Article Per Year (5 Year)
p-Index From 2020 - 2025
4.691
P-Index
This Author published in this journals
All Journal PROSIDING SEMINAR NASIONAL Media Statistika Jurnal Ilmu Dasar Jurnal Statistika Universitas Muhammadiyah Semarang Jurnal Edukasi dan Penelitian Informatika (JEPIN) Proceeding SENDI_U Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika) BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Variance : Journal of Statistics and Its Applications LOSARI: Jurnal Pengabdian Kepada Masyarakat Jurnal Litbang Edusaintech Journal of Data Insights Prosiding Seminar Nasional Unimus Jurnal Meteorologi dan Geofisika
Tiani Wahyu Utami
Program Studi Statistika, Universitas Muhammadiyah Semarang
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Nursing Physics Public Health Social Sciences Transportation Other

Published : 61 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 61 Documents
Search

 3   4   5   6   7 
Sistem Pakar Tertib Administrasi Kependudukan Desa Katonsari Provinsi Jawa Tengah Menggunakan Metode Forward Chaining Systems Fathoni Amri, Ihsan; Wahyu Utami, Tiani; Pranandira Rilvandri, Quinsy; Suherdi, Andri
LOSARI: Jurnal Pengabdian Kepada Masyarakat Vol. 6 No. 1 (2024): Vol. 6 No.1 (2024) : Juni 2024
Publisher : LOSARI DIGITAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53860/losari.v6i1.199

Abstract

Abstract The community service program implemented in Katonsari Village, Demak Subdistrict, Demak Regency, aims to improve population administration orderliness through the application of an expert system utilizing forward chaining method. The stages of the service activity include collecting primary data through field surveys and in-depth interviews with the community and related agencies to understand the dynamics and challenges in population administration. Based on the analysis of collected needs, an expert system was developed as an information technology solution to support efficiency and accuracy in population data management. This program also emphasizes on the training of system implementation provided to the community and village administrative officers to ensure effective transfer of knowledge and skills. The evaluation of the system's success and effectiveness is conducted by measuring the improvement in population administration quality and user satisfaction of the system. Abstrak Program pengabdian masyarakat yang dilaksanakan di Desa Katonsari, Kecamatan Demak, Kabupaten Demak ini bertujuan untuk meningkatkan tertib administrasi kependudukan dengan penerapan sistem pakar yang memanfaatkan metode forward chaining. Tahapan kegiatan pengabdian meliputi pengumpulan data primer melalui survei lapangan dan wawancara mendalam dengan masyarakat dan instansi terkait untuk memahami dinamika dan tantangan dalam administrasi kependudukan. Berdasarkan hasil analisis kebutuhan yang terkumpul, dikembangkan sistem pakar sebagai solusi teknologi informasi yang dapat mendukung efisiensi dan akurasi dalam pengelolaan data kependudukan. Program ini juga menekankan pada pelatihan implementasi sistem yang diberikan kepada masyarakat dan petugas administrasi desa untuk memastikan transfer pengetahuan dan keterampilan yang efektif. Evaluasi keberhasilan dan efektivitas sistem dilakukan dengan mengukur peningkatan kualitas administrasi kependudukan dan kepuasan pengguna sistem.
Comparison of Holt-Winters Exponential Smoothing (HWES) and Singular Spectrum Analysis (SSA) Methods in Forecasting the Number of Passengers at PT KAI in Indonesia: Perbandingan Metode Holt-Winters Exponential Smoothing (HWES) Dan Singular Spectrum Analysis (SSA) Pada Peramalan Jumlah Penumpang PT KAI di Indonesia Samikoh Ulinuha; Tiani Wahyu Utami; Prizka Rismawati Arum; Dannu Purwanto
Journal of Data Insights Vol 2 No 2 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i2.654

