Articles

Prediksi Indeks Harga Konsumen (IHK) Kelompok Perumahan, Air, Listrik, Gas Dan Bahan Bakar Menggunakan Metode Support Vector Regression Dewi, Krishnanti; Adikara, Putra Pandu; Adinugroho, Sigit
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 10 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (863.158 KB)

Abstract

Salah satu indikator yang paling sering digunakan untuk mengukur tingkat inflasi adalah Indeks Harga Konsumen (IHK). Berdasarkan metadata indeks harga konsumen yang diterbitkan oleh Bank Indonesia pada tahun 2016, kelompok perumahan, air, listrik, gas dan bahan bakar adalah kelompok IHK yang memiliki persentase proporsi biaya hidup yang paling tinggi dari kelompok IHK lainnya, yaitu sebesar 25,37%. Pada penelitian ini IHK akan diprediksi dengan menggunakan metode Support Vector Regression (SVR). Tahapan metode SVR yang dilakukan meliputi normalisasi data, menghitung matriks Hessian dengan menggunakan fungsi kernel Radial Basis Function (RBF), melakukan proses sequential learning, menghitung fungsi regresi untuk mendapatkan hasil prediksi dan melakukan evaluasi hasil prediksi dengan metode Mean Absolute Percentage Error (MAPE). Hasil pengujian menunjukkan nilai MAPE minimum yang diperoleh sebesar 2,399% dengan nilai parameter σ = 50; λ = 1; cLR = 0,0005; ε = 0,0005; C = 1000; jumlah data training 36 untuk 12 data testing dengan iterasi sebanyak 100. Rata-rata hasil prediksi yang diperoleh adalah sebesar 112,19605 dengan rata-rata selisih antara data aktual dengan hasil prediksi sebesar 1,52645.
Implementasi Named Entity Recognition Pada Factoid Question Answering System Untuk Cerita Rakyat Indonesia Kurniawati, Yulia; Indriati, Indriati; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 9 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (268.681 KB)

Abstract

Legenda daerah atau cerita rakyat merupakan cerita yang berkembang diantara ragam budaya Indonesia yang telah turun-menurun diwariskan. Cerita rakyat merupakan sebuah cerita dari masa lampau yang dipercayai sebagai peristiwa yang benar terjadi, biasanya cerita rakyat tersebut berupa asal mula dari suatu tempat. Kurangnya sarana yang menarik dalam memperkenalkan cerita rakyat tersebut menjadi salah satu alasan kurang diminatinya cerita rakyat Indonesia. Selain itu tingkat pemahaman anak yang masih kurang dibanding orang dewasa menyebabkan mereka mudah melupakan cerita rakyat tersebut ketika mereka kurang mengerti terhadap cerita rakyat Indonesia tersebut.  Penelitian ini bertujuan mempermudah anak-anak dalam memahami cerita tersebut. Oleh karena itu peneliti membuat question answering system dengan menggunakan metode Named Entity Recognition. Pengklasifikasian named entity pada penelitian ini menggunakan metode naive bayes.Pada penelitian ini digunakan empat named entity untuk mengenali kata yang selanjutnya akan dijadikan kandidat jawaban antara lain product, person, location dan none. Di mana none bukan merupakan entitas. Selain itu tipe pertanyaan yang dapat diajukan pada question answering system ini adalah Factoid Question yaitu berupa pertanyaan yang jawabannya berupa fakta yang singkat dan padat bukan berupa uraian. Data yang digunakan merupakan lima cerita rakyat Indonesia yang diperoleh dari internet dan hasil klasifikasi Named Entity memiliki nilai precision sebesar 34,22%, accuracy pengklasifikasian NE sebesar 64,65% dan recall sebesar 13,13% sedangkan untuk question answering accuracy sistem didapatkan akurasi sebesar 16,7%.
Penerapan Algoritme Genetika Untuk Penjadwalan Latihan Reguler Pemain Brass Marching Band (Studi Kasus: Ekalavya Suara Brawijaya) Rindengan, Marina Debora; Cholisoddin, Imam; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 9 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (978.287 KB)

