Article Per Year (5 Year)
p-Index From 2020 - 2025
12.539
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Matematika dan IPA Jurnal Infinity Indonesian Journal of Mathematics and Natural Sciences Kreano, Jurnal Matematika Kreatif-Inovatif Rekayasa: Jurnal Penerapan Teknologi dan Pembelajaran Jurnal Pendidikan Matematika Universitas Lampung Jurnal Elemen JURNAL PROFESI KEGURUAN Al-Jabar : Jurnal Pendidikan Matematika Math Didactic: Jurnal Pendidikan Matematika HISTOGRAM: Jurnal Pendidikan Matematika MUST: Journal of Mathematics Education, Science and Technology SJME (Supremum Journal of Mathematics Education) Jurnal Cendekia : Jurnal Pendidikan Matematika Prima: Jurnal Pendidikan Matematika Journal on Education Unnes Journal of Mathematics Education Research Journal of Primary Education Symmetry: Pasundan Journal of Research in Mathematics Learning and Education MEJ (Mathematics Education Journal) ANARGYA: Jurnal Ilmiah Pendidikan Matematika JIKAP PGSD: Jurnal Ilmiah Ilmu Kependidikan M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika JPMI (Jurnal Pembelajaran Matematika Inovatif) Jurnal Penelitian Pembelajaran Matematika Sekolah JP2M (Jurnal Pendidikan dan Pembelajaran Matematika) Hipotenusa : Journal of Mathematical Society Range : Jurnal Pendidikan Matematika Jurnal Wahana Pendidikan Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika SUPERMAT (JURNAL PENDIDIKAN MATEMATIKA) Jurnal Math-UMB.EDU Jurnal Riset dan Inovasi Pembelajaran Plusminus: Jurnal Pendidikan Matematika Kognitif: Jurnal Riset HOTS Pendidikan Matematika Journal Evaluation in Education (JEE) Unnes Journal of Mathematics Education Unnes Journal of Mathematics Edukasia: Jurnal Pendidikan dan Pembelajaran Jurnal Ilmiah Ilmu Terapan Universitas Jambi Prima Magistra: Jurnal Ilmiah Kependidikan Jurnal Pendidikan Indonesia (Japendi) Journal of Mathematics Learning Innovation (JMLI) Bookchapter Pendidikan Universitas Negeri Semarang Prosiding Seminar Nasional Pascasarjana Proceeding of International Conference on Science, Education, and Technology JNPM (Jurnal Nasional Pendidikan Matematika) Jurnal Pengembangan Pembelajaran Matematika Jurnal Pendidikan Matematika Universitas Lampung Kreano, Jurnal Matematika Kreatif Inovatif Unnes Journal of Mathematics Education Hipotenusa: Journal of Mathematical Society Jurnal Infinity Jurnal Pendidikan Progresif
Scolastika Mariani
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Physics Social Sciences Other

Published : 140 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 140 Documents
Search

 4   5   6   7   8 
PERBANDINGAN AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Sunarti; Mariani, Scolastika; Sugiman, Sugiman
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.v5i1.13108

Abstract

This article aims to get model data stock Unilever Indonesia Tbk. use the model ARCH and GARCH as well as comparing forecasting accuracy of the result of the next five days ahead model ARCH and GARCH on the stock Unilever Indonesia Tbk. use MATLAB. The methods used are design application forecasting uses GUI MATLAB, next model ARIMA Box-Jenkins, identification ARCH effect, forecasting use the model ARCH and GARCH, and compares the results second forecasting model that is based on the value of RMSE. On residual ARIMA best namely ARIMA(1,1,1) detected the effects ARCH so that data can modeled ARCH and GARCH. Model ARCH and GARCH best respectively namely ARCH(3) and GARCH(1,1). Based on value RMSE be seen that model best for forecasting the next five days ahead of data Unilever Indonesia Tbk. produced bymodels GARCH(1,1) because it has value RMSE smallest with equation conditional mean and conditional variance
ANALISIS MODEL THRESHOLD GARCH DAN MODEL EXPONENTIAL GARCH PADA PERAMALAN IHSG Susanti, Susanti; Zaenuri, Zaenuri; Mariani, Scolastika
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.v5i1.13111