Abstract

Penelitian ini mengkaji penerapan dua metode peramalan, yaitu Holt Winters Exponential Smoothing (HWES) dan Singular Spectrum Analysis (SSA), dalam meramalkan jumlah penumpang di PT Kereta Api Indonesia. Hasil penelitian menunjukkan bahwa penerapan metode HWES dengan model additive menghasilkan nilai parameter pemulusan optimal dengan alpha , beta dan gamma model ini memiliki nilai MAPE sebesar 10.75%. Sementara itu, pada HWES model multiplicative menghasilkan nilai parameter pemulusan alpha , beta dan gamma , menghasilkan nilai MAPE 14.50%. Metode SSA dengan window length menghasilkan nilai MAPE 13.33%. Perbandingan nilai MAPE anatara metode HWES additive, HWES multiplicative dan SSA menunjukkan bahwa HWES additive lebih unggul dengan MAPE sebesar 10.75%. Peramalan jumlah penumpang Kereta Api Indonesia menggunakan metode terbaik Holt Winters Exponential Smoothing Additive untuk periode Januari hingga Desember 2024 memperlihatkan variasi jumlah penumpang terendah pada bulan Agustus dan tertinggi pada bulan Januari.
Analisis Sentimen Opini Masyarakat Terhadap Stunting Pasca Debat Cawapres Pertama 2024 Dengan Algoritma Bootstrap Aggregating Naïve Bayes Yuliardi, Fahrul Raditiar; Fauzi, Fatkhurokhman; Utami, Tiani Wahyu
Prosiding Seminar Nasional Unimus Vol 7 (2024): Transformasi Teknologi Menuju Indonesia Sehat dan Pencapaian Sustainable Development G
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Stunting adalah kondisi gagal tumbuh pada anak-anak yang disebabkan oleh kekurangan gizi, kurangnyapengetahuan mengenai stunting, serta faktor ekonomi dan akses terhadap makanan bergizi. Debat calonwakil presiden pertama tahun 2024 menarik perhatian publik dan menjadi topik yang banyak dibicarakandi media sosial, termasuk X. Penelitian ini menggunakan metode Bootstrap Aggregating (Bagging) padaalgoritma Naïve Bayes untuk menganalisis sentimen opini masyarakat yang diekspresikan melalui tweetterkait stunting. Metode ini dipilih karena kemampuannya dalam meningkatkan akurasi klasifikasi denganmengatasi masalah ketidakseimbangan kelas dalam data sentimen. Hasil confusion matrix menunjukkanbahwa metode yang digunakan mampu mengklasifikasikan sentimen dengan akurasi sebesar 96%,precision 95%, recall 98%, dan F1-score 96%. Metode ini menunjukkan bahwa Bootstrap AggregatingNaïve Bayes efektif dalam mengklasifikasikan sentimen masyarakat mengenai stunting, terutama dalamkonteks respons terhadap pernyataan dan diskusi yang muncul setelah debat cawapres. Mayoritas sentimenyang dianalisis adalah positif, hal ini menunjukan dukungan dan harapan masyarakat untuk meningkatkankesehatan dan kesejahteraan anak-anak.  Penelitian ini memberikan wawasan tentang bagaimana debatcawapres 2024 dapat mempengaruhi persepsi masyarakat terhadap kebijakan pemerintah Indonesia. Kata Kunci : Analisis Sentimen, Bootstrap Aggregating, Naive Bayes, Debat Calon Wakil Presiden,Stunting.
Peramalan Uang Kartal Provinsi Jawa Barat Menggunakan Hybrid ARIMAX-QR DAN QRNN Biru, Pelangi Langit; Utami, Tiani Wahyu; Wasono, Rochdi
Prosiding Seminar Nasional Unimus Vol 7 (2024): Transformasi Teknologi Menuju Indonesia Sehat dan Pencapaian Sustainable Development G
