Article Per Year (5 Year)
p-Index From 2021 - 2026
4.449
P-Index
This Author published in this journals
All Journal JURNAL ELEKTRO Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JOIN (Jurnal Online Informatika) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC) Charity : Jurnal Pengabdian Masyarakat Jurnal Indonesia Sosial Teknologi eProceedings of Engineering LOGIC: Jurnal Penelitian Informatika
Deni Saepudin
Universitas Telkom Bandung, Indonesia
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 111 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 84 Documents
Search
Journal : eProceedings of Engineering

 4   5   6   7   8 
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.
Optimasi Portofolio Mean-semivance Menggunakan Algoritma Genetika Khoirunnisa Ulayya; Deni Saepudin
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 Optimasi portofolio saham sangat dibutuhkan investor untuk memperoleh hasil yang memuaskan dengan nilai return yang tinggi atau nilai risiko yang rendah. Untuk mendapatkan portofolio yang diharapkan, dibutuhkan perhitungan dan algoritma yang baik untuk masalah pengoptimalan. Dalam tugas akhir ini akan dibahas mengenai optimasi portofolio dengan Algoritma Genetika yang akan menghasilkan bobot yang akan digunakan untuk menghitung return dan memilih portofolio dengan risiko terkecil. Dari hasil yang telah diimplementasikan pada beberapa penelitian terdahulu dapat disimpulkan bahwa Algoritma Genetika dapat digunakan sebagai salah satu metode yang cukup berhasil masalah pengoptimalan. Adapun Data saham yang digunakan dalam tugas akhir ini adalah saham yang ada dalam index LQ45. Diantaranya adalah saham BBNI, BBCA, TLKM, AKRA, KLBF, ASII . Hasil penelitian kali ini juga membuktikan bahwa perhitungan resiko menggunakan semivariance lebih optimal dibandingkan menggunakan variance. Kata kunci : Algoritma Genetika, mean-semivariance, Optimasi portofolio , semivariance, LQ45 Abstract Optimization of the stock portfolio is needed by investors to obtain satisfactory results with value high return or low risk value. To get the expected portfolio, good calculations and algorithms are needed for optimization problems. In this final project will be discussed about portfolio optimization with Genetic Algorithms which will produce weights that will be used to calculate returns and choose the portfolio with the smallest risk. From the results that have been implemented in several previous studies it can be concluded that the Genetic Algorithm can be used as a method that is quite successful optimization problems. The stock data used in this final project are shares in the LQ45 index. Among them are BBNI, BBCA, TLKM, AKRA, KLBF, ASII. The results of this study also prove that risk calculation using semivariance is more optimal than using variance.. Keywords: Genetic Algorithm, mean-seamivariance, portofolio optimization, semivariance, LQ45
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.
Pemilihan Portofolio Fuzzy Mean-semi Variance Multi-periode Dengan Biaya Transaksi Dan Jumlah Transaksi Minimum Menggunakan Algoritma Genetika Muhammad Taufiq Raihan; Deni Saepudin
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 Pembentukan portofolio saham optimal berhubungan dengan penentuan bobot optimal untuk masingmasing saham pada portofolio. Dalam penelitian ini akan dibahas bagaimana mencari bobot optimal yang meminimalkan resiko dan memaksimumkan return dengan mempertimbangkan parameter biaya transaksi dan minimal jumlah transaksi menggunakan algoritma genetika. Hasil akhir dari penelitian Porotofolio yang dibentuk dengan biaya transaksi dan jumlah transaksi memiliki kinerja yang yang lebih baik dibandingkan, portofolio yang tanpa mempertimbangkan kedua parameter tersebut , sehingga parameter biaya transaksi dan minimal jumlah transaksi dapat digunakan pada penelitian selanjutnya. Kata kunci : Portofolio, Algoritma Genetika, fuzzy ,semi-variance,biaya transaksi, jumlah transaksi minimum Abstract Establishment of an optimal stock portfolio is related to determining the optimal weight for each share in the portfolio. In this study, we will discuss how to find the optimal weight that minimizes risk and maximizes returns by considering the parameters of transaction costs and the minimum number of transactions using genetic algorithms. The end result of the Porotfolio research that is formed with transaction costs and number of transactions has a performance that is better than that, without considering the two parameters, the transaction cost parameters and the minimum number of transactions can be used in future research. Keywords: Portfolio, Genetic Algorithm, fuzzy, semi-variance, transaction costs, minimum transaction lots
