Article Per Year (5 Year)
p-Index From 2021 - 2026
6.815
P-Index
This Author published in this journals
All Journal Media Statistika BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Edukasi dan Penelitian Informatika (JEPIN) JMPM: Jurnal Matematika dan Pendidikan Matematika BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Sarwahita : Jurnal Pengabdian Kepada Masyarakat Insan Cita Jurnal Pengabdian Kepada Masyarakat JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Pattimura International Journal of Mathematics (PIJMath)
Martha, Shantika
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 58 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 39 Documents
Search
Journal : BIMASTER

 1   2   3   4 
IMPLEMENTASI ALGORITMA GATED RECURRENT UNIT (GRU) UNTUK MEMPREDIKSI HARGA CRUDE PALM OIL (CPO) INDONESIA Robbiati, Dian; Perdana, Hendra; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i4.95959

Abstract

Minyak sawit mentah atau crude palm oil (CPO) merupakan salah satu hasil olahan utama kelapa sawit dengan nilai ekonomis tinggi sebagai komoditas ekspor dan sumber devisa negara. Fluktuasi harga CPO menyebabkan ketidakstabilan harga Tandan Buah Segar (TBS), yang berdampak pada menurunnya pendapatan petani dan risiko kerugian perusahaan akibat biaya produksi yang tidak tertutupi serta penumpukan CPO yang tidak terjual. Penelitian ini bertujuan untuk memprediksi harga CPO Indonesia menggunakan algoritma Gated Recurrent Unit (GRU). GRU merupakan salah satu varian dari algoritma Recurrent Neural Networks (RNN) yang efisien dalam menangani data time series. Data yang digunakan adalah data harga harian CPO Indonesia dari Badan Pengawas Perdagangan Berjangka Komoditi (Bappebti). Dataset kemudian dibagi menjadi data training yang terdiri dari periode 1 April 2023 "“ 31 Mei 2024 dan data testing yang terdiri dari periode 1 Juni "“ 31 Juli 2024. Penelitian ini dilakukan menggunakan software RStudio dengan package "Tsdeeplearning". Proses pelatihan model meliputi inisialisasi bobot dan bias, perhitungan reset gate dan update gate dengan fungsi aktivasi sigmoid, kandidat hidden state dengan fungsi aktivasi tanh, serta hidden state. Pelatihan model berhenti pada epoch ke-10 setelah mencapai kondisi optimum . Hasil penelitian menunjukkan bahwa model GRU memiliki kinerja yang sangat baik dalam memprediksi harga CPO Indonesia. Hal ini ditunjukkan oleh nilai MAPE pada data training dan testing masing-masing sebesar 2,6% dan 2,7%. Hasil prediksi untuk satu bulan ke depan yaitu periode Agustus 2024 menunjukkan bahwa rata-rata harga CPO Indonesia sebesar Rp15.378.
KLASIFIKASI KELULUSAN MAHASISWA FMIPA UNTAN DENGAN LIGHT GRADIENT BOOSTING MACHINE Sadikin, Utin Azwa Sayhani; Martha, Shantika; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i3.95348

Abstract

Kelulusan mahasiswa tepat waktu merupakan salah satu indikator keberhasilan dalam pendidikan tinggi. Pencapaian ini dipengaruhi oleh berbagai faktor, seperti performa akademik, latar belakang pendidikan, serta aspek sosial dan ekonomi. Oleh karena itu, diperlukan metode klasifikasi yang efektif untuk membantu pihak program studi maupun fakultas dalam menganalisis faktor-faktor yang berkontribusi terhadap kelulusan mahasiswa dan mengambil langkah strategis yang tepat. Salah satu metode yang dapat digunakan adalah Light Gradient Boosting Machine (LightGBM), yaitu sebuah algoritma berbasis Gradient Boosting Decision Tree yang dioptimalkan efisiensi dan kecepatannya. Penelitian ini bertujuan untuk mengklasifikasikan kelulusan mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Tanjungpura (UNTAN) menggunakan metode Light Gradient Boosting Machine (LightGBM) dan mengevaluasi hasil klasifikasi tersebut dengan nilai akurasi. Dataset yang digunakan mencakup berbagai variabel seperti faktor akademik yaitu, Indeks Prestasi Semester, dan faktor ekonomi keluarga. Proses pembangunan model dimulai dengan tahap pra-pemrosesan data, termasuk pembersihan data dan transformasi variabel. Model LightGBM kemudian dibangun menggunakan hyperparameter yang dioptimalkan untuk memperoleh performa terbaik. Setelah pembuatan model selesai, model disimpan dan dimuat kembali untuk melakukan klasifikasi pada data. Hasil penelitian ini didapatkan kesimpulan bahwa mahasiswa yang mendapatkan nilai IP
PEMODELAN TINGKAT PENGANGGURAN TERBUKA MENGGUNAKAN GENERALIZED LINEAR MODEL Mori, Stepanus Armadi; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74684