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini membahas peramalan aliran uang kartal (inflow dan outflow) di Provinsi Jawa Baratmenggunakan dua model hybrid, yaitu ARIMAX-QR dan Quantile Regression Neural Network (QRNN).Aliran uang kartal yang diatur oleh Bank Indonesia memiliki peran penting dalam perekonomian, sehinggadiperlukan model yang akurat untuk memprediksi pergerakannya. Penelitian ini menggunakan data inflowdan outflow uang kartal dari Kantor Perwakilan Bank Indonesia Provinsi Jawa Barat untuk periode Januari2011 hingga Desember 2023. Model hybrid ARIMAX-QR digunakan untuk memprediksi komponen linear, sedangkan QRNN digunakanuntuk menangkap pola non-linear dalam data. Selain itu, penelitian ini juga membandingkan akurasi darikedua model hybrid tersebut dalam memprediksi aliran uang kartal. Hasil penelitian menunjukkan bahwamodel hybrid memberikan akurasi yang lebih tinggi dibandingkan model individu, dengan QRNNmenunjukkan performa terbaik dalam memodelkan fluktuasi non-linear. Penelitian ini memberikankontribusi dalam pengembangan model peramalan yang lebih presisi dan akurat, yang dapat membantuBank Indonesia dalam merencanakan dan membuat kebijakan terkait pengelolaan uang kartal. Manfaat dari penelitian ini tidak hanya untuk memberikan metode peramalan yang lebih akurat tetapi jugasebagai rujukan kebijakan bagi Bank Indonesia dalam pengelolaan aliran uang kartal di Jawa Barat. Modelyang dikembangkan juga dapat diterapkan pada berbagai konteks peramalan keuangan lainnya yangmembutuhkan akurasi tinggi dalam kondisi yang dinamis dan tidak pasti. Kata Kunci : Uang Kartal, Hibrid, QRNN, ARIMAX-QR, Jawa Barat
Estimasi Value at Risk Saham Sub-Sektor Perbankan dengan Pendekatan Copula Ali-Mikhail-Haq Wulandari, Ayu; Haris, M. Al; Utami, Tiani Wahyu
Prosiding Seminar Nasional Unimus Vol 7 (2024): Transformasi Teknologi Menuju Indonesia Sehat dan Pencapaian Sustainable Development G
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Di era modern, investasi telah menjadi instrumen penting dalam kehidupan masyarakat. Saham di subsektorperbankan menjadi pilihan populer karena pertumbuhannya yang pesat dan kapitalisasi pasar yang besar.Namun, risiko tetap menjadi faktor utama yang harus dipertimbangkan, karena fluktuasi pasar dan kondisiekonomi dapat berdampak negatif pada investasi. Value at Risk (VaR) adalah metode umum untukmengukur risiko investasi, tetapi VaR memiliki keterbatasan karena hanya berlaku jika data berdistribusinormal. Untuk mengatasi keterbatasan ini, copula hadir sebagai alternatif yang tidak mengasumsikannormalitas data dan mampu menangani distribusi gabungan variabel dengan lebih fleksibel. Ada beberapajenis copula yang sering digunakan, termasuk copula dari keluarga Archimedean seperti Copula Frank,Copula Gumbel, dan Copula Ali-Mikhail-Haq. Di antara jenis-jenis copula tersebut, Copula Ali-MikhailHaqadalah yang paling unggul karena kemampuannya dalam menggambarkan dependensi negatif danpositif antar variabel serta menangani data dengan struktur dependensi yang kompleks dalam analisis risikoinvestasi. Penelitian ini berfokus pada penerapan Copula Ali-Mikhail-Haq pada data harga penutupansaham PT Bank Central Asia Tbk (BBCA) dan PT Bank Negara Indonesia Tbk (BBNI) untuk periode 25Januari 2022 hingga 10 Mei 2023. Copula Ali-Mikhail-Haq dimodelkan menggunakan korelasi RhoSpearman, dengan nilai korelasi ???? =  0,4532 dan parameter ???? =  0,499991, yang kemudian digunakandalam estimasi VaR. Hasil estimasi VaR menunjukkan nilai risiko pada tingkat kepercayaan 90%, 95%,dan 99% selama periode 80 hari masing-masing sebesar -0,028, -0,038, dan -0,057. Hasil ini menunjukkankerugian yang mungkin dialami investor jika menginvestasikan dana di BBCA dan BBNI. Kata Kunci: Copula Ali-Mikhail-Haq, Investasi, Risiko, Sektor Perbankan, Value at Risk (VaR) Abstract
Meningkatkan Kompetensi Teknologi Informasi Siswa Melalui Pelatihan Tiga Microsoft di SMA 1 Kembang Jepara Fathoni Amri, Ihsan; Wahyu Utami, Tiani; Hikmah Nur Rohim, Febrian; Aura Hisani, Zahra; Rahma Dhani, Oktaviana; Suherdi, Andri
LOSARI: Jurnal Pengabdian Kepada Masyarakat Vol. 6 No. 2 (2024): Vol. 6 No. 2 (2024) : Desember 2024
Publisher : LOSARI DIGITAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53860/losari.v6i2.238

