Article Per Year (5 Year)
p-Index From 2020 - 2025
15.444
P-Index
This Author published in this journals
All Journal Jurnal Matematika BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan CESS (Journal of Computer Engineering, System and Science) BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) KABILAH : Journal of Social Community Jurnal Pendidikan Sejarah dan Riset Sosial Humaniora (KAGANGA) BULETIN AL-RIBAATH Jambura Journal of Mathematics GERVASI: Jurnal Pengabdian kepada Masyarakat Sarwahita : Jurnal Pengabdian Kepada Masyarakat M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika Variance : Journal of Statistics and Its Applications International Journal of Economics, Business and Accounting Research (IJEBAR) Jurnal Pendidikan Dasar Perkhasa Jurnal Pengabdian kepada Masyarakat Nusantara Journal of Mathematics Education and Science AR-RIAYAH : Jurnal Pendidikan Dasar Lumbung Inovasi: Jurnal Pengabdian Kepada Masyarakat Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi CENDEKIA : Jurnal Ilmu Pengetahuan Journal of Community Development Empiricism Journal Jurnal Eurekamatika Jurnal Forum Analisis Statistik Pattimura International Journal of Mathematics (PIJMath) STATISTIKA Bina Bahari : Jurnal Pengabdian Kepada Masyarakat Equiva
Neva Satyahadewi
Program Studi Statistika Fakultas MIPA Universitas Tanjungpura, Indonesia
Religion Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Nursing Physics Public Health Social Sciences Transportation Other

Published : 169 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 169 Documents
Search

 10   11   12   13   14 
IMPLEMENTATION OF AHP-TOPSIS AS A SUPPORT FOR MAKING DECISIONS ON MICRO BUSINESS FUNDING IN SAMBAS REGENCY Noerul Hanin; Della Zaria; David Jordy Dhandio; Dadan Kusnandar
International Journal of Economics, Business and Accounting Research (IJEBAR) Vol 7, No 1 (2023): IJEBAR, VOL. 07 ISSUE 01, MARCH 2023
Publisher : LPPM ITB AAS INDONESIA (d.h STIE AAS Surakarta)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29040/ijebar.v7i1.8705

Abstract

The economy is one of the fields affected by the Covid-19 pandemic in the world, including Indonesia. One of the drivers of the economy in Indonesia is Micro, Small and Medium Enterprises (MSMEs). Among the three types of businesses, micro-enterprises contribute the most to Indonesia's Gross Domestic Product. Therefore, an analysis of the decision support system for financing micro-enterprises in Indonesia is carried out. This study aims to determine the application of decision support methods in selecting micro-enterprises that are entitled to receive grants and appreciation for developing their business. The choice of Sambas Regency as the case study location was due to the good development of micro-enterprises and one of the front lines in exporting products to other countries. The method used is a collaboration between the Analytical Hierarchy Process (AHP) method and the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Through the process of weighing the criteria with AHP and several stages with TOPSIS, the results are obtained in the form of preference values and sequences of micro businesses that are eligible to receive funds. For the category of grants, it was found that the most feasible business to be financed was Roemah Jamoer Ikram, while for the category of appreciation funds, the most feasible business to be financed was Amplang 9. Thus, the analysis of supporting micro business financing using the AHP-TOPSIS method was successfully carried out with the output in the form of micro business rating results.
Determination of the Annual Pension Fund Premium for Joint-Life Status Using the Aggregate Cost Method Syuradi syuradi; Neva Satyahadewi; Hendra Perdana
Pattimura International Journal of Mathematics (PIJMath) Vol 2 No 2 (2023): Pattimura International Journal of Mathematics (PIJMath)
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/pijmathvol2iss2pp71-78

