Article Per Year (5 Year)
p-Index From 2021 - 2026
4.71
P-Index
This Author published in this journals
All Journal FORUM STATISTIKA DAN KOMPUTASI Jurnal Pendidikan Matematika Media Statistika Journal of Education and Learning (EduLearn) Jurnal S2 Pendidikan Matematika AKSIOMA: Jurnal Program Studi Pendidikan Matematika Journal of Mathematics and Mathematics Education Proceedings Education and Language International Conference Jurnal Pembelajaran Matematika BAREKENG: Jurnal Ilmu Matematika dan Terapan Specta Journal of Technology Budimas : Jurnal Pengabdian Masyarakat NUCLEUS: Jurnal Sains dan Teknologi Journal of Multidisciplinary Applied Natural Science Jurnal Pengabdian Kepada Masyarakat Aptekmas : Jurnal Pengabdian Kepada Masyarakat Journal of Community Service Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya Indonesian Journal of Advanced Research (IJAR) Javanologi: International Journal of Javanese Studies Equiva Mathematics Education Journal
Dewi Retno Sari Saputro, Dewi Retno
Jurusan Matematika FMIPA UNS
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 92 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 92 Documents
Search

 5   6   7   8   9 
Analisis Bibliometrik Model Regresi Spline untuk Pemetaan Tren dan Pengembangan Strategi Penelitian Menggunakan VOSviewer Al Barra, Andre Fajry; Saputro, Dewi Retno Sari; Widiyaningsih, Purnami
NUCLEUS Vol 5 No 02 (2024): NUCLEUS
Publisher : Neolectura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37010/nuc.v5i02.1760

Abstract

Bibliometric analysis is a quantitative method used to measure and analyze scientific literature. This technique involves the collection and analysis of publication data, such as journal articles, books, and conferences, to evaluate and understand patterns of scientific communication, research productivity, author collaboration, journal impact, and trends within a scientific field. Bibliometric analysis has a limitation in that it is challenging to visualize effectively, necessitating the use of software for proper visualization. Therefore, this article discusses bibliometric analysis on spline regression for trend mapping and strategy development using VOSviewer software. The research results show that the visualization of spline regression keywords with VOSviewer can help in understanding patterns of relationships between variables, research trends, and network structures in scientific literature. Based on the analysis results, bibliometric analysis on spline regression can be visualized in trend mapping, which can aid in planning further research strategies, including identifying collaboration opportunities and underexplored research areas.
PEMODELAN DATA HARGA EMAS DENGAN SUPPORT VECTOR REGRESSION DAN KERNEL LINEAR, POLYNOMIAL, RADIAL BASIS FUNCTION Sena, Arya Bima; Saputro, Dewi Retno Sari; Kurdhi, Nughthoh Arfawi
NUCLEUS Vol 5 No 02 (2024): NUCLEUS
Publisher : Neolectura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37010/nuc.v5i02.1767

Abstract

Investment is a commitment of funds or other resources made with the goal of obtaining profits in the future. Gold is one of the commodities favored by investors because of its relatively stable value. Although relatively stable, gold prices experience fluctuations, which introduce risks associated with gold investments. The pattern of gold prices can be mathematically modeled using Support Vector Regression (SVR). SVR finds a function as a hyperplane (separating line) in the form of a regression function that fits all input data with an error and minimizes it as much as possible. SVR enables a balance between data fitting and overfitting through the use of kernel functions. The pattern of gold prices and SVR is the main focus of this research, aiming to model gold prices effectively. Furthermore, SVR seeks to obtain a hyperplane (regression function) that fits all input data by minimizing errors. The gold price modeling results using SVR indicated that the best model was obtained with a linear kernel, showing an error of 0.73% with parameters C = 10^(-4) and ? = 10^(-4). This implies the model's strong ability to follow data patterns accurately, resulting in highly reliable forecasting.
Analisis Multiresolusi dengan Dekomposisi Transformasi Wavelet Diskrit Berfilter Wavelet Haar Khomariah, Nurul; Saputro, Dewi Retno Sari
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2020: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (226.352 KB)

