Article Per Year (5 Year)
p-Index From 2020 - 2025
4.561
P-Index
This Author published in this journals
All Journal BIMASTER Jurnal Matematika Sains dan Teknologi ComTech: Computer, Mathematics and Engineering Applications JUDIKA (JURNAL PENDIDIKAN UNSIKA) Jurnal Matematika UNAND Jurnal Pengabdian kepada Masyarakat Nusantara JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Jurnal Forum Analisis Statistik Jurnal Siger Matematika Fraction: Jurnal Teori dan Terapan Matematika
Nurfitri Imro’ah
Universitas Tanjungpura
Agriculture, Biological Sciences & Forestry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Mathematics Social Sciences Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 41 Documents
Search

 1   2   3   4   5 
PERBANDINGAN KLASTER K-MEANS DAN K-MEDIAN PADA DATA INDIKATOR KEMISKINAN KABUPATEN/KOTA DI PROVINSI KALIMANTAN BARAT Giovani Parasta Riswanda; Dadan Kusnandar; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (2023): 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.v12i6.71551

Abstract

Metode k-means ialah pengklasteran non-hirarki yang sering dipakai, dengan memkai rataan yang jadi pusat klasternya, dan k-median ialah pengklasteran non-hirarki yang memakai nilai median sebagai pusat klaster. Studi ini tujuannya guna membandingkan metode k-means dan k-median. Data yang dipakai ialah data indikator kemiskinan Kabupaten/Kota di Provinsi Kalimantan Barat, selanjutnya lakukan pengujian multikolinieritas dengan melihat nilai VIF  10. Bila nilai VIF setiap variabel  10 maka tidak alami multikolieritas pada data dan data bisa dipakai untuk pengklasteran. Sesudah didapat hasil pengklasteran memakai metode k-means dan k-median, lakukan perbandingan memakai nilai varians. Hasil dari pengklasteran k-means didapat klaster pertama 4 anggota dan klaster ke-dua 10 anggota. Sedangkan hasil pengklasteran k-median didapat klaster pertama 5 anggota dan klaster ke-dua 9 anggota. Berdasarkan nilai varians didapat bahwa metode k-means dengan nilai varians yakni 0,38 lebih baik dibanding k-median dengan nilai varians yakni 0,55. Kata kunci: Kemiskinan, K-means, K-median
K-Means Clustering dan Mean Variance Efficient Portfolio dalam Portofolio Saham Yogi Pratama; Evy Sulistianingsih; Naomi Nessyana Debataraja; Nurfitri Imro’ah
Jambura Journal of Probability and Statistics Vol 5, No 1 (2024): Jambura Journal Of Probability and Statistics
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjps.v5i1.20298

Abstract

K-means clustering is one of the non-hierarchical clustering algorithms that partitions n objects into k clusters. K-means clustering is used to determine which cluster an object belongs to by calculating the proximity distance between the object and the cluster center (centroid). This research aims to form a portfolio using K-means clustering and determine the weights of the portfolio using the Mean Variance Efficient Portfolio (MVEP) method. The data analyzed in this research is the closing price data of 11 stocks in the LQ45 index from January 3, 2022, to January 3, 2023. The analysis results obtained using K-means clustering reveal the formation of two portfolios. The first portfolio consists of the stocks BMRI, INCO, INDF, INTP, and SMGR. The second portfolio consists of the stocks ADRO, ANTM, BBRI, ERAA, and UNVR. Based on the MVEP method calculation, the weights of each stock in the first portfolio are 22.74\% (BMRI), 10.11\% (INCO), 49.76\% (INDF), 18.75\% (INTP), and -1.36\% (SMGR). The calculation results of stock weights show that there is a stock weight with a negative value, which is -1.36\% for SMGR, indicating a short sale in the investment. Furthermore, the weighting results for the second portfolio are 7.08\% (ADRO), 9.62\% (ANTM), 34.05\% (BBRI), 24.80\% (ERAA), and 24.45\% (UNVR).The variance values of stock portfolio 1 and stock portfolio 2 are 0.000080 and 0.000137, respectively. From the portfolio variance results, it is known that the risk of portfolio 1 is 0.008953 and the risk of portfolio 2 is 0.011706.
PEMODELAN JUMLAH KEMATIAN BAYI AKIBAT TETANUS NEONATORUM DENGAN METODE GEOGRAPHICALLY WEIGHTED ZERO-INFLATED POISSON REGRESSION : MODELING THE NUMBER OF INFANT DEATH DUE TO NEONATORUM TETANUS USING GEOGRAPHICALLY WEIGHTED ZERO-INFLATED POISSON REGRESSION METHOD Astri Maulini; Nurfitri Imro'ah; Siti Aprizkiyandari
Fraction: Jurnal Teori dan Terapan Matematika Vol. 3 No. 2 (2023): Fraction: Jurnal Teori dan Terapan Matematika
Publisher : Jurusan Matematika, Fakultas Teknik, Universitas Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33019/fraction.v3i2.43