Abstract

Tingkat pengangguran terbuka menjadi aspek yang perlu diperhatikan di negara berkembang seperti Indonesia. Jawa Timur merupakan provinsi dengan penduduk nomor 2 tertinggi di Indonesia tahun 2022 tentnya tidak terlepas dengan permasalahan tingkat pengangguran terbuka. Tidak terserapnya tenaga kerja usia produktif serta kurangnya lapangan pekerjaan yang tersedia menyebabkan pengangguran di suatu daerah dapat menjadi meningkat. Oleh karena itu, perlu dilakukan sebuah analisis untuk mencegah meningkatnya tingkat pengangguran terbuka. Untuk dapat menjadi bahan evaluasi oleh pemerintah dilakukan pemodelan menggunakan generalized linear model menggunakan distribusi gamma untuk mengetahui faktor-faktor yang mempengaruhi tingkat pengangguran terbuka berdasarkan sektor ketenagakeraan, sektor sosial dan kependudukan, dan sektor pendidikan serta mengetahui faktor-faktor berdasarkan model terbaik yang memiliki pengaruh terhadap tingkat pengangguran terbuka di Jawa Timur tahun 2022. Penelitian ini menggunakan data di Jawa Timur dengan data sebanyak 38 kabupaten/kota dengan variabel yaitu tingkat pengangguran terbuka (Y), sektor ketenagakerjaan yakni tingkat partisipasi angkatan kerja (X1), pencari kerja terdaftar (X2), dan lowongan kerja terdaftar (X3), sektor sosial dan kependudukan yakni persentase penduduk miskin (X4), angka harapan hidup (X5), laju pertumbuhan penduduk (X6), dan kepadatan penduduk (X7), serta sektor pendidikan yakni rata-rata lama sekolah (X8), dan harapan lama sekolah (X9). Berdasarkan hasil penelitian ini, didapatkan sektor sosial dan kependudukan sebagai model terbaik berdasarkan nilai akaike"™s information criterian terkecil. Dari model tersebut dapat diketahui bahwa faktor-faktor yang memiliki pengaruh signifikan terhadap tingkat pengangguran terbuka adalah persentase penduduk miskin.  Kata Kunci : Metode Generalized Linear Model, Distribusi Gamma, Akaike"™s Information Criterian
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DENGAN NORMALISASI Z-SCORE DALAM KLASIFIKASI PENERIMA BANTUAN SOSIAL DESA SERUNAI Safitri, Novi; Kusnandar, Dadan; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74063

Abstract

Beberapa program pemerintah dalam menanggulangi masalah kemiskinan, diantaranya Program Keluarga Harapan (PKH), Bantuan Pangan Non Tunai (BPNT), Bantuan Sosial Tunai (BST), dan Bantuan Langsung Tunai (BLT) dana desa. Desa Serunai merupakan desa yang berada di Kecamatan Salatiga Kabupaten Sambas, telah menerapkan pemberian bantuan sosial sejak tahun 2020. Penentuan penerima bantuan sosial yang dilakukan dengan cara manual dapat menjadi penyebab ketidaktepatan sasaran penerima bantuan. Oleh karenanya penelitian ini bertujuan mengklasifikasikan penerima bantuan sosial dan mencari akurasi terbaik menggunakan algoritma K-Nearest Neighbor dengan normalisasi z-score. Penerima bantuan sosial diklasifikasikan menjadi tiga, yaitu penerima PKH, penerima BLT dana desa dan tidak menerima bantuan. Klasifikasi penerima bantuan menggunakan perhitungan jarak Euclidean dengan sembilan parameter K, yaitu . Perhitungan akurasi dilakukan dengan confusion matrix. Data yang digunakan adalah data Pemutakhiran Keluarga Desa Serunai Tahun 2022 yang berdomisili di Dusun Kemboja, diperoleh dari website BKKBN dan kantor Desa Serunai, sebanyak 205 data dengan delapan variabel atribut dan satu variabel kelas. Data dibagi menjadi data latih (training) dan data uji (testing), dengan proporsi 90:10, 80:20, dan 70:30. Hasil penelitian menunjukkan bahwa klasifikasi terbaik diperoleh pada proporsi 90:10 dengan parameter , dimana dari 20 individu yang diprediksi, terdapat sepuluh individu diklasifikasikan sebagai penerima PKH (kelas 1), satu individu diklasifikasikan sebagai penerima BLT dana desa (kelas 2) dan sembilan individu diklasifikasikan sebagai bukan penerima bantuan (kelas 3).  Jika disandingkan dengan data aktual terdapat dua individu yang salah diklasifikasikan sehingga didapatkan akurasi sebesar 90%, dengan recall sebesar 100% dan presisi sebesar 80%.  Kata Kunci: klasifikasi, normalisasi z-score, jarak Euclidean.
PEMODELAN REGRESI LINEAR MENGGUNAKAN METODE THEIL (STUDI KASUS: JUMLAH PENDUDUK MISKIN DAN TINGKAT PENGANGGURAN TERBUKA) Amarrullah, Rido; Martha, Shantika; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i4.70083

