Article Per Year (5 Year)
p-Index From 2021 - 2026
12.39
P-Index
This Author published in this journals
All Journal Jurnal Matematika BIMASTER Proceedings of Annual International Conference Syiah Kuala University - Life Sciences & Engineering Chapter Jurnal Statistika Universitas Muhammadiyah Semarang Agrointek BAREKENG: Jurnal Ilmu Matematika dan Terapan Jambura Journal of Mathematics GERVASI: Jurnal Pengabdian kepada Masyarakat Sarwahita : Jurnal Pengabdian Kepada Masyarakat M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika Variance : Journal of Statistics and Its Applications Abdimas Galuh: Jurnal Pengabdian Kepada Masyarakat Insan Cita Jurnal Pengabdian Kepada Masyarakat BERNAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian kepada Masyarakat Nusantara Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Jurnal Forum Analisis Statistik Pattimura International Journal of Mathematics (PIJMath) Jurnal Pelayanan dan Pemberdayaan Masyarakat STATISTIKA Equiva
Hendra Perdana
Universitas Tanjungpura
Religion Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 143 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 143 Documents
Search

 11   12   13   14   15 
VECTOR AUTOREGRESSIVE WITH OUTLIER DETECTION ON RAINFALL AND WIND SPEED DATA Lestari, Lisa; Sulistianingsih, Evy; Perdana, Hendra
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 18 No 1 (2024): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol18iss1pp0117-0128

Abstract

Vector Autoregressive (VAR) is a multivariate time series model that analyzes more than one variable where each variable in the model is endogenous. VAR is one of the models used in forecasting rainfall and wind speed. In observations of rainfall and wind speed, there are usually a series of events whose values are far from other observations or can be said to be outliers. The purpose of this study is to compare the VAR model on rainfall and wind speed data before and after outlier detection. This study uses secondary data, namely monthly data on rainfall and wind speed from 2019 to 2021. From the analysis results, the smallest AIC value obtained in the VAR model before outlier detection was 4.94, then the smallest AIC value in the VAR model after outlier detection was 0.25. Thus, it can be concluded that the best model is obtained in the VAR model after outlier detection seen from the smallest AIC value of the two VAR models.
DETERMINING STUDENT GRADUATION BASED ON SCHOOL LOCATION USING GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION Perdana, Hendra; Satyahadewi, Neva; Arsyi, Fritzgerald Muhammad
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 17 No 4 (2023): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol17iss4pp2273-2280

Abstract

Faculty of Mathematics and Natural Sciences (FMIPA) is one of the Faculties in Tanjungpura University with 9 Undergraduate Programs (S1). Based on the graduation data of the 2014 batch of FMIPA students, the number of students who did not complete their studies was 131 students or 29% of the total 445 students and 187 schools in Indonesia. If the study period of students can be predicted early, the study program can provide advice or recommendations so that students can complete their studies in/exactly 8 semesters. This study aims to determine the model for analyzing the factors that influence the graduation of FMIPA students using GWLR. Geographically Weighted Logistic Regression (GWLR) is a developing logistic regression model applied to spatial data. This model is used to predict data with binary dependent variables that consider the location characteristics of each observation. The units of observation in this study are the school location of 455 students spread across Indonesia. The variables used in this study were sourced from the Academic and Student Affairs Bureau UNTAN and divided into dependent variables (Y) and independent variables (X), i.e. Gender, college selection, Accreditation, School Type, School Location, and Name of Study Program. The dependent variable analyzed is the graduated status of FMIPA UNTAN students, i.e. completed and not completed their studies. The results showed that gender and the name of the study program are factors that affect the graduation of FMIPA UNTAN 2014 students with a classification accuracy of 72.6%.
Effect of aromatic herbs and roasted coconut flesh on acceptability and perception of mixed porridge (bubur paddas) Nofiani, Risa; Ardiningsih, Puji; Perdana, Hendra; Alatin, Isam; Hasanah, Kutsiatul; Roeswandi, Irine Fajrin; Juniarti, Leni; Huda, Nurul
AGROINTEK Vol 19, No 4 (2025)
Publisher : Agroindustrial Technology, University of Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/agrointek.v19i4.22979