Abstract

Marching band merupakan ekstrakurikuler yang dimana pemainnya dituntut untuk bisa bekerja sama dalam satu tim agar bisa memberikan penampilan yang baik. Waktu yang diperlukan untuk latihan tidak singkat dengan jumlah pemain yang banyak. Jadwal latihan marching band yang kurang baik atau jadwal yang bentrok antar pemain bisa menimbulkan permasalahan dalam melakukan latihan. Data jadwal setiap pemain diambil dari Marching Band Ekalavya Suara Brawijaya, dan libur nasional lewat kalender tahun 2016 dari bulan September sampai Desember. Setelah mendapatkan data tersebut, proses algoritme genetika yang dimulai dari representasi kromosom terhadap jam dan hari latihan, kemudian melakukan proses extended intermediate crossover dan reciprocal exchange mutation untuk mendapatkan offspring baru yang akan diseleksi menggunakan elitism selection untuk generasi selanjutnya. Jadwal yang optimal didapatkan melalui pengujian, hasil dari pengujian beragam, rata-rata nilai fitness terbesar adalah 1 yang terdapat pada ukuran populasi adalah 130, jumlah generasi adalah 140, dan kombinasi cr dan mr adalah 0,5.
Peramalan Harga Cabai Menggunakan Metode High Order Fuzzy Times Series Multifactors Gumelar, Ridho Agung; Setiawan, Budi Darma; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 1 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (357.021 KB)

Abstract

Kebutuhan sehari-hari masyarakat Indonesia tidak lepas dari komoditas pertanian seperti cabai, bawang merah, bawanghputih, tomat dan lain-lain. Beberapa komoditas pertanian tersebut memiliki fluktuasi harga yang tajam, seperti cabai. Ketika pasokan cabai di pasar berkurang, harganya dapat jauh melambung tinggi dari harga normal. Sebaliknya ketika pasokan cabai berlebihan, harganya akan turun jauh di bawah harga normal. Hal ini dipengaruhi oleh berbagai faktor seperti musim panen, jumlah produksi, jumlah konsumsi masyarakat, luas lahan panen dan lain-lain. Oleh karena  itu  diperlukan  suatu metode untuk dapat memperkirakan harga cabai sehingga dapat digunakan untuk pendukung pembuatan   keputusan  terkait  dengan  permasalahan  harga.  Peramalan   merupakan   salah   satu solusi untuk dapat memperkirakan pergerakan harga komoditas cabai. Metode yang digunakan untuk peramalan   harga   cabai  adalah   High   Order   Fuzzy   Times   Series  Multifactors.  Pada   metode   ini   pembentukan   subinterval   dilakukan   dengan   menggunakan   Fuzzy  C-means.  Dalam  menghitung  kesalahan  hasil  peramalan  menggunakan  Mean  Square  Error  (MSE).  Berdasarkan  hasil  pengujian  yang  dilakukan,  besarnya  nilai  data  training  dan  order  yang  digunakan  dalam peramalan tidak menjamin menghasilkan tingkat kesalahan yang rendah. Hasil peramalan harga cabai menggunakan metode High Order Fuzzy Times Series Multifactors mendapatkan hasil MSE terbaik sebesar 20.374,19.
Pencarian Ruang Warna Kulit Manusia Berdasarkan Nilai Karakteristik (λ) Matrik Window Citra Adikara, Putra Pandu; Rahman, Muh. Arif; Santosa, Edy
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1, No 1 (2014)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (880.856 KB)

