Claim Missing Document
Check
Articles

Found 107 Documents
Search
Journal : BIMASTER

PENENTUAN CADANGAN PREMI PADA ASURANSI JIWA DWIGUNA JOINT LIFE DENGAN METODE PREMIUM SUFFICIENCY Wilda Ariani; Neva Satyahadewi; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (389.884 KB) | DOI: 10.26418/bbimst.v9i1.38896

Abstract

Perusahaan asuransi memiliki kewajiban mempersiapkan sejumlah dana berupa cadangan premi untuk membayar klaim atas polis asuransi yang dibuat oleh tertanggung dan pihak perusahaan. Perhitungan cadangan premi dapat dihitung dengan menggunakan metode prospektif. Metode cadangan prospektif dalam perhitungannya dikembangkan dengan menyertakan biaya-biaya operasional perusahaan. Salah satu metode pengembangan tersebut adalah metode premium sufficiency. Perhitungan metode premium sufficiency dilakukan berdasarkan asumsi premi kotor. Pada penelitian ini dicari formula perhitungan cadangan premi asuransi jiwa dwiguna joint life dengan metode premium sufficiency. Dalam perhitungan nilai cadangan premi, cadangan premium sufficiency menyertakan biaya penutupan polis baru dan biaya pemeliharaan premi setelah masa asuransi. Berdasarkan studi kasus, diperoleh nilai cadangan premi tahunan asuransi jiwa dwiguna joint life untuk 3 kondisi usia tertanggung yang berbeda setiap tahunnya semakin meningkat. Selain itu, besar nilai cadangan premi untuk kondisi tingkat suku bunga yang bervariasi didapat bahwa semakin besar tingkat suku bunga maka nilai cadangan premi akan semakin kecil. Kata Kunci: metode cadangan prospektif, premi bruto
PEMODELAN AKREDITASI SEKOLAH SMA/MA DI KALIMANTAN BARAT DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE Nur Azmi; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i1.44660

Abstract

Multivariate Adaptive Regression Spline (MARS) merupakan salah satu model regresi nonparametrik, MARS merupakan pengembangan dari pendekatan recursive partition regressio (RPR) yang dikombinasikan dengan metode Spline sehingga MARS mampu menghasilkan prediksi variabel respon yang akurat, serta menghasilkan model yang kontinu pada knot berdasarkan nilai generalized cross validation (GCV) terkecil. MARS akan membangun suatu model terbaik sebagai model klasifikasi yang akan melibatkan beberapa fungsi basis yang memuat variabel prediktor yang berpengaruh. Pemilihan model MARS terbaik dilakukan dengan prosedur forward stepwise dan backward stepwise didasarkan pada nilai GCV. Penelitian ini menggunakan 8 variabel prediktor dan 2 variabel respon dengan menggunakan data akreditasi sekolah SMA/MA di Kalimantan Barat. Hasil dari penelitian ini, menunjukkan bahwa model MARS terbaik didapat dari hasil kombinasi fungsi basis (BF) = 32, maksimum interaksi (MI) = 3, dan minimum observasi (MO) = 10 dengan nilai sebesar GCV = 0,0468. Dari proses yang dilakukan terdapat 2 variabel prediktor yang memberikan pengaruh persentase paling besar terhadap model yaitu komponen standar sarana dan prasarana sebesar 100% dan komponen standar pendidik dan tenaga kependidikan 92,5%. Kata Kunci: komponen akreditasi sekolah, MARS, GCV
ANALISIS RISIKO PORTOFOLIO LQ45 MENGGUNAKAN PENDEKATAN VALUE AT RISK BLOCK MAXIMA-GENERALIZED EXTREME VALUE Nanda Ayuni; Setyo Wira Rizki; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (383.534 KB) | DOI: 10.26418/bbimst.v9i2.39914