Abstract

Bubur pedas or bubor paddas (BP) is porridge from roasted rice granules (R) rich in vegetables with a specific aroma that probably contributed to producing the aroma were roasted coconut flesh granules (C ), fresh kesum (Polygonum minus Huds) leaves (K), fresh buas-buas (Premna cordifolia ROXB) leaves (B), and fresh young tumeric (Curcuma longa) leaves (T). This study aimed to find out the effect of aroma-contributing ingredients (B, C, K, and T) and their role in developing specific aromas based on sensory panelists' acceptability and perception. Each aromatic ingredient was prepared in four serial formulations, namely C, K, B, and T, and a sensory test was then conducted using a hedonic rating method with a 9-point hedonic scale by a panel of 100-200 semi-trained panelists. The data were analyzed using a hierarchical analytical process (AHP), principle component analysis (PCA) biplot, multidimensional scaling (MDS) with alternating least squares scaling (ALSCAL) model, and Spearman's correlation. The highest acceptability for each aromatic ingredient's formula was 25 g of the C formula, 16 g of the K formula, 12 g of the B formula, and 12 g of the T formula, respectively. Almost the best formula for each aromatic ingredient's formula showed no correlation or dissimilarity. Among the aromatic ingredients, K and T played a pivotal role in developing the aroma, but only K enhanced the savory. Therefore, K and T were considered compulsory ingredients in generating a unique characteristic for BP in the panellists's perception
IMPLEMENTASI WEB SCRAPING UNTUK ULASAN PADA TWITTER MENGGUNAKAN ASOSIASI TEKS (STUDI KASUS: FILM KKN DI DESA PENARI) Antoni, Frans Xavier Natalius; Satyahadewi, Neva; Perdana, Hendra
VARIANCE: Journal of Statistics and Its Applications Vol 6 No 1 (2024): VARIANCE: Journal of Statistics and Its Applications
Publisher : Statistics Study Programme, Department of Mathematics, Faculty of Mathematics and Natural Sciences, University of Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/variancevol6iss1page21-28

Abstract

Pengguna twitter biasanya memberikan komentar yang berisi mengenai ulasan suatu film yang sedang tayang. Teknik yang dapat digunakan untuk mengambil komentar pada twitter yaitu Web Scraping. Penelitian ini bertujuan untuk mengimplementasikan Web Scraping dalam mengumpulkan data pada twitter dan mengimplementasikan Asosiasi Teks untuk mendapatkan informasi antar kata yang terbentuk. Penelitian ini menggunakan komentar yang berisi mengenai ulasan Film KKN di Desa Penari pada tanggal 30 April 2022. Komentar yang diperoleh tidak semua berisi ulasan, sehingga perlu dilakukan seleksi terhadap komentar tersebut. Hasil seleksi dari 866 komentar diperoleh sebanyak 116 ulasan positif dan 83 ulasan negatif. Data yang diperoleh dari komentar tidak bisa langsung dianalisis, sehingga perlu melalui tahap text preprocessing. Adapun tahap text preprocessing yaitu cleansing data, case folding, spelling normalization, filtering, dan tokenizing. Setelah melalui tahap text preprocessing, ulasan tersebut kemudian dianalisis untuk mendapatkan informasi yang penting dengan menggunakan Asosiasi Teks. Hasil Asosiasi Teks untuk ulasan positif diperoleh informasi bahwa penonton memberikan penilaian terhadap tokoh, akting dan sinematografi yang bagus, kemudian film yang ditayangkan juga sesuai dengan cerita thread pada twitter, dan sinematografi juga keren. Sedangkan untuk ulasan negatif penonton memberikan penilaian bahwa Film KKN di Desa Penari, film yang biasa dan hantu yang ditayangkan juga kurang seram.
Determining the Optimum Number of Clusters in Hierarchical Clustering Using Pseudo-F Sinaga, Steven Jansen; Satyahadewi, Neva; Perdana, Hendra
Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi EULER: Volume 11 Issue 2 December 2023
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/euler.v11i2.23113

