Article Per Year (5 Year)
p-Index From 2021 - 2026
2.407
P-Index
This Author published in this journals
All Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Kubik Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JRSI (Jurnal Rekayasa Sistem dan Industri) JURNAL MEDIA INFORMATIKA BUDIDARMA Journal of Computer System and Informatics (JoSYC) KUBIK: Jurnal Publikasi Ilmiah Matematika Charity : Jurnal Pengabdian Masyarakat eProceedings of Engineering
Aniq Atiqi Rohmawati
Telkom University
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics Social Sciences

Published : 89 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 89 Documents
Search

 4   5   6   7   8 
Optimasi Portofolio Risiko Terkecil Efficient Frontier Mean Semivariance Dengan Metode Interior Point Triandini Nurislamiaty; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Portofolio yang diperlukan oleh para investor adalah portofolio optimal yang memiliki risiko kecil namun return yang diberikan lebih besar. Portofolio optimal diperoleh dengan mencari efficient frontier dari portofolio mean semivariance. Portofolio mean semivariance merupakan perbaikan dari portofolio sebelumnya yaitu portofolio mean variance dari segi nilai risiko yang diperoleh. Hal ini dikarenakan portofolio mean variance hanya mempertimbangkan risiko yang diukur hanya berdasarkan variansi atau rata-rata penyimpangan nilai return dari nilai acuan yaitu ekspektasi return. Baik penyimpangan nilai return lebih besar maupun lebih kecil. Sedangkan portofolio mean semivariace mempertimbangkan risiko berdasarkan penyimpangan nilai return yang lebih kecil. Pada tugas akhir ini dibahas mengenai implementasi metode Interior Point untuk mencari efficient frontier dari portofolio mean semivariance. Metode Interior Point digunakan untuk menyelesaikan masalah optimasi dengan kendala. Hasil dari eksperimen tugas akhir yaitu efficient frontier mean semivariance yang terbentuk berimpit dengan efficient frontier mean variance menggunakan portofolio semivariance. Tentunya pada efficient frontier tersebut, portofolio mean semivariance kondisinya berada dibawah portofolio mean variance karena nilai semivariance dari portofolio mean semivariance lebih kecil dibanding nilai semivariance pada portofolio mean variance. Kata kunci : efficient frontier, mean semivariance, metode interior point Abstract Portofolio required by the investors is an optimal portofolio that has a small risk but the return is given greater. The optimal portofolio is obtained by finding efficient frontier of the mean semivariance portofolio. The mean semivariance portofolio represents an improvement over the previous portofolio of the mean variance portofolio in terms of the risk value obtained. This is because the mean variance portofolio only considers the risks measured only by the variance or the average deviation of the return value of the reference value ie the expectation return. Both deviations of return value are greater or smaller. While the portofolio mean semivariace consider the risk based on the deviation of the smaller return value. In this final project, we discussed the implementation of Interior Point method to find efficient frontier of portofolio mean semivariance. Method of Interior Point is used to solve the problem of optimization with constraints. The result of the final duty experiment is efficient frontier mean semivariance formed coinciding with efficient frontier mean variance using semivariance portofolio. Of course, in the efficient frontier, the portofolio of mean semivariance is below the mean variance portofolio because the semivarian value of the mean semivariance portofolio is smaller than the semivarian value of the mean variance portofolio. Keywords: efficient frontier, mean semivariance, interior point method
Value-at-risk Menggunakan Markov Regime Switching Generalized Autoregressive Conditional Heteroskedasticity (studi Kasus Saham Pt. Indofood Sukses) Raisa Betha Meiliza; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pesatnya perkembangan pasar modal tidak dapat dipisahkan dari peran investor yang melakukan transaksi di pasar modal. Salah satu informasi penting yang dibutuhkan investor sebelum menginvestasikan dananya adalah prediksi risiko terhadap investasi pembelian saham karena kenaikan dan penurunan harga saham yang fluktuatif. Salah satu metode yang digunakan pada pengukuran risiko adalah Value-at-Risk (VaR). VaR ditentukan dengan melibatkan model volatilitas dan dalam Tugas Akhir ini menggunakan model volatilitas Generalized Autoregressive Conditional Heteroskedasticity (GARCH) dan Markov Regime Switching yang disebut model Markov Regime Switching Generalized Autoregressive Conditional Heteroskedasticity (MRS-GARCH). Pada Tugas Akhir ini menentukan akurasi nilai VaR menggunakan metode correct VaR dan model GARCH yang digunakan adalah GARCH dengan orde (1,1). Berdasarkan hasil analisis, metode VaR dengan menggunakan model MRS-GARCH (1,1) 𝑠𝑡 = 0 dapat mengantisipasi risiko lebih baik dibandingkan model GARCH (1,1) 𝑠𝑡 = 1. Seperti pada tingkat kepercayaan 95% model MRS-GARCH (1,1) mengalami kegagalan sebesar 0.3% sedangkan model GARCH (1,1) mengalami kegagaln sebesar 0.8%. Kata Kunci : Return, Value-at-Risk, GARCH, Markov regime switching, MRS-GARCH, correct VaR