Abstract

Artikel ini membahas pelaksanaan program pengabdian kepada masyarakat yang bertujuan untuk meningkatkan keterampilan digital siswa kelas 11 di SMA 1 Kembang Jepara. Di era digital saat ini, kemampuan dalam menggunakan aplikasi Microsoft Office seperti Word, Excel, dan PowerPoint menjadi penting untuk keberhasilan akademis dan profesional. Namun, banyak siswa yang belum mendapatkan pelatihan yang memadai dalam penggunaan alat-alat ini, sehingga menghambat kemampuan mereka untuk memenuhi tuntutan dunia teknologi yang terus berkembang. Program ini bertujuan untuk mengatasi kekurangan tersebut dengan memberikan pelatihan intensif Microsoft Office yang disesuaikan dengan kebutuhan siswa. Pelatihan ini tidak hanya meningkatkan keterampilan teknis siswa tetapi juga meningkatkan kepercayaan diri mereka dalam menerapkan keterampilan ini dalam situasi nyata. Hasil survei kepuasan menunjukkan bahwa 45% siswa merasa sangat puas, 30% puas, 20% cukup puas, dan 5% kurang puas dengan pelatihan yang diterima. Hal ini mencerminkan keberhasilan program dalam memenuhi kebutuhan dan harapan mereka. Inisiatif ini menjadi model untuk mengintegrasikan pelatihan keterampilan IT praktis ke dalam kurikulum pendidikan.
FUZZY GEOGRAPHICALLY WEIGHTED CLUSTERING WITH OPTIMIZATION ALGORITHMS FOR SOCIAL VULNERABILITY ANALYSIS IN JAVA ISLAND Fadlurohman, Alwan; Utami, Tiani Wahyu; Amrullah, Setiawan; Roosyidah, Nila Ayu Nur; Dhani, Oktaviana Rahma
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 3 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss3pp1841-1852

Abstract

The Social Vulnerability Index (SoVI) measurement assesses social vulnerability. However, the measurement of SoVI can only describe the general conditions without being able to show which factors dominate. Therefore, a clustering approach has been proposed to characterise the dominant social vulnerability factors. Fuzzy Geographically Weighted Clustering (FGWC) is a method that works for this purpose. FGWC is an extension of the Fuzzy C-Means algorithm, which involves geographical influences in calculating membership values. However, the FGWC method is sensitive because the initial initialisation to determine the centroid is randomised, and it will affect the cluster quality. This research uses a metaheuristic approach to overcome the weakness of FGWC by using Particle Swarm Optimisation (PSO) and Artificial Bee Colony (ABC). This study aims to cluster districts/cities in Java Island using the PSO-FGWC and ABC-FGWC methods based on social vulnerability variables and determine the dominant factors of social vulnerability in each region. Optimum cluster selection uses the index of the largest Partition Coefficient (PC) and the smallest Classification Entropy (CE). Clustering social vulnerability in Java Island resulted in the best clustering using the ABC-FGWC method with 5 optimum clusters based on the PC and CE index values of 0.343 and 1.298, respectively. This research found that social vulnerability exists in each region of Java Island. Cluster 1, consisting of 19 districts/cities, is characterized by vulnerabilities in demography and education. Cluster 2, consisting of 33 districts/cities, is characterized by demographic and health vulnerabilities. Cluster 3, which consists of 24 districts/cities, is dominated by education and economic vulnerability factors. Cluster 4, consisting of 14 districts/cities, has the highest social vulnerability characteristics on the unemployment rate and the proportion of house rent. The last one, cluster 5, consists of 29 districts/cities and has a vulnerability problem in the population growth variable.
STATISTICAL DOWNSCALING USING REGRESSION NONPARAMETRIC OF FOURIER SERIES-POLYNOMIAL LOCAL OF CLIMATE CHANGE Utami, Tiani Wahyu; Fauzi, Fatkhurokhman; Yuliyanto, Eko
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 17 No 3 (2023): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol17iss3pp1411-1418

