Article Per Year (5 Year)
p-Index From 2020 - 2025
2.127
P-Index
This Author published in this journals
All Journal Jurnal Sains Dasar Indonesian Journal of Mathematics and Natural Sciences Abdimas Jurnal Penelitian Pendidikan Kreano, Jurnal Matematika Kreatif-Inovatif Lembaran Ilmu Kependidikan Scientific Journal of Informatics Jurnal TAM (Technology Acceptance Model) CARADDE: Jurnal Pengabdian Kepada Masyarakat JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Symmetry: Pasundan Journal of Research in Mathematics Learning and Education JISKa (Jurnal Informatika Sunan Kalijaga) Range : Jurnal Pendidikan Matematika Jurnal Statistika dan Matematika (Statmat) Primatika : Jurnal Pendidikan Matematika Jurnal PKM Manajemen Bisnis Unnes Journal of Mathematics Education Unnes Journal of Mathematics Edukasia: Jurnal Pendidikan dan Pembelajaran Journal of Multidisciplinary Inquiry in Science, Technology and Educational Research Jurnal Pendidikan MIPA Jurnal TAM (Technology Acceptance Model) Unnes Journal of Mathematics
Putriaji Hendikawati
Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Negeri Semarang
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 72 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search
Journal : Unnes Journal of Mathematics

 1   2   3 
PERBANDINGAN TINGKAT AKURASI METODE AUTOMATIC CLUSTERING, AVERAGE BASED, DAN MARKOV CHAIN FUZZY TIME SERIES PADA NILAI TUKAR (KURS) RUPIAH hengky tri ikhsanto, hengky tri ikhsanto; Sugiman, Sugiman; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 7 No 1 (2018)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v7i1.12574

Abstract

Penelitian ini membahas perbandingan keakurasian model peramalan fuzzy time series dengan automatic clustering dan average based untuk membentuk interval dan proses defuzzifikasi menggunakan konsep markov chain. Model tersebut digunakan untuk meramalkan data nilai tukar (KURS) mata uang Rupiah terhadap US Dolar dan Euro. Pemilihan metode terbaik dalam menentukan interval berpengaruh terhadap hasil peramalan, serta menggabungkan kelebihan dari rantai markov dapat meningkatkan keakurasian dari hasil ramalan. Tujuan dari penelitian ini adalah pemilihan metode terbaik dalam menentukan interval serta mengetahui pengaruh adanya penggabungan dengan rantai markov. Berdasarkan penerapan metode fuzzy time series pada data nilai tukar Rupiah terhadap US Dolar dan Euro periode Januari-Maret 2016 diperoleh kesimpulan Automatic Clustering lebih baik daripada Average Based dalam pembentukan interval, dengan nilai MSE 1.065 dan MAPE 0,15% pada data nilai tukar rupiah terhadap US Dolar dan pada nilai tukar rupiah terhadap Euro dengan nilai MSE 694 dan MAPE 0,09%. Adanya penggabungan rantai markov pada metode Automatic clustering memberikan peningkatan akurasi sebesar 60,65% pada data nilai tukar rupiah terhadap US Dolar dan pada nilai tukar rupiah terhadap Euro meningkat sebesar 14,99%.
MODEL EPIDEMI SIRS STOKASTIK DENGANSTUDI KASUS INFLUENZA Nurlazuardini, Novia Nilam; Kharis, Muhammad; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 5 No 1 (2016)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v5i1.13101

Abstract

Epidemic SIRS model is an epidemic model which illustrate the spread of disease from suscept to infected, and then become a recovered and become suscept again depend of the immunity. In this article, we dicussed epidemic stochastics SIRS model with embedding epidemic deterministic model, analysis of the model and the behavior of this disease in the future. To obtain the result of basic reproduction ration, Crump-Mode-Jagers process with embedding BGW branching process in some process. From the analysis and the simulation of the model were obtained , if 𝑅0 < 1 then the epidemic is extinct and if 𝑅0 ≥ 1 the epidemic is occurred. To illustrate the model simulation were carried out using Maple software. The model simulation give the same result with the analysis.
PEMODELAN GENERALIZED POISSON REGRESSION (GPR) UNTUK MENGATASI PELANGGARAN EQUIDISPERSI PADA REGRESI POISSON KASUS CAMPAK DI KOTA SEMARANG TAHUN 2013 Ruliana, Ruliana; Hendikawati, Putriaji; Agoestanto, Arief
Unnes Journal of Mathematics Vol 5 No 1 (2016)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v5i1.13103