Abstract

Metode Theil adalah salah satu metode regresi nonparametrik yang digunakan saat asumsi kenormalan residual tidak terpenuhi pada model regresi linear sederhana. Penelitian ini bertujuan untuk membentuk model regresi linear sederhana dengan metode Theil dari data dengan residual data tidak berdistribusi normal. Data yang digunakan pada penelitian ini adalah data semesteran jumlah penduduk miskin (Y) dan tingkat pengangguran terbuka (X) di Indonesia Tahun 2012 hingga 2022 sebanyak 21 data. Terlebih dahulu dilakukan analisis regresi antara X dan Y, selanjutnya lakukan pengujian asumsi kenormalan residual data. Jika residual tidak berdistribusi normal, maka untuk mendapatkan model regresi linear sederhana dari data digunakanlah metode Theil. Setelah dilakukan analisis dengan metode Theil didapatlah model regresi linear sederhana Ŷ i = 18932,085 + 1495,988 X i , dengan nilai koefisien determinasi R 2 sebesar 0,493 (49,3%). Dari model yang didapat bisa diambil kesimpulan bahwa terdapat pengaruh positif antara tingkat pengangguran terbuka terhadap jumlah penduduk miskin, sehingga setiap kali tingkat pengangguran terbuka naik, jumlah penduduk miskin juga ikut naik. Sedangkan nilai koefisien determinasi menunjukkan bahwa sebesar 49,3% kemampuan variabel tingkat pengangguran terbuka menjelaskan tentang variabel jumlah penduduk miskin. Sedangkan sisanya sebesar 50,7% dijelaskan oleh variabel-variabel lain diluar penelitian ini.Kata kunci: Metode Theil, Regresi Parametrik dan Nonparametrik
PENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN FAKTOR-FAKTOR KEMISKINAN MENGGUNAKAN METODE DBSCAN Purwanty, Purwanty; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74047

Abstract

Salah satu teknik analisis cluster adalah Density Based Spatial Clustering Algorithm with Noise (DBSCAN). Teknik ini mengelompokkan data berdasarkan kepadatannya. Jumlah data atau minimum point (Minpts) dalam radius epsilon (ε) dari setiap kumpulan data adalah merupakan konsep kepadatan data yang dimaksud . Dalam penelitian ini, Kabupaten/kota di Kalimantan Barat dikelompokkan berdasarkan kriteria berdasarkan faktor-faktor kemiskinan tahun 2021 dengan menggunakan metode DBSCAN. Indeks pembangunan manusia (X1), tingkat pengangguran terbuka (X2), dan persentase penduduk usia 15 tahun ke atas yang melek huruf (X3) menjadi variabel yang digunakan dalam penelitian ini. Tahap pertama dalam penelitian ini adalah menggunakan z-score untuk standarisasi data. Selanjutnya dengan melihat kurva siku menggunakan plot K-Nearest Neighbor (KNN) untuk menentukan nilai epsilon dan Minpts. Selanjutnya menentukan titik centroid pertama yang dipilih secara acak. Selanjutnya gunakan jarak euclidean untuk menghitung jarak. Setelah itu pembentukan cluster berdasarkan jumlah titik dalam radius ε dan lebih besar sama dengan Minpts. Kemudian vadidasi cluster dengan silhouette coefficient. Selanjutnya adalah interpretasi cluster. Dari hasil pengelompokan menggunakan metode DBSCAN diperoleh dua cluster dan lima noise dengan parameter ε sebesar 0,6 dan Minpts sebesar dua. Tujuh Kabupaten yaitu Sambas, Bengkayang, Landak, Sanggau, Kapuas Hulu, Sekadau, dan Melawi termasuk dalam cluster satu. Dua Kabupaten yaitu Mempawah dan Kubu Raya termasuk dalam cluster dua. Dibandingkan dengan cluster satu, cluster dua memiliki nilai rata-rata IPM dan tingkat pengangguran terbuka yang lebih besar. Berdasarkan hasil tersebut maka program-program dari pemerintah dapat diarahkan pada cluster dua.  Kata Kunci: Analisis Cluster, Epsilon, Minpts
PENERAPAN AUTOMATIC CLUSTERING"“FUZZY LOGICAL RELATIONSHIP PADA PERAMALAN HARGA EMAS Anggria, Vini; Martha, Shantika; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.76953

