Article Per Year (5 Year)
p-Index From 2020 - 2025
6.108
P-Index
This Author published in this journals
All Journal BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Matematika Sains dan Teknologi JMPM: Jurnal Matematika dan Pendidikan Matematika Jurnal Pengabdian kepada Masyarakat Nusantara JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Jurnal Forum Analisis Statistik STATISTIKA
Shantika Martha
Universitas Tanjungpura
Agriculture, Biological Sciences & Forestry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Mathematics Social Sciences Transportation Other

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search

 2   3   4   5   6 
ANALISIS FAKTOR YANG MEMPENGARUHI LAMA MASA STUDI MAHASISWA FMIPA UNTAN MENGGUNAKAN MODEL PROBIT Yude Anggreni; Dadan Kusnandar; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): 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.v10i2.45879

Abstract

Model probit (probability unit) adalah model yang digunakan ketika variabel dependen (Y) berbentuk dikotomi atau biner dan galatnya diasumsikan berdistribusi normal. Penelitian ini bertujuan untuk menganalisis faktor yang mempengaruhi lama masa studi mahasiswa FMIPA Untan dengan menggunakan model probit. Data yang digunakan adalah data kelulusan mahasiswa FMIPA Untan angkatan 2011. Untuk mengestimasi parameter model probit digunakan Maximum Likelihood Estimation (MLE). Kemudian lakukan uji kebaikan dengan tiga tahapan, yaitu uji serentak, uji parsial, serta koefisien determinasi. Hasil dari ketiga uji menunjukkan bahwa model probit dapat digunakan untuk menganalisis faktor yang mempengaruhi lama masa studi mahasiswa FMIPA Untan dengan variabel independennya jenis kelamin, TUTEP (Tanjungpura University Test of English Proficiency), IPK (Indek Prestasi Mahasiswa) dan Jurusan. Berdasarkan hasil dari pengujian menunjukkan bahwa faktor yang mempengaruhi lama masa studi FMIPA Untan adalah variabel independen IPK (X3), dengan nilai McFadden R-square ( ) sebesar 0,1745.Kata kunci: Model Probit, Uji Serentak, Uji Parsial, McFadden R-square.
PREDIKSI DATA JUMLAH PENUMPANG KERETA DENGAN EFEK VARIASI KALENDER PADA MODEL SARIMAX Hayati Hayati; Naomi Nessyana Debataraja; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): 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.v10i04.49536

Abstract

Kereta api menjadi salah satu transportasi alternatif masyarakat untuk melakukan aktivitasnya dalam hal pekerjaan maupun pariwisata untuk jarak tempuh yang jauh. Untuk menjaga kenyamanan penumpang, PT Kereta Api Indonesia (KAI) harus terus meningkatkan sarana dan prasarananya. Oleh karena itu, diperlukan prediksi jumlah penumpang untuk membantu PT KAI mempersiapkan fasilitas-fasilitas serta mengantisipasi kenaikan jumlah penumpang. Penelitian ini bertujuan memprediksi jumlah penumpang kereta dengan model SARIMAX. Data yang digunakan yaitu data jumlah penumpang kereta pada tahun 2014 hingga 2018. Data tersebut memiliki pola musiman pada hari raya keagamaan dan libur akhir tahun. Hari raya keagamaan termasuk efek variasi kalender, karena selalu bergeser setiap tahunnya. Tahapan pengerjaan dimulai dari membagi data menjadi in-sample dan out-sample. Selanjutnya dilakukan uji stasioner untuk mengetahui apakah data sudah stasioner atau tidak. Pada data yang sudah stasioner, dilakukan pemodelan SARIMA. Kemudian, ditambahkan variabel dummy pada model SARIMA yang telah diperoleh. Uji signifikansi dilakukan pada variabel dummy. Setelah itu, dilakukan uji estimasi parameter dan uji diagnostik pada model SARIMA yang sudah ditambahkan variabel dummy. Model yang diperoleh untuk memprediksi data jumlah penumpang kereta wilayah Sumatera adalah model SARIMAX (1,1,1)(1,1,0)^12   dengan nilai MAPE sebesar 3,54%. Ini berarti model yang digunakan dalam kategori sangat baik.Kata Kunci : Kereta, SARIMAX, runtun waktu
PENERAPAN MODEL NEURO-GARCH PADA PERAMALAN DATA RETURN SAHAM Nova Andaresta; Shantika Martha; Dwi Marisa Midyanti
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (477.666 KB) | DOI: 10.26418/bbimst.v9i2.39911