Abstract

Tetanus Neonatorum (TN) is an infection in infants caused by the Clostridium tetani bacteria. In 2020, the Case Fatality Rate (CFR) due to TN in Indonesia increased to 50% compared to 2019, which was 11.76%. So it is necessary to study the number of infant deaths due to TN. This study discusses the modeling and factors that influence TN disease in Indonesia using the Geographically-Weighted Zero-Inflated Poisson Regression (GWZIPR) method. The GWZIPR model is divided into two based on the state: the ln model for the Poisson state and the logit model for the zero states. The data in this study are the number of infant deaths due to TN, the percentage of pregnant women carrying out Td2+ immunization, the percentage of pregnant women delivering at health facilities, and the percentage of puskesmas carrying out P4K in 34 provinces in Indonesia in 2020. The results of this study are that there is an excess zero of 58.82% and spatial heterogeneity occurs so that each region has a different model based on significant variables. The factors that influence the number of infant deaths due to TN are divided into four groups based on significant variables in the ln and logit models.
ANALISIS KONJOIN UNTUK MENENTUKAN PREFERENSI MAHASISWA TERHADAP DOSEN (Studi Kasus: Jurusan Matematika Universitas Tanjungpura) Elisabet Wulan; Nurfitri Imro’ah; Wirda Andani
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.v13i2.77244

Abstract

Peningkatan kualitas bagi sumber daya manusia pada era globalisasi menuntut individu untuk menempuh pendidikan ke suatu jenjang lebih tinggi. Universitas sebagai lembaga pendidikan tertinggi perlu mewujudkan perguruan tinggi yang berkualitas. Dosen sebagai pendidik adalah komponen utama dalam meningkatkan kualitas perguruan tinggi dan berperan besar dalam proses belajar mengajar bagi mahasiswa. Oleh karena itu, mahasiswa berhak memberikan evaluasi terhadap dosen dengan memberikan preferensinya terhadap karakteristik dosen. Preferensi mahasiswa terhadap karakteristik dosen dapat dianalisis menggunakan Analisis konjoin. Tujuan penelitian ini adalah untuk mengetahui karakteristik dosen yang disukai oleh mahasiswa, karakteristik yang paling dipentingkan dan mengetahui korelasi atau hubungan antara observasi yaitu preferensi responden dan estimasi yaitu hasil perhitungan dari model regresi. Data pada penelitian ini adalah data primer dari kuesioner dengan metode pengambilan sampel adalah purposive sampling. Sampel yang diperoleh sebanyak 69 sampel untuk mahasiswa Program Studi Matematika dan Statistika angkatan 2021 dan 2022. Atribut pada penelitian ini adalah karakter dosen, latar belakang pendidikan, kedisiplinan, penyampaian materi, kemampuan memotivasi dan penggunaan media ajar. Pembentukan stimuli dilakukan dengan pendekatan full profile dan terbentuk sebanyak delapan stimuli. Analisis dimulai dengan menghitung nilai kegunaan dan diketahui bahwa mahasiswa Jurusan Matematika Universitas Tanjungpura menyukai dosen dengan karakter dosen santai, latar belakang pendidikan S3, kedisiplinan tepat waktu, penyampaian materi mudah dipahami, memotivasi mahasiswa dan penggunaan media ajar tidak menggunakan E-learning Moddle. Perhitungan nilai kepentingan menunjukkan bahwa atribut yang paling dipentingkan adalah penyampaian materi (37,505%) dan yang kurang dipentingkan adalah kedisplinan (8,657%). Uji ketepatan prediksi menunjukkan adanya korelasi atau hubungan yang sangat kuat antara observasi dan estimasi.Kata Kunci : Persepsi, Karakteristik, Analisis Konjoin.
ANALISIS KUALITAS LAYANAN RITEL DARI PERSEPSI PELANGGAN MENGGUNAKAN METODE RSQS, CSI DAN IGA (Studi Kasus: Indomaret di Desa Balai Sebut, Kabupaten Sanggau) Siska Yulianti; Nurfitri Imro’ah; Siti Aprizkiyandari
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.v13i2.77237

