Article Per Year (5 Year)
p-Index From 2018 - 2023
8.986
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Techno.Com: Jurnal Teknologi Informasi Perfecting a Video Game with Game Metrics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOIV : International Journal on Informatics Visualization JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Ilmiah FIFO MIND (Multimedia Artificial Intelligent Networking Database) Journal TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika JMECS (Journal of Measurements, Electronics, Communications, and Systems) Aiti: Jurnal Teknologi Informasi Jurnal Teknik Informatika (JUTIF) Prosiding SNAST Jurnal Ilmu Komputer dan Informatika eProceedings of Engineering
Rita Magdalena
Universitas Telkom
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering

Published : 114 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 114 Documents
Search

 1   2   3   4   5 
DENOISING SINYAL ECG DENGAN METODE EMPIRICAL MODE DECOMPOSITION Pratiwi, Nor Kumalasari Caecar; Suhartono, Efri; Magdalena, Rita; Fu?adah, Yunendah Nur; Sari, Febriani Ruming
JESCE (JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING) Vol 3, No 2 (2020): Journal Of Electrical And System Control Engineering Februari
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (828.599 KB) | DOI: 10.31289/jesce.v3i2.3272

Abstract

Sinyal electrocardiogram (ECG) mengandung informasi yang menggambarkan kondisi kesehatan jantung. Irama jantung yang tidak teratur atau kerusakan pada otot jantung dapat berdampak pada aktivitas listrik jantung sehingga mengubah bentuk sinyal ECG. Pengukuran menggunakan ECG sering dipengaruhi oleh noise yang tidak diinginkan. Noise yang diperoleh saat pengukuran ini tidak dapat dihilangkan dengan metode filter yang sederhana. Penelitian ini akan mengetahui performansi metode Empirical Mode Decomposition (EMD) untuk denoising pada sinyal ECG. Dataset sinyal ECG dan beberapa noise diambil dari database MIT-BIH arrhythmia dengan variasi besar Signal to Noise Ratio (SNR) input sebesar 20 dB, 25 dB dan 30 dB. Noisy sinyal yang difilter menggunakan EMD didapatkan hasil terbaik pada iterasi ke-4, karena jika diteruskan ke-iterasi selanjutnya, output dari hasil denoised sinyal akan menjadi datar. Hasil pengujian diperoleh bahwa nilai Mean Square Error (MSE) 0.0035 dB dan SNR 25.12 dB pada noise input 20 dB, MSE 0.0016 dB dan SNR 26.44 dB pada noise input 25 dB, MSE 0.002 dB dan SNR 27.5 dB pada noise input sebesar 30 dB. Dengan demikian, dapat dikatakan bahwa sistem denoising sinyal ECG menggunakan empirical mode decomposition dapat bekerja secara efektif dan mampu menghilangkan noise.
DETEKSI AKOR DAN MELODI PADA FILE WAV GITAR FINGERSTYLE MENGGUNAKAN METODE DWPT & K-NN Hidayat, Bambang; Fauzi, Muhammad Ilham; Magdalena, Rita
JESCE (JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING) Vol 3, No 2 (2020): Journal Of Electrical And System Control Engineering Februari
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (823.993 KB) | DOI: 10.31289/jesce.v3i2.3324