Abstract

The measles the Semarang experience fluctuates every year, so that the City Health Agency (DKK) Semarang put special attention to reducing many cases measles.In the case of smallpox semarang 2013 was data discrete Poisson. Regression Poisson is nonlinear regression used to analyze data count variable response Poisson and meet the equidispersi. In practice often occurs in violation of discrete overdispersi analysis of data in regression poisson underdispersi and models or improper use.To anticipate such violation used Generalized Poisson Regression in modeling (GPR) data. In this research are variable response used in the case of smallpox Semarang 2013 and variable prediktor used is many medicines measles, community health centers, the poverty and overcrowding every subdistrict across Semarang town. The best model Generalized Poisson Regression (GPR) was gotten.
ANALISIS VOLATILITY FORECASTING SEMBILAN BAHAN POKOK MENGGUNAKAN METODE GARCH DENGAN PROGRAM R Larasati, Enggar Niken; Hendikawati, Putriaji; Zaenuri, Zaenuri
Unnes Journal of Mathematics Vol 5 No 1 (2016)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v5i1.13109

Abstract

commodities, namely oil, sugar, eggs, flour, rice, chili, milk, onions, and chicken with GARCH models using the program R 2.11.1.The first step is, to test the data stationary nine basic commodities price increases, stationary data already analyzed using ARIMA method. From the analysis using ARIMA, were estimated several models. To determine the best ARIMA model, conducted a comparison of some of the models that have been in the estimation of the model are then selected by a significant parameter value, the value of ^ 2 is the smallest, smallest AIC value and the largest value of log likelihood. The residual value of the best ARIMA model that will be used to determine the GARCH model to the data of nine price increases of basic commodities. Having obtained the best GARCH model, it will be forecasting the smallest value of standard error and approach the original data.Forecasting results on nine basic price increase in 2015 with the best ie GARCH GARCH (1,1) for the rise in oil prices, chili, onions, chicken and wheat flour, GARCH (2,1) for the price of sugar, milk, rice and eggs. Garch best models have a standard error values are smaller and tend to be closer to the original data. By using the GARCH method, it will be forecasting the rise in prices of daily necessities in 2015.
ESTIMASI MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA INDEKS HARGA SAHAM GABUNGAN (IHSG) Asriani, Elisa Desi; Sugiman, Sugiman; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 5 No 2 (2016)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v5i2.13130

Abstract

The purpose of this study is to know: (1) a estimation best MARS on CSPI with criteria GCV; (2) importance predictors variables against the model best obtained. Variabels affecting Composite Stock Price Index (CSPI) are inflation, interest rate, exchange rate the Rupiah againts the u.s.dollar, Dow Jones index, Nikkei 225 index, and Hang Seng index. MARS model is derived by combination of BF, MI, and MO through trial and error. MARS method on CSPI because nonparametric and high dimention is data has variabels predictors from 3 to 20 and data sampel from 50 to 1000. The analysis MARS method on CSPI with do testing parameters of regression nonparametric model, standaritation, and The results estimation MARS best on CSPI is BF=18, MI=1, and MO=1, GCV minimum is 0,05640. Predictors variables that were significans are inflation; exchange rate the rupiah againts the US$; Dow Jones index; interest rate; and Nikkei 225 index with contributions of importance are 100%; 86,54114%; 84,31259%; 38,18755%; and 32,75410%.
ANALISIS INTERVENSI FUNGSI STEP PADA HARGA SAHAM (STUDI KASUS SAHAM PT FAST FOOD INDONESIA Tbk) Sari, Ratna Novita; Mariani, Scolastika; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 5 No 2 (2016)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v5i2.13131