Abstract

Indonesia is a tropical country that is vulnerable to the impacts of climate change. Climate change causes an effect on the level of comfort (heat stress) that can affect the level of human immunity, one of the indices to calculate the level of human comfort (heat stress) is the Thermal Humidity Index (THI). Climate change scenarios modeled in Earth System Models (ESMs). ESM has a coarse resolution and is subject to considerable bias. This research is using secondary data. The data source used in this study comes from the Coupled Model Intercomparison Project (CMIP5). This research will focus on projected heat stress which is calculated based on THI with the temperature and humidity variables. Therefore, in this research to reduce the bias correction method used Statistical Downscaling (SD) and nonparametric regression. The results of the bias correction using the Statistical Downscaling (SD) method and Nonparametric Regression Fourier-Polynomial Local Series in this study the R-square value for Relative Humidity yields 95% and for Temperature yields 94%. The projection of climate change based on the value of the Temperature Humidity Index (THI) in Indonesia in the category of 50% of the population of Indonesians feeling comfortable conditions occurred in 2006-2059. Then the population of citizens in Indonesia felt uncomfortable conditions occurred in 2060 to 2100 with a THI value of 27.0730°C - 27.7800°C.
COMPARISON OF RANDOM FOREST AND NAÏVE BAYES CLASSIFIER METHODS IN SENTIMENT ANALYSIS ON CLIMATE CHANGE ISSUE Fauzi, Fatkhurokhman; Setiayani, Wiwik; Utami, Tiani Wahyu; Yuliyanto, Eko; Harmoko, Iis Widya
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 17 No 3 (2023): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol17iss3pp1439-1448

Abstract

The last decade was recorded as a decade with a bad record on the issue of disasters in the world due to climate change. Measuring public opinion is one of the steps to mitigate the impact of climate change. Twitter is a popular social media for channeling opinions. Twitter provides a great source of data for understanding public opinion and the perceived risk of an issue. In recent decades, when discussing climate change, there are those who agree and those who oppose it. Sentiment analysis is a branch of learning in the realm of text mining that is used as a solution to see opinions on a problem, one of which is climate change. In this study, we will try to analyze opinions on climate change issues using the Random Forest and Naïve Bayes classifier methods. Data were obtained from Twitter for the period January 2022-June 2022. The training data used in this research is 80%:20%. There are slightly more positive statements than negative ones. The results obtained with the Naïve Bayes classifier method are an accuracy of 76.25%, an F-1 score of 78%, and a recall of 80%. While the results of the random forest method are 70.6% accuracy, 69% F-1 score, and 63% recall. The Nive Bayes method is better than the Random Forest method for classifying climate change opinions with an accuracy of 76.25%.
MODELING DHF IN CENTRAL JAVA USING HYBRID NONPARAMETRIC SPLINE TRUNCATED-FOURIER SERIES APPROACH Utami, Tiani Wahyu; Maharani, Endang Tri Wahyuni; Fadlurohman, Alwan
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 18 No 3 (2024): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol18iss3pp1459-1470