Abstract

Heteroskedastisitas merupakan masalah yang sering terjadi dalam proses peramalan pada data keuangan. Model generalized autoregressive conditional heteroscedasticity (GARCH) merupakan model runtun waktu yang dapat digunakan untuk data yang mengalami heteroskedastisitas. Model lain yang dapat digunakan untuk memodelkan data dengan fluktuasi yang sangat besar dan tidak tetap adalah jaringan saraf tiruan (JST). Dalam penelitian ini kedua model digabungkan menjadi sebuah model yang disebut Neuro-GARCH. Tujuan penelitian ini membentuk arsitektur jaringan model terbaik dan membandingkan hasil peramalan dengan data aktual return saham pada tanggal 11 Juli 2018 sampai dengan 28 Februari 2019. Data yang digunakan adalah  data return saham PT Bank Central Asia Tbk penutupan harian pada periode Januari 2017 sampai dengan Februari 2019. Adapun langkah-langkah dalam penelitian ini diawali dengan pembentukan model box jenkins. Residual model box jenkins terbaik digunakan untuk mendeteksi heteroskedastisitas menggunakan uji lagrange multiplier (ARCH-LM). Data residual yang memiliki heteroskedastisitas dimodelkan ke dalam model GARCH. Variabel bebas pada model GARCH kemudian dijadikan input pada model JST dan targetnya adalah data return (aktual). Hasil analisis menunjukkan bahwa bentuk jaringan terbaik adalah (2-5-1) dengan nilai MSE pengujian sebesar 0,00014955. Hasil peramalan selama 167 hari mengalami fluktuasi, dengan return tertinggi yaitu pada tanggal 14 September 2018 sebesar 0,0128467 dan terendah terjadi pada tanggal 13 Juli 2018 sebesar -0,0049574. Kata Kunci: ARIMA, heteroskedastisitas, JST, backpropagation
PENDEKATAN METODE BAYESIAN GELF PADA MODEL SURVIVAL EKSPONENSIAL UNTUK MENENTUKAN PREMI TUNGGAL PADA ASURANSI Santi Santi; Shantika Martha; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (265.461 KB) | DOI: 10.26418/bbimst.v9i1.38965

Abstract

Model survival didefinisikan sebagai suatu distribusi probabilitas untuk variabel random yang berkaitan dengan usia serta ketahanan suatu produk ataupun jiwa. Model survival dalam penelitian ini membahas tentang fungsi ketahanan hidup dari suatu individu. Model survival diaplikasikan untuk mendapatkan nilai premi asuransi jiwa dwiguna. Premi asuransi dwiguna didapatkan dengan pendekatan metode Bayesian. Metode Bayesian adalah metode yang digunakan untuk menentukan distribusi posterior. Langkah yang dilakukan untuk mendapatkan distribusi posterior yaitu mengalikan fungsi likelihood dengan distribusi prior. Kemudian diperoleh distribusi posterior yang digunakan untuk mengestimasi metode Bayesian GELF (General Entropy Loss Function) pada model survival, dan diaplikasikan ke APV (Actuarial Present Value) asuransi jiwa dwiguna. Berdasarkan penelitian diketahui bahwa premi asuransi jiwa dwiguna pada seseorang berusia 30 tahun dengan jangka waktu 10 tahun didapat harga premi sebesar Rp78.742.900.  Kata kunci: Model survival, Metode Bayesian, Distribusi posterior. 
OPTIMALISASI PORTOFOLIO SAHAM DENGAN PENDEKATAN LEXICOGRAPHIC GOAL PROGRAMMING Anita Anita; Setyo Wira Rizki; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): 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.v10i1.44828