Abstract

Setiap bentuk investasi memiliki risiko yang dapat menyebabkan kerugian bagi investor. Semakin tinggi hasil yang diharapkan dari investasi tersebut, maka semakin tinggi juga tingkat risikonya. Dengan demikian, investor perlu mengetahui besar risiko yang akan dihadapinya, sehingga dapat melakukan tindakan pencegahan agar bisa mengantisipasi risiko tersebut. Metode yang dapat digunakan untuk mengukur risiko adalah value at risk (VaR). Extreme value theory (EVT) merupakan metode yang digunakan untuk mengukur risiko pada data runtun waktu yang memiliki distribusi ekor gemuk. Distribusi ekor gemuk memiliki kecenderungan lebih besar terjadinya kejadian ekstrem dibandingkan dengan distribusi normal. Umumnya, hal ini ditandai oleh nilai kurtosis yang positif. Salah satu metode EVT adalah block maxima yang mengikuti distribusi GEV (generalized extreme value). Perhitungan VaR yang akurat pada data runtun waktu finansial dapat menggunakan VaR dengan metode block maxima-GEV. Penelitian ini menggunakan data harga saham penutupan harian pada indeks LQ45 periode 1 Januari sampai 31 Desember 2018. Saham yang digunakan untuk pembentukan portofolio ada lima yaitu PTBA, ANTM, PGAS, BBCA, dan ICBP, yang mana saham-saham tersebut dipilih berdasarkan nilai mean return tertinggi. Berdasarkan hasil analisis, diperoleh nilai VaR dengan metode block maxima-GEV dengan tingkat kesalahan 5% adalah sebesar 2,555% dari total nilai investasinya. Misalnya, jika investor berinvestasi sebesar Rp100.000.000,00,- maka investor tersebut mempunyai risiko sebesar Rp2.555.000,00. Kata Kunci : investasi, VaR, extreme value theory, heavy tail
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERMASALAHAN GIZI BALITA MENGGUNAKAN METODE FUZZY SUBTRACTIVE CLUSTERING Silvia Andriany; Dadan Kusnandar; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i3.48340

Abstract

Peningkatan gizi merupakan salah satu tujuan dari SDGs karena berkaitan dengan pembangunan sumber daya manusia. Pemerintah selalu mengupayakan untuk menyelesaikan permasalahan gizi balita di Indonesia dengan mengimplementasikan berbagai program namun karena kondisi geografis yang kompleks mengakibatkan terjadinya perbedaan angka permasalahan gizi sehingga program tersebut akan menjadi beragam. Oleh karena itu untuk dapat membantu pemerintah dalam mengimplementasikan program penurunan angka permasalahan gizi di Indonesia dilakukan penelitian dengan mengelompokkan provinsi berdasarkan permasalahan gizi. Pada penelitian ini digunakan penerapan metode fuzzy subtractive clustering dalam mengelompokkan 34 provinsi di Indonesia berdasarkan permasalahan gizi balita. Fuzzy subtractive clustering merupakan algoritma tak terawasi yang dapat membentuk jumlah cluster sesuai dengan kondisi data sehingga memiliki hasil yang konsisten dalam mengelompokkan anggota-anggotanya. Data yang digunakan dalam penelitian ini adalah prevalensi underweight, prevalensi stunting dan prevalensi wasting pada tahun 2019. Hasil dari penelitian ini menghasilkan jari-jari terbaik sebesar 0,4 dengan nilai CTM sebesar 0,52564 yang menghasilkan 3 cluster. Cluster 1 terdapat 9 provinsi yaitu Sumatera Utara, Sumatera Barat, Sumatera Selatan, Riau, Jambi, Jawa Timur, Sulawesi Tenggara, Papua Barat dan Papua. Cluster 2 terdapat 12 provinsi yaitu Aceh, Nusa Tenggara Timur, Nusa Tenggara Barat, Kalimantan Barat, Kalimantan Tengah, Kalimantan Selatan, Sulawesi Tengah, Sulawesi Selatan, Gorontalo, Sulawesi Barat, Maluku dan Maluku Utara. Dan cluster 3 terdapat 13 provinsi meliputi Bengkulu, Lampung, Kepulauan Bangka Belitung, Kepulauan Riau, DKI Jakarta, Jawa Barat, Jawa Tengah, DI Yogyakarta, Banten, Bali, Kalimantan Timur, Kalimantan Utara dan Sulawesi Utara. Kata Kunci: Permasalahan gizi, Analisis cluster, Fuzzy subtractive clustering
PENGEMBANGAN APLIKASI STATISTIKA BERBASIS WEB INTERAKTIF UNTUK ANALISIS UJI-T Paisal Paisal; Neva Satyahadewi; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i3.47655