Abstract

Abstrak Perkembangan transaksi dan distribusi data yang sangat besar, terutama saat teknologi informasi dan komunikasi melalui  web bisa dijangkau oleh siapa saja menggunakan perangkat yang semakin beragam, membuat pengguna memerlukan aplikasi yang serba mudah untuk digunakan. Diantaranya adalah identifikasi obyek yang berada dalam data multimedia berupa teks, gambar maupun suara. Deteksi warna, terutama deteksi warna kulit manusia adalah tahap awal identifikasi keberadaan manusia pada citra 2 dimensi. Terdapat sejumlah metode untuk menentukan apakah suatu pixel pada gambar tersebut merupakan warna kulit manusia. Penelitian sebelumnya telah membuat ruang warna berbasis pixel diantaranya adalah ruang warna RGB, normalisasi RGB, HIS/HSV, TSL, YCbCr dll. Suatu matrik bujur sangkar NxN mempunyai nilai karakteristik (λ) sebanyak N dimana nilai masing-masing berupa bilangan real. Suatu citra dapat dipecah menjadi M matrik bujur sangkar dan kemudian dicari nilai λ  nya. Penelitian ini akan mencari ruang warna kulit manusia berdasarkan nilai karakteristik (ƛ) matrik window citra. Dari hasil pengujian hamper semua warna kulit dapat dideteksi, namun image untuk warna kulit yang tidak mencolok beberapa obyek pada image dapat ditampilkan dengan baik meskipun bukan kulit. Kata kunci: Citra Kulit, Nilai Karakteristik (λ), Matrik Window Abstract The development of the transaction and distribution of huge data, especially when the information technology and communication via the web can be reached by anyone using the increasingly diverse, making the user requires an application that completely easy to use. Among them is the identification of objects that are in the multimedia data such as text, images and sound. Color detection, particularly the detection of human skin color is an early stage identification of human presence on the 2-dimensional image. There are a number of methods to determine whether a pixel in the image is the color of human skin. Previous studies have made such pixel based color space is RGB color space, normalized RGB, HIS/HSV, TSL, YCbCr etc. An NxN square matrix has eigenvalues ​​(λ) of N where the value of each form of real numbers. An image can be broken down into a square matrix M and then sought its λ value. This study will look for human skin color space based on the value of the characteristic (ƛ) matrix image window. From the test results almost all skin colors can be detected, but the image for an inconspicuous color multiple objects in the image can be displayed well although not leather. Keywords: skin image, value of the characteristic(λ), Matrix Windows
Analisis Sentimen Twitter Menggunakan Ensemble Feature dan Metode Extreme Learning Machine (ELM) (Studi Kasus: Samsung Indonesia) Rausanfita, Alqis; Adikara, Putra Pandu; Adinugroho, Sigit
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 12 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (428.668 KB)

Abstract

Aktivitas bisnis yang sangat krusial dan memiliki dampak nyata pada pertumbuhan organisasi dan Return Of Investment (ROI) yaitu memahami dan menanggapi secara tepat sentimen dari pelanggan dengan melakukan analisis sentimen. Analisis sentimen dapat menjadi pedoman untuk mengevaluasi produk, layanan, reputasi merek suatu perusahaan, dan perusahaan dapat menjadi pemimpin pasar yang didukung dengan kondisi pelanggan yang sangat emosional sehingga produk/layanan yang membuat kecewa akan kehilangan komitmen pelanggan bahkan pelanggan akan mengalami kesusahan untuk menemukan kembali pengalaman pelanggan jika suatu perusahaan tidak mempedulikan ungkapan sentimen pelanggan. Berdasarkan penjelasan tersebut, penelitian ini dilakukan menggunakan ensemble feature dan Extreme Learning Machine untuk analisis sentimen Twitter. Data yang digunakan dalam penelitian ini sebanyak 72 tweet dengan perbandingan jumlah data training dan testing 70:30 di mana jumlah data tiap kelas seimbang. Sebelum dilakukan klasifikasi data tersebut dilakukan preprocessing, pembobotan ensemble feature, serta pembobotan kata. Hasil pengujian pada penelitian ini didapatkan jumlah hidden neuron terbaik sebanyak 5000, fungsi aktivasi terbaik adalah sigmoid bipolar, dan ensemble feature berpengaruh terhadap hasil akurasi. Analisis sentimen Twitter menggunakan ensemble feature dan metode Extreme Learning Machine pada studi kasus Samsung Indonesia tidak mendapatkan akurasi yang tinggi. Akurasi yang di dapatkan hanya sebesar 42,857 persen. Rendahnya akurasi disebabkan munculnya sparse data matrix sehingga terjadi overfitting yang kemudian berakibat rendahnya hasil klasifikasi.
Klasifikasi Video Clickbait pada YouTube Berdasarkan Analisis Sentimen Komentar Menggunakan Learning Vector Quantization (LVQ) dan Lexicon-Based Features Lestari, Dwi Wahyu Puji; Perdana, Rizal Setya; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 2 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (967.888 KB)