Abstract

The analysis of the intervention is analysis a time series data that is affected by events outside the control of which may result in a change in the time series. Intervention analysis is used to analyze the data time series data of known intervention time. The main objective of this research is to determine the best intervention model on price of stock data PT Fast Food Indonesia Tbk period December 2013-January 2014, so the best forecasting method can be used to predict price of stock data PT Fast Food Indonesia Tbk for the next period with the help of SAS software program. Based on the analysis of the obtained the best intervention model that is a model of ARIMA (2,4,2) with the order of b = 20, s = 5, r = 0. The model of forecasting results obtained with the model of the step function intervention shows that the value of his predictions are within the threshold interval 95% confident with the results of the Eastern 70.82, MSE amounting to 386.94, and the RMSE of 19.671. So the forecast results can be used to estimate the daily price of stock data PT Fast Food Indonesia Tbk on 23 January 2014 to 20 February 2014 post intervention due to the occurrence of a policy dividend that caused significantly decreased just around the time the intervention only.
PEMODELAN COVARIAN BASED STRUCTURAL EQUATION MODELING (CB-SEM) UNTUK KUALITAS PELAYANAN DI PT TUMBAS SINERGI INDONESIA Hidayati, Nur; Mariani, Scolastika; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.23651

Abstract

Dewasa ini, perkembangan dunia bisnis semakin berkembang pesat dan ketat, sehingga banyak perusahaan dihadapkan pada tantangan yang cukup berat, yaitu pelanggan menginginkan kualitas pelayanan yang lebih baik. Salah satu perusahaan baru di Indonesia yang dihadapkan pada tantangan tersebut ialah PT Tumbas Sinergi Indonesia. Oleh sebab itu, penelitian ini bertujuan membentuk suatu pemodelan mengenai kualitas pelayanan dari PT Tumbas Sinergi Indonesia, untuk mengetahui besar pengaruh dan signifikansi kualitas pelayanan terhadap kepuasan pelanggan dan loyalitas pelanggan dengan menggunakan analisis Covarian Based Structural Equation Modeling (CB-SEM) dan jenis pemodelan non-recursive (timbal balik). Data yang telah diperoleh dianalisis menggunakan program LISREL 8.80. Hasil penelitian menunjukkan bahwa data tidak mengikuti distribusi normal multivariat sehingga berdasarkan asumsi ketidaknormalan data maka model diestimasi menggunakan metode ML dengan mengoreksi standart error dan beberapa goodness of fit indices. Jadi Variabel kualitas pelayanan memiliki nilai koefisien jalur ( ) sebesar 0,90 terhadap kepuasan pelanggan, variabel kepuasan pelanggan memiliki nilai koefisien jalur ( ) sebesar 0,61 terhadap kepuasan pelanggan, dan variabel loyalitas pelanggan (LP) mempunyai nilai koefisien jalur ( ) terhadap kualitas pelayanan (KL) dan koefisien jalur ( ) sebesar 0,20 begitu pula sebaliknya sebab terjadi hubungan timbal balik antar kedua variabel.Dewasa ini, perkembangan dunia bisnis semakin berkembang pesat dan ketat, sehingga banyak perusahaan dihadapkan pada tantangan yang cukup berat, yaitu pelanggan menginginkan kualitas pelayanan yang lebih baik. Salah satu perusahaan baru di Indonesia yang dihadapkan pada tantangan tersebut ialah PT Tumbas Sinergi Indonesia. Oleh sebab itu, penelitian ini bertujuan membentuk suatu pemodelan mengenai kualitas pelayanan dari PT Tumbas Sinergi Indonesia, untuk mengetahui besar pengaruh dan signifikansi kualitas pelayanan terhadap kepuasan pelanggan dan loyalitas pelanggan dengan menggunakan analisis Covarian Based Structural Equation Modeling (CB-SEM) dan jenis pemodelan non-recursive (timbal balik). Data yang telah diperoleh dianalisis menggunakan program LISREL 8.80. Hasil penelitian menunjukkan bahwa data tidak mengikuti distribusi normal multivariat sehingga berdasarkan asumsi ketidaknormalan data maka model diestimasi menggunakan metode ML dengan mengoreksi standart error dan beberapa goodness of fit indices. Jadi Variabel kualitas pelayanan memiliki nilai koefisien jalur ( ) sebesar 0,90 terhadap kepuasan pelanggan, variabel kepuasan pelanggan memiliki nilai koefisien jalur ( ) sebesar 0,61 terhadap kepuasan pelanggan, dan variabel loyalitas pelanggan (LP) mempunyai nilai koefisien jalur ( ) terhadap kualitas pelayanan (KL) dan koefisien jalur ( ) sebesar 0,20 begitu pula sebaliknya sebab terjadi hubungan timbal balik antar kedua variabel.
Pemodelan Spasial Menggunakan Geographically Weighted Regression dengan Pembobot Fixed Kernel Gaussian dan Adaptive Kernel Bisquare Pratiwi, Yuninda Diah; Mariani, Scolastika; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 8 No 1 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i1.24017