Efficient Frontier Mean – Semivariance Menggunakan Metode Sequential Quadratic Programming (sqp) Reiza Krisnaviardi; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Pada tugas akhir ini dibahas mengenai penerapan metode SQP (Sequential Quadratic Programming) untuk mencari efficient frontier dari portofolio mean-semivariance. Portofolio mean-semivariance merupakan perbaikan dari portofolio mean-variance karena portofolio mean-variance hanya mengukur risiko berdasarkan variansinya. Artinya rata – rata penyimpangan nilai return dari nilai acuannya (ekspektasi return) dapat bernilai lebih besar atau pun lebih kecil. Efficient frontier yang dibentuk pada tugas akhir ini menggunakan saham – saham yang tergabung dalam LQ45 dengan mengambil data harga saham per minggu selama sepuluh tahun dari bulan November 2007 – Desember 2017. Kemudian dari data harga saham tersebut diperoleh nilai return saham secara time series sebagai informasi dasar untuk proses perhitungan selanjutnya. Kemudian metode SQP (Sequential Quadratic Programming) digunakan untuk menyelesaikan masalah optimasi dengan kendala. Hasil dari eksperimen pada tugas ini akhir ini menunjukkan efficient frontier yang terbentuk dari portofolio mean-semivariance sedikit berbeda dengan efficient frontier portofolio mean-variance, dimana nilai semivariance pada efficient frontier portofolio meansemivariance berada di bawah efficient frontier portofolio mean-variance. Kata kunci : efficient frontier, SQP, semivariance, mean – variance, mean – semivariance Abstract In this final project, we discussed the application of SQP (Sequential Quadratic Programming) method to find efficient frontier of mean-semivariance portfolio. The mean-semivariance portfolio represents an improvement over the mean-variance portfolio because the mean-variance portfolio only measures risk by its variance. This means that the average deviation of the return value from the reference value (expectation return) can be worth bigger or even smaller. Efficient frontier formed in this final task using shares - shares that are incorporated in LQ45 by taking stock price data per week for ten years from November 2007 - December 2017. Then from the stock price data is obtained value of stock return in time series as basic information for further calculation process. Then the SQP (Sequential Quadratic Programming) method is used to solve the optimization problem with constraints. The results of experiments on this final task show that the efficient frontier formed from the mean-semivariance portfolio is slightly different from the efficient frontier portfolio mean-variance, in which the semivariance value of the efficient frontier portfolio mean-semivariance falls below the efficient frontier portfolio mean-variance. Keywords: efficient frontier, SQP, semivariance, mean – variance, mean – semivariance
Prediksi Pergerakan Harga Saham Dengan Metode Support Vector Machine (svm) Menggunakan Trend Deterministic Data Preparation ( Studi Kasus Saham Perusahaan Pt Astra International Tbk, Pt Garuda Indonesia Tbk, Dan Pt Indosat Tbk ) Fiqi Ruli Setiawan; Rian Febrian Umbara; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Tujuan penelitian ini adalah memprediksi pergerakan harga saham pada tiga perusahaan yaitu PT Astra International Tbk, PT Garuda Indonesia Tbk, dan PT Indosat Tbk. Salah satu metode yang dapat digunakan untuk memprediksi pergerakan harga saham yaitu Support Vector Machine (SVM). Pada penelitian ini menggunakan dua pendekatan sebagai inputan model, pendekatan pertama untuk inputan data diperoleh dari perhitungan sepuluh indikator parameter teknik menggunakan data trading (open, high, low, dan close prices) sedangkan pendekatan kedua fokus pada menyatakan hasil perhitungan menggunakan sepuluh indikator parameter teknik menjadi trend deterministic data preparation. Pada penelitian ini menggunakan data historis dari setiap perusahaan dari 2011 sampai 2017. Data ini digunakan untuk mempelajari pola yang pada akhirnya dapat memprediksi pergerakan harga saham dari setiap perusahaan. Hasil dari penelitian ini menunjukan tingkat akurasi menggunakan inputan perhitungan indikator parameter teknik dari masing-masing perusahaan PT Astra International Tbk 60%, PT Garuda Indonesia Tbk 56%, PT Indosat Tbk 61%. Sedangkan tingkat akurasi menggunakan trend deterministic data preparation yaitu 52,06%, 55,52%, 52,06%. Kata kunci : SVM, Trend deterministic data preparation. Abstract The purpose of this study is to predict stock prices movements in three companies, PT Astra International Tbk, PT Garuda Indonesia Tbk, and PT Indosat Tbk. One method that can be used to predict stock price movement is the Support Vector Machine (SVM). In this study using two approaches as input model, the first approach to data input is obtained from the calculation of ten parameters using trading data (open, high, low, and close prices) while the second approach focuses on stating the results of the calculation using ten indicators of engineering parameters to be trend deterministic data preparation. This study uses historical data from each company from 2011 to 2017. This data is used to calculate the price of each stock. The result of this research shows 60% of PT Astra International Tbk's calculation of each company, PT Garuda Indonesia Tbk 56%, PT Indosat Tbk 61%. While the accuracy level using deterministic trend of data preparation is 52,06%, 55,52%, 52,06%. Keywords: SVM, Trend deterministic data preparation.