Abstract

Clickbait adalah suatu konten di media sosial yang bertujuan untuk menarik perhatian dan memikat pengunjung situs agar dapat mengunjungi konten mereka dengan cara membuat umpan klik yaitu berupa judul yang menarik atau provokatif tetapi dengan isi konten yang biasanya tidak sesuai. Hal tersebut membuat pengunjung situs merasa tertipu dan kecewa sehingga mereka biasanya melampiaskan rasa kesalnya dengan menuliskan komentar atau opini (dokumen, kata, kalimat) yang bersifat positif ataupun negatif. Dokumen teks yang digunakan pada penelitian ini berasal dari komentar YouTube yang berkaitan dengan konten clickbait dan non clickbait yang berbahasa Indonesia. Penelitian ini menggunakan metode Learning Vector Quantization (LVQ) dan Lexicon-Based Features sebagai pembobotan kata selain menggunakan TF-IDF. Data yang digunakan pada penelitian ini sejumlah 300 data yang terdiri dari dua jenis data yaitu data latih dan data uji dengan perbandingan 70% data latih dan 30% data uji. Akurasi sistem yang diperoleh dari hasil klasifikasi dengan metode Learning Vector Quantization tanpa Lexicon-Based Features sebesar 54,54%, precision sebesar 1, recall sebesar 0,1667, dan f-measure sebesar 0,2858. Hasil akurasi sistem dengan menggunakan Learning Vector Quantization dan Lexicon-Based Features sebesar 90,91%, precision sebesar 0,8571, recall sebesar 1, dan f-measure sebesar 0,9231 sehingga dapat disimpulkan bahwa metode Learning Vector Quantization dan Lexicon-Based Features dapat digunakan untuk klasifikasi sentimen.
Analisis Sentimen Pemilihan Presiden 2019 pada Twitter menggunakan Metode Maximum Entropy Sabily, Alvandi Fadhil; Adikara, Putra Pandu; Fauzi, Mochammad Ali
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 5 (2019): J-PTIIK
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (283.603 KB)

Abstract

Dalam era modern ini, komunikasi bisa dilakukan melalui berbagai media salah satunya melalui media online yaitu Twitter. Twitter merupakan salah satu sosial media yang berfungsi untuk bertukar informasi dan juga menuangkan suatu opini terhadap suatu hal. Postingan Twitter yang membicarakan pemilihan presiden menjadi obyek yang digunakan dalam penelitian ini. Untuk mengetahui suatu sentimen memiliki nilai positif atau negatif maka diperlukan analisis sentimen seperti pada penelitian ini. Untuk menganalisis suatu sentimen diperlukan adanya metode yang bisa mengelompokan suatu sentimen, Maximum Entropy merupakan metode yang digunakan pada penelitian ini dengan metode evaluasi yang digunakan adalah Confusion Matrix yang nantinya akan menghitung nilai Macro dan Micro averaging dari nilai evaluasi yang dihasilkan. Hasil evaluasi yang dilakukan dalam penelitian ini menghasilkan nilai akurasi Macro yang cukup tinggi yaitu sebesar 89,16% dengan nilai precision dan recall sebesar 100% dan 89,16% dan juga nilai F-measure sebesar 94,27%. Pengujian dilakukan dengan menguji sebanyak 120 tweet dan data training yang digunakan sebanyak 300 tweet.
Analisis Sentimen Pada Ulasan Aplikasi Mobile Menggunakan Naive Bayes dan Normalisasi Kata Berbasis Levenshtein Distance (Studi Kasus Aplikasi BCA Mobile) Gunawan, Ferly; Fauzi, Mochammad Ali; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 1 No 10 (2017)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (965.457 KB)