Abstract

Software R merupakan software statistika yang bisa dikembangkan secara bebas dan gratis (open source) sehingga bisa dianggap mengurangi penggunaan software bajakan. Software R telah berevolusi dengan mengembangkan program pendukung diantaranya adalah R-Shiny. R-Shiny dilengkapi dengan server interface yang membuat kemampuannya bisa diakses melalui menu web secara Graphical User Interface (GUI). Tujuan penelitian ini adalah mengembangkan R-Shiny sebagai interface web yang interaktif. Pengembangan R-Shiny dilakukan dengan metode waterfall melalui beberapa tahapan. Tahapan-tahapan dalam pengembangan R-Shiny yaitu analisis kebutuhan, sistem dan desain perangkat lunak, implementasi dan pengujian unit, integrasi dan pengujian unit, serta penerapan program dan pemeliharaan. Pada analisis kebutuhan dipilih uji-T karena uji ini sering digunakan dalam analisis statistika, diantaranya bidang kesehatan, pertanian dan ekonomi. Pada tahapan sistem dan desain perangkat lunak dilakukan perancangan sistem berdasarkan kebutuhan yang sudah ditetapkan. Kemudian hasil desain tersebut diimplementasikan dan diujikan kepada user, dimana user memberikan tanggapan terhadap desain sementara. User atau pengguna yang dipilih yaitu sekelompok mahasiswa yang mengambil mata kuliah Komputasi Statistika pada Program Studi Statistika Universitas Tanjungpura. Berdasarkan tanggapan user, desain perangkat lunak dilakukan perbaikan kembali agar menjadi lebih baik. Hasil akhir dari pengembangan R-Shiny ini diperoleh bahwa aplikasi ini lebih mudah digunakan, karena user dapat menggunakan langsung melalui android tanpa harus menginstal suatu aplikasi. Kata Kunci: R-Shiny, uji-T, Independent Sample T-Test
PENERAPAN STRUCTURAL EQUATION MODELING PARTIAL LEAST SQUARE PADA KEPUASAN MASYARAKAT TERHADAP PELAYANAN PUBLIK KEPOLISIAN KALIMANTAN BARAT Titania Aurellia; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v9i4.41825

Abstract

Kritik dan saran masyarakat dalam hal pelayanan, mendorong unit penyelenggara pelayanan publik dituntut untuk memenuhi harapan masyarakat. Masyarakat menilai pelayanan publik yang dilakukan tidak sesuai harapan, sehingga perlunya tindakan yang dapat memperbaiki hal tersebut, jika tidak ditangani dapat menimbulkan ketidakpercayaan dari masyarakat. Salah satu unit penyelenggara pelayanan publik yaitu Kepolisian Daerah Kalimantan Barat yang melakukan survei kepuasan masyarakat terhadap pelayanan publik. Ada beberapa aspek yang menjadi variabel yaitu aspek penegakan hukum, aspek pemeliharaan kamtibmas 2, aspek pelayanan publik 3, dan aspek kepercayaan masyarakat. Metode yang digunakan dalam penelitian ini adalah structural equation modeling partial least square (SEM-PLS), dengan menggunakan SEM-PLS dimungkinkan menggunakan ukuran sampel relatif kecil dan tidak membutuhkan asumsi normalitas. Penelitian ini menggunakan software smartPLS 3.0 dengan penerapan SEM-PLS untuk menganalisis hubungan variabel laten endogen dan variabel laten eksogen. Berdasarkan hasil penelitian yang telah dilakukan, didapatkan model persamaan yaitu , dengan variabel yang diperoleh mempengaruhi aspek kepercayaan masyarakat secara signifikan adalah variabel aspek pemeliharaan kamtibmas 2 dan aspek pelayanan publik 3. Nilai R untuk model persamaan struktural yaitu sebesar 46,5%.Kata Kunci : Pelayanan Publik, Kepolisian, SEM-PLS
ANALISIS PORTOFOLIO MENGGUNAKAN METODE MEAN VARIANCE EFFICIENT PORTOFOLIO (MVEP) DENGAN PENDEKATAN DATA ENVELOPMENT ANALYSIS (DEA) Lilit Tamara Dinta; Setyo Wira Rizki; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (153.069 KB) | DOI: 10.26418/bbimst.v9i3.41203