Sifat Asimetris Model Prediksi Autoregressive Conditional Heteroscedasticity (arch) Dan Exponential Generalized Autoregressive Conditional (egarch) Dara Ayu Lestari; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Volatilitas sering digunakan sebagai penanda naik atau turunnya harga saham. Oleh karena itu, dibutuhkan model prediksi volatilitas. Semakin tinggi volatilitas, maka semakin tinggi pula fluktuasi harga saham yang terjadi. Salah satu sifat volatilitas yang dapat diamati adalah asimetris, yaitu volatilitas akan lebih tinggi jika harga turun dan akan lebih rendah jika harga naik. Sifat asimetris ini berkaitan dengan sifat leverage effect. Penulisan tugas akhir ini menggunakan model Autoregressive Conditional Heteroskedasticity ARCH(1) dan Exponential Generalized Autoregressive Conditional Heteroskedasticity EGARCH(1,1) untuk prediksi nilai harga saham periode berikutnya menggunakan Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE). Pada tugas akhir ini dilakukan analisis tentang sifat asimetris pada model volatilitas Autoregressive Conditional Heteroscedasticity ARCH(1) dan Exponential Generalized Autoregressive Conditional Heteroskedasticity EGARCH(1,1). Dengan nilai RMSE EGARCH(1,1) adalah 0.015 dan ARCH(1) adalah 0.023. Hal itu menunjukan bahwa model EGARCH(1,1) lebih baik untuk memprediksi dibandingkan model ARCH(1). Kata Kunci : ARCH, EGARCH, Volatilitas, Return, Asimetris.
Pemodelan Sistem Dinamika Antara Suku Bunga Bank Indonesia, Kurs Dolar Terhadap Rupiah, Dan Inflasi Dengan Algoritma Genetika Dan Runge Kutta Muhammad Fadhil Maulana; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Aspek indikator ekonomi makro menjadi unsur yang penting bagi suatu negara. Hal ini berkaitan dengan kinerja ekonomi makro yang bisa mempengaruhi lingkup yang luas dan menyeluruh terhadap suatu negara. Data indikator ekonomi makro yang dikeluarkan oleh pemerintah atau swasta, bisa dijadikan sebagai acuan dalam mengeluarkan kebijakan selanjutnya. Pada tugas akhir ini, ada tiga indikator ekonomi makro untuk dibuat model interaksinya. Adapun indikator ekonomi yang digunakan adalah: Suku bunga Bank Indonesia, kurs dolar terhadap rupiah, dan inflasi. Model yang dibangun menggunakan model sistem dinamika, parameter dari model didapatkan dari algoritma genetika dan runge kutta. Model dan parameter yang didapatkan menggambarkan pergerakan tren dari pergerakan indikator suku bunga Bank Indonesia, kurs dolar terhadap rupiah, dan inflasi. Sehingga bisa dilihat tren selama lima tahun kedepan. Adapun pergerakan tren dari suku bunga Bank Indonesia yang digambarkan oleh model memiliki tingkat galat sebesar 11%, kurs dolar terhadap rupiah sebesar 14.1%, dan inflasi sebesar 20.6%. Dengan memanfaatkan model sistem dinamika yang sudah diketahui parameternya, maka dilakukan prediksi tren selama lima tahun kedepan. Diketahui bahwa pergerakan tren untuk suku bunga Bank Indonesia adalah mengalami cenderung mengalami kenaikan, kurs dolar terhadap rupiah cenderung mengalami kenaikan, dan inflasi cenderung menurun. Kata Kunci : Suku Bunga Indonesia, Kurs Dolar Terhadap Rupiah, Inflasi, Sistem Dinamika, Algoritma Genetika, Runge Kutta.