Abstract

Saat ini teknik fingerstyle cukup populer di kalangan para pemain gitar akustik Indonesia. Hal tersebut dapat dibuktikan dengan terbentuknya komunitas Indonesian Fingerstyle Guitar Community (IFGC). Teknik fingerstyle mampu menghasilkan komposisi musik layaknya komposisi musik band, seperti akor, melodi, bass, maupun perkusi.  Keterbatasan kemampuan indera pendengaran yang berupa ketidakpekaan terhadap nada merupakan salah satu penyebab sulitnya pemain gitar dalam megulik komposisi akor dan melodi pada musik fingerstyle. Oleh karena itu, pada penelitian ini dibuat sistem yang mampu mendeteksi komposisi akor dan melodi pada musik fingerstyle menggunakan metode Onset Detection, Discrete Wavelet Packet Transform (DWPT), Welch?s Method, dan Pitch Class Profile (PCP). Metode K-Nearest Neighbor digunakan sebagai metode klasifikasi pada penelitian ini. Data yang digunakan sebagai data latih sebanyak 355 data rekaman akor dan 125 data rekaman nada tunggal. Data yang diujikan pada penelitian ini yaitu 195 data rekaman akor, 75 rekaman nada tunggal, dan 8 musik fingerstyle yang setiap musiknya direkam sebanyak 5 kali. Hasil terbaik yang diperoleh yaitu 99,07% pada pendeteksian akor tunggal, 100% pada pendeteksian nada tunggal, dan sebesar 83,11% akurasi rata-rata pada pendeteksian 40 musik fingerstyle.
Klasifikasi Glaukoma Menggunakan Artificial Neural Network Alva Rischa Qhisthana Pratika; Rita Magdalena; R Yunendah Nur Fuadah
Jurnal Ilmiah FIFO Vol 12, No 2 (2020)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2020.v12i2.007

Abstract

Abstract Glaucoma is an eye disease caused by increased eyeball pressure resulting in damage to the optic nerve and the second leading cause of blindness after cataracts. Nerve damage often occurs without symptoms so that an early examination can reduce the risk of glaucoma. Therefore, the authors designed a glaucoma detection system through eye fundal images that can facilitate the detection of glaucomaby extracting various features like Rim to Disc Ratio, Cup to Disc Ratio (CDR), Vertical Cup to Disc Ratio (VCDR), Horizontal Cup to Disc Ratio (HCDR), and Horizontal to Vertical CDR (H-V CDR) with Morphological Operations dan Thresholding for segmentation of Optic Disc (OD) and Optic Cup (OC). Artificial Neural Network (ANN) is used as a classifier of glaucoma. Through this method, the test data can be divided into two classifications namely normal eyes and glaucoma eyes. 62 pieces of data will be trained and 62 pieces of data will be tested. The results obtained aim to facilitate early detection of glaucoma eyes. Accuracy on training data reaches 100% and accuracy in this study is reached 93.5484%.Keyword: Glaucoma, Morphological Operation, Thresholding, Artificial Neural Network AbstrakGlaukoma adalah penyakit mata yang disebabkan oleh peningkatan tekanan bola mata sehingga terjadi kerusakan saraf optik dan dapat menyebabkan kebutaan nomor dua setelah katarak. Kerusakan saraf sering terjadi tanpa gejala sehingga pemeriksaan dini dapat mengurangi resiko dari glaukoma. Oleh karena itu, penulis merancang suatu sistem untuk mendeteksi glaukoma melalui citra fundus mata dengan mengekstraksi beberapa fitur yaitu Rim to Disc Ratio, Cup to Disc Ratio (CDR), Vertical Cup to Disc Ratio (VCDR), Horizontal Cup to Disc Ratio (HCDR), dan Horizontal to Vertical CDR (H-V CDR) dengan mengsegmentasi Optic Disc (OD) dan Optic Cup (OC) dengan menggunakan metode Morphological Operations dan Thresholding. Artificial Neural Network (ANN) digunakan sebagai metode klasifikasi glaukoma. Melalui metode tersebut, data uji dapat dibagi dalam dua klasifikasi yaitu mata normal dan mata glaukoma. Data latih yang akan diambil sebanyak 62 buah dan data uji yang akan diambil sebanyak 62 buah. Hasil yang diperoleh bertujuan untuk memudahkan mendeteksi secara dini mata glaukoma. Akurasi pada data latih mencapai 100% dan akurasi pada data uji mencapai 93,5484%.Kata kunci: Glaukoma, Morphological Operation, Thresholding, Artificial Neural Network
CONVOLUTIONAL NEURAL NETWORK FOR ANEMIA DETECTION BASED ON CONJUNCTIVA PALPEBRAL IMAGES Rita Magdalena; Sofia Saidah; Ibnu Da’wan Salim Ubaidah; Yunendah Nur Fuadah; Nabila Herman; Nur Ibrahim
Jurnal Teknik Informatika (Jutif) Vol. 3 No. 2 (2022): JUTIF Volume 3, Number 2, April 2022
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jutif.2022.3.2.197