Abstract

Poverty refers to the condition where a person cannot meet the basic necessities based on the minimum living standards. Statistics Indonesia proxied an increase in the poverty rate in North Sumatra Province in 2021 from 8.75% to 9.01%. However, this increase is exclusive to North Sumatra Province, which has Indonesia's 3rd largest number of districts/cities. This study discussed mapping the North Sumatra Province region based on 10 poverty factor variables. The 10 variables are life expectancy, health complaints, poverty line, Gross Regional Domestic Product (GRDP), population growth rate, Expected Years of Schooling (EYS), Human Development Index (HDI), labor force participation rate, open unemployment rate, and district/city minimum wage. The Hierarchical Clustering analysis was employed to compare single, complete, and average linkage methods. The best method was determined based on the pseudo-F statistic value. 4 clusters had complete linkage methods, each of which possessed varied characteristics. Cluster 1 contains cities with the lowest poverty rate, including Medan City and  Pematang Siantar City. Cluster 2 consists of cities with low poverty rates, while Cluster 3 consists of cities with high poverty rates. Cities that are included in Cluster 4 have very high poverty rates, including South Nias District and Pakpak Bharat District. The clusters present significant poverty rate gaps among North Sumatra Province regions.
IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI PASIEN PENDERITA DIABETES MELLITUS Puspita, Risma; Perdana, Hendra; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): 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.v14i3.95738

Abstract

Diabetes mellitus merupakan kondisi di mana tubuh gagal mengontrol kadar glukosa dalam darah. Penyakit ini terjadi karena tubuh tidak mampu menghasilkan insulin dalam jumlah yang cukup, sehingga menyebabkan peningkatan kadar gula darah tetap tinggi dan dapat menyebabkan dampak serius bagi kesehatan pasien. Dalam upaya memahami dan menganalisis masalah ini secara lebih mendalam sistem klasifikasi yang akurat untuk mendeteksi penyakit ini, diperlukan pendekatan yang tepat, salah satunya melalui metode berbasis Machine Learning. Untuk mengidentifikasi faktor-faktor yang mempengaruhi klasifikasi pasien diabetes mellitus serta menentukan tingkat akurasi algoritma Support Vector Machine (SVM) dalam proses klasifikasi maka dari itu penelitian ini menggunakan dua jenis kernel yaitu kernel linear dan kernel Radial Basic Function (RBF). Data yang digunakan merupakan data sekunder dari 982 pasien di Puskesmas Gang Sehat, dengan variabel yang dianalisis meliputi jenis kelamin, usia, tekanan darah sistole dan diastole, serta Indeks Massa Tubuh (IMT). Hasil menunjukkan bahwa kernel RBF memiliki akurasi lebih tinggi 80,2% dibandingkan kernel linear 77,8%, sehingga kernel RBF lebih efektif dalam menangani pola data pada penelitian ini.
VALIDASI C-INDEX DALAM PENGELOMPOKAN DAERAH DI KALIMANTAN BARAT BERDASARKAN INDIKATOR KETAHANAN PANGAN Fallah, Khalishah Ghina; Martha, Shantika; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): 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.v14i3.95793