Abstract

The purpose of this research were to know (1) the best model among TGARCH model and EGARCH model on predicting JCI value in BEI (2) the results forecasting JCI value in BEI using the best model for a few days later. This reseacrh focused on analysis of TGARCH and EGARCH models in forecasting JCI value. Procedure which used in this research were formulate problem, collecting data, analysis data dan conclusion. Data collected with documentation method that is collected secondary data and literature. Software EVIEWS 6 used as a analysis tool of JCI data. This research result in conclusions that is (1) The best model among models TGARCH and EGARCH models on predicting JCI value in BEI is TGARCH model (2) The results forecasting JCI value in BEI use TGARCH model for day 42th is 5112.81 and for day 43th until day 50th obtained 5112.82 (constant).
IMPLEMENTASI FRACTIONAL BROWNIAN MOTION DENGAN PARAMETER HURST UNTUK DATA PAJAK HOTEL Nugroho, Samuel Defri; Mariani, Scolastika
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.v5i1.13115

Abstract

Fractional Brownian Motion (FBM) is general Brownian Motion (BM) that impact for construction tax hotel, this can instrument for decision. the trouble is how to do value best implementation estimate FBM and BM with Hurst parameter for tax hotel. How to do impact matlab program for that. data can uses is data tax hotel in Semarang. Purpose research is know value estimate FBM and BM and impact that with matlab program. Process construction is input Hurst [0,1], Δt, and N to estimate Hurst output value estimate, this value input to FBM and BM (H=0.5) process, output this value construction finance for covarians Hurst and bias Hurst for finaly value RMSE (Root Mean Square Error).
PERBANDINGAN TAKSIRAN VALUE AT RISK DENGAN PROGRAM R DAN MATLAB ANALISIS INVESTASI SAHAM MENGGUNAKAN METODE GARCH Sari, Fenny Tunjung; Mariani, Scolastika
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.v5i2.13120

Abstract

Value at Risk (VaR) became a popular statistical method used to measure the risk investing. When estimating it require forecasting volatility. One of methods for modeling the heteroscedastic volatility called Generalized Autoregressive Conditional Heteroscedasticity (GARCH). The goal of this research are compare the result estimated it, by R program and MATLAB program, and then comparing accuracy of them. This research used data index March 4, 2013 to October 1, 2014. The result show that the forecasting it with probability 95% and 15-days horizon on R program is -0,2224606 then MATLAB program is -0,215263. While the result of calculation Mean Square Error (MSE) respectively R and MATLAB programs are 0,0003623 and 0,0003609. MATLAB program is the best level of accuracy in forecasting variansi. They have been modeling the volatility of LQ45 stock index to estimate it, using GARCH(1,1) model
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 Geographically Weighted Regression (GWR) dengan Fungsi Pembobot Kernel Gaussian dan Bi-Square Lutfiani, Nurul; Sugiman, Sugiman; Mariani, Scolastika
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.v8i1.17103

Abstract

Model spasial Geographically Weighted Regression (GWR) adalah salah satu metode statistika yang dapat digunakan untuk menganalisis faktor risiko secara spasial dengan pendekatan titik. Fungsi pembobot yang digunakan untuk model GWR adalah fungsi kernel gaussian dan bi-square. Langkah analisis yang dilakukan yaitu melakukan pengujian dengan metode OLS. Dalam pengujian diperoleh 2 variabel yang signifikan, selanjutnya melakukan pengujian menggunakan metode GWR. Membandingkan nilai R2 dan AIC antara model GWR dengan fungsi pembobot kernel gaussian dan bi-square menggunakan Program R. Berdasarkan hasil penelitian yang diperoleh Tabel ANOVA untuk menguji kebaikan GWR secara global, model GWR lebih efektif daripada OLS. Diperoleh model GWR dengan fungsi pembobot gaussian di Kabupaten Cilacap yi = 0,017574 – 0,714742X1 + 0,812049X3 , nilai R2 sebesar 77,47% , nilai AIC sebesar 53,44198 dan model GWR dengan fungsi pembobot bi-square di Kabupaten Cilacap yi = -0,024805 -0,716867X1 +0,832846X3, nilai R2 sebesar 76,19%, nilai AIC sebesar 54,64947. Nilai R2 terbesar dan nilai AIC terkecil dimiliki oleh model GWR dengan kernel gaussian.
PENENTUAN HARGA OPSI ASIA MENGGUNAKAN METODE SIMULASI MONTE CARLO DENGAN TEKNIK REDUKSI VARIANSI Habaib, Taufik Nur; Mariani, Scolastika; Arifudin, Riza
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.v7i1.20394