Abstract

Anemia is a condition in which the level of hemoglobin in a person's blood is below normal. Hemoglobin concentration is one of the parameters commonly used to determine a person's physical condition. Anemia can attack anyone, especially pregnant women. Currently, many non-invasive anemia detection methods have been developed. One of non-invasive methods in detecting anemia can be seen through its physiological characteristics, namely palpebral conjunctiva images. In this study, conjunctival image-based anemia detection was carried out using one of the deep learning methods, namely Convolutional Neural Netwok (CNN). This CNN method is used with the aim of obtaining more specific characteristics in distinguishing normal and anemic conditions based on the image of the palpebral conjunctiva. The Convolutional Neural Network proposed model in this study consists of five hidden layers, each of which uses a filter size of 3x3, 5x5, 7x7, 9x9, and 11x11 and output channels 16, 32, 64, 128 respectively. Fully connected layer and sigmoid activation function are used to classify normal and anemic conditions. The study was conducted using 2000 images of the palpebral conjunctiva which contained anemia and normal conditions. Furthermore, the dataset is divided into 1,440 images for training, 160 images for validation and 400 images for model testing. The study obtained the best accuracy of 94%, with the average value of precision, recall and f-1 score respectively 0.935; 0.94; 0.935. The results of the study indicate that the system is able to classify normal and anemic conditions with minimal errors. Furthermore, the system that has been designed can be implemented in an Android-based application so that the detection of anemia based on this palpebral conjunctival image can be carried out in real-tim.
FPGA-based implementation of speech recognition for robocar control using MFCC Bayuaji Kurniadhani; Sugondo Hadiyoso; Suci Aulia; Rita Magdalena
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 17, No 4: August 2019
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v17i4.12615

Abstract

This research proposes a simulation of the logic series of speech recognition on the MFCC (Mel Frequency Spread Spectrum) based FPGA and Euclidean Distance to control the robotic car motion. The speech known would be used as a command to operate the robotic car. MFCC in this study was used in the feature extraction process, while Euclidean distance was applied in the feature classification process of each speech that later would be forwarded to the part of decision to give the control logic in robotic motor. The test that has been conducted showed that the logic series designed was precise here by measuring the Mel Frequency Warping and Power Cepstrum. With the achievement of logic design in this research proven with a comparison between the Matlab computation and Xilinx simulation, it enables to facilitate the researchers to continue its implementation to FPGA hardware.
PERANCANGAN DAN SIMULASI PEMISAHAN REFRAIN LAGU DENGAN METODE FAST FOURIER TRANSFORM (FFT) Obed Simanungkalit; Rita Magdalena; I Nyoman Apraz Ramatryana
TEKTRIKA Vol 2 No 2 (2017): TEKTRIKA Vol.2 No.2 2017
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v2i2.1670

Abstract

Pemisahan reff lagu secara manual untuk sebuah database membutuhkan waktu yang sedikit lama.Hal ini disebabkan untuk menentukan semua posisi reff dalam sebuah lagu, seseorang harus mengetahui lagu tersebut dengan mendengarkan lagu secara keseluruhan. Penelitian ini mengusulkan sistem penambahan database otomatis secara cepat dan tepat dengan memanfaatkan perkembangan audio processing dalam industri musik. Kami membuat sistem dengan menggunakan lagu sebagai input dilengkapi dengan ekstraksi ciri menggunakan metode Fast Fourier Transform (FFT).Kemudian sistem akan melakukan pencocokan data antara potongan reff pertama lagu yang sudah diketahui posisinya dengan lagu tersebut secara utuh.Hal ini dilakukan untuk mendapatkan output berupa posisi reff kedua dan ketiga dalam sebuah lagu. Penggunaan metode FFT pada makalah ini diharapkan memiliki akurasi tinggi dan waktu komputasi yang baik.
Klasifikasi Sinyal Elektrokardiogram Menggunakan Stockwell Transforms dan K-Nearest Neighbor Dyah Ayu Pratiwi; Achmad Rizal; Rita Magdalena
AITI Vol 17 No 1 (2020)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v17i1.22-32