Abstract

Investasi merupakan suatu kegiatan penanaman aset atau modal yang dilakukan oleh perusahaan atau perorangan, untuk memperoleh imbal balik yang lebih besar di masa depan. Saham merupakan salah satu investasi yang paling umum yang terdapat pada pasar modal. Seorang investor perlu memperhatikan nilai return serta risiko ketika melakukan sebuah investasi saham. Cara yang dapat dilakukan investor dalam meminimalkan risiko dan memaksimalkan return investasi saham yaitu dengan pembentukan portofolio. Hal tersebut menyebabkan seorang investor harus memilih kombinasi saham yang tepat, sehingga dapat terbentuk suatu portofolio yang optimal. Tujuan dari penelitian ini adalah penentuan portofolio optimal dengan menggunakan lexicographic goal programming. Lexicographic goal programming merupakan model matematika pada riset operasi yang digunakan untuk menyelesaikan permasalahan optimasi dengan memperhatikan prioritas fungsi tujuan. Fungsi tujuan yang digunakan dalam penelitian ini adalah memaksimalkan return periode hari, bulan dan resiko. Penentuan urutan prioritas pada  fungsi tujuan  menggunakan analytic hierarchy procces. Data yang digunakan pada penelitian ini adalah data harga saham penutupan harian enam saham teraktif yang terdaftar di Bursa Efek Indonesia yaitu BBRI, BBCA, BMRI, ASII, BBNI dan PGAS periode 1 Oktober 2018 sampai 31 Desember 2019. Diperoleh hasil saham yang terpilih untuk pembentukan portofolio optimal terdiri dari saham BBRI dengan porsi 75,97%, BBCA dengan porsi 22,71% serta ASII dengan porsi 1,32%. Kata Kunci : Return, Analytic Hierarchy Procces, Pembuat Keputusan.
PENENTUAN POLA PEMBELIAN PRODUK MENGGUNAKAN METODE ALGORITMA APRIORI PADA TOKO B-MART Yogi Pratama; Dadan Kusnandar; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): 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.v10i4.49686

Abstract

Kemajuan teknologi informasi saat ini berperan penting terhadap pertumbuhan jumlah data yang dikumpulkan dan disimpan dalam basis data yang berukuran besar. B-MART adalah salah satu toko yang bergerak di bidang retail. Dengan jumlah data transaksi yang terkumpul cukup besar, dibutuhkanlah informasi untuk mengetahui pola kebiasaan konsumen dalam membeli barang. Salah satu metode yang digunakan untuk mengetahui pola pada data yaitu teknik analisis association rules dengan metode algoritma apriori. Oleh sebab itu, tujuan dari penelitian ini yaitu menentukan pola pembelian produk di toko B-MART dengan metode algoritma apriori. Algoritma apriori merupakan suatu prosedur untuk mencari pola antara item dalam suatu data set yang ditentukan. Tahapan-tahapan teknik analisis association rules dengan metode algoritma apriori yaitu meliputi tahap knowledge discovery in database (KDD), pembentukan frequent itemset, analisis pola frekuensi tinggi dengan parameter nilai support, pembentukan association rules dengan parameter nilai confidence dan lift ratio. Berdasarkan pembahasan dengan menggunakan batasan nilai minimum support 0,0003 (0,03%), nilai minimum confidence 0,95 (95%) dan nilai lift ratio ≥ 1, didapatkan hasil yaitu tiga aturan asosiasi pola pembelian produk di toko B-MART.  Kata Kunci: Basis Data, Association Rules, Algoritma Apriori
Penentuan Jumlah Cluster Optimum Menggunakan Davies Bouldin Index dalam Pengelompokan Wilayah Kemiskinan di Indonesia Nanda Shalsadilla; Shantika Martha; Hendra Perdana; Neva Satyahadewi; Evy Sulistianingsih
Statistika Vol. 23 No. 1 (2023): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v23i1.1743