Abstract

Perkembangan aplikasi mobile yang pesat membuat banyak aplikasi diciptakan dengan berbagai kegunaan untuk memenuhi kebutuhan pengguna. Setiap aplikasi memungkinkan pengguna untuk memberi ulasan tentang aplikasi tersebut. Tujuan dari ulasan adalah untuk mengevaluasi dan meningkatkan kualitas produk ke depannya. Untuk mengetahui hal tersebut, analisis sentimen dapat digunakan untuk mengklasifikasikan ulasan ke dalam sentimen positif atau negatif. Pada ulasan aplikasi biasanya terdapat salah eja sehingga sulit dipahami. Kata yang mengalami salah eja perlu dilakukan normalisasi kata untuk diubah menjadi kata standar. Karena itu, normalisasi kata dibutuhkan untuk menyelesaikan masalah salah eja. Penelitian ini menggunakan normalisasi kata berbasis Levenshtein distance. Berdasarkan pengujian, nilai akurasi tertinggi terdapat pada perbandingan data latih 70% dan data uji 30%. Hasil akurasi tertinggi dari pengujian menggunakan nilai edit <=2 adalah 100%, nilai edit tertinggi kedua didapat pada nilai edit <=1 dengan akurasi 96,4%, sedangkan nilai edit dengan akurasi terendah diperoleh pada nilai edit <=4 dan <=5 dengan akurasi 66,6%. Hasil dari pengujian Naive BayesLevenshtein Distance memiliki nilai akurasi 96,9% dibandingkan dengan pengujian Naive Bayes tanpa Levenshtein Distance dengan nilai akurasi 94,4%.
Implementasi Gabungan Metode Bayesian dan Backpropagation untuk Peramalan Jumlah Pengangguran Terbuka di Indonesia Arifin, Yure Firdaus; Ratnawati, Dian Eka; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 1 No 4 (2017)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1089.404 KB)