Abstract

Sinyal elektrokardiogram adalah sinyal bio-electrik yang dihasilkan dari aktifitas kelistrikan jantung. Informasi dari kondisi kesehatan jantung bisa diketahui dengan menganalisis bentuk, irama, durasi, maupun orientasi nya. Berbagai metode dikembangkan untuk melakukan analisis atau mengklasifikasi sinyal EKG secara otomatis. Beberapa diantaranya menggunakan metode transformasi untuk mengubah sinyal dari domain waktu ke domain sinyal yang lain. Pada penelitian ini digunakan Stockwell transform (S-transform) untuk mengubah sinyal dari domain waktu ke domain waktu-frekuensi. Nilai minimum dan maksimum dari pada deretan waktu dari S-transform digunakan sebagai masukan K-NN sebagai classifer. Akurasi dari penggunaan S-transform dibandingkan dengan akurasi penggunaan short-term Fourier transform (STFT) yang merupakan transormasi yang setara. Hasil pengujian menunjukkan akurasi S-transform lebih tinggi dibandingkan dengan FFT pada enam kelas data sinyal EKG yang diuji.
Implementasi dan Analisis Video Watermarking dengan Format Video MPEG Berbasis Wavelet Transform (Implementation and Analysis Watermarking MPEG Video Base on Wavelet Transform) Eriel Mar; Koredianto Usman; Rita Magdalena
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2009
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Watermarking adalah salah satu cara untuk melindungi hak milik intelektual atas produk multimedia(gambar/foto, audio, teks, video) dengan menyisipkan informasi ke dalam data multimedia tersebut. Informasiyang disisipkan ke dalam data multimedia disebut watermark, dan watermark dapat dianggap sebagai sidikdigital (digital signature) atau stempel digital dari pemilik yang sah atas produk multimedia tersebut. Padapenelitian ini dilakukan proses simulasi dan analisis performansi teknik watermarking pada video formatMPEG menggunakan Discrete Wavelet Transform (DWT) dan juga XOR serta faktor skala dalam prosesembedding serta ekstraksi-nya. Kondisi yang diuji berupa ukuran dan jumlah frame video, posisi embed videodalam sistem embedding dan extracting, serta bagaimana ketahanan (robustness) embed video terhadapgangguan berupa Noisse Gaussian Untuk mendapatkan kualitas video yang baik dengan jumlah errorminimum, maka sebaiknya diusahakan nilai MSE≈ 0 dan PSNR ≈ ∞. Pada proses embedding didapatkanmetode faktor skala dengan skala 0,02 baik tanpa noise ataupun dengan noise mempunyai PSNR terbaik yaitu55.16 dB dan 51.36 dB. Dan pada proses ekstraksi metode faktor skala 0,1 juga didapatkan PSNR yang tinggibaik tanpa noise atau dengan noise yaitu 22.74dB dan 22.27dB. Serta nilai secara subjektif MOS menunjukkannilai nilai rata-rata 4,3 (kategori baik) enak dilihat tanpa gangguan berarti.Kata kunci : watermarking, DWT, embedding, extracting,MPEG
ANALISIS PERFORMANSI SISTEM KLASIFIKASI KANKER KULIT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Dian Ayu Nurlitasari; Rita Magdalena; R Yunendah Nur Fu'adah
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 5, No 2 (2022): Journal of Electrical and System Control Engineering
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jesce.v5i2.5691