Abstract

Abstrak Kemiskinan merupakan suatu permasalahan yang sampai saat ini masih menjadi fokus pemerintah terutama pasca pandemi Covid-19. Permasalahan terkait kemiskinan dapat diatasi apabila pemerintah mengusung program pengentasan kemiskinan yang direalisasikan secara efektif dan efisien. Tujuan penelitian ini adalah mengelompokkan provinsi di Indonesia berdasarkan indikator kemiskinan serta menentukan jumlah cluster optimum yang terbentuk. Analisis cluster merupakan teknik multivariat yang dapat digunakan untuk tujuan pengelompokan. Dengan analisis cluster seluruh provinsi yang ada di Indonesia dapat dikelompokkan berdasarkan kesamaan karakteristik yang dimiliki sehingga kedaruratan dan kebutuhan tiap cluster dapat diketahui. Ward merupakan salah satu metode dalam analisis cluster yang mengelompokkan objek dengan meminimalisir variasi antar objek dalam satu cluster. Selanjutnya, penentuan jumlah cluster optimum penting dilakukan agar seluruh provinsi di Indonesia dapat dikelompokkan dengan tepat. Davies Bouldin Index (DBI) merupakan suatu metode yang menentukan banyaknya cluster optimum berdasarkan kedekatan objek terhadap centroidnya dalam satu cluster dan jarak antar centroid cluster. Data yang digunakan merupakan data 10 indikator kemiskinan untuk setiap provinsi di Indonesia tahun 2021. Berdasarkan penelitian yang telah dilakukan banyaknya cluster optimum yang terbentuk untuk mengelompokkan provinsi di Indonesia berdasarkan indikator kemiskinan adalah berjumlah 5 cluster dengan nilai validitas DBI yang diperoleh sebesar 1,1420 yang merupakan nilai validitas terkecil dari jumlah cluster lainnya. Cluster 1 dengan tingkat kemiskinan tertinggi beranggotakan 3 provinsi yaitu Nusa Tenggara Timur, Papua Barat, dan Papua, cluster 2 beranggotakan 10 provinsi, cluster 3 beranggotakan 11 provinsi, cluster 4 beranggotakan 9 provinsi, dan cluster 5 dengan tingkat kemiskinan terendah beranggotakan 1 provinsi yaitu DKI Jakarta. Abstract Poverty has been an issue that received significant government attention, particularly in response to the Covid-19 pandemic. The study aimed to classify Indonesian provinces based on poverty indicators and determine the optimal number of clusters. Cluster analysis, a multivariate technique, was employed to group provinces based on their similaritycharacteristics, facilitating the identification of specific needs and emergencies within each cluster. The Ward method, a clustering technique, minimized variations between objects within a cluster during the grouping process. Determining the correct number of clusters was crucial to ensure accurate provincial classification. The Davies Bouldin Index (DBI) was used to determine the optimum number of clusters by assessing the proximity of objects to their centroids and the inter-centroid distances. The dataset consisted of 10 poverty indicators for each province in Indonesia in 2021. The research findings revealed that the optimum number of clusters for classifying provinces based on poverty indicators was five, with a DBI value of 1.1420, the lowest among other cluster configurations. Cluster 1, characterized by the highest poverty rate, comprised three provinces: East Nusa Tenggara, Papua, and West Papua. Cluster 2encompassed ten provinces, while cluster 3 consisted of eleven provinces. Cluster 4 comprised nine provinces, and cluster 5, characterized by the lowest poverty rate, consisted of a single province: DKI Jakarta.
PEMODELAN REGRESI LINEAR MENGGUNAKAN METODE THEIL (STUDI KASUS: JUMLAH PENDUDUK MISKIN DAN TINGKAT PENGANGGURAN TERBUKA) Rido Amarrullah; Shantika Martha; Wirda Andani
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
Model Markov Switching Autoregressive pada Data Covid-19 di Indonesia Setyo Wira Rizki; Shantika Martha; Bartolomius Bartolomius; Rita Apriliyanti
Jambura Journal of Probability and Statistics Vol 5, No 1 (2024): Jambura Journal Of Probability and Statistics
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjps.v5i1.19429

