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 
PENERAPAN LONG SHORT-TERM MEMORY DALAM PERAMALAN HARGA CRUDE PALM OIL DI INDONESIA Calissta, Leanna Belva; 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.v14i3.95311

Abstract

Crude Palm Oil (CPO) adalah jenis minyak nabati yang dihasilkan dari buah tanaman kelapa sawit. Di Indonesia, CPO memegang peranan penting di industri perdagangan ekspor. Akan tetapi, harga CPO yang fluktuatif dapat menimbulkan risiko untuk pihak terlibat, sehingga peramalan dilakukan untuk meminimalisir risiko tersebut. Long Short-Term Memory (LSTM) merupakan salah satu metode yang dapat digunakan. LSTM adalah metode hasil dari pengembangan Recurrent Neural Network. Tujuan penelitian ini yaitu menerapkan metode LSTM untuk meramalkan harga CPO di Indonesia pada periode 1 Agustus hingga 30 Agustus 2024. Data yang digunakan yaitu data harian harga CPO di Indonesia dengan jangka waktu dari 3 April 2023 hingga 31 Juli 2024 yang diperoleh dari website Badan Pengawas Perdagangan Berjangka Komoditi. Pada penelitian ini, dilakukan pembagian data dimana data training sebanyak 260 data untuk pelatihan model dan testing sebanyak 41 data untuk evaluasi model. Parameter yang digunakan yaitu epoch, dimana jumlah epoch sebanyak 10. Penelitian ini dilakukan menggunakan bantuan software RStudio dengan package yang digunakan yaitu "Tsdeeplearning". Dari penelitian yang telah dilakukan, didapatkan hasil bahwa metode LSTM mampu melakukan peramalan harga CPO di Indonesia dengan nilai Mean Absolute Percentage Error (MAPE) yang diperoleh pada data training yaitu sebesar 3,69% dan pada data testing sebesar 4,74%. Dengan nilai MAPE tersebut, akurasi model peramalan dapat dikategorikan sangat baik. Dari hasil peramalan diperoleh bahwa harga tertinggi ada pada tanggal 5 Agustus 2024 sebesar Rp16.006 per kg dan harga terendah pada tanggal 16 Agustus 2024 sebesar Rp14.960 per kg.
GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA IPKM DI KALIMANTAN BARAT Ma’ruf, Ikhwan; 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.v14i3.95125

Abstract

Geographically Weighted Regression Principal Component Analysis (GWRPCA) ialah kombinasi metode Geographically Weighted Regression (GWR) serta Principal Component Analysis (PCA). Sehingga metode GWRPCA sangat cocok untuk menganalisis Indeks Pembangunan Kesehatan Masyarakat (IPKM) di Kalimantan Barat. Kesehatan balita, kesehatan reproduksi, pelayanan kesehatan, perilaku kesehatan, penyakit tidak menular, penyakit menular serta kesehatan lingkungan ialah variabel independen yang dipakai. Penelitian ini dimulai dengan proses analisis pemodelan regresi linear berganda. Selanjutnya, analisis GWRPCA akan dipakai sebagai bagian dari menemukan nilai koefisien determinasi global serta lokal. Hasilnya menyatakan bahwa nilai koefisien determinasi (R^2) global sejumlah 96,01%. Di sisi lain, pada model GWRPCA 14 model ditemukan nilai koefisien determinasi lokal pada tiap lokasi. Sambas memiliki koefisien determinasi lokal tertinggi sejumlah 96,06%, serta Kapuas Hulu memiliki koefisien determinasi lokal terkecil sejumlah 95,81%.
IMPLEMENTASI ALGORITMA GATED RECURRENT UNIT (GRU) UNTUK MEMPREDIKSI HARGA CRUDE PALM OIL (CPO) INDONESIA Robbiati, Dian; Perdana, Hendra; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (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.v14i4.95959