Abstract

Investasi merupakan kegiatan penanaman modal yang bertujuan untuk mendapatkan keuntungan di masa datang. Investasi yang dilakukan seorang investor memiliki risiko yang sebanding dengan return yang ditawarkan sehingga perlu dilakukan penyebaran investasi dengan membentuk portofolio saham. Pembentukan suatu portofolio saham dapat dilakukan dengan memilih saham-saham efisien. Pemilihan saham-saham efisien dilakukan dengan menganalisis saham tersebut guna mengetahui prospek saham di masa dating. Data yang digunakan pada penelitian ini yaitu data harga penutupan saham harian pada indeks saham LQ-45 yang konsisten masuk pada periode 1 Januari sampai dengan 31 Desember 2018. Penelitian ini bertujuan untuk menganalisis saham dengan kinerja efisien menggunakan data envelopment analysis (DEA) dan menentukan bobot masing-masing saham yang terdapat dalam portofolio menggunakan metode mean variance efficient portofolio (MVEP). Hasilnya, delapan saham efisien kandidat portofolio yaitu ASII, BBCA, BBRI, GGRM, ICBP, INCO, PGAS, dan PTBA yang kemudian dianalisis sehingga dipilih lima saham untuk dijadikan suatu portofolio. Bobot untuk masing-masing saham dalam portofolio yaitu, BBCA sebesar 48,85%, ICBP sebesar 33,06%, PTBA sebesar 12,18%, INCO sebesar 4,81% dan PGAS sebesar 1,09%. Kata Kunci : bobot saham, saham efisien, portofolio
IMPLEMENTASI METODE NAÏVE BAYES DALAM PREDIKSI TINGKAT KEMENANGAN PADA GAME MOBILE LEGENDS Padilah, Ariski; Perdana, Hendra; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i4.77825

Abstract

Perkembangan industri permainan sekarang membawa dampak yang signifikan, khususnya dalam permainan daring atau game online yang telah menjadi bagian dari gaya hidup kebanyakan masyarakat. Mobile legends merupakan salah satu contoh game yang sangat popular sekarang karena bisa menarik minat jutaan pemain di seluruh dunia. Dengan banyaknya pemain yang ada di seluruh dunia mengakibatkan player yang memainkan game ini harus memiliki strategi agar menang pada setiap pertandingan yang dilaksanakan. Pada penelitian ini metode Naïve Bayes Classifier digunakan dalam memprediksi status kemenangan pada game mobile legends. Data yang digunakan adalah data sekunder yang berasal dari youtube pertandingan salah satu hasil pertandingan eSport yaitu MPL Season 11 yang menjadi semakin popular di kalangan penonton dan pemain. Variabel yang digunakan adalah Health Point, HP Regen, Physical Damage, Physical Defence, Movement Speed, dan Attack Speed. Tujuan dari penelitian ini adalah untuk mengimplementasikan metode Naïve Bayes dalam memprediksi kemenangan dalam permainan mobile legends. Metode Naïve Bayes dipilih karena keunggulannya dalam mengatasi masalah klasifikasi yaitu bisa menggunakan data yang besar dengan hasil yang didapatkan memiliki tingkat akurasi yang bagus. Pada penelitian ini hasil prediksi menunjukkan bahwa implementasi metode Naïve Bayes mampu memberikan tingkat akurasi sebesar 80,88% sehingga masuk kedalam kategori bagus.  Kata Kunci : Klasifikasi, Akurasi, MPL Season 11.
PENERAPAN PARTICLE SWARM OPTIMIZATION DALAM PENYUSUNAN JADWAL MATA KULIAH DI PRODI MATEMATIKA UNIVERSITAS TANJUNGPURA Suprianto, Okto; Kiftiah, Mariatul; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i5.81855