Abstract

The Covid-19 pandemic has had a very influential impact on socio-economic conditions in Indonesia. Forecasting the number of Covid-19 cases is needed to support taking preventive action. The method that can be used to determine the number of Covid-19 cases is a forecasting method using the Markov Switching Autoregressive (MSAR) time series data model as an alternative for analyzing structural change data. This research uses Covid-19 confirmation data in Indonesia for the period March 2020-June 2021, with the aim of designing an MSAR model and calculating the magnitude of the transition opportunity in each state in the Covid-19 confirmation data in Indonesia. The MSAR model begins by describing the data and checking the stationarity of the data. After that, Box-Jenkins modeling was carried out to test heteroskedasticity and structural changes. Next, the MSAR model parameters were estimated and the transition matrix was formed. This research shows that the best MSAR model formed is the MS (2)-AR (5) model, with a static transition probability value in state 1 of 0.981330. However, it appears that there is a chance of 0.018670 for the Covid-19 confirmation condition to move to state 2. Testing in the case of state 2 produces a transition chance of 0.980991 in state 2, with a transition chance of Covid-19 confirmation changing to state 1 of 0.019009.
PENERAPAN AUTOMATIC CLUSTERING–FUZZY LOGICAL RELATIONSHIP PADA PERAMALAN HARGA EMAS Vini Anggria; Shantika Martha; 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.v13i2.76953

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
Co-Authors Anggi Putri Dewi Anisa Putri Ayuni Anita Anita Ayu Dhita Putri Wulandari Bartolomius Bartolomius Bella Amalia David Jordy Dhandio Desa Ayu Natalia Dwi Marisa Midyanti Dwi Setiaji Eka Wahyuning Dhewanty Ela Hamdari Enis Rahayu Evy Sulistianingsih Fahiza Syanaya Fajri Anugrah Pratiwi Fery Prastio Fransisca Febrianti Sundari Hastri Sastia Wuri Hayati Hayati Hendra Perdana Hidayatun Nisa Ika Ayu Krismawanti Ika Novira Zulianti Indah Noviyanti Julianti Kastari Kunti Wijayanti Laksono Trisnantoro Lidia Karnelia Luh Putu Ratna Sundari Mariatul Kiftiah Marisi Aritonang Maya Rosalina Mega Putri Muhammad Septian Muthiara Anantha Simanjuntak Nanda Shalsadilla Naomi N. Debataraja Naomi Nessyana Debataraja Neva Satyahadewi Nova Andaresta Nurfitri Imro’ah Nurul Qomariyah NUR’AINUL MIFTAHUL HUDA Rido Amarrullah Rita Apriliyanti Rizky Oktaviani Putri Salsabila Salsabila Santi Santi Selvy Putri Agustianto Setyo Wir Rizki Setyo Wira Rizki Silvana Rika Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Sri Jumiati Sriyana Sriyana Stepanus Armadi Mori Suaibah Suaibah Sumiarti Sumiarti Supandi Supandi Susanti Susanti Sutro Sutro Syarifah Zela Hafizah Tamtama, Ray Thariq Thariq Vina Annisa Nurdiani Aji Vini Anggria Vinsensius Yogi Vita Virgianti Wahyudio Hariadi Warzuqna Olyan Wirda Andani Yogi Pratama Yosi Yosi Yude Anggreni Yundari, Yundari Yundari, Yundari