Abstract

Ketahanan pangan merupakan kondisi terpenuhinya kebutuhan pangan bagi setiap individu dalam suatu wilayah, baik dari segi ketersediaan, akses, maupun pemanfaatannya, sehingga masyarakat dapat hidup sehat dan produktif. Analisis ketahanan pangan diperlukan untuk memahami karakteristik wilayah berdasarkan berbagai indikator yang berpengaruh. Untuk mengukur ketahanan pangan membutuhkan ukuran yang komprehensif dengan melibatkan serangkaian indikator yakni aspek ketersediaan, akses dan pemanfaatan pangan. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Kalimantan Barat berdasarkan indikator ketahanan pangan serta menentukan jumlah cluster optimal yang terbentuk sehingga karakteristik setiap kelompok dapat diketahui melalui analisis cluster. Metode K-Medoids merupakan salah satu algoritma yang efektif dalam pengelompokan karena mampu menghasilkan cluster yang lebih stabil dan representatif terhadap data yang digunakan. Namun, penentuan jumlah cluster optimal masih belum memiliki dasar teori yang kuat, sehingga diperlukan metode untuk menentukannya. C-Index adalah metode validasi internal yang menilai kualitas clustering dengan membandingkan jarak antar objek dalam dan antar cluster. Berdasarkan penelitian yang telah dilakukan, jumlah cluster optimal yang terbentuk berjumlah empat cluster dengan nilai C-index terkecil sebesar 0,42. Cluster 1 merupakan daerah dengan ketahanan pangan yang tinggi yang terdiri dari 5 kabupaten/kota, cluster 2 dengan tingkat ketahanan pangan yang cukup terdiri dari empat kabupaten/kota, cluster 3 dengan tingkat ketahanan pangan yang kurang terdiri dari empat kabupaten/kota, dan cluster 4 dengan tingkat ketahanan pangan yang rendah yang terdiri dari satu kabupaten/kota yaitu Kayong Utara.
IMPLEMENTASI WEB SCRAPING PADA ULASAN HOTEL MAESTRO PONTIANAK MENGGUNAKAN METODE LEXICON BASED Yogi, Vinsensius; Martha, Shantika; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (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.v13i2.76960

Abstract

Internet memungkinkan manusia berbagi informasi dari mana saja, dengan siapa saja, dan mempermudah mengakses informasi terkait sektor pariwisata. Dalam sektor pariwisata, hotel memiliki peran yang penting dalam menyediakan penginapan terutama bagi wisatawan. Hotel berbintang yang ada di Kalimantan Barat yaitu Hotel Maestro Pontianak. Di era Society 5.0 sekarang banyak website penyedia tiket hotel secara online, salah satunya Traveloka. Traveloka menyediakan layanan pemesanan tiket hotel secara online termasuk tiket Hotel Maestro Pontianak. Banyaknya yang menginap di hotel tersebut menyebabkan banyaknya ulasan yang diberikan oleh pengunjung melalui website Traveloka. Tujuan penelitian ini untuk menganalisis opini masyarakat terhadap pelayanan Hotel Maestro Pontianak menggunakan metode Lexicon Based. Dalam penelitian kali ini menggunakan metode Web Scraping yang kemudian dilanjutkan analisis sentimen menggunakan metode Lexicon Based. Data ulasan Hotel Maestro Pontianak dikumpulkan menggunakan teknik Web Scraping yang berjumlah 301 ulasan. Data ulasan diproses menggunakan text preprocessing untuk menyeragamkan bentuk kata agar kalimat setiap ulasan lebih terstruktur. Selanjutnya, pada hasil text preprocessing diproses menggunakan metode Lexicon Based dengan bantuan library VADER sentiment. Hasil dari proses compound score VADER sentiment divisualisasikan menggunakan word cloud dan bar chart yang menunjukan akurasi persentase yang didapat sebesar 65,9% untuk hasil kelas sentimen positif, 23,61% untuk hasil sentimen negatif dan 10,49% untuk hasil kelas sentimen netral.  Kata Kunci : Internet, Traveloka, VADER.
PENGELOMPOKAN DAERAH DI KALIMANTAN BARAT BERDASARKAN INDIKATOR TINGKAT PENGANGGURAN DENGAN HIERARCHICAL CLUSTERING MULTISCALE BOOTSTRAP Hafifah, Nanda; Perdana, Hendra; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): 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.v14i3.95740