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
Ukuran Risiko Model Vector Autoregressive Pada Harga Saham Fitriaini Amalia; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Investasi merupakan alternatif yang dilakukan dalam meningkatkan aset di masa mendatang. Salah satu financial asset yang banyak diminati adalah investasi dalam bentuk saham. Investasi di pasar modal juga bertujuan untuk memperoleh return yang lebih besar daripada alternatif investasi dengan risiko tertentu. Oleh karena itu, perlu dilakukan analisis terhadap risiko yang mungkin terjadi dengan menghitung ukuran risiko. Salah satu metode untuk mengukur risiko adalah Value-at-Risk (VaR). Variabel nilai saham yang digunakan adalah Return on Asset (ROA), Debt to Equity Ratio (DER), dan Earning Per Share (EPS), terhadap harga saham. Selain itu, nilai-nilai saham dapat dimodelkan dengan Vector Autoregressive (VAR), sehingga pada Tugas Akhir ini, dilakukan penentuan VaR dengan melibatkan model VAR. Kata Kunci: Harga Saham, VAR, VaR. Abstract Investment is an alternative that is carried out in increasing assets in the future. One of the most sought after financial assets is investment in shares. Investment in the capital market also aims to obtain greater returns than alternative investments with certain risks. Therefore, an analysis of the risks that may occur by calculating the risk measure is necessary. One method for measuring risk is Value-at-Risk (VaR). The stock value variables used are Return on Assets (ROA), Debt to Equity Ratio (DER), and Earning Per Share (EPS), to stock prices. In addition, stock values can be modeled with Vector Autoregressive (VAR), so that in this Final Project, VaR is determined by involving the VAR model. Keywords: Stock Price, VAR, VaR.
Analisis Ukuran Risiko Expected Shortfall Pada Indeks Pasar Saham Reima Agustina Kusumawardani; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Pengukuran risiko penting untuk dilakukan, terutama dalam dunia investasi yang berkaitan dengan jumlah dana yang besar. Salah satu ukuran risiko dalam manajemen keuangan adalah Expected Shortfall (ES). ES adalah nilai ekspektasi dari return jika return tersebut melampaui batas return maksimum (Value-at-Risk). VaR merupakan kerugian (return negatif) maksimum yang mungkin terjadi selama periode waktu dan tingkat kepercayaan tertentu. Pada tingkat kepercayaan 𝟗𝟎%, akan dicari nilai return terkecil yaitu 𝑽𝒂𝑹. Sehingga peluang munculnya nilai return kurang dari 𝑽𝒂𝑹 adalah 𝟎,𝟏. VaR tidak memperhatikan setiap kerugian yang ada dibawahnya. ES merupakan solusi untuk menyelesaikan masalahan tersebut. Hasil perhitungan menyatakan bahwa dari beberapa tingkat kepercayaan, terdapat return negatif yang lebih kecil dari VaR dan ES terbukti dapat mengatasinya. Hasil penelitian dari perhitungan ES empiris dan ES teoris menyatakan bahwa selisih error kedua perhitungan tidak jauh berbeda. Penelitian ini menghitung VaR dengan memodifikasi metode Historical Simulation dan melakukan analisis perhitungan risiko ES dengan melibatkan fungsi distribusi dari peubah acak atau observasi. Pada perhitungan ES dilibatkan nilai VaR, tingkat kepercayaan dan jumlah observasi. Data yang akan digunakan dalam Tugas Akhir ini adalah data return mingguan dari indeks saham JKSE. Kata kunci : expected shortfall, value at risk, risiko, return, historical simulation, fungsi distribusi Abstract Risk measurement is important to do, especially in the world of investment relating to large amounts of funds. One of risk measure in financial management is Expected Shortfall (ES). ES is the expected value of return if the return exceeds the maximum return limit (Value-at-Risk). VaR is the maximum loss (negative return) that may occur over a period of time and a certain of confidence level. At a 90% confidence level, the smallest return value, called VaR. So the probability of the return value less than VaR is 0.1. VaR does