Abstract

Investasi yang cenderung dipilih kebanyakan orang saat ini adalah dengan berinvestasi emas. Salah satu keuntungan dalam berinvestasi emas yaitu karena memiliki tingkat risiko yang relatif rendah dan tidak terpengaruh oleh inflasi. Untuk memperoleh keuntungan dan mencegah kerugian para investor membutuhkan metode peramalan dalam pengambilan keputusan. Metode peramalan yang digunakan dalam penelitian ini adalah Automatic Clustering "“ Fuzzy Logical Relationship (ACFLR). Tujuan penelitian ini untuk meramalkan harga emas dengan menerapkan metode ACFLR sebagai alat pendukung keputusan dalam berinvestasi. Penelitian ini menganalisis data harga emas pada periode 1 Maret 2022 hingga 31 Maret 2022. Peramalan ACFLR diawali dengan mengurutkan data tanpa data ganda, pembentukan kluster, penentuan panjang dan nilai tengah interval ,himpunan fuzzy, fuzzifikasi, membentuk FLR dan FLRG dan perhitungan nilai peramalan. Berdasarkan hasil implementasi metode ACFLR diperoleh hasil peramalan harga emas satu hari kedepan yaitu pada tanggal 1 April 2022 sebesar Rp. 897.000. Nilai ketepatan peramalan yang dihitung dengan MAPE sebesar 0,37% yang dapat dikatakan tingkat akurasinya tinggi, sehingga dapat disimpulkan bahwa penerapan metode ACFLR baik digunakan dalam memprediksi harga emas.  Kata Kunci : ACFLR, harga emas, peramalan
PENERAPAN VECTOR ERROR CORRECTION MODEL (VECM) UNTUK PERAMALAN NILAI EKSPOR NONMIGAS INDONESIA Pramesti, Surya Adinda Fitria; Imro’ah, Nurfitri; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i5.99649

Abstract

Vector Error Correction Model (VECM) adalah pengembangan dari Vector Autoregressive (VAR) yang digunakan untuk menganalisis data yang tidak stasioner namun memiliki hubungan kointegrasi atau keterkaitan jangka panjang. VECM digunakan pada data time series yang menjadi stasioner setelah differencing pertama dan telah lolos uji kointegrasi. Dalam penelitian ini, data time series yang dianalisis adalah data ekspor dan nilai tukar mata uang rupiah. Ekspor adalah kegiatan perdagangan internasional yang menjadi elemen vital dalam pembentukan fondasi ekonomi suatu bangsa. Salah satu aspek utama yang berperan dalam memengaruhi besarnya nilai ekspor adalah nilai tukar mata uang atau kurs yang berperan dalam menentukan tingkat daya saing produk domestik di pasar internasional. Penelitian ini menggunakan nilai tukar terhadap dolar Amerika Serikat (USD), karena USD masih menjadi standar nilai tukar internasional dan menjadi acuan utama dalam sistem nilai tukar internasional. Ekspor menunjukkan perubahan yang tidak stabil dari waktu ke waktu, sehingga diperlukan upaya peramalan untuk dapat membantu memprediksi kondisi ekonomi mendatang. Penelitian ini bertujuan mengimplementasikan model VECM untuk meramalkan nilai ekspor nonmigas Indonesia. Data yang dianalisis berupa data periodik bulanan dari Januari 2013 hingga Desember 2024 yang diunduh melalui situs Satu Data Kementerian Perdagangan. Data yang digunakan telah memenuhi syarat stasioneritas pada tingkat first difference. Lag optimum yang dipilih adalah lag 3 sehingga model yang digunakan adalah VECM(2). Dalam uji kointegrasi Johansen menghasilkan adanya hubungan kointegrasi, sehingga pada setiap periode jangka pendek terjadi penyesuaian secara bersamaan dan saling memengaruhi guna mencapai keseimbangan dalam jangka panjang. Perhitungan menghasilkan Mean Absolute Percentage Error (MAPE) sebesar 5,99%, sehingga kinerja model dinilai sangat baik.
Pemodelan Data Cuaca dengan Variabel Eksogen Kulminasi Matahari menggunakan Model Varimax Anjelika, Seselia; Martha, Shantika; Huda, Nur’ainul Miftahul
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 6 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i6.103101