Abstract

Particle Swarm Optimization (PSO) adalah sebuah teknik optimisasi yang mengadopsi algoritma swarm intelligence, dimana sekelompok partikel yang mewakili solusi-solusi potensial bergerak dalam ruang pencarian solusi dengan cara berinteraksi satu sama lain. Setiap partikel memiliki posisi dan kecepatan yang diubah secara iteratif berdasarkan pengalaman lokal dan global, sehingga partikel-partikel tersebut akan saling menarik dan menjauh dari satu sama lain untuk mencari solusi terbaik. PSO banyak dipakai pada bermacam bidang, satu diantaranya yakni adalah penjadwalan mata kuliah. Pembuatan susunan jadwal mata perkuliahan pada Program Studi Matematika di UNTAN merupakan sebuah permasalahan optimisasi yang kompleks, karena harus memperhatikan banyak faktor kendala diantaranya kapasitas ruang, durasi perkuliahan, sesi perkuliahan, kondisi dosen, tingkat semester mahasiswa, serta kepentingan akademik pada jurusan. Tujuan penerapan PSO ini untuk memperoleh jadwal mata kuliah yang lebih optimal dan efisien, dimana memenuhi semua kendala yang telah ditetapkan.    Kata Kunci:      kendala, jadwal, velocity
PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DALAM PENENTUAN STATUS GIZI BURUK BERDASARKAN PROVINSI DI INDONESIA Arsyi, Fritzgerald Muhammad; Satyahadewi, Neva; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i4.78049