Abstract

Industri ritel menyediakan produk dan jasa bernilai tambah untuk memenuhi kebutuhan masyarakat. Indomaret merupakan ritel modern yang mempermudah masyarakat melakukan proses jual beli agar lebih efisien sehingga memberikan kenyamanan dan kepuasan bagi konsumen. Penelitian ini bertujuan untuk mengetahui tingkat kepuasan pelanggan dan mengidentifikasi atribut yang menjadi prioritas perbaikan. Pengumpulan data dilakukan melalui survei dengan menyebarluaskan kuesioner sebanyak 28 atribut yang diisi oleh masyarakat Desa Balai Sebut yang pernah berbelanja di Indomaret dan berusia minimal 17 tahun. Pengambilan sampel menggunakan metode Linier Time Function (LTF) yang berjumlah 48 responden. Data dianalisis menggunakan metode Customer Satisfaction Index (CSI) dengan tahapan menghitung nilai Mean Importance Score (MIS), Mean Satisfaction Score (MSS), Weighted Factor (WF), Weight Score (WS) dan CSI. Setelah dilakukan tahapan tersebut diperoleh nilai CSI sebesar 69,92% yang mengindikasikan bahwa pelanggan merasa puas terhadap kualitas kinerja pihak Indomaret. Analisis selanjutnya menggunakan metode Improvement Gap Analysis (IGA) yang dimulai dengan menghitung nilai Average Expected Statisfaction with Functional Question (AESFQ), Average Expected Statisfaction with Disfunctional Question (AESDQ), Average Current Statisfaction (ACS) dan Improvement Gap (IG) sehingga diperoleh hasil kuadran IGA terdapat 7 atribut yang perlu untuk dilakukan perbaikan, yaitu x1.2 (fasilitas fisik di Indomaret menarik), x1.3 (bahan-bahan yang berhubungan dengan layanan Indomaret menarik (seperti tas belanja dan katalog)), x2.2 (Indomaret menyediakan layanannya pada waktu yang dijanjikan), x3.9(karyawan Indomaret memperlakukan pelanggan dengan sopan melalui telepon), x4.1(Indomaret bersedia menangani pengembalian dan penukaran), x5.3 (Indomaret memiliki jam operasional yang nyaman untuk semua pelanggan), dan x5.5 (Indomaret menawarkan kartu kreditnya sendiri).Kata Kunci: Kepuasan Pelanggan, Ritel, Pelayanan.
PENERAPAN MODEL REGRESI UNBALANCED PANELS DENGAN METODE FEASIBLE GENERALIZED LEAST SQUARE (FGLS) Marsela Dian Bertiani; Naomi Nessyana Debataraja; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (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.v13i1.74044