Abstract

Pengangguran merupakan masalah umum yang ditemui di negara-negara berkembang, termasuk Indonesia. Kondisi ini dipengaruhi oleh beberapa faktor seperti pertumbuhan penduduk, ekonomi, ketersediaan lapangan kerja, tingkat pendidikan, serta besaran upah. Tingginya populasi di Indonesia menjadi tantangan dalam menekan angka pengangguran. Untuk mengukur dampaknya dalam suatu wilayah, digunakan indikator tingkat pengangguran, yaitu persentase jumlah pengangguran dibandingkan dengan total angkatan kerja. Berdasarkan data BPS tahun 2023, Kalimantan Barat mencatat tingkat pengangguran sebesar 5,05% yang masih tergolong tinggi. Penelitian ini bertujuan untuk mengelompokkan Kabupaten/Kota di Kalimantan Barat berdasarkan indikator tingkat pengangguran dengan hierarchical clustering multiscale bootstrap serta mengevaluasi validitas setiap cluster. Dalam analisis multivariat, Analisis cluster digunakan untuk mengelompokkan objek berdasarkan kesamaan karakteristik. Metode Ward, yang meminimalkan varians internal dalam cluster merupakan salah satu metode hierarki yang digunakan. Validasi dilakukan dengan metode resampling multiscale bootstrap, yang menghasilkan dua nilai, yaitu bootstrap probability (BP) dan approximately unbiased (AU). Nilai BP menunjukkan seberapa sering suatu cluster terbentuk saat data diulang, sedangkan AU dianggap lebih akurat dalam menilai keandalan cluster. Sebuah cluster dianggap stabil jika nilai AU ≥ 0,95. Namun, dalam penelitian ini digunakan batas minimal AU ≥ 0,75 sebagai ukuran stabilitas. Hasilnya, diperoleh dua cluster yang stabil yaitu cluster 1 dengan tingkat pengangguran rendah terdiri dari Mempawah, Kayong Utara, Sanggau, Kota Singkawang, Landak, Sambas, Sintang, Bengkayang, Kapuas Hulu, Sekadau, dan Melawi. Cluster 3 dengan tingkat pengangguran tinggi yaitu Kabupaten Kubu Raya dan Kota Pontianak, Serta cluster 2 dengan tingkat pengangguran sedang yaitu Ketapang, namun memiliki nilai AU sebesar 0,72.
GRADIENT BOOSTING MACHINE PADA KLASIFIKASI KELULUSAN MAHASISWA Atlantic, Virginnia; Sulistianingsih, Evy; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (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.v13i2.76955

Abstract

Prodi Statistika UNTAN perlu mengetahui klasifikasi kelulusan mahasiswa, maka dari itu perlu dibuat suatu model yang dapat memprediksi ketepatan waktu lulus mahasiswa. Hal ini dilakukan dengan membuat model prediksi klasifikasi kelulusan mahasiswa dengan menggunakan pendekatan Pohon Keputusan. Metode ensemble dikembangkan untuk menghasilkan model prediksi yang lebih akurat dari metode Pohon Keputusan yaitu CART. Data yang digunakan adalah data kelulusan mahasiswa Prodi Statistika UNTAN Periode 1 Tahun Ajaran 2017/2018 hingga Periode II Tahun Ajaran 2022/2023, dengan populasi 181 dan sampel 128 data. Setelah menggunakan nilai akurasi dalam mengevaluasi model prediksi yang diperoleh dari model GBM. Kemudian dibandingkan nilai akurasi dari model GBM dan model CART. Berdasarkan penelitian, didapat nilai akurasi model GBM yaitu 71,09% yang lebih besar dibanding model CART yaitu 67,97%. Dengan demikian disimpulkan bahwa GBM mampu meningkatkan prediksi model dalam klasifikasi kelulusan mahasiswa Prodi Statistika UNTAN.  Kata Kunci : Kelulusan Mahasiswa, Gradient Boosting Machine, Nilai Akurasi
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