Abstract

Regression analysis aims to determine the relationship and influence of predictor variables on response variables through regression curve. The problem with nonparametric regression research so far is that it only uses one approach, causing the estimation results to be biased, even though each data sub-pattern has its own suitability depending on the approach method used. Therefore, the hybrid method emerged as a development of nonparametric regression. Hybrid models are models that combine approach methods, with the hope of increasing accuracy in modeling analysis. This research was carried out using two non-parametric approaches, namely Spline Truncated and Fourier Series. Dengue Hemorrhagic Fever (DHF) is a disease caused by the dengue virus. DHF is endemic and occurs throughout the year, especially during the rainy season because mosquitoes reproduce optimally. The aim of this research is to estimate the Hybrid Nonparametric Spline Truncated -Fourier Series model and apply the estimation results to data on DHF cases in Central Java. The data used to apply the hybrid nonparametric Spline Truncated-Fourier series regression model is DHF in the city/districts of Central Java. Estimation smoothing parameters uses the GCV (Generalized Cross Validation) method. The best model is selected based on largest R-Square and the smallest MSE. Modeling the disease of DHF cases in Central Java using the Spline Truncated-Fourier Series hybrid estimator produced the best model from the Spline Truncated model with two knot points for each predictor and the Fourier Series model with value of 9. Based on the results obtained, it can be compared that the Truncated Spline-Fourier Series hybrid model is better than the Spline Truncated model, this can be seen from the largest R-square, namely 99.94% and the smallest MSE.
Co-Authors Abdul Rohman Agus Rusgiyono Aisyah Lahdji, Aisyah Alan Prahutama Alan Prahutama Alwan Fadlurohman Amrullah, Setiawan Anissatush Sholiha Arianti, Irma Arini Rizky Wahyuningtyas Aulia, Syifa Aura Hisani, Zahra Ayu Wulandari Azqia Fajriyani Biru, Pelangi Langit Budiono Rahman Dannu Purwanto Devi Nurlita Dewi Ratnasari Wijaya Dhani, Oktaviana Rahma Dheanyta Alif Shafira Diana Wahyu Safitri Dwi Ispriyanti Eko Yuliyanto, Eko Elvia Nanda Sofiyanti Endah Suryaningsih Endang Tri Wahyuni Maharani Fathikatul Arnanda Fatkhurokhman Fauzi Fatkhurokhman Fauzi Fatmawati Nurjanah Fauzi, Fatkhurokhman Hanif Nur Ibrahim Hasbi Yasin Hikmah Nur Rohim, Febrian Iffah Norma Hidayati Ihsan Fathoni Amri Iis Widya Harmoko Iis Widya Harmoko, Iis Widya Imaroh Izzatun Indah Manfaati Nur Indah Sulistiya Indra Firmansyah Iqbal Kharisudin Ismawati - Juwita Rahayu Laila Khoirun Nisa Lia Miftakhul Janah M. Al Haris M. Saifudin Nur Martyana Prihaswati Maulana Afham Mifta Luthfin Alfiani Moh Yamin Darsyah Moh Yamin Darsyah Moh. Yamin Darsyah Nila Amelinda Putri Nur Chamidah Nursamsiah Nursamsiah Pranandira Rilvandri, Quinsy Prizka Rismawati Arum Rahma Dhani, Oktaviana Rizma Novinda Puteri Rochdi Wasono Rochdi Wasono Roosyidah, Nila Ayu Nur Salmaa Fauziah Samikoh Ulinuha Septi Winda Utami Setiayani, Wiwik Silvia Tri Wahyuni Sri Kustiara Sudarno Sudarno Sugito Sugito Suherdi, Andri Suparti Suparti Suparti Suparti Suparti, S. Syaifullah, Ahmad Reyhan Toha Saifudin Ujang Maulana Ujiati Suci Rahayu Vega Zayu Varima Velia Arni Widyasari Wahyu Putri Pratiwii Wisudawati, Dinda Tri Yulianita, Tanti Yuliardi, Fahrul Raditiar Yusnia Kriswanto