Abstract

Analisis regresi data panel diartikan dengan analisis yang diimplementasikan dalam struktur data panel. Ketidaklengkapan data dapat menjadi sebuah faktor penghambat dalam sebuah penelitian. Ketidaklengkapan data yang diperoleh bisa saja terjadi karena beberapa hal seperti pemekaran wilayah dan sebagainya. Metode Feasible Generalized Least Square (FGLS) merupakan sebuah metode yang diterapkan dalam mengatasi gejala heterokedastisitas dan autokolerasi pada data ketika nilai galat tidak diketahui. Studi kasus yang untuk penelitian ini ialah faktor-faktor yang menentukan curah hujan di Kalimantan Barat. Perubahan curah hujan di Indonesia khususnya Kalimantan Barat memiliki pengaruh langsung terhadap sumber daya air serta lahan. Tujuan dari penelitian ini adalah melakukan pemodelan regresi panel tidak lengkap pada pengaruh tekanan udara, jumlah kelembaban udara, suhu udara dan kecepatan angin terhadap curah hujan. Data yang digunakan merupakan data yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Kalimantan Barat. Variabel yang digunakan adalah data Curah Hujan (Y), Kelembaban Udara ( ), Suhu Udara ( ), Kecepatan Angin ( ) Tekanan Udara ( ) yang diambil dari delapan stasiun BMKG yang tersebar di seluruh Provinsi Kalimantan Barat. Hasil penelitian menunjukan bahwa model yang sesuai adalah model random effect dua arah dengan nilai  Dimana nilai koefisien regresi adalah sebesar 61,10%. Kata Kunci: Panel Tidak Lengkap, REM, Koefesien Determinasi
PENERAPAN ALGORITMA MODIFIED K-NEAREST NEIGHBOR (MK-NN) DALAM KLASIFIKASI KELULUSAN MAHASISWA (Studi Kasus: Prodi Statistika Universitas Tanjungpura) Ezra Amarya Aipassa; Dadan Kusnandar; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (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.v13i1.74062

Abstract

Salah satu pencapaian mahasiswa dalam meraih gelar sarjana adalah dengan lulus tepat waktu. Namun, tidak semua mahasiswa mampu menyelesaikan waktu studinya dengan tepat waktu. Suatu teknik yang memanfaatkan fungsi dari klasifikasi data mining diperlukan untuk memperoleh informasi dari data guna memprediksi kelulusan mahasiswa. Penelitian ini menggunakan algoritma Modified K-Nearest Neighbor (MK-NN) dalam klasifikasi kelulusan mahasiswa. Algoritma MK-NN merupakan pengembangan dari metode K-Nearest Neighbor (KNN) dimana dalam proses MK-NN menambah dua tahapan yaitu validitas dan weight voting. Penelitian ini bertujuan untuk menerapkan algoritma MK-NN dan mendapatkan nilai akurasi terbaik dalam klasifikasi kelulusan mahasiswa berdasarkan K-Optimal. Variabel dependen yang digunakan yaitu status kelulusan mahasiswa  serta variabel independen (X) yang digunakan yaitu IPK semester 1  hingga IPK semester 4 (  dan SKS semester 1  hingga SKS semester 4 ). Langkah-langkah dalam penelitan ini adalah mengumpulkan data lulusan mahasiswa Program Studi Statistika Universitas Tanjungpura angkatan 2013-2018 sebanyak 186 data. Setelah itu, mendeskripsikan data menggunakan statistik deskriptif, lalu men-normalisasi seluruh variabel (X), selanjutnya mencari K-Optimal menggunakan 10-fold cross validation, menghitung jarak euclidean antardata training yang kemudian divalidasi dan menghitung jarak euclidean data training dan data testing, hasil perhitungan jarak tersebut akan dimasukkan beserta nilai validasi data training pada perhitungan weight voting yang selanjutnya akan diklasifikasikan menggunakan algorima MK-NN. Sebanyak 130 data digunakan sebagai data training dan 56 data digunakan sebagai data testing. Hasil penelitian menunjukkan bahwa 49 data testing diprediksi dengan tepat, sedangkan tujuh data tidak tepat diprediksi sehingga akurasi yang diperoleh sebesar 87,5% dengan K-Optimal=9.  Kata kunci: akurasi, validitas, weight voting
PEMODELAN SPATIAL ECONOMETRICS MENGGUNAKAN SPATIAL DURBIN ERROR MODEL PADA DATA IPM DI KALIMANTAN BARAT Stepanus Reho; Nurfitri Imro’ah; Siti Aprizkiyandari
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.v13i2.77001