Abstract

A pension fund is one of the responsibilities of an institution or company for all employees during their working life. In pension fund insurance, several agreements must be agreed upon by the insured and the insurer for the agreement, namely the premium. The premium to be paid by the insured (employee) of the pension fund insurance must adjust to the income earned, so that the premium to pay does not burden the insured. This study aims to determine the annual pension fund premium amount that must pay use the Aggregate Cost method in the joint-life case. The case study uses information from a husband and wife as civil servants with a husband class III B and wife III A participating in a pension program with a retirement age limit of 58 years (r = 58). The husband (insured x) was 28 years old, and the wife (insured y) was 24 when they started working and joined the pension program. The result of calculating the value of the annual pension fund insurance premium that must pay use the Aggregate Cost method is Rp.41,440,163. If the husband's age is lower than the wife's (x=24, y=28), then the value of the premium paid is more significant than when the husband's age is higher than the wife's (x=28, y=24), which is IDR 41,594,217. That is because the husband's working period is more extended than the wife's, while the chance of death for men is higher than for women. Meanwhile, premiums producing if the husband and wife are of the same age, which is cheaper than when the husband and wife are of different ages
IMPLEMENTASI WEB SCRAPING UNTUK ULASAN PADA TWITTER MENGGUNAKAN ASOSIASI TEKS (STUDI KASUS: FILM KKN DI DESA PENARI) Frans Xavier Natalius Antoni; Neva Satyahadewi; Hendra Perdana
VARIANCE: Journal of Statistics and Its Applications Vol 6 No 1 (2024): VARIANCE: Journal of Statistics and Its Applications
Publisher : Statistics Study Programme, Department of Mathematics, Faculty of Mathematics and Natural Sciences, University of Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/variancevol6iss1page21-28

Abstract

Pengguna twitter biasanya memberikan komentar yang berisi mengenai ulasan suatu film yang sedang tayang. Teknik yang dapat digunakan untuk mengambil komentar pada twitter yaitu Web Scraping. Penelitian ini bertujuan untuk mengimplementasikan Web Scraping dalam mengumpulkan data pada twitter dan mengimplementasikan Asosiasi Teks untuk mendapatkan informasi antar kata yang terbentuk. Penelitian ini menggunakan komentar yang berisi mengenai ulasan Film KKN di Desa Penari pada tanggal 30 April 2022. Komentar yang diperoleh tidak semua berisi ulasan, sehingga perlu dilakukan seleksi terhadap komentar tersebut. Hasil seleksi dari 866 komentar diperoleh sebanyak 116 ulasan positif dan 83 ulasan negatif. Data yang diperoleh dari komentar tidak bisa langsung dianalisis, sehingga perlu melalui tahap text preprocessing. Adapun tahap text preprocessing yaitu cleansing data, case folding, spelling normalization, filtering, dan tokenizing. Setelah melalui tahap text preprocessing, ulasan tersebut kemudian dianalisis untuk mendapatkan informasi yang penting dengan menggunakan Asosiasi Teks. Hasil Asosiasi Teks untuk ulasan positif diperoleh informasi bahwa penonton memberikan penilaian terhadap tokoh, akting dan sinematografi yang bagus, kemudian film yang ditayangkan juga sesuai dengan cerita thread pada twitter, dan sinematografi juga keren. Sedangkan untuk ulasan negatif penonton memberikan penilaian bahwa Film KKN di Desa Penari, film yang biasa dan hantu yang ditayangkan juga kurang seram.
IMPLEMENTASI ALGORITMA K-MEDOIDS DAN CLUSTERING LARGE APPLICATIONS (CLARA) DENGAN OPTIMASI SILHOUETTE COEFFICIENT (Studi Kasus: Pengelompokan Indeks Pembangunan Manusia Berdasarkan Kabupaten/Kota di Indonesia) Anisa Putri Ayuni; Dadan Kusnandar; Shantika Martha
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.v13i2.76959

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator untuk menilai keberhasilan pembangunan manusia yang ditinjau melalui kualitas hidup. Pengelompokan IPM perlu dilakukan untuk mengetahui derajat kesejahteraan dan kemajuan penduduk. Upaya yang bisa diterapkan untuk mengetahui  pengelompokan kabupaten/kota dengan nilai IPM tertinggi sampai terendah melalui analisis cluster. Analisis cluster yang dapat digunakan yakni algoritma K-Medoids dan CLARA. Algoritma K-Medoids dan CLARA memanfaatkan titik data untuk mewakili pusat cluster sehingga titik data yang terpilih dinamakan dengan medoids. Penelitian ini bertujuan untuk menganalisis hasil pengelompokan kabupaten/kota berlandaskan indikator pembentuk IPM menggunakan algoritma K-Medoids dan CLARA serta menganalisis perbandingan nilai silhouette coefficients optimal pada algoritma K-Medoids dan CLARA. Penelitian ini memanfaatkan data sekunder yang didapat dari Badan Pusat Statistik (BPS) tahun 2022. Variabel yang dianalisis mencakup umur harapan hidup ( ), harapan lama sekolah ( ), rata-rata lama sekolah ( ), dan pengeluaran per kapita ( ).  Pengelompokan dengan K-Medoids menghasilkan 358 kabupaten/kota yang tergabung dalam cluster dengan nilai IPM sedang dan 156 kabupaten/kota tergabung dalam cluster dengan nilai IPM tinggi. Sementara itu, pengelompokan dengan CLARA menghasilkan 426 kabupaten/kota yang tergabung dalam cluster dengan nilai IPM sedang dan 88 kabupaten/kota tergabung dalam cluster dengan nilai IPM tinggi. Algoritma CLARA merupakan algoritma yang optimal dengan nilai silhouette coefficient paling tinggi yakni sebesar 0,438. Kata Kunci : IPM, CLARA, K-Medoids, Silhouette Coefficient.
PEMODELAN ARIMA-ANN PADA HARGA SAHAM BANK MANDIRI Rahmi Fadhillah; Dadan Kusnandar; Nur’ainul Miftahul Huda
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.v13i1.74370