Abstract

Abstrak Model regresi linier secara umum bersifat global, dimana estimasi parameternya bernilai sama untuk semua lokasi. Pada kenyataannya, antara lokasi satu dengan lainnya memiliki kondisi yang berbeda, sehingga data antar pengamatan sulit dianalisis menggunakan regresi linier. Mengabaikan uji keragaman spasial dalam model regresi akan mengakibatkan hasil yang diperoleh kurang sesuai. GWR merupakan metode statistika yang digunakan dalam menganalisis keragaman spasial. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi AHH dengan membandingkan model terbaik dari regresi linier dengan GWR pada pembobot fixed kernel gaussian dan adaptif kernel bisquare. Data yang digunakan bersumber dari Profil Kesehatan Provinsi Jawa Tengah Tahun 2016 dan Provinsi Jawa Tengah Dalam Angka 2017. Software yang digunakan adalah R.3.4.3 dan ArcView GIS 3.3. Hasil penelitian menunjukkan model GWR dengan fungsi pembobot fixed kernel gaussian merupakan model terbaik dilihat dari AIC terkecil sebesar dan ( terbesar sebesar . Terbentuk 8 kelompok lokasi yang memiliki peubah penjelas sama yang signifikan terhadap AHH. Abstract Linear regression model is generally global, its parameter estimates the same value for all locations. In fact, the location with others has different conditions, so the data between observations was difficult to be analyzed using linear regression. Ignoring the spatial diversity test in the regression model will give less well-matched results. GWR is one of a statistical method used in analyzing spatial diversity. This study aims to analyze the factors that influence AHH by comparing the best model of linear regression with GWR in fixed kernel gaussian and adaptive kernel bisquare. The data that used cofmes from Health Profile of Central Java Province in 2016 and Central Java Province In 2017. Software that used is R.3.4.3 and ArcView GIS 3.3. The result shows that GWR model with fixed kernel gaussian weighting function is the best model that can be seen from the smallest AIC of and the biggest ( is . There were location groups having the same independent variables that were significant to AHH.
PEMODELAN REGRESI SPASIAL MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN PEMBOBOT FIXED KERNEL GAUSSIAN DAN ADAPTIVE KERNEL BISQUARE Pratiwi, Yuninda Diah; Mariani, Scolastika; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.24886