Abstract

Indeks Pembangunan Manusia (IPM) adalah indikator yang harus dipenuhi oleh suatu bangsa supaya bisa dikatakan sebagai bangsa yang maju. IPM dikatakan baik apabila berada dalam kategori tinggi. Apabila nilai IPM pada suatu negara tinggi, sehingga semakin baik juga tingkat pembangunan manusia di negara tersebut. IPM adalah indeks komposit yang dipengaruhi oleh tiga indikator dasar, yakni indikator kesehatan yang diukur melalui Umur Harapan Hidup (UHH), indikator pendidikan yang mewakili Angka Melek Huruf (AMH) dan Rata-rata Lama Sekolah (RLS), sedangkan indikator ekonomi diukur berdasarkan kemampuan daya beli masyarakat. Tujuan dari penelitian ini yaitu memetakan sebaran IPM di Provinsi Kalimantan Barat, serta Memodelkan IPM di Kalimantan Barat menggunakan Spatial Durbin Error Model (SDEM). Berdasarkan hasil pada peta persebaran IPM Kalimantan Barat dapat dilihat bahwa IPM tertinggi sebesar 81,03, sedangkan untuk IPM terendah sebesar 64,79. Kemudian berdasarkan pada hasil pemodelan IPM di Provinsi Kalimantan Barat maka dapat ditarik kesimpulan bahwa dari model Ordinary Least Square (OLS), Spatial Error Model (SEM) dan Spatial Durbin Error Model (SDEM), diperoleh model yang memenuhi semua kriteria evaluasi model spatial econometrics adalah model SDEM. Jadi dapat ditarik kesimpulan bahwa model SDEM adalah model terbaik. Kata Kunci: Indikator, Pemodelan Spasial, Spatial Durbin Error Model
PEMODELAN JUMLAH SISWA PUTUS SEKOLAH MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION Eva Selvia; Nurfitri Imro’ah; Wirda Andani
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): 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.v12i4.70078

Abstract

Jumlah siswa putus sekolah (Y) merupakan data cacah sehingga analisis yang tepat untuk memodelkannya adalah dengan regresi Poisson. Namun terdapat asumsi yang harus dipenuhi yaitu equisdispersi atau rata-rata harus sama dengan varians. Pada kenyataannya, terdapat suatu kondisi dimana nilai varians lebih besar dari pada nilai rata-rata atau disebut overdispersi. Salah satu alternatif yang dapat digunakan untuk masalah overdispersi pada data cacah adalah regresi Binomial negatif. Regresi Binomial negatif ini kurang tepat jika digunakan pada data yang mengandung heterogenitas spasial atau keragaman antar wilayah. Pengembangan model regresi yang memperhatikan masalah heterogenitas spasial serta masalah overdispersi pada variabel responnya yaitu Geographically Weighted Negative Binomial Regression (GWNBR). Penelitian ini bertujuan untuk memodelkan serta menentukan faktor apa saja yang mempengaruhi jumlah siswa putus sekolah pada jenjang pendidikan dasar menggunakan metode GWNBR. Hasil penelitian yang diperoleh yaitu terdapat dua kelompok kabupaten/kota berdasarkan variabel yang signifikan. Kelompok pertama dipengaruhi oleh semua variabel prediktor, sedangkan kelompok kedua dipengaruhi oleh variabel rasio siswa terhadap guru, tingkat pengangguran terbuka, dan rata-rata pengeluaran perkapita selama sebulan. Kata Kunci : Putus Sekolah, Overdispersi, Heterogenitas Spasial
PENERAPAN MODEL LOG LINIER DALAM MENGANALISIS TABEL KONTINGENSI DUA ARAH Tan Ade Indra Satria; Nurfitri Imro’ah; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (2023): 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.v12i6.72242