Abstract

Penelitian ini bertujuan untuk mengetahui keefisienan teknik reduksi variansi yang diterapkan pada metode simulasi Monte Carlo dalam menentukan harga opsi beli Asia PT. Adhi Karya (Persero) Tbk. pada saat jatuh tempo 3 bulan menggunakan GUI Matlab. Teknik reduksi variansi yang digunakan dalam penelitian ini adalah metode variabel antithetik. Pada penelitian ini ditentukan parameter-parameter harga saham awal kontrak (S0) sebesar Rp2680, harga eksekusi (K) sebesar Rp2116, tingkat bunga bebas risiko (r) adalah 5%, waktu jatuh tempo (T) selama 3 bulan, volatilitas harga saham ( ) adalah 1,6, dan jumlah simulasi sebanyak 10.000 kali. Dari parameter-parameter tersebut kemudian diperoleh harga opsi beli Asia sebesar Rp766,7 dengan standar eror 6,2952. Harga opsi beli Asia tersebut diperoleh setelah diasumsikan konvergen pada periode waktu harga saham ke-500, sedangkan standar eror-nya diperoleh setelah direduksi rata-rata sebesar 45,8%. Implikasi bagi investor dan pelaku di pasar modal adalah apabila investor ingin melakukan investasi pada opsi Asia, maka dalam memprediksi harga opsi belinya dapat dilakukan dengan menggunakan program aplikasi GUI Matlab dari penelitian ini
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.
Co-Authors 'Ulya, Rosyidatul Abd. Rasyid Syamsuri Abduh, M. Faisal Adrillian, Hendrisa Agus Yulianto Ahmad Faridh Ricky Fahmy Ahmad Gufron Aini, Aulia Hurul Akbar Dakha Prabowo Al Ashari, Shoib Rizal Amin Suyitno Amin, Ihdi Anggoro, Abdurrobbil Falaq Dwi Annisa Salma Zakiyyah Ardhi Prabowo Arief Agoestanto Asani, Fityan Asih, Tri Sri Noor Asna, Alivia Nur Astuti, Raras Setya Astuti, Sri Ady Aziiza Andanawarih Utoyo Azizia, Ananda Jullailatul Azmi, Kholifatu Ulil Azzahra, Tsania Rahma Bambang Eko Susilo Bambang Eko Susilo Bambang Eko Susilo Bayujaga, Dian Budi Waluya Cholifah, Cholifah Damaryanti, Desi Dwi Daroinis Sa’adah Dedeh Kurniasih Dewi, Heni Lilia Dewi, Nuriana Rachmani Dr. Masrukan, Dr. Dwi Erna Novianti Dwijanto Dwijanto Dwijanto Dwijanto Dwijanto Dwijanto Dwijanto Dwijanto, Dwijanto Dwijayanto Dwijayanto E. Sulastri Edy Soedjoko EKA ANJARWATI Eko Supriyadi Emi Pujiastuti Endang Retno Winarti Endang Setyowati Endramawati, Tyas Ayun Enika Wulandari Erik Santoso ernita, ernita Farida Nursyahidah Fathonah, Ika Ariwanti Fauziah, Isyatul Fifqi Inayah Fitrianti, Dwi Agung Habaib, Taufik Nur Handayani, Kristina Haqiqi, Muhamad Irwan Hardi Suyitno Hasriani Ishak Hening Windria Hidayatun Nafiah, Hidayatun Hikmasari, Prihatina Ihdi Amin