Abstract

Saham adalah salah satu instrumen pasar keuangan yang paling populer. Dalam sektor perbankan, Bank Mandiri memiliki nilai aset saham terbesar, sehingga perlu dilakukan peramalan untuk kebijakan perusahaan. Pada penelitian ini harga saham Bank Mandiri mengandung komponen linier dan nonlinier. Metode peramalan yang digunakan adalah metode hybrid ARIMA-ANN gabungan model Autoregressive Integrated Moving Average (ARIMA) dan Artificial Neural Network (ANN). Penelitian ini bertujuan untuk memodelkan data dan mengetahui akurasi peramalan harga saham Bank Mandiri. Studi kasus yang digunakan adalah harga penutupan saham pada Bank Mandiri periode Januari 2021 hingga Desember 2022. Langkah pertama dilakukan pembentukan model ARIMA menggunakan data training dan menentukan residual ARIMA. Apabila residual ARIMA nonlinier, maka dapat dimodelkan dengan ANN. Hasil penelitian ini adalah model ARIMA (0,1,1) dan model ANN dengan 4 neuron pada hidden layer. Nilai MAPE training dan testing hybrid ARIMA–ANN sebesar 1,32% dan 5,49%. Akurasi peramalan harga saham memilki nilai MAPE kurang dari 10% yang menunjukkan metode hybrid ARIMA-ANN tergolong sangat baik. Kata Kunci : ARIMA, ANN, Harga Saham Bank Mandiri
PEMODELAN REGRESI PANEL SPASIAL PADA TINGKAT PENGANGGURAN TERBUKA DI PROVINSI KALIMANTAN BARAT Hastri Sastia Wuri; Dadan Kusnandar; Shantika Martha
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.v13i1.74371

Abstract

Tingkat Pengangguran Terbuka (TPT) adalah persentase dari jumlah pengangguran terhadap angkatan kerja pada suatu daerah. Penelitian ini bertujuan untuk mengetahui model yang sesuai dan menganalisis faktor yang mempengaruhi tingkat pengangguran terbuka untuk Kabupaten/Kota pada Provinsi Kalimantan Barat. Data pada penelitian ini menggunakan lima variabel yaitu TPT, TPAK, IPM, APS, dan RLS. Langkah-langkah pada penelitian ini dimulai dengan melakukan identifikasi pada data panel menggunakan 2 uji yaitu uji chow dan hausman dalam membandingkan model terbaik. Membuat pembobot spasial menggunakan Queen Contiguity dalam mendeteksi dependensi spasial melalui pengujian lagrange multiplier dalam mendapatkan efek spasial lag untuk model SAR-FE dan spasial error untuk model SEM-FE. Hasil pada penelitian menunjukkan model terbaik adalah model SAR-FE dengan nilai  sebesar 86,4% dengan model yang terbentuk .Pada model didapatkan faktor yang mempengaruhi TPT untuk Kabupaten/Kota  di Provinsi Kalimantan Barat yaitu tingkat partisipasi angkatan kerja dan indeks pembangunan manusia. Kata Kunci: Data Panel, Panel Spasial, Tingkat Pengangguran Terbuka
PENERAPAN ALGORITMA MODIFIED K-NEAREST NEIGHBOR (MK-NN) DALAM KLASIFIKASI KELULUSAN MAHASISWA (Studi Kasus: Prodi Statistika Universitas Tanjungpura) Ezra Amarya Aipassa; Dadan Kusnandar; Nurfitri Imro’ah
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.v13i1.74062