Abstract

Model log linier merupakan salah satu analisis lanjutan pada tabel kontingensi untuk mengetahui hubungan asosiasi antara baris dan kolom. Tabel kontingensi merupakan tabel yang terdiri dari baris dan kolom untuk menyajikan data kategorik. Model log linier terdiri dari model jenuh yaitu log(m̂ij) = λ + λX i + λY j +  λXY ij dan model tak jenuh yaitu log(m̂ij) = λ + λX i + λY j . Pemilihan model log linier menggunakan uji Chi-Square dan uji ratio likelihood. Pada penelitian ini digunakan model log linier untuk menganalisis data kasus stunting di Kota Pontianak yang disajikan dalam tabel kontingensi. Data penelitian ini menggunakan data sekunder yang berasal dari Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) perwakilan Kalimantan Barat tentang jumlah keluarga beresiko stunting di Kota Pontianak tahun 2021. Data berjumlah 66.224 keluarga yang terdiri dari variabel Kecamatan di Kota Pontianak sebagai variabel baris dan variabel jumlah keluarga yang beresiko stunting sebagai variabel kolom. Langkah-langkah penelitian ini dimulai dengan pemilihan model log linier menggunakan uji independensi (uji χ2) untuk menentukan antara model jenuh dan model tak jenuh. Selanjutnya dilakukan pengestimasian parameter log linier untuk selanjutnya menginterpretasikan hubungan asosiasi antara dua variabel. Penelitian ini menghasilkan model yang cocok pada data yaitu model jenuh yang menjelaskan terdapat hubungan asosiasi antara variabel baris dan kolom. Nilai parameter model log linier yang didapat menjelaskan terdapat hubungan dependensi yang kuat antara kategori baris dan kategori kolom pada tabel kontingensi.
Co-Authors Abang Yogi Pratama Alvin Octavianus Halim Anjeli Dwi Laksmi Astri Maulini Bagus Setiadi Canseria Yuli Ismayanti Deva Kurnia Aristi Devi Eka Putri Eka Lestari Elisabet Wulan Ervin Ervin Ervina Ervina Eva Selvia Evy Sulistianingsih Ezra Amarya Aipassa Giovani Parasta Riswanda Helmi Helmi Hendra Perdana Ika Novira Zulianti Imi Sartika Indah Noviyanti Julianti Kastari Laksono Trisnantoro Luh Putu Ratna Sundari Maria Regina Vindasari Marsela Dian Bertiani Marwalida Rachmadiar Maya Rosalina Naomi Nessyana Debataraja Naomi Nessyana Debataraja Neva Satyahadewi NUR’AINUL MIFTAHUL HUDA Riani Mahalalita Robiansyah Robiansyah Sani Sani Setyo Wir Rizki Setyo Wira Rizki Shantika Martha Siska Yulianti Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Siti Hardianti Sri Jumiati Stepanus Reho Syafitri Wulandari Tamtama, Ray Tan Ade Indra Satria Trinita Ariningsih Vina Annisa Nurdiani Aji Vita Virgianti Wirda Andani Yogi Pratama Yosi Yosi