Article Per Year (5 Year)
p-Index From 2021 - 2026
4.449
P-Index
This Author published in this journals
All Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi 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 : 112 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 112 Documents
Search

 5   6   7   8   9 
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
Peramalan Harga Saham Menggunakan Principal Component Analysis Dan Hidden Markov Model Erlina Febriani; Jondri Jondri; Deni Saepudin
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

Prediksi harga saham merupakan salah satu penelitian penting dalam bidang perekonomian. Dalam praktiknya, harga suatu saham dapat diprediksi dengan menggunakan konsep analisis teknikal. Analisis teknikal didasarkan pada prinsip penggunaan data histori harga saham untuk memprediksi pergerakan saham dimasa mendatang. Tujuan dari penelitian ini adalah mengimplementasikan metode Principal Component Analysis dan Hidden Markov Model di dalam analisis teknikal untuk memprediksi pergerakan harga saham di masa mendatang. Sistem prediksi menggunakan data saham JKSE.JK, BBNI.JK, dan ANTAM.JK. Hasil dari percobaan dalam tugas akhir ini menunjukkan bahwa PCA dan HMM dapat bekerja dengan baik. Sistem ini memiliki MAPE terbaik sebesar 0,727%. Kata kunci : prediksi harga saham, time series, Principal Component Analysis, Hidden Markov Model
Value-at-risk Menggunakan Model Markov Switching Autoregressive (studi Kasus Saham Pt. Astra Internasional) Achmad Fadholy; Deni Saepudin; Aniq Rohmawati
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Situasi perekonomian yang tidak menentu, mengharuskan investor untuk dapat memprediksi kerugian dipasar saham. Salah satu metode yang dapat digunakan untuk mengetahui kerugian tersebut adalah Value-at-Risk (VaR). Model Markov Regime Switching dapat dilibatkan untuk perhitungan nilai kerugian investasi. Salah satu model utama yang digunakan pada tugas akhir ini adalah Model Markov Switching Autoregressive (MS-AR), untuk menentukan nilai VaR dengan model MS-AR(1.0) dan MS-AR(1.1). Berdasarkan perbedaan dalam metodologi VaR, VaR optimal diuji dengan menggunakan Correct VaR. Realisasi pelanggaran model VaR-MSAR untuk St=0 memiliki nilai proporsi yang dekat dengan target pelanggaran, dibandingkan dengan model VaR-MSAR untuk St=1 yaitu 0.068; 0.022; dan 0.007 untuk masing-masing target pelanggaran 10%; 5%; dan 1%. Kata Kunci : Saham, Value-at-Risk, Markov Switching Autoregressive, Correct VaR
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.
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
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