Abstract

Minyak sawit mentah atau crude palm oil (CPO) merupakan salah satu hasil olahan utama kelapa sawit dengan nilai ekonomis tinggi sebagai komoditas ekspor dan sumber devisa negara. Fluktuasi harga CPO menyebabkan ketidakstabilan harga Tandan Buah Segar (TBS), yang berdampak pada menurunnya pendapatan petani dan risiko kerugian perusahaan akibat biaya produksi yang tidak tertutupi serta penumpukan CPO yang tidak terjual. Penelitian ini bertujuan untuk memprediksi harga CPO Indonesia menggunakan algoritma Gated Recurrent Unit (GRU). GRU merupakan salah satu varian dari algoritma Recurrent Neural Networks (RNN) yang efisien dalam menangani data time series. Data yang digunakan adalah data harga harian CPO Indonesia dari Badan Pengawas Perdagangan Berjangka Komoditi (Bappebti). Dataset kemudian dibagi menjadi data training yang terdiri dari periode 1 April 2023 "“ 31 Mei 2024 dan data testing yang terdiri dari periode 1 Juni "“ 31 Juli 2024. Penelitian ini dilakukan menggunakan software RStudio dengan package "Tsdeeplearning". Proses pelatihan model meliputi inisialisasi bobot dan bias, perhitungan reset gate dan update gate dengan fungsi aktivasi sigmoid, kandidat hidden state dengan fungsi aktivasi tanh, serta hidden state. Pelatihan model berhenti pada epoch ke-10 setelah mencapai kondisi optimum . Hasil penelitian menunjukkan bahwa model GRU memiliki kinerja yang sangat baik dalam memprediksi harga CPO Indonesia. Hal ini ditunjukkan oleh nilai MAPE pada data training dan testing masing-masing sebesar 2,6% dan 2,7%. Hasil prediksi untuk satu bulan ke depan yaitu periode Agustus 2024 menunjukkan bahwa rata-rata harga CPO Indonesia sebesar Rp15.378.
PENERAPAN RECURRENT NEURAL NETWORK UNTUK MERAMALKAN HARGA CRUDE PALM OIL DI INDONESIA Sesilisvana, Nevil; Perdana, Hendra; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (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.v14i4.99123

Abstract

Machine Learning (ML) merupakan salah satu pendekatan dalam Artificial Intelligence (AI) yang dipakai untuk meniru cara manusia dalam melakukan peramalan secara otomatis. Salah satu metode dalam ML adalah Recurrent Neural Network (RNN). Untuk data deret waktu, RNN cocok digunakan karena mempunyai memori internal yang dapat mengingat informasi masa lalu untuk meramalkan masa depan. Dalam berbagai sektor, kemampuan untuk meramalkan kejadian di masa depan merupakan aspek penting untuk dipertimbangkan dalam perencanaan, pengambilan keputusan dan manajemen risiko. Pada sub sektor perkebunan seperti kelapa sawit, minyak sawit mentah (CPO) merupakan hasil olahan kelapa sawit yang dimanfaatkan sebagai bahan baku produk pangan maupun non-pangan. Fluktuasi harga CPO di Indonesia dapat menyebabkan kerugian tidak hanya pada produsen tetapi juga pada konsumen. Untuk meminimalisir kerugian tersebut maka diperlukannya peramalan harga CPO. Data yang digunakan pada penelitian ini adalah harga CPO di Indonesia dari 1 April 2023 hingga 31 Juli 2024. Penelitian ini menggunakan 260 data training dan 41 data testing. Evaluasi kinerja model yang digunakan untuk melihat seberapa baik model dalam melakukan peramalan ialah Mean Absolute Percentage Error (MAPE). Dari tahap pelatihan dan pengujian yang telah dilakukan, menunjukkan bahwa nilai MAPE sebesar 3,08% untuk data training dan 3,2% untuk data testing. Dikarenakan nilai MAPE kurang dari 10% maka disimpulkan bahwa model yang dibangun memiliki kemampuan peramalan yang sangat baik. Hasil dari peramalan periode 1 bulan ke depan yaitu Agustus 2024 menunjukkan bahwa rata-rata harga CPO pada bulan Agustus 2024 sebesar Rp15.302.
KLASIFIKASI KELULUSAN MAHASISWA FMIPA UNTAN DENGAN LIGHT GRADIENT BOOSTING MACHINE Sadikin, Utin Azwa Sayhani; 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.v14i3.95348

Abstract

Kelulusan mahasiswa tepat waktu merupakan salah satu indikator keberhasilan dalam pendidikan tinggi. Pencapaian ini dipengaruhi oleh berbagai faktor, seperti performa akademik, latar belakang pendidikan, serta aspek sosial dan ekonomi. Oleh karena itu, diperlukan metode klasifikasi yang efektif untuk membantu pihak program studi maupun fakultas dalam menganalisis faktor-faktor yang berkontribusi terhadap kelulusan mahasiswa dan mengambil langkah strategis yang tepat. Salah satu metode yang dapat digunakan adalah Light Gradient Boosting Machine (LightGBM), yaitu sebuah algoritma berbasis Gradient Boosting Decision Tree yang dioptimalkan efisiensi dan kecepatannya. Penelitian ini bertujuan untuk mengklasifikasikan kelulusan mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Tanjungpura (UNTAN) menggunakan metode Light Gradient Boosting Machine (LightGBM) dan mengevaluasi hasil klasifikasi tersebut dengan nilai akurasi. Dataset yang digunakan mencakup berbagai variabel seperti faktor akademik yaitu, Indeks Prestasi Semester, dan faktor ekonomi keluarga. Proses pembangunan model dimulai dengan tahap pra-pemrosesan data, termasuk pembersihan data dan transformasi variabel. Model LightGBM kemudian dibangun menggunakan hyperparameter yang dioptimalkan untuk memperoleh performa terbaik. Setelah pembuatan model selesai, model disimpan dan dimuat kembali untuk melakukan klasifikasi pada data. Hasil penelitian ini didapatkan kesimpulan bahwa mahasiswa yang mendapatkan nilai IP
ANALISIS K-MEANS CLUSTERING DENGAN BOOTSTRAP PADA PENGELOMPOKAN DESA DI KABUPATEN MEMPAWAH BERDASARKAN INDEKS DESA MEMBANGUN Trifaiza, Fadhela; Perdana, Hendra; Satyahadewi, Neva
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.v14i3.95737