Abstract

Model regresi linier secara umum bersifat global, dimana estimasi parameternya bernilai sama untuk semua lokasi. Pada kenyataannya, antara lokasi satu dengan lainnya memiliki kondisi yang berbeda. Hal ini memungkinkan adanya keragaman spasial antar lokasi. GWR merupakan metode statistika yang digunakan dalam menganalisis keragaman spasial. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi AHH dengan membandingkan model terbaik dari regresi linier dengan GWR pada pembobot fixed kernel gaussian dan adaptif kernel bisquare. Data yang digunakan bersumber dari Profil Kesehatan Provinsi Jawa Tengah Tahun 2016 dan Provinsi Jawa Tengah Dalam Angka 2017. Software yang digunakan adalah R.3.4.3 dan ArcView GIS 3.3. Uji kesesuaian model dilakukan untuk mengetahui adanya perbedaan antara model regresi linier dengan GWR. Hasil penelitian menunjukkan model GWR dengan pembobot fixed kernel gaussian merupakan model terbaik dilihat dari AIC terkecil sebesar dan ( terbesar sebesar . Terbentuk 8 kelompok lokasi yang memiliki peubah penjelas sama yang signifikan terhadap AHH.
PERBANDINGAN METODE ROBUST LEAST MEDIAN OF SQUARE (LMS) DAN PENDUGA S UNTUK MENANGANI OUTLIER PADA REGRESI LINIER BERGANDA Febrianto, Laeli Sidik; Hendikawati, Putriaji; Dwidayati, Nur Karomah
Unnes Journal of Mathematics Vol 7 No 1 (2018)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v7i1.27381