Abstract

Salah satu masalah pokok yang dihadapi negara Indonesia adalah pengangguran. Penyebab terjadinya pengangguran antara lain adalah jumlah lapangan kerja yang tersedia lebih kecil dari jumlah lulusan/pencari kerja. Tidak sebandingnya jumlah lapangan kerja dengan jumlah lulusan/pencari kerja tersebut yang menyebabkan tingginnya tingkat pengangguran di Indonesia. Tingkat pengangguran yang tinggi berdampak langsung maupun tidak langsung terhadap kemiskinan, kriminalitas, dan masalah-masalah sosial. Akan tetapi pada kenyataannya berdasarkan hasil survei BPS dari tahun 2014 ke 2015 tingkat pengangguran terbuka di Indonesia justru menunjukkan peningkatan. Dengan meramalkan/memprediksi jumlah pengangguran, dapat membantu pemerintah Indonesia dalam membuat perencanaan program pemerintah ataupun kebijakan-kebijakan yang terkait tentang lapangan pekerjaan. Selain itu, data hasil prediksi dapat digunakan untuk mengukur seberapa berhasilkah program pemerintah yang telah dilaksanakan pada tahun sebelumnya. Metode Backpropagation adalah salah satu metode yang dapat digunakan untuk memprediksi. Pada penelitian ini dilakukan optimasi nilai inisialisasi bobot pada Backpropagation menggunakan metode Bayesian yang merupakan modifikasi dari Kalman Filter. Berdasarkan hasil pengujian yang telah dilakukan dalam penelitian ini nilai Average Forecasing Error Rate (AFER) yang terendah adalah 2,1003%. Dari hasil pengujian tersebut metode gabungan Bayesian dan Backpropagation memiliki tingkat akurasi yang lebih baik dari pada metode Backpropagation dengan inisialisasi random yang memiliki nilai AFER terendah 2,5793% tetapi membutuhkan jumlah iterasi yang lebih banyak. Sistem prediksi jumlah pengangguran terbuka di Indonesia dengan metode gabungan Bayesian dan Backpropagation pada penelitian ini dapat melakukan prediksi beberapa tahun kedepan secara langsung tetapi hasil yang paling optimal adalah prediksi pada tahun pertama sedangkan pada tahun-tahun berikutnya hasil prediksi semakin tidak akurat.
Co-Authors Ade Kurniawan Afrizal Rivaldi, Afrizal Agus Wahyu Widodo, Agus Wahyu Ahsani, Ahmad Fauzi Alvianda, Ferdi Amerta, Yosua Dwi Anang Hanafi, Anang Anggoro, Yerry Arniantya, Raissa Artha, Dheby Tata Augusta, San Sayidul Akdam Ayudita, Indah Mutia Ayuningsih, Karunia Azzahra, Muthia Bagaskoro, Galih Nuring Binawan, Deri Hendra Budi Darma Setiawan, Budi Darma Cholisoddin, Imam Dahnial Syauqy, Dahnial Daisy Kurniawaty, Daisy Dewi, Krishnanti Dian Eka Ratnawati Dimas Fachrurrozi Azam, Dimas Fachrurrozi Dyva Pandhu Adwandha, Dyva Pandhu Edy Santosa Fadilla, Ivan Fauzi, M Ali Ferly Gunawan, Ferly Fitri Utaminingrum, Fitri Frinta, Khalisma Gumelar, Ridho Agung Harsanti, Evilia Nur Hartono, Farid Rahmat Hendra Pratama Budianto, Hendra Pratama Hidayah, Uke Rahma Hutagaol, Barbara Sonya Ika Oktaviandita, Ika Imam Cholissodin Imam Ghozali Indriati Indriati Iriani, Putri Rahma Ivan Ivan Jocom, Bryan Pratama Jojor Jennifer BR Sianipar, Jojor Jennifer BR Karim, Moch. Khabibul Karina Widyawati, Karina Laili, Alimah Nur Lestari, Dwi Wahyu Puji Lestari, Melati Ayuning M. Ali Fauzi, M. Ali M. Tanzil Furqon, M. Tanzil Makrina Christy Ariestyani, Makrina Christy Mochammad Ali Fauzi, Mochammad Ali Muh. Arif Rahman Muhammad Tanzil Furqon, Muhammad Tanzil Muhammad Taufan Nanda Agung Putra, Nanda Agung Nanda Cahyo Wirawan, Nanda Cahyo Nandini, Renaza Afidianti Nurul Hidayat Onantya, Indriya Dewi Palupi, Rhevitta Widyaning Paripih, Bayu Andika Permatasari, Rosy Indah Prana, Pengkuh Aditya Prasetyo, Andre Rino Pratama, Muhammad Iqbal Pratama, Novan Dimas Pratiwi, Radita Noer Pravina, Arsya Monica Putri, Yohana Yunita Randy Cahya Wihandika, Randy Cahya Rausanfita, Alqis Rindengan, Marina Debora Rini, Mayang Panca Rizal Maulana, Rizal Rizal Setya Perdana Ruslim, Katherine Ivana Sabily, Alvandi Fadhil Sari, Eka Dewi Lukmana Sari, Nur Hijriani Ayuning Setiawan, Muhammad Rizky Sigit Adinugroho Silvia Ikmalia Fernanda, Silvia Ikmalia Sindy Erika Br Ginting, Sindy Erika Br Taufan Nugraha, Taufan Tibyani Tibyani, Tibyani Toriq, Mohammad Wati, Laila Restu Setiya Wicaksana, Danang Aditya Wulandari, Dayinta Warih Yanti, Dwi Suci Ariska Yudantiar, Mayang Arinda Yuita Arum Sari Yulia Kurniawati, Yulia Yure Firdaus Arifin, Yure Firdaus