Abstract

Kanker kulit adalah salah satu kanker ganas yang banyak ditemukan di Indonesia dan dapat menyebabkan kematian. Diagnosis kanker kulit dilakukan secara manual oleh dokter kulit melalui proses biopsi dan mikroskopis, namun proses ini memakan waktu lama dan membawa risiko kecelakaan selama proses biopsi. Sedangkan diagnosis dini menunjukkan lebih dari 90% dapat disembuhkan, dan diagnosis yang terlambat menunjukkan kurang dari 50% dapat disembuhkan.Pada Tugas Akhir ini diusulkan metode Convolutional Neural Network (CNN) menggunakan arsitektur Alexnet untuk mengklasifikasikan kanker kulit. Eksperimen dilakukan dengan menggunakan dataset yang diperoleh dari dataset International Skin Imaging Collaboration (ISIC) sebanyak 4000 citra kondisi kanker kulit dermatofibroma, melanoma, nevus pig-mentosus, dan karsinoma sel skuamosa, yang terdiri dari 1000 citra di setiap kelas. Dataset tersebut akan digunakan sebagai data latih dan data validasi dengan distribusi persentase data latih 80% dan data validasi 20%. Jadi jumlah data latih yang digunakan adalah 3200 citra kanker kulit. Sedangkan jumlah data validasi yang digunakan adalah 800 citra. Parameter terbaik yang digunakan dalam sistem klasifikasi kanker kulit ini antara lain menggunakan ukuran citra 64x64 piksel pada proses pre-processing, menggunakan Adam optimizer, learning rate 0,0001, epoch 20 dan batch size 16. Hasil pengujian menunjukkan bahwa sistem dapat mengklasifikasikan kulit kanker menurut kelasnya, dengan tingkat akurasi 99,50%, nilai presisi dan recall 99,75%, nilai f1-score 99,50%, dan nilai loss 0,0223. Berdasarkan hasil kinerja sistem, menunjukkan bahwa model yang dibuat menjanjikan untuk menjadi alat deteksi dini kanker kulit oleh dokter kulit dan dapat membantu mengurangi resiko keterlambatan diagnosis dini.
OPTIMASI K-NEAREST NEIGHBOR UNTUK SISTEM KLASIFIKASI KONDISI KATARAK Yunendah Nur Fuadah; Rita Magdalena; Steven Palondongan; Nor Kumalasari
TEKTRIKA Vol 4 No 1 (2019): TEKTRIKA Vol.4 No.1 2019
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v4i1.1832

