusuma Wardani Soveatin Kuntur Syadza Anggraini Syadza Anggraini Syukri Adisakti Dainamang Taufik Nurahman Thathit Manon Andini Tiara Intana Sari Tri Fidriyan Arya Tsabitah Ayu Rahmawati Tutik Sulistyowati Wahyuni, Evi D. Wicaksono, Galih Wasis Wildan Suharso Yogo Suwiknyo Yuda Munarko Yufis Azhar Zalfa Natania Ardilla