Abstract

Salah satu pencapaian mahasiswa dalam meraih gelar sarjana adalah dengan lulus tepat waktu. Namun, tidak semua mahasiswa mampu menyelesaikan waktu studinya dengan tepat waktu. Suatu teknik yang memanfaatkan fungsi dari klasifikasi data mining diperlukan untuk memperoleh informasi dari data guna memprediksi kelulusan mahasiswa. Penelitian ini menggunakan algoritma Modified K-Nearest Neighbor (MK-NN) dalam klasifikasi kelulusan mahasiswa. Algoritma MK-NN merupakan pengembangan dari metode K-Nearest Neighbor (KNN) dimana dalam proses MK-NN menambah dua tahapan yaitu validitas dan weight voting. Penelitian ini bertujuan untuk menerapkan algoritma MK-NN dan mendapatkan nilai akurasi terbaik dalam klasifikasi kelulusan mahasiswa berdasarkan K-Optimal. Variabel dependen yang digunakan yaitu status kelulusan mahasiswa  serta variabel independen (X) yang digunakan yaitu IPK semester 1  hingga IPK semester 4 (  dan SKS semester 1  hingga SKS semester 4 ). Langkah-langkah dalam penelitan ini adalah mengumpulkan data lulusan mahasiswa Program Studi Statistika Universitas Tanjungpura angkatan 2013-2018 sebanyak 186 data. Setelah itu, mendeskripsikan data menggunakan statistik deskriptif, lalu men-normalisasi seluruh variabel (X), selanjutnya mencari K-Optimal menggunakan 10-fold cross validation, menghitung jarak euclidean antardata training yang kemudian divalidasi dan menghitung jarak euclidean data training dan data testing, hasil perhitungan jarak tersebut akan dimasukkan beserta nilai validasi data training pada perhitungan weight voting yang selanjutnya akan diklasifikasikan menggunakan algorima MK-NN. Sebanyak 130 data digunakan sebagai data training dan 56 data digunakan sebagai data testing. Hasil penelitian menunjukkan bahwa 49 data testing diprediksi dengan tepat, sedangkan tujuh data tidak tepat diprediksi sehingga akurasi yang diperoleh sebesar 87,5% dengan K-Optimal=9.  Kata kunci: akurasi, validitas, weight voting
PERBANDINGAN METODE ARIMA DAN NNAR UNTUK MERAMALKAN SUHU UDARA DI KOTA PONTIANAK Alqaida Yusril; Dadan Kusnandar; Wirda Andani
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.v13i2.77243

Abstract

Kenaikan suhu global yang tinggi menyebabkan terjadinya perubahan iklim di Indonesia. Pontianak merupakan salah satu kota yang merasakan dampak langsung dari perubahan iklim dan akan sangat sulit dikendalikan jika tidak bisa memprediksi cuaca yang tidak menentu. Penelitian ini bertujuan untuk meramalkan suhu yang akurat dengan membandingkan metode Autoregressive Integrated Moving Average (ARIMA) dan Neural Network Autoregressive (NNAR). Penelitian ini dilakukan pada data suhu udara dengan mengolah data menggunakan metode ARIMA kemudian dilanjutkan metode NNAR. Kedua metode tersebut dipilih metode terbaik berdasarkan hasil nilai MAPE terkecil untuk melakukan peramalan pada data rata-rata suhu di Kota Pontianak di bulan Januari 2023. Data yang digunakan dalam penelitian ini merupakan data sekunder rata-rata suhu harian di Kota Pontianak sebanyak 365 data dari tanggal 1 Januari 2022 - 31 Desember 2022 yang diperoleh dari BMKG di Kota Pontianak. Hasil penelitian menunjukkan model NNAR (17,8) memiliki nilai MAPE sebesar 2,7% lebih kecil dari pada nilai MAPE model ARIMA (1,0,0) yaitu sebesar 2,9% dan hasil peramalan pada bulan Januari 2023 dengan model NNAR (17,8) menunjukkan suhu udara di Kota Pontianak cenderung turun dan naik setiap harinya dengan suhu tertingginya sebesar 27,66℃ dan suhu terendahnya sebesar 26,91℃.Kata Kunci : Peramalan, ARIMA, NNAR, Suhu Udara
Model Spasial Data Panel dalam Menganalisis Faktor-Faktor yang Mempengaruhi Kemiskinan di Provinsi Kalimantan Barat: Spatial Data Panel Model in Analyzing Factors Affecting Poverty in Kalimantan Barat Province Hairil Al-Ham; Neva Satyahadewi; Nur Asih Kurniawati
Jurnal Forum Analisis Statistik Vol. 4 No. 1 (2024): Jurnal Forum Analisis Statistik (FORMASI)
Publisher : Badan Pusat Statistik Provinsi Kalimantan Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57059/formasi.v4i1.71