Abstract

Deteksi dini kondisi katarak merupakan solusi untuk mengendalikan peningkatan jumlah kebutaan yangdisebabkan oleh katarak. Dalam penelitian ini, dilakukan optimasi metode Gray Level Co-Occurrence Matrix(GLCM) dan K-Nearest Neighbor (K-NN) untuk klasifikasi kondisi citra mata menjadi kondisi normal, katarakimatur dan katarak matur. Pada tahap ekstraksi ciri digunakan metode GLCM, parameter yang berpengaruhpada tahap ini adalah jarak antar piksel (d), sudut (q), dan fitur statistik. Pada tahap klasifikasi, fitur ciri daritahap ekstraksi ciri diklasifikasikan oleh K-NN, parameter yang diuji pada tahap ini adalah nilai k dan persamaanperhitungan jarak yang digunakan yaitu Euclidean, Minkowski, Chebychev dan City Block. Berdasarkan hasilpengujian diperoleh akurasi pengujian sebesar 93,33 % dengan menggunakan parameter yang paling optimalyaitu d= 2, q= 135, nilai k=5 dengan persamaan jarak Euclidean dan Minkowski.
Co-Authors A F Akbar Abel Bima Wiratama Achmad Rizal Adham Nurjati Adinda Maulida Agung Aditama Putra Agustina Trifena Dame.S Ahmad Zendhaf Aldo Setiawan Alva Rischa Qhisthana Pratika Andria Sufy Angga Prihantoro Ardhi Fibrianto Arianto Sirandan Arintyo Archamadi Ayu Putu Wida Vanhita Bagas Farhan Hadyantoro Bagus Robbiyanto Bambang Hidayat Bambang Hidayat Bayuaji Kurniadhani Brian Adam Danding Adhi Priutomo Davita Nadia Fadhilah Dea Sifana Ramadhina Dewa Nyoman Indra Dewi Siskawati Dian Ayu Nurlitasari Dimas Frandisyah Putra Donny Janu Sundoro Dwi Anggreni Novitasari Dyah Ajeng Pramudhita Dyah Ayu Pratiwi Efri Suhartono Eko Susatio Eky Yuliansyah Eriel Mar Estananto Faizhal Rifky Alfaris Fatima Azzahra FAUZI FRAHMA TALININGSIH Fauzi, Muhammad Ilham FEBI NURFAJAR Febriani Ruming Sari Firmanda Robi Firmansyah Patriandhika Fitya Nur Fadhilah Galih Surya Gede Hari Yogiswara Gusty Aditya Arrazaq HARSONO, ALI BUDI Herdian Anantya Risma Hilman Fauzi, Hilman I Dewa Gede Agung Kurniawan I Gusti Agung Dian Wintara I Nyoman Apraz Ramatryana I Nyoman Apraz Ramatryana I NyomanApraz Ramatryana Ibnu Da'wan Salim Ibnu Da’wan Salim Ubaidah Ibnu Da’wan Salim Ubaidah Ignatius Yoslan Kurniawan Ikrar Khaera Arfat Ilma Rahma Dewi Imanuel Boyke Nainggolan Immanuel Rayuzi Pandapotan Sinaga Indrafaqih Eskamara Inung Wijayanto Iqbal Kurniawan Perdana Irham Bani Alfafa Ivan Prayoga Prawiro Ivandy Chaniago JANGKUNG RAHARJO Jonthala Tambunan Koredianto Usman Krisna Prayoga Kurnia Khafidhatur Rafiah Ledya Novamizanti Lugina Perceka Putri M.Aldia Abilisa Maisaroh Agustina Rahayu Misbakhul Munir Muhamad Rokhmat Isnaini MUHAMMAD ADNAN PRAMUDITO Muhammad Akhyar Ghifari Muhammad Ardhi Prakasa Muhammad Bayu Adinegara Muhammad Fadly Mustakim Muhammad Ihsan Fadhil Muhammad Ilham Muhammad Ilham Fauzi Muhammad Najiburahman Muhammad Tezar Muhammad Yuqdha Faza Nabila Herman Naufal Adi Gifran Nidaan Khofiya Nor Kumalasari Nor Kumalasari Caecar Nor Kumalasari Caecar Pratiwi Nor Kumalasari Caesar Pratiwi Nur Andini Nur Ibrahim Obed Simanungkalit Octavian Putera Kesuma Sugeng Olyvia Fernanda Soedradjat Putra, Akbar Trisnamulya Putri Andriani R Ricki Juniansyah R Yunenda Nur Fu'adah R Yunendah Nur Fu’adah R. Rumani R. Rumani R. Yunendah Nur Fu'adah R. Yunendah Nur Fuadah R. Yunendah Nur Fu’adah Raditiana Patmasari Rafid Fakhri Rahmad Hidayatullah Salam Raihan Nur Fadhlillah Rama Arjun Setiawan Ramdhan Nugraha Ratri Dwi Atmaja REGITA AGUSTINA Renny Rahmawati Reyfaldi Wahyu Pradana Reyhan Radifan Jordy Rezki Ariz Rahadian Ricardo Ricardo Richard Bina Jadi Simanjuntak Ridwan Firdaus Rifqi Muhammad Fikri Rissa Rahmania Rizki Muhammad Iqbal Rizqi Surya Utama Rosyita Ayuning Mauludiya Sari, Febriani Ruming Sayidia Rizki Arfina Sean Alexander Suryaman Septian Eko Kuncahyono Shimon Anterio Armando Sinaga Sofia Sa'idah Sofia Sa'idah Sofia Sa’idah SOFIA SAIDAH Sofia Sa’idah SOFIA SA’IDAH Steven Palondongan Suci Aulia Sugondo Hadiyoso Suwitrisna Putra Syafiq Hilmi Abdullah Syamsul Rizal Tahta Restu Adiguna Tamardi Pranata Tampubolon Tauhid Nur Azhar Teguh Dian Arifandi Tri Siswanto Twinarya Bagus Wibawa Varian Mohammad Sutama WAHYUNI RIZKY PERDANI Yohana Karina Candra Sari Yunendah Fu’adah