not give information to any losses below it. ES is a solution to solve this problem. The calculation results state that from several levels of confident, there is a negative return that is smaller than VaR and ES is proven to be able to overcome it. The results of the empirical and theorists ES calculation declare that the error deviation between the two calculations is not much different. This study calculates VaR by modifying the Historical Simulation method and analyzing ES risk calculations by involving the distribution function of random variables or observations. The ES calculation involves the VaR value, confidence level and number of observations. The data that will be used in this Final Project is the weekly return data from the JKSE stock index. Keywords: expected shortfall, value at risk, risiko, return, historical simulation, distribution function
Prediksi Harga Saham Serta Pemberian Keputusan Jual Beli Menggunakan Metode Regression Tree Dan Metode Self Organizing Map (som) Uggi Stivani Savitri; Deni Saepudin; Rian Febrian Umbara
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam investasi saham seorang investor sebaiknya memiliki prediksi untuk memprediksi harga saham yang ada pada waktu tertentu agar memiliki hasil yang memuaskan dengan mendapatkan keuntungan. Maka dari itu sebagai investor harus dapat memprediksi harga saham kedepannya dengan menggunakan Regression Tree. Regression tree atau pohon regresi adalah metode untuk membangun model prediksi dari data dimana model diperoleh dari hasil partisi secara rekursif ruang data dan menduga model prediksi sederhana di dalam setiap partisi. Selain Regression Tree diperlukan teknik lain untuk memberikan keputusan kepada investor waktu yang tepat untuk menjual, membeli serta menahan saham agar memberikan keuntungan teknik tersebut adalah Self Organizing Map (SOM). SOM adalah salah satu jenis metode clustering atau pengelompokan. Data yang digunakan pada tugas akhir ini adalah 1 data saham yang tergabung dalam saham LQ45. Hasil akhir dari penerapan Regression Tree dan SOM ini adalah sebuah prediksi harga saham serta pemberian keputusan yang tepat guna memberikan keuntungan bagi investor. Kata kunci : Regression Tree, Self Organizing Map, saham Abstract In a stock investment, an investor should have a prediction to predict the stock prices to gaining profit. Therefore, as a investor you must be able to predict stock prices going forward by using Regression Tree. Regression Tree is a method predictive models of data in which the model is obtained from the partition results in a recursive data space and predicts a simple prediction model in each partition. In addition to Regression Tree, another techique is needed to make decisions to investors when the right time to sell, buy and hold shares in order to benefit from the technique is Self Organizing Map (SOM). Som is a type of clustering or grouping method. The data used is 1 data stock price incorporated in LQ45. The final result of the method of Regression Tree and SOM is a stock price prediction and the decision to provide benefits to investors. Keywords: Regression Tree, Self Organizing Map, stock price
Pengaruh Teknik Clustering Harga Saham Dalam Manajemen Portofolio Mailia Putri Utamil; Deni Saepudin; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Manajemen portofolio merupakan proses yang dilakukan investor untuk mengukur pengurangan risiko dengan diversifikasi investasi dalam bentuk portofolio. Investor yang hendak menanamkan saham dalam bentuk format portofolio perlu mencari mana saja saham yang dapat memberikan risiko paling minimal dengan tingkat return tertentu. Model formal untuk menciptakan portofolio yang memberikan risiko minimal dengan return tertentu, dikembangkan oleh Harry Markowitz (1952), namun pada model Makowitz sering kali tidak terdiversifikasi secara baik, agar pemilihan saham terdiversifikasi dengan baik, maka ditambahkan teknik clustering. Saham yang terpilih merupakan hasil dari proses penerapan teknik clustering. Disini menerapkan metode K-means clustering dan Fuzzy C-means clustering. Untuk setiap saham dikelompokan berdasarkan kriteria yang sama. Dari setiap cluster (kelompok), dipilih satu yang terbaik menurut kriteria berdasarkan return mingguan yang paling maksimum. Lalu dilakukan perhitungan untuk