Article Per Year (5 Year)
p-Index From 2019 - 2024
6.555
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 Jurnal Abdimasa 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 Other

Published : 116 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 116 Documents
Search

 1   2   3   4   5 
DETEKSI AKOR DAN MELODI PADA FILE WAV GITAR FINGERSTYLE MENGGUNAKAN METODE DWPT & K-NN Fauzi, Muhammad Ilham; Magdalena, Rita; Hidayat, Bambang
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.
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.
Klasifikasi Tutupan Lahan Melalui Citra Satelit SPOT-6 dengan Metode Convolutional Neural Network (CNN) Magdalena, Rita; Saidah, Sofia; Pratiwi, Nor Kumalasari Caecar; Putra, Akbar Trisnamulya
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 3 (2021): Volume 7 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v7i3.48195

Abstract

Lahan merupakan suatu wilayah dimana seluruh bagian biosfer dianggap tetap atau siklis yang terdapat di atas maupun di bawah permukaan bumi. Klasifikasi lahan dilakukan dengan tujuan untuk memudahkan pemantauan penggunaan serta pengaturan tata letak lahan pada suatu wilayah. Pada penelitian ini dilakukan klasifikasi terhadap citra lahan yang diperoleh dari satelit SPOT-6 dengan menggunakan Metode Convolutional Neural Network (CNN). Jenis lahan yang dilakukan klasifikasi berupa sawah, hutan, pemukiman, sungai dan bukit gundul dengan jumlah data yang digunakan adalah 350 data citra lahan. Dari total data, sebanyak 75% data digunakan sebagai data latih dan 25% digunakan sebagai data uji. Model CNN yang digunakan pada penelitian ini yaitu basic CNN dengan arsitektur yang terdiri dari 3 hidden convolutional layer, 1 fully connected layer dan 2 stride. Hasil performansi sistem yang diperoleh pada penelitian ini diantaranya adalah akurasi 95,45%, loss 0,2457, serta rata-rata dari masing-masing nilai precision, recall dan f1-score sebesar 0,92. Dapat disimpulkan bahwa metode CNN dapat digunakan secara optimal dalam mengklasifikasikan 5 jenis tutupan lahan.
Sistem Deteksi Pra-Kanker Serviks dengan Pengolahan Citra Hasil Inspeksi Visual Asam Asetat Hilman Fauzi; Galih Surya; Rita Magdalena; Ali Budi Harsono; Tauhid Nur Azhar
Techno.Com Vol 20, No 2 (2021): Mei 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i2.4285

Abstract

Kanker serviks merupakan penyakit mematikan nomor satu di Indonesia dengan angka kematian tertinggi pada wanita. Berbagai upaya untuk mengurangi angka kematian wanita Indonesia akibat kanker serviks telah banyak dilakukan, salah satunya dengan melakukan screening kanker menggunakan tes inspeksi visual asam asetat (tes IVA). Tes ini merupakan upaya screening untuk mengetahui pra-cancer atau invasive cancer pada kanker serviks dengan memunculkan Acetowhite Epithelium Zone (AEZ) yang dapat dikategorikan sebagai lesi IVA positif maupun lesi jinak. Umumnya, AEZ dapat dilihat dengan kasat mata yang memerlukan keahlian khusus sehingga hasil pengamatannya akan bersifat subjektif dan bergantung pada pengalaman operator. Selain itu, utilitas pemeriksaan kanker serviks ini pun dinilai terbatas dikarenakan sedikitnya jumlah operator ahli yang terlatih. Pada penelitian ini, lesi pra-kanker serviks dikuantifikasi dengan pengolahan citra digital. Citra yang digunakan adalah citra hasil inspeksi visual asam asetat atau citra area mulut rahim yang telah diolesi oleh asam asetat dan dinyatakan terdapat sambungan skuamosa kolumnar (SSK) positif. Kuantifikasi citra lesi pra-kanker serviks dilakukan dengan menggunakan metode standarisasi karakter warna citra pada RGB dan HSV. Pengujian system deteksi lesi pra-kanker serviks diukur dengan menggunakan parameter akurasi, sensitivitas dan spesifisitas terhadap pengaruh tingkat kecerahan dan mean filter. Melalui penelitian ini didapatkan klasifikasi citra tes IVA beserta area lesi IVA positif yang optimal dengan tingkat akurasi 81%, nilai sensitivitas 78% dan nilai spesifisitas 84%. Performa system sangat dipengaruhi oleh ketajaman dan efek pencahayaan pada citra, baik itu intensitas cahaya, efek bayangan, maupun efek pantulan cahaya.
Cataract Classification Based on Fundus Images Using Convolutional Neural Network Richard Bina Jadi Simanjuntak; Yunendah Fu’adah; Rita Magdalena; Sofia Saidah; Abel Bima Wiratama; Ibnu Da’wan Salim Ubaidah
JOIV : International Journal on Informatics Visualization Vol 6, No 1 (2022)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/joiv.6.1.856