Value-at-risk Pada Portofolio Berbasis Model Glosten-jagannathan-runkle Heavy Tail Dan Copula Alfian Yudha Iswara; Rian Febrian Umbara; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengukuran risiko berkaitan dengan investasi yang besar karena risiko mempengaruhi kerugian yang akan dialami investor. GARCH dan GJR merupakan salah satu metode dalam analisis time series yang digunakan untuk memodelkan data yang bergerak terhadap waktu (volatilitas) dan memiliki efek asimetis untuk model GJR. Value-at-Risk dapat digunakan untuk mengestimasi risiko pada data satu aset saham dan portofolio. Penentuan VaR dengan distribusi Normal menjadi tidak relevan ketika data keuangan memiliki ekor distibusi yang tebal (heavy tail) yang diimplementasikan dengan distribusi student-t. Copula digunakan sebagai indikator dependensi antar variabel sehingga digunakan sebagai alat memodelkan distribusi bersama. Kata kunci: GARCH, GJR, Value-at-Risk, Portofolio, Copula.
Sharpe Square Ratio (ssr) Untuk Ukuran Performansi Portofolio Dini Apriliani Lestari; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam mengukur kinerja portofolio yang harus diperhatikan adalah nilai return dan risikonya. Pada perhitungan kinerja portofolio biasanya terdapat selisih nilai kesalahan atau error di dalam kinerjanya. Maka dari itu, sebagai manajer investasi mengharapkan nilai return yang tinggi dengan nilai risiko sekecil mungkin. Pada penelitian sebelumnya alat ukur kinerja portofolio untuk menghitung pengembalian yaitu menggunakan metode sharpe ratio, dimana sharpe ratio adalah perhitungan pengembalian pendapatan yang dibagi dengan standar deviasinya. Pada Tugas Akhir ini yaitu mengukur kinerja portofolio dengan memprediksi nilai pengembalian dengan estimasi Sharpe Square Ratio (SSR), dangan metode Sharpe Square Ratio (SSR) diharapkan nilai estimasi pada theta (maksimum sharpe ratio) dapat lebih baik dengan perkiraan data sampel yang ada. Pengukuran ini menggunakan data historis saham mingguan selama 4 tahun. Dari data tersebut yang akan digunakan adalah data return saham untuk pengolahan data sampai ke pengukuran Sharpe Square Ratio (SSR). Berdasarkan hasil analisis, metode Sharpe Square Ratio (SSR) menggunakan hampiran orde 1 dan 2 yang memperoleh hasil estimasi baik dengan mengetahui nilai selisih antara theta asli (TA) dengan theta data sampel (TS). Kata Kunci : Sharpe ratio, Sharpe Square Ratio (SSR), Return.