Abstract

Gizi merupakan suatu proses penggunaan makanan yang dikonsumsi yang dibutuhkan oleh anak khususnya balita dalam jumlah banyak. Gizi buruk merupakan tingkat keparahan terjadinya kekurangan gizi yang terjadi setiap tahun. Upaya penanganan gizi buruk tidak dapat dilakukan di setiap provinsi karena banyak faktor yang berpengaruh, salah satunya faktor geografis. Penelitian ini bertujuan untuk menentukan model terbaik dalam penentuan status gizi buruk berdasarkan provinsi di Indonesia dengan menggunakan GWLR. Variabel yang digunakan dalam penelitian ini terbagi menjadi dua, yaitu variabel dependen (Y) dan variabel independen (X). Variabel independen yang digunakan adalah Cakupan Imunisasi, Bayi mendapat ASI, Pemberian Vitamin A, Sanitasi yang layak, Penduduk Miskin, Air Minum Layak, Balita dipantau pertumbuhan dan Perkembangan, dan Kunjungan Neonatal. Variabel dependen yang dianalisis adalah status gizi balita. Hasil Penelitian yaitu analisis global dengan menggunakan regresi logistik menunjukkan bahwa terdapat 3 variabel yang berpengaruh signifikan terhadap gizi buruk pada balita di Indonesia. Variabel-variabel tersebut adalah cakupan bayi yang mendapatkan ASI, balita yang dipantau tumbuh kembangnya, dan cakupan kunjungan neonatal lengkap. Sedangkan secara lokal menggunakan GWLR dengan pembobot Adaptive Tricube Kernel, terdapat 34 model yang terbagi lima kelompok berdasarkan variabel yang berpengaruh. Model GWLR dengan pembobot Adaptive Tricube Kernel memiliki ketepatan klasifikasi sebesar 94,1% adalah model terbaik dibandingkan dengan model regresi logistik yang memiliki ketepatan klasifikasi sebesar 82,4%.Kata Kunci:   GWLR, Fungsi Kernel, Malnutrisi
Co-Authors Al Amin Alatin, Isam Aldien, Royan Gustio Alex Sander Almazmar, Giatul Khodijah Hodijah Andani, Wirda Andi Hairil Alimuddin Anggi Putri Dewi Anggi, Muhamad Anis Fakhrunnisa Annisa Fitri Antoni, Frans Xavier Natalius Apriliyani, Techa Aprizkiyandari, Siti Ariady Zulkarnain Arsyi, Fritzgerald Muhammad Assa Trissia Rizal Atikasari, Awang Atlantic, Virginnia Aulia Puteri Amari Azura, Tina Calissta, Leanna Belva Cesoria, Yola Zerlinda Crismayella, Yuveinsiana Dadan Kusnandar Dadan Kusnandar Dadan Kusnandar Dadan Zaliluddin Debataraja, Naomi Nessyana Dedi Rosadi Deni Wardani Dinda Lestari Dwi Nining Indrasari Dzakirah, Nasya Rabbi Eka Rizki Wahyuni Elga Fitaloka Endah Saraswi Ersawahyuni, Aisna Evi Noviani Evy Sulistianingsih Faizah, Putri Alya Nur Fajar, Arif Nur Fallah, Khalishah Ghina Febriani, Nindy Febriani, Rani Febriyanto, Ferdy Fery Prastio Fidianty, Fadilla Firhan Januardi Firman Saputra Fortuna, Nia Fitriana Gilang Habibie Gunawan, Sucipto Hafifah, Nanda Handayani, Aditya Hapipah, Liza Darojatul Hariadi, Wahyudio Shaney Fikri Harnanta, Nabila Izza Hasanah, Kutsiatul Hasanuddin Hasanuddin Helmi Helmi Hidayat, Rani Lestari HUDA, NUR’AINUL MIFTAHUL Huriyah, Syifa Khansa Iman Sanjaya Imanni, Rahmania Andarini Hatti Imro'ah, Nurfitri IMRO’AH, NURFITRI Imtiyaz, Widad Indriani, Maria Meilinda Ira Mona Irwanto, Dicky Ismi Adam Jajad Sudrajat Jawani Jawani Juniarti, Leni Khabib Mustofa Laksono Trisnantoro Lilit Tamara Dinta Lisa Lestari M. Deny Hafizzul Muttaqin Ma’ruf, Ikhwan Maisarah Maisarah Margaretha, Ledy Claudia Mariana Yopi Mariatul Kiftiah Martha, Shantika Marwalida Rachmadiar Maulida Amanasari Mega Tri Junika Mida Mida Millennia Taraly Misrawi Misrawi Muhamad Ikbal Muhammad Ahyar Muhammad fauzan Muhardi Muhtadi, Radhi Mursyidah, Lailatul Mutiara Nurisma Rahmadhani Nabilah, Niken Aushaf Nanda Ayuni Nanda Shalsadilla Naomi Nessyana Debataraja Naomi Nessyana Debataraja Neva Satyahadewi Novita, Irene Nugrahaeni, Indah Nur Asiska Nur Azmi Nurfitri Imro'ah Nurfitri Imro’ah Nurhanifa, Nurhanifa Nurin Hafizah Nurmaulia Ningsih Nurul Huda Padilah, Ariski Paisal Paisal Pinasari, Repi Pitriani Pitriani Pranata Anggi Puji Ardiningsih Puspita, Risma Putri, Vinna Septyara Qalbi Aliklas Rafika Aufa Hasibuan Rahman, Tri Wanda Rahmania Andarini Hatti Imanni Rahmasari, Yulia Ramadhan, Nanda Ratna Nursariyani Ratna Sari Dewi Reni Unaeni Retnani, Hani Dwi Ria Fuji Astuti Rina Rina Risa Nofiani Risko, Risko Rivaldo, Rendi Rizki, Setyo Wira Robbiati, Dian Roeswandi, Irine Fajrin Rofatunnisa, Sifa Sadikin, Utin Azwa Sayhani Salsabila, Hana Samson Samson Santika Santika Sasqia Aklysta Antaristi Sesilisvana, Nevil Setyo Wir Rizki Setyo Wira Rizki Setyo Wira Rizki Setyo Wira Rizki Shantika Martha Shantika Martha Shantika Martha Silvia Andriany Sinaga, Steven Jansen Sindia, Eri Sintia Margun Siti Julaeha, Siti Siti Septiani Rahayu Putri Solly Aryza Suci Angriani Suhardi Suprianto, Okto syuradi, Syuradi Tamtama, Ray Taraly, Inggriani Millennia Thariq Thariq Tiara, Dinda Titania Aurellia Trifaiza, Fadhela Wafiq Nurhaliza Wahyu Diyan Ramadana Wilda Ariani Wira Fujiyanto Enizar Wirda Andani Wirdha Eryani Yogi, Vinsensius Yohane, Novi Yonatan, Yulianus Yopi Saputra Yudhi Yumna Siska Fitriyani Yundari, Yundari Yundari, Yundari Yustosio, Darwis Yuveinsiana Crismayella Zahidah, Zahra