Abstract

Analisis regresi linier berganda digunakan untuk mengukur pengaruh lebih dari satu variabel bebas (X) terhadap variabel terikat (Y). Estimasi parameter analisis regresi umumnya diselesaikan dengan OLS. Pada kenyataannya banyak ditemukan kasus bahwa data mengandung outlier yang menyebabkan estimasi koefisien garis regresi dengan OLS menjadi tidak tepat, sehingga diperlukan metode regresi robust. Beberapa metode regresi robust diantaranya M-Estimation, Least Median of Square (LMS), Least Trimmed Squares (LTS), Penduga S, dan MM-Estimation. Permasalahan yang dikaji dalam penelitian ini adalah menentukan metode terbaik dalam mengatasi permasalahan outlier menggunakan metode regresi robust LMS dan Penduga S. Penelitian ini menggunakan data Anggaran Pendapatan dan Belanja Daerah (APBD) kabupaten/kota di Pulau Jawa tahun 2010 dengan variabel bebas meliputi Pendapatan Asli Daerah (X1), Dana Bagi Hasil (X2), Dana Alokasi Umum (X3), Luas Wilayah (X4), dan variabel terikat yaitu Belanja Modal (Y). Analisis dimulai dengan uji asumsi normalitas, linieritas, keberartian simultan, keberartian parsial, multikolinearitas, heteroskedastisitas, dan autokorelasi. Model regresi yang dapat diterima yaitu regresi data transformasi logaritma natural dari data APBD dengan variabel bebas meliputi Pendapatan Asli Daerah (logX1) dan Dana Bagi Hasil (logX2), serta variabel terikat yaitu Belanja Modal (logY) . Pendeteksian outlier menggunakan metode boxplot dan Cook’s Distance menunjukan bahwa terdapat outlier, sehingga dilakukan pendugaan parameter regresi robust dengan metode LMS dan Penduga S. Metode LMS menghasilkan nilai AIC sebesar 25,54423 dan SIC sebesar 27,76414, sedangkan dengan metode Penduga S menghasilkan nilai AIC sebesar 40,22523 dan SIC sebesar 43,72099. Berdasarkan hasil penelitian dan pembahasan disimpulkan bahwa LMS merupakan metode terbaik, karena LMS memiliki nilai AIC dan SIC yang lebih kecil dibandingkan dengan Penduga S. Multiple linear regression analysis was used to measure the effect of more than one independent variable ( X ) on the dependent variable ( Y ). Estimated parameters of the regression analysis are generally with OLS. In fact many cases found that the data contains outliers that causes the coefficient estimate by OLS regression line is not appropriate , so that the necessary robust regression methods. Some of robust regression method is M-Estimation, Least Median of Square ( LMS ), Least Trimmed Estimation (LTS), S Estimation, and MM-Estimation. Issues examined in this study is to determine the best method to solve outlier problems using robust regression method LMS and S Estimation. This study uses data Budget (APBD) districts / cities in Java in 2010 with the independent variables include revenue (X1), DBH (X2), General Allocation Fund (X3), Total Region (X4) and the dependent variable is the Capital Expenditure (Y). The analysis begins with the assumption of normality, linearity, significance simultaneous, partial significance, multicollinearity, heteroscedasticity, and autocorrelation. Regression models were acceptable ie data regression natural logarithm transformation of budget data with independent variables include revenue (logX1) and DBH (logX2), as well as the dependent variable is the Capital Expenditure (logY). The detection of outliers using boxplot and Cook's Distance shows that there are outliers, so that a robust regression parameter estimation with the LMS method and S Estimation. LMS method produces a value of AIC 27.76414 and SIC 25.54423, while the S Estimation method produces a value of AIC 43.72099 and SIC 40.22523. Based on the results and discussion can be concluded that the LMS is the best, since the LMS method has a value of AIC and SIC are smaller than the S Estimation
Co-Authors 'Aina, Maula Qorri Abdurakhman Abdurakhman Ade Noorliza Niyamae AGUSTINA, SELY Ahmad Dzulfikar Amara Sweetya Auliya Ambarwati, Ratna Amin Suyitno Anggriningrum, Dwi Prisita Arief Agoestanto Asriani, Elisa Desi Assidiq, Addinul Astuti, Raras Setya Aviliana, Firna Bambang Eko Susilo Bambang Eko Susilo Bidayatul hidayah Budi Waluya David Mubarok, David Dewi, Heni Lilia Dwijanto Dwijanto, Dwijanto Edy Soedjoko Emi Pujiastuti Farkhan, Feri FAUSTINA, RIZA SILVIA Febrianto, Laeli Sidik Florentina Yuni Arini, Florentina Yuni Hapsari, Desy Trya Harwanti, Nur Achmey Selgi hengky tri ikhsanto, hengky tri ikhsanto Ismail, Abid Khoirul Isnaeni, Ari Juwita, Puspa Karomah, Yuliyanti Kartono, Kartono Khanifah Khanifah Khunaeni, Sirilivia Kiswandi, Kiswandi Kristina Wijayanti Kurniana Bektiningsih Larasati, Enggar Niken Lestari, Pinta Dian Mashuri - Mashuri Mashuri Masrukan Masrukan Mohammad Asikin Much Aziz Muslim Muhammad Kharis Muna, Trimurtini, Nur Aizatun Nafiul Anam, Nafiul Nitoviani, Nindy Dwi Nofiyah, Noni Nur Hidayati Nur Hidayati Nuriana Rachmani DN Nuriana Rachmani DN, Nuriana Rachmani Nurkaromah Dwidayati, Nurkaromah Nurlazuardini, Novia Nilam Nursiwi Nugraheni Paradita, Evelyn Prabowo, Ardi Pramesti, Santika Lya Diah Pramesti Pratama, Alfian Adi Pratidina, Inung Pratiwi, Yuninda Diah Purbowo, Gallant Alim Purnawan, Dedy Rahayu Budhiati Veronika Rahayu Budhiyati Rahman, Erik Riza Arifudin Ruliana Ruliana, Ruliana Saefurrochman, Wisatsana Roychan Santika Lya Diah Pramesti Sanusi, Ratna Nur Mustika Saraswati, Andhina Sari, Ratna Novita Scolastika Mariani Setiani, Ida St. Budi Waluya Subanar . Sugiman Sugiman Sukestiyarno Sukestiyarno Sunarmi Sunarmi Supriyono Supriyono Suryani, Andika Resti Tarno Tarno Ulya, Siti Faiqotul Veronica, Rahayu Budhiati Veronica, Rahayu Budhiati Walid Walid Walid, Walid Wardono Wardono Wardono Widayanti, Christina Zaenal Abidin Zaenuri Mastur Zahra, Mega Dea Zoraida, Desti Anisa