Abstract

A cataract is a disease that attacks the eye's lens and makes it difficult to see. Cataracts can occur due to hydration of the lens (addition of fluid) or denaturation of proteins in the lens. Cataracts that are not treated properly can lead to blindness. Therefore, early detection needs to be done to provide appropriate treatment according to the level of cataracts experienced. In this study, a comparison of cataract classification based on fundus images using GoogleNet, MobileNet, ResNet, and the proposed Convolutional Neural Network was carried out. We compared four CNN architectures when implementing the Adam optimizer with a learning rate of 0.001. The data used are 399 datasets and augmented to 3200 data. This test's best and most stable results were obtained from the proposed CNN model with 92% accuracy, followed by MobileNet at 92%, ResNet at 93%, and GoogLeNet at 86%. We also make comparisons with previous research. Most of the previous studies only used two to three class categories. In this study, the system was improved by increasing system classifies into four categories: Normal, Immature, Mature, and Hypermature. In addition, the accuracy obtained is also quite good compared to previous studies using manual feature extraction. This study is expected to help medical staff to carry out early detection of cataracts to prevent the dangerous effect of cataracts and appropriate medical treatment. In the future, we want to expand the number of datasets to improve the classification accuracy of the cataract detection system.
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.
KLASIFIKASI DIABETIC RETINOPATHY BERBASIS PENGOLAHAN CITRA FUNDUS DAN DEEP LEARNING Syafiq Hilmi Abdullah; 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.v5i2.5659

Abstract

Retinopati Diabetik merupakan salah satu penyakit pada retina mata yang disebabkan oleh adanya komplikasi pada penyakit diabetes di mana terdapat kerusakan pembuluh darah pada retina sehingga mengalami penumpukan cairan (eksudat) serta pendarahan pada retina. Pemeriksaan medis untuk mendeteksi penyakit retinopati diabetik membutuhkan waktu yang relatif lama karena dilakukan secara manual oleh dokter dengan mengamati citra fundus dari retina pasien, namun citra fundus retina tidak dapat memberikan informasi secara jelas. Oleh karena itu, dilakukan perancangan sistem Convolutional Neural Network (CNN) menggunakan model EfficientNet untuk melakukan klasifikasi dengan waktu yang efektif dan efisien. Dataset yang digunakan adalah APTOS 2019 Blindness Detection berisi 3662 citra RGB yang terbagi dalam 5 kelas, yaitu No DR, mild NPDR, moderate NPDR, severe NPDR, dan proliferate DR. Hasil akhir menunjukkan model terbaik menggunakan optimizer AdaMax, learning rate 0.001, dan batch size 32 dengan akurasi sebesar 82.096%, nilai presisi sebesar 67.6%, nilai recall sebesar 63.4%, dan f-1 score sebesar 64.6%. Berdasarkan hasil penelitian, kinerja sistem menunjukkan bahwa model yang dibuat dapat dijadikan sistem deteksi dini serta mengurangi waktu pemeriksaan medis pada pasien penyakit Retinopati Diabetik.
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.
Deteksi Akor dan Melodi pada File Wav Gitar Fingerstyle Menggunakan Metode DWPT & K-NN Muhammad Ilham Fauzi; Rita Magdalena; Bambang Hidayat
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 | 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.
DENOISING SINYAL ECG DENGAN METODE EMPIRICAL MODE DECOMPOSITION Nor Kumalasari Caecar Pratiwi; Efri Suhartono; Rita Magdalena; Yunendah Nur Fu’adah; Febriani Ruming Sari
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 | 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.
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 TSP 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 M.Fajar Zulvan Nugraha 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. Rumani R. Rumani 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 Sa’idah SOFIA SAIDAH 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