Abstract

Poverty is a complex and multidimensional problem in many countries, including Indonesia, which includes a lack of access to economic resources, education and adequate health services. In 2023, the percentage of the poor people in West Kalimantan Province has decreased to 7.03%, while the target of the RPJMD for West Kalimantan Province is 6.92%. One of the efforts that can be made to overcome this problem is by determining the factors that influence poverty. This research focuses on modeling with a spatial panel econometric approach on the percentage of the poor population. With this modeling, time period effects and spatial effects can be obtained on the percentage of poor people in districts/cities in West Kalimantan Province. The factors analyzed consisted of four sectors, namely education, social, health and employment. The panel data regression model obtained from this study is random effect. Then, in testing spatial effects, the results obtained showed that there was spatial autocorrelation and spatial dependence on error. So the analysis was continued using the spatial error model-random effect (SEM-random effect). The influence between locations or in this case districts/cities is measured using the queen contiguity spatial weighting matrix. From the model formed, it was found that districts/cities that are close to each other have an influence on reducing the percentage of the poor population in West Kalimantan Province. There are two variables that have a significantly influence the percentage of poor people in West Kalimantan Province. The school participation rate has a positive effect, while the percentage of the working population in the labor force has a negative effect on the percentage of the poor.
Estimasi Pengunjung Pontianak Interactive Center dengan Menggunakan Metode Double Exponential Smoothing Satyahadewi, Neva; Aprizkiyandari, Siti; Rivaldo, Rendi
Empiricism Journal Vol. 4 No. 2: December 2023
Publisher : Lembaga Penelitian dan Pemberdayaan Masyarakat (LITPAM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/ej.v4i2.1517