Ika Fitriani Fitriani Imanuel, Imanuel Indriani, Mikke Novia Iqbal Kharisudin Isnaini Rosyida, Isnaini Isnarto Isnarto Isnarto Isnarto Isnarto, Isnarto Isnarto, Isnarto Isti Hidayah Istiqomah Ambarwati Iwan Junaedi Iwan Junaedi Iwan Junaedi Jannah, Anita Nur Jatnika, Sugih Nugraha Junaedi , Iwan Kartono - Kartono Kartono Kartono, Kartono Khasmarawati, Vinda Khoirunnisa, Farah Dina Khunaeni, Sirilivia Kristina Wijayanti Kristina Wijayanti Kurniati, Chrisvonela Neri Lathifatun Ni'mah Lathifatun Ni'mah Liadiani, Anifa Mirza Lutfiani, Nurul M. Taufik Qurohman Ma'unah, Siti Malik, Ibnu Malik, Ibnu Marissa, Erlinda Isulis Marthinus Yohanes Ruamba Mashuri Mashuri Masrukan Masrukan Masturina Hamid, Ellya Maulana, Mukhamad Riziq Megita Dwi Pamungkas Megita Dwi Pamungkas Meilon, Beny Misa’adah, Fedriana Moh. Asikin Mohammad Asikin Muhammad Kharis Muhammad Marzuqi Mujiasih Mujiasih Mulyono Mulyono Mulyono Mulyono Musaidah, Evadatul Muwahiddah, Ulil Nila Ubaidah Nino Adhi, Nuriana Rachmani Dewi Nio, Tan Hian Nofiyah, Noni Noriza Munahefi, Detalia Noverianto, Bebyd Nugroho, Samuel Defri Nur Hidayati Nurariva Siregar Nurhalisha, Erina Nuriana Rachmani Dewi (Nino Adhi) Nurintya, Fairuz Hanan Nurmutia, Halida Eka Nursasongko, Aditya Nuzul Putri Rahmawati Onwardono Rit Riyanto Pamungkas, Megita Dwi Pradina, Putri Dwi Pramesti, Santika Lya Diah Pramesti Pranawestu, Aditya Pratiwi, Yuninda Diah Priscilia, Priscilia Monica Praneswari Putri, Dwi Liana Wella Putriaji Hendikawati Rachmani Dewi, Nuriana Rahayu, Yenrika Kurniati Rahayuningsih, Rista Tri Ramadhani, Istika Ratri Ratnasari, Dwi Indah Rezky Bagus Pambudiarso, Rezky Bagus Riki Afiyanto Pratama Riyan Hidayat Riza Arifudin Roby Sugiarto, Dede Retno Rochmad - Rochmad Rochmad Rochmad Rochmad Rosyidatul 'Ulya S. B. Waluya, S. B. Sa'adah, Daroinis Saiful Marom Saiful Marom Santika Lya Diah Pramesti Saputri, Mike Sari, Fenny Tunjung Sari, Ratna Novita Savitri, Sukma Nur Sebastianus Fedi Setyaningsih, Lusianna Sri Solihah St. Budi Waluya Stevanus Budi Waluya Sudarsono Sudarsono Sugiman Sugiman Sugiman Sukestiyarno Sukestiyarno Sulandari, Dewi Sunarmi Sunarmi Sunarti Suryonegoro, Bayu Murti Susanti Susanti Tania, Nova Tommy Tanu Wijaya Vera Dewi Susanti Wahyu Ning Dewi Kumalaretna Wahyu Nur Annisa Walid Walid Walid, Walid Wardono Wardono Wardono Wardono Wardono Widiastuti, Ririn Wijaya, Teguh Ananta Winayus, Riyan Fikri Windarti, Desti Hana YL Sukestiyarno YL. Sukestiyarno Yoni Sunaryo Yuni Frazwanti Yuningsih Yuningsih Zaenuri Mastur