Abstract

Pembangunan desa merupakan suatu upaya yang dilakukan dalam meningkatkan kesejahteraan desa yang diukur melalui status desa berdasarkan Indeks Desa Membangun atau IDM. Pembangunan desa melalui IDM dilakukan pemerintah sebagai upaya menciptakan kesejahteraan desa, mengurangi kesenjangan yang terjadi antar desa, dan dapat memberikan perhatian khusus bagi desa dengan status yang rendah. Sehingga diperlukan pengelompokan desa berdasarkan IDM menggunakan analisis cluster. Analisis cluster merupakan teknik statistik yang mengelompokkan objek berdasarkan kesamaan karakteristik tiap objek. Tujuan penelitian ini adalah menganalisis pengelompokan desa di Kabupaten Mempawah berdasarkan IDM menggunakan K-Means Clustering dengan Bootstrap. Data yang digunakan pada penelitian ini merupakan data indikator Indeks Ketahanan Ekonomi (IKE) berdasarkan IDM di Kabupaten Mempawah tahun 2022 yang terdiri dari 60 desa dan 12 variabel, yaitu Keragaman Produksi, Pertokoan, Pasar, Toko/Warung Kelontong, Kedai dan Penginapan, Pos dan Logistik, Bank dan BPR, Kredit, Lembaga Ekonomi, Moda Transportasi Umum, Keterbukaan Wilayah, dan Kualitas Jalan. Berdasarkan analisis yang dilakukan diperoleh nilai akurasi hasil perbandingan metode K-Means Bootstrap dengan status desa di IDM yaitu sebesar 68%. Cluster 1 dengan status desa tertinggal memiliki anggota sebanyak 4 desa. Cluster 2 dengan status paling tinggi yaitu mandiri terdiri dari 32 anggota cluster. Cluster 3 dengan status desa maju terdiri dari 8 anggota cluster. Cluster 4 dengan status desa berkembang memiliki anggota sebanyak 13 desa. Cluster 5 dengan status paling rendah yaitu sangat tertinggal memiliki anggota sebanyak 3 desa, yaitu desa Ansiap, Pentek, dan Suak Barangan.
Pelatihan Infografis Untuk Pegawai PPN Pemangkat Martha, Shantika; Debataraja, Naomi Nessyana; Rizki, Setyo Wira; Imro'ah, Nurfitri; Perdana, Hendra; Kusnandar, Dadan; Satyahadewi, Neva; Tamtama, Ray
Insan Cita : Jurnal Pengabdian Kepada Masyarakat Vol 7, No 1 (2025): Februari 2025-Insan Cita: Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32662/insancita.v7i1.2658

Abstract

PPN Pemangkat sebagai sentra perikanan mempunyai beberapa keunggulan, yaitu lokasi strategis, dekat dengan fishing ground dan daerah pemasaran. Dengan berbagai keunggulan tersebut diharapkan dapat meningkatkan kualitas perekonomian masyarakat sekitar. Pentingnya ketersediaan informasi tentang PPN Pemangkat untuk masyarakat dapat menjadi faktor pendukung untuk meningkatkan kualitas perekonomian masyarakat yang terhubung dengan keberadaan PPN Pemangkat seperti nelayan. Infografis sangat diperlukan untuk penyajian data di PPN Pemangkat. Baik itu data tentang kapal, nelayan maupun hasil tangkapan. Infografis dapat menyederhanakan informasi yang rumit, sehingga informasi data lebih dapat dipahami untuk semua kalangan. Untuk itu pelatihan infografis bagi pegawai PPN Pemangkat sangat diperlukan. Hasil dari kegiatan ini yaitu bertambahnya pengetahuan serta kemampuan pegawai PPN Pemangkat dalam mengolah data melalui pembuatan infografis menggunakan excel.
Application of Classification Data Mining Technique for Pattern Analysis of Student Graduation Data with Emerging Pattern Method Handayani, Aditya; Satyahadewi, Neva; Perdana, Hendra
Pattimura International Journal of Mathematics (PIJMath) Vol 2 No 1 (2023): Pattimura International Journal of Mathematics (PIJMath)
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/pijmathvol2iss1pp01-06