menentukan tingkat return dan tingkat resiko dari setiap clusternya, dengan bantuan model mean variance portofolio. Proses ini disimulasikan, agar mudah dalam mendapatkan portofolio dengan risiko terendah pada return yang ditentukan dan untuk mengetahui kinerja dari setiap portofolio yang terbentuk, agar dapat membantu investor untuk memilih saham investasi yang menguntungkan. Kata Kunci: Manajemen Portofolio, Clustering, Model Markowitz, K-means, Fuzzy C-means, Mean Variance Abstract Portfolio management is a process carried out by investors to measure risk reduction by diversifying investments in the form of portfolio. Investors who want to invest in the form of a portfolio format need to find out which stocks can provide the least risk with a certain level of return. The formal model for creating portfolios that provide minimal risk with certain returns, was developed by Harry Markowitz (1952), but in the Makowitz model it is often not well diversified, so that stock selection is well diversified, clustering techniques are added. The selected shares are the result of the process of applying clustering techniques. Here apply the K-means clustering and Fuzzy C-means clustering method. For each share grouped according to the same criteria. From each cluster (group), the best one was chosen according to the criteria based on the maximum weekly return. Then do a calculation to determine the level of return and the level of risk of each cluster, with the help of the mean variance portfolio model. This process is simulated, so that it is easy to get the portfolio with the lowest risk on the specified return and to know the performance of each portfolio that is penetrated, so it can help investors to choose profitable investment stocks. Keywords: Portofolio Management, Clustering. Markowitz Model, K-means, Fuzzy C-means, Mean Variance
Co-Authors Abdurrahman Muttaqiin Achmad Fadholy Achmad Rizal Aditya Firman Ihsan Adiwijaya Aisyah Aisyah Alberila Fraida Loceseima Putri Almaya Sofariah Andhika Rama Putra Anggia Parsaoran Exaudi Aniq Antiqi Rohmawati Aniq Atiqi Rohmawati Aniq Rohmawati Anjar Pratiwi Annas Wahyu Ramadhan Annisa Aditsania Annisa Resnianty Anton Sri Haryanto Arfananda, Muhammad Ghifari Arifin Dwi Kandar Saputro Ayunda Firsty Trisnowati Azizah , Nakhwa Benedikto Krisnandy Wijaya Caramoy, Senza Danar Satrio Aji Dara Ayu Lestari Defy Ayu Dewa Made Rai Widyadarma Diah Fitri Wulandari Diani Sarah Kamilial Diani Sarah Kamilial Didit Adytia Dimas Rizqi Guintana Dini Apriliani Lestari Dio Navialdy Egi Shidqi Rabbani Elvina Oktavia Erlina Febriani Esther Laura Christy Fadhlika Hadi Fahmi Muhamad Fauzi Farah Diba Faturachman Nugraha Sasmita Fazlur Rahman Amri Febry Triyadi Fhira Nhita Fikri Nur Hadiansyah Fitriaini Amalia Freyssenita Kanditami P Furqon Hidayat Gharyni Nurkhair Mulyono Ghufron, Sayid Giali Ghazali Gilang Rachman Perdana Gilang Rachman Perdana Hadyatma Dahna Marta Hario Adi Ghufron Herlansyah, Ridhwan Rifky Himatul Zulfa Husain Athfal Hidayat Ihsan Hasanudin Irfan Fauzan Prasetyo Irma Palupi Isman Kurniawan Izzata Izzata Jondri Jondri Kaisa Sekaring Pertiwi Kautsar Abdillah Kemas Muslim Lhaksmana Khoirunnisa Ulayya Kuntjoro Adji Sidarto Lani Rohaeni Laode Muhammad Ali Al-Qomar Lesmana, Rangga Made Larita Ditakristy Mailia Putri Utamil Maulid Fathurachman, Rizaldi Mayriskha Isna Indriyani Mega Silvia Desvi Muhamad Aziz, Reihan Muhammad Fadhil Maulana Muhammad Iqbal Cholil Muhammad Rifqi Arrahim Natadikarta Muhammad Taufiq Raihan Nanda Putri Mintari Narestha Adi Pratama, Putu Agus Naufal Abdurrahman Burhani Nisrina Nur Faizah Novelya Nababan Novi Syafira, Muthia Nur Roza Fitriyana Putri Nuvaisiyah Putu Harry Gunawan Rahmi Putri Amalia Raisa Betha Meiliza Ratih Puspita Furi Rauf, Khalifatur Razaq, Kukuh Sanddi Reima Agustina Kusumawardani Reiza Krisnaviardi Resi Annisa Nur Reza Pratama Rian Febrian Umbara Ridhwan Rifky Herlansyah Rizaldi Maulid Fathurachman Rizq Athariq, Muhammad Sabilla Fitriyantini Saputra, Muhammad Ridho Semeidi Husrin Shabrina Nanggala Sheila Nur Fadhila Sofyan, Denny Sri Rezeki Hardiyanti Susy Sundari Syaifrijal Zirkon Radion Tasya Salsabila Tifani Intan Solihati Triandini Nurislamiaty Triyana Kadarisman Uggi Stivani Savitri Vina Putri Damartya Widyasari, Felicia Dina Yanuar Ishaq Zhafran, I Kamil Elian Zhafran, Kamil Elian