Abstract

Perubahan cuaca di wilayah tropis seperti Kota Pontianak dipengaruhi oleh berbagai faktor meteorologi yang saling berinteraksi. Penelitian ini bertujuan menganalisis hubungan antara suhu rata-rata, kelembapan rata-rata, dan lama penyinaran matahari sebagai variabel cuaca atau variabel endogen, serta menganalisis pengaruh kulminasi matahari sebagai variabel eksogen. Data yang digunakan berasal dari BMKG Stasiun Meteorologi Maritim Pontianak dalam bentuk data bulanan periode 2021-2024. Analisis yang diterapkan adalah VARIMAX (Vector Autoregressive Model with Exogenous Variables) dengan tahapan meliputi analisis deskriptif, uji stasioneritas, identifikasi ordo model, estimasi parameter, pengujian asumsi residual, peramalan, dan evaluasi model menggunakan MAPE. Hasil penelitian menunjukkan bahwa ketiga variabel cuaca memiliki keterkaitan yang signifikan, sedangkan variabel eksogen kulminasi matahari tidak signifikan secara statistik namun tetap dipertimbangkan secara teoritis. Model terbaik yang diperoleh adalah VARIMAX (1,2,0) dengan tingkat kesalahan MAPE In-Sample sebesar 4,77% untuk suhu, 5,21% untuk kelembapan, dan 15,79% untuk penyinaran matahari dan MAPE Out-Sample sebesar 8,16% untuk suhu, 8,04% untuk kelembapan, dan 26,91% untuk penyinaran matahari. Temuan ini menegaskan bahwa model VARIMAX dapat digunakan untuk memahami dinamika cuaca tropis sekaligus mendukung peramalan jangka pendek di wilayah Pontianak.
Co-Authors , Syahru Rahmayuda, Haris Febriyanto Ramadhan , Sampe Hotlan Sitorus Agustono, Hendri Al Azizi, Fudhail Azzam Thoriqi Amarrullah, Rido Andani, Wirda Anggria, Vini Anjelika, Seselia Apriliyanti, Rita Aprizkiyandari, Siti Arsanti, Resti Asmara, Mira AYU ASTUTI, AYU Ayuni, Anisa Putri Bartolomius, Bartolomius Cahyani, Cristy Framedia Calissta, Leanna Belva Clarenda Siboro, Viren Marcellya Cornellia, Amanda Dadan Kusnandar Deanovela, Adelea Delvi Debataraja, Naomi Nessyana Dwi Marisa Midyanti Dyaherawati, Oktavia Ersawahyuni, Aisna Evy Sulistianingsih Fallah, Khalishah Ghina Fiqriah, Isnaini Gunawan, Risky Hamdari, Ela Hariadi, Wahyudio Shaney Fikri Hendra Perdana hidayatullah, Hidayatullah hidayatullah Huda, Nur’ainul Miftahul Idilla, Leona Ilhamsyah Imro'ah, Nurfitri IMRO’AH, NURFITRI Indriani, Maria Meilinda Istighfarani, Ridha Maharani, Cinta Priscillia Mori, Stepanus Armadi Muhtadi, Radhi Neva Satyahadewi Novi Safitri Nurhaliza, Sy. Farini Oktitannia, Dea Pebriyandi, Rifki Pramesti, Surya Adinda Fitria Prianti, Sabrina Eka Purwanty, Purwanty Puspita, Risma Radinasari, Nur Ismi Rahmadanti, Putri Rahmawati, Fenti Nurdiana Rezaldi, Muhammad Fachri Riovani, Vriska Dwi Rivaldi, Syahrul Rizki, Setyo Wira Robbiati, Dian Sadikin, Utin Azwa Sayhani Salsabila, Salsabila Salsabila, Yumna Hanum Sindia, Eri Tamtama, Ray Umiati, Wiji Vebriyanti, Lo Mei Ly Wuri, Hastri Sastia Yogi, Vinsensius Yudhi Yundari, Yundari Zaria, Della