Abstract

Data mining has been applied in various fields of life because it is very helpful in extracting information from large data sets. Student graduation data is one example of data that can be extracted for information and become a recommendation. This study used a classification data mining technique to extract information from the student graduation data. The classification technique used was the Emerging Pattern method to search for patterns in the student graduation data. The data in this study were graduation data for students of the Statistics Study Program, Faculty of Mathematics and Natural Sciences, Tanjungpura University, from 2013-2018. The sample data used amounted to 186 records. Attributes used in this study include as many as four attributes, including gender, batch, GPA, and TUTEP scores. This research began by finding the class and frequency values obtained. It was continued by calculating each item set's support, growth rate, and confidence values. This study obtained the highest confidence value among all the attributes owned, namely 91% in the 2013 batch itemized list and the 2018 batch. Female students dominated the class attribute. TUTEP dominated the TUTEP value attribute with a score of 425, and the GPA attribute of 3.51-4.00 dominated the class with a confidence value of 60%.
Comparison of Adaboost Application to C4.5 and C5.0 Algorithms in Student Graduation Classification Crismayella, Yuveinsiana; Satyahadewi, Neva; Perdana, Hendra
Pattimura International Journal of Mathematics (PIJMath) Vol 2 No 1 (2023): Pattimura International Journal of Mathematics (PIJMath)
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/pijmathvol2iss1pp07-16

Abstract

Students become a benchmark used to assess quality and evaluate college learning plans. Therefore, students who graduate not on time can have an effect on accreditation assessment. The characteristics of students who graduate on time or not on time in determining student graduation can be analyzed using classification techniques in data mining, namely the C4.5 and C5.0 algorithms. The purpose of this study is to compare the application of the Adaboost Algorithm to the C4.5 and C5.0 Algorithms in the classification of student graduation. The data used is the graduation data of students of the Statistics Study Program at Tanjungpura University Period I of the 2017/2018 Academic Year to Period II of the 2022/2023 Academic Year. The analysis begins by calculating the entropy, gain and gain ratio values. After that, each data was given the same initial weight and iterated 100 times. Based on the classification results using the C5.0 Algorithm, the attribute that has the highest gain ratio value is school accreditation, meaning that the school accreditation attribute has the most influence in the classification of student graduation. The application of the Adaboost Algorithm to the C5.0 Algorithm is better than the C4.5 Algorithm in classifying the graduation of students of the Untan Statistics Study Program. The Adaboost algorithm was able to increase the accuracy of the C5.0 Algorithm by 12.14%. While in the C4.5 Algorithm, the Adaboost Algorithm increases accuracy by 10.71%.
Determination of the Annual Pension Fund Premium for Joint-Life Status Using the Aggregate Cost Method syuradi, Syuradi; Satyahadewi, Neva; Perdana, Hendra
Pattimura International Journal of Mathematics (PIJMath) Vol 2 No 2 (2023): Pattimura International Journal of Mathematics (PIJMath)
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/pijmathvol2iss2pp71-78

Abstract

A pension fund is one of the responsibilities of an institution or company for all employees during their working life. In pension fund insurance, several agreements must be agreed upon by the insured and the insurer for the agreement, namely the premium. The premium to be paid by the insured (employee) of the pension fund insurance must adjust to the income earned, so that the premium to pay does not burden the insured. This study aims to determine the annual pension fund premium amount that must pay use the Aggregate Cost method in the joint-life case. The case study uses information from a husband and wife as civil servants with a husband class III B and wife III A participating in a pension program with a retirement age limit of 58 years (r = 58). The husband (insured x) was 28 years old, and the wife (insured y) was 24 when they started working and joined the pension program. The result of calculating the value of the annual pension fund insurance premium that must pay use the Aggregate Cost method is Rp.41,440,163. If the husband's age is lower than the wife's (x=24, y=28), then the value of the premium paid is more significant than when the husband's age is higher than the wife's (x=28, y=24), which is IDR 41,594,217. That is because the husband's working period is more extended than the wife's, while the chance of death for men is higher than for women. Meanwhile, premiums producing if the husband and wife are of the same age, which is cheaper than when the husband and wife are of different ages
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