Pemodelan Life Cycle Produk Tunggal Menggunakan Rantai Markov Susy Sundari; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Produk merupakan kebutuhan yang tidak dapat dipisahkan dari konsumen. Berdasarkan sifat produksinya, produk akan mengalami suatu siklus hidup (Life Cyce) yaitu dimana produk akan melewati masa penarikan barang dan peluncuran produk baru. Sehingga perusahaan harus mempunyai strategi agar produk yang mereka luncurkan akan tetap bertahan di pasaran Didalam tugas akhir ini akan disusun ulang model Life Cycle Produk tunggal dimana perusahaan dapat mengambil keputusan yang tepat untuk mengambil strategi pemasaran produk agar perusahaan terhindar dari kebangkrutan. Pencarian solusi dengan cara membandingkan hasil yang menggunakan data random rantai markov dengan hasil yang menggunakan data random keseluruhan. Kata Kunci : Produk, Life Cycle, Rantai Markov 
Analisis Sensitifitas Dari Likuiditas Terhadap Perubahan Jumlah Lot, Fraksi Harga Dan Deviden Danar Satrio Aji; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Bursa efek Indonesia(BEI) mengeluarkan beberapa kebijakan baru terkait transaksi saham dengan tujuan meningkatkan tingkat likuiditas saham yang ada di Indonesia. Kebijakan tersebut berupa perubahan jumlah lot dan fraksi harga, dimana perubahan tersebut dapat berpengaruh terhadap tingkat likuiditas suatu saham. Ada beberapa hal yang dapat menarik seorang investor untuk berinvestasi, seperti tingkat likuiditas dari saham tersebut dan besarnya deviden yang didapat. Pada penelitian ini, dilakukan penghitungan tingkat likuiditas menggunakan persamaan ilikuiditas dan dilakukan uji hipotesis untuk melihat seberapa signifikan perubahan peraturan yang terjadi dan deviden yang didapat terhadap tingkat likuiditas suatu saham. Nilai uji t statistik lebih besar dibandingkan nilai titik kritisnya -1,69552, maka dapat disimpulkan bahwa peraturan yang baru tidak menambah tingkat likuiditas saham dan besar kecilnya pemberian deviden tidak menambah tingkat likuiditas saham. Kata kunci : Likuiditas, Jumlah Lot, Fraksi harga, Deviden, Uji Hipotesis Abstract The Indonesia Stock Exchange (IDX) publishes some new information related to prices in Indonesia. For that reason, the amount and fraction of prices, etc. can give the same results. There are several things that can attract investors to invest, as seen from dividends obtained. In this study, the calculation of the level of liquidity is done by using formulas and carried out a trial to see further from what happened and dividends obtained on the stock level. Statistical values are greater than the value of the critical point -1,69552, it can be concluded that the new regulation will not increase the level of liquidity. Keywords: Liquidity, Lot Number, Price Step, Dividend, Hypothesis Testing
Co-Authors A. Maulana Mukhsin Abdurrazaq Naufal Abi Rafdhi Hernandy Abi Rafdhi Hernandy Adhitya Aldira Hardy Adiwijaya Agri Pratomo Alfian Yudha Iswara Ananda Affan Fattahila Annisa Aditsania Arifin Dwi Kandar Saputro Arnasli Yahya Ayu Wulandari Bagas Yafitra Pandji Bambang Eko Supriyadi Benedikto Krisnandy Wijaya Budi Ihsan Daulay Cipta Rahmadayanti Danar Satrio Aji Dara Ayu Lestari Deni Saepudin Dian Tiara Didit Adytia Dinda Fitri Irandi Dini Apriliani Lestari Ditta Febriany Sutrisna Elvina Oktavia Ergon Rizky Perdana Purba Erick Anugrah Prihananta Farah Diba Febry Triyadi Fendi Irfan Amorokhman Fhira Nhita Fikri Nur Hadiansyah Fiqi Ruli Setiawan Fitriaini Amalia Gharyni Nurkhair Mulyono Hadyatma Dahna Marta Hasbi Rabbani I Komang Gede Rusmawan Ihsan Hasanudin Ilma Mufidah Imannda Kusuma Putra Indwiarti Irandi, Dinda Fitri Irfan Fauzan Prasetyo Irwan Ramadhana Jeshurun Eliezer Cussoy Jondri Jondri Justinus Dedy Handyka Simanjuntak Kaenova Mahendra Auditama Kautsar Abdillah Lani Rohaeni Laode Muhammad Ali Al-Qomar Lola Yolanda Ruth Herinis Lumbanraja Mailia Putri Utamil Muhamad Lutfi Chandra Muhammad Akmal Afghani Muhammad Fadhil Maulana Muhammad Hafidh Raditya Muhammad Iqbal Cholil Muhammad Irfan Fathurrahman Nanda Putri Mintari Nathan Sukmawan Ni Luh Ketut Dwi Murniati Nisrina Nur Faizah Novelya Nababan Nur Nining Aulia Putu Harry Gunawan Rabbani, Hasbi Rahmadayanti, Cipta Rahmattullah, Rizky Raisa Betha Meiliza Rangga Arya Pamungkas Redha Arifan Juanda Reima Agustina Kusumawardani Reiza Krisnaviardi Reza Pratama Rian Febrian Umbara Rimba Whidiana Ciptasari Rizki Ayudiah Kartika Paramita Rizky Pujianto Rizky Retno Utami Rizma Nurviarelda Sabilla Fitriyantini Shuni’atul Ma’wa Siti Saadah Sri Suryani Prasetiyowati Suhendar, Annisya Hayati Susy Sundari Syahrizal Rizkiana Rusamsi Syaifrijal Zirkon Radion Tasya Salsabila Tedo Hariscandra Triandini Nurislamiaty Yahya, Arnasli ZulvanFirdaus ZulvanFirdausImanullah