Abstract

Pontianak Interactive Center (Pontive Center) adalah salah satu layanan publik yang disediakan pemerintah melalu Dinas Komunikasi dan Informatika Kota Pontianak. Pontive Center menyediakan layanan publik seperti pusat kendali CCTV dan berbagai sensor pengamatan, pengelolaan informasi, sistem TIK, dan sebagainya. Jumlah kunjungan setiap bulannya di Pontive Center cukup beragam sehingga diperlukan estimasi jumlah kunjungan agar Pontive Center dapat mempersiapkan segala alternatif yang dapat digunakan jika terjadi lonjakan jumlah kunjungan. Metode yang digunakan pada penelitian ini yaitu metode Double Exponential Smoothing (DES) dalam mengestimasikan jumlah kunjungan di Pontive Center. Data yang digunakan yaitu data jumlah kunjungan di Pontive Center dalam bulanan dari tahun 2019-2022. Data ini merupakan jumlah kunjungan di Pontive Center seperti kunjungan instansi, rapat kerja, seminar, sosialisasi dan sebagainya. Penelitian ini mengestimasikan jumlah kunjungan selama 12 bulan ke depan dan didapat rata-rata jumlah kunjungannya yaitu 11-12 kunjungan perbulannya. Perhitungan nilai Mean Absolut Percentage Error (MAPE) yang didapat yaitu sebesar 42%, sehingga model estimasi dengan Double Exponential Smoothing pada penelitian ini cukup layak digunakan. Estimated Visitors to the Pontianak Interactive Center Using the Double Exponential Smoothing Method Abstract Pontianak Interactive Center (Pontive Center) is one of the public services provided by the government through the Pontianak City Communication and Information Service. Pontive Center provides public services such as CCTV control centers and various observation sensors, information management, ICT systems, and so on. The number of visits each month at the Pontive Center is quite varied, so an estimate of the number of visits is needed so that the Pontive Center can prepare all alternatives that can be used if there is a spike in the number of visits. The method used in this research is the Double Exponential Smoothing (DES) method in estimating the number of visits to the Pontive Center. The data used is data on the number of visits to the Pontive Center monthly from 2019-2022. This data represents the number of visits to the Pontive Center such as agency visits, work meetings, seminars, socialization and so on. This study estimated the number of visits over the next 12 months and found that the average number of visits was 11-12 visits per month. The calculation of the Mean Absolute Percentage Error (MAPE) value obtained is 42%, so the estimation model with Double Exponential Smoothing in this research is quite suitable for use.
Co-Authors . Apriansyah Aditya Handayani Afghani Jayuska Afghany Jayuska Alqaida Yusril Alvin Octavianus Halim Amriani Amir Amriani Amir Amriani Amir Amriani Amir Andani, Wirda Anisa Putri Ayuni Apriliyanti, Rita Aprizkiyandari, Siti Ardhitha, Tiffany Ari Hepi Yanti Arsyi, Fritzgerald Muhammad Ashari, Asri Mulya Asri Mulya Ashari Asty Fistia Ningrum Atikasari, Awang Aulia Puteri Amari Bambang Kurniadi Banu, Syarifah Syahr ciptadi, wahyudin Dadan Kusnandar Dadan Kusnandar Dadan Kusnandar David Jordy Dhandio Debataraja, Naomi Nessyana Della Zaria Desriani Lestari Desriani Lestari Desriani Lestari Dhandio, David Jordy Dinda Lestari Dwi Nining Indrasari Dwinanda, Maria Welita Esta Br Tarigan Evy Sulistianingsih Ewaldus Okta Ezra Amarya Aipassa Ferdina Ferdina Feriliani Maria Nani Fitriawan, Della Frans Xavier Natalius Antoni Fransisca Febrianti Sundari Fransiska Fransiska Giovani Parasta Riswanda Grikus Romi Gusti Eva Tavita Gusti Eva Tavita Hairil Al-Ham Hamzah, Erwin Rizal Hanin, Noerul Harimurti, Puspito Harnanta, Nabila Izza Hastri Sastia Wuri Helena, Shifa Hendra Perdana Hendrianto, El Herina Marlisa Huda, Nur'ainul Miftahul Huriyah, Syifa Khansa Ibnur Rusi Ikha Safitri Imro'ah, Nurfitri Imro’ah, Nurfitri Imtiyaz, Widad Indry Handayany Isra’ Sagita Jawani Jawani Karlina, Sela Kusnandar, Dadan Tonny Lucky Hartanti Lucky Hartanti Lucky Hartanti M. Deny Hafizzul Muttaqin Maga, Fahmi Giovani Margareta, Tiara Margaretha, Ledy Claudia Marlisa, Herina Marola, Geby Martha, Shantika Mega Sari Juane Sofiana Mega Sari Juane Sofiana Mega Tri Junika Millennia Taraly Misrawi Misrawi Muhammad Ahyar Muhammad Radhi Muliadi Muliadi Muslimah (F54210032) Nabil, Ilhan Nail Nanda Shalsadilla Naomi Nessyana Debataraja Naomi Nessyana Debataraja Noerul Hanin Nona Lusia Nugrahaeni, Indah Nur Asih Kurniawati Nur Asiska Nur'ainul Miftahul Huda Nurfitri Imro'ah Nurfitri Imro’ah Nurhalita Nurhalita Nurmaulia Ningsih NUR’AINUL MIFTAHUL HUDA Oktaviani, Indah Ovi Indah Afriani Paisal Paisal Pertiwi, Retno Pratama, Aditya Nugraha Preatin Preatin Putri Putri Putri, Aulia Nabila Qalbi Aliklas R Puspito Harimurti Radhi, Muhammad Rafdinal Rafdinal Rahadi Ramlan Rahmadanti, Putri Rahmanita Febrianti Rusmaningtyas Rahmawati, Fenti Nurdiana Rahmi Fadhillah Ramadhan, Nanda Ramadhania, Wahida Reni Unaeni Retnani, Hani Dwi Ria Andini Ria Fuji Astuti Rina Rina Risky Oprasianti Rita Kurnia Apindiati Rivaldo, Rendi Riza Linda Rizki Nur Rahmalita Rosi Kismonika Roslina Rosi Tamara Rovi Christova Safira, Shafa Alya Salsabilla, Arla Santika Santika Sary, Rifkah Alfiyyah Seftiani Seftiani Selvy Putri Agustianto Setyo Wir Rizki Setyo Wira Rizki Setyo Wira Rizki Setyo Wira Rizki Shantika Martha Shantika Martha Sinaga, Steven Jansen Sintia Margun Sista, Sekar Aulia Siti Aprizkiyandari Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Siti Hardianti Steven Jansen Sinaga Suci Angriani Sukal Minsas Sukal Minsas Syuradi syuradi Tamtama, Ray Taraly, Inggriani Millennia Tiara, Dinda Wahyu Diyan Ramadana Wahyudin Ciptadi Warsidah Warsidah Warsidah, Warsidah Wilda Ariani Wirda Andani Yopi Saputra Yudhi Yuliono, Agus Yumna Siska Fitriyani Yundari, Yundari Yuveinsiana Crismayella Zakiah, Ainun