Abstract

Analisis data dengan dimensi tinggi tidak mudah dilakukan bahkan dengan sistem komputer modern sekalipun. Salah satu pendekatan yang digunakan dengan melakukan reduksi dimensi salah satunya dengan wavelet. Wavelet merupakan fungsi transformasi yang secara otomatis memotong data ke dalam komponen berbeda dan memelajari masing-masing komponen dengan resolusi yang sesuai dengan skalanya. Transformasi wavelet diskret (TWD) merupakan salah satu teknik reduksi dimensi dengan teknik dekomposisi multiresolusi untuk mengatasi masalah pemodelan yang menghasilkan sinyal representasi lokal pada domain waktu dan domain frekuensi. Dekomposisi multiresolusi memisahkan tren dari time series. Transformasi ini dapat mengubah data asli ke domain wavelet untuk dianalisis dan dapat mengurai sinyal-sinyal baik pada frekuensi rendah maupun frekuensi tinggi dengan lebih tepat. Pada penelitian ini, dilakukan kajian ulang TWD. Tiga hal penting dalam melakukan transformasi wavelet diskrit terdiri atas menentukan jumlah level multireoslusi, menentukan wavelet apa yang akan digunakan, dan menentukan aturan batasan. Transformasi wavelet diskret menggunakan filter wavelet untuk membagi data ke frekuensi yang berbeda atau komponen skala, dan selanjutnya menganalisis masing-masing komponen dengan suatu resolusi yang sesuai dengan skalanya. Dalam hal ini digunakan wavelet Haar. Hasil dari penelitian ini adalah TWD dengan komponen skala.
Penerapan Association Rule Mining-Frequent Itemset dengan Algoritme Frequent Pattern Growth (FP- Growth) pada Dataset Kelulusan Mahasiswa S1 Ramadhanti, Fajhria Budi; Saputro, Dewi Retno Sari; Widyaningsih, Purnami
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2020: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (279.19 KB)

Abstract

Data mining adalah suatu proses mencari suatu informasi yang bermanfaat dalam sebuah dataset dengan metode tertentu yang salah satunya adalah metode association rule (aturan asosiasi). Algoritme FP-Growth merupakan algoritme yang dapat digunakan untuk menentukan himpunan data yang sering muncul (frequent itemset) dalam sebuah dataset. Aturan asosiasi dapat diterapkan pada data kelulusan mahasiswa menggunakan algoritme FP-Growtht. Oleh karena itu, pada artikel ini diterapkan metode aturan asosiasi dengan algoritme FP-Growth pada data kelulusan mahasiswa S1 FMIPA UNS tahun 2010-2019 berdasarkan enam atribut. Keenamatribut tersebut adalah jenis kelamin, program studi, asal provinsi, IPK, jumlah SKS, dan lama studi. Adapun langkah yang digunakan pada penelitian ini yaitu cleaning data, penentuan atributdan penerapan algoritme FP-Growth pada data kelulusan mahasiswa S1. Data tersebut diolah dengan aturan asosiasi dan menghasilkan sebuah aturan yang merupakan kumpulan dari frequent itemsets yang diurutkan dengan nilai confidence tertinggi. Hasil penelitian dan pembahasan diperoleh 32 rules dengan rentang confidence 90-97%.
Pembelajaran Quantum Learning untuk Meningkatkan Prestasi Belajar Siswa Kelas VIII SMP ditinjau dari Gaya Belajar Siswa Putri, Matin Enggar; Mardiyana, M; Saputro, Dewi Retno Sari
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2019: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (588.838 KB)

Abstract

Penelitian ini bertujuan untuk mengetahui pengaruh model pembelajaran Quantum Learning terhadap prestasi belajar matematika ditinjau dari gaya belajar siswa kelas VIII SMP di kabupaten Sragen. Penelitian ini merupakan penelitian eksperimental semu dengan desain faktorial 2x3. Populasi penelitian ini adalah siswa kelas VIII SMP Negeri di Kabupaten Sragen. Sampel diambil secara stratified cluster random sampling. Instrumen yang digunakan untuk mengumpulkan data adalah instrumen tes prestasi belajar matematika dan instrumen angket gaya belajar siswa. Teknik analisis data menggunakan analisis variansi dua jalan dengan sel tak sama. Berdasarkan hasil penelitian, diperoleh kesimpulan bahwa: (1) model pembelajaran Quantum Learning menghasilkan prestasi belajar matematika yang lebih baik daripada pembelajaran langsung pada materi relasi dan fungsi. (2) Prestasi belajar matematika yang mempunyai gaya belajar visual dan auditorial lebih baik dibandingkan siswa dengan gaya belajar kinestetik, sedangkan siswa dengan gaya belajar auditorial mempunyai prestasi belajar yang lebih baik dibandingkan siswa dengan gaya belajar visual (3) Pada kategori gaya belajar visual, siswa yang diberi perlakuan dengan model pembelajaran Quantum Learning mempunyai prestasi belajar matematika yang sama baiknya dengan siswa yang diberi perlakuan dengan pembelajaran langsung (4) Pada kategori gaya belajar auditorial, siswa yang diberi perlakuan dengan model pembelajaran Quantum Learning mempunyai prestasi belajar matematika yang sama baiknya dengan siswa yang diberi perlakuan dengan pembelajaran langsung (5) Pada kategori gaya belajar kinestetik, siswa yang diberi perlakuan dengan model pembelajaran Quantum Learning mempunyai prestasi belajar matematika yang lebih baik daripada siswa yang diberi perlakuan dengan pembelajaran langsung (6) Pada model pembelajaran Quantum Learning, siswa dengan gaya belajar visual, auditorial dan kinestetik mempunyai prestasi belajar matematika yang sama baiknya (7) Pada model pembelajaran langsung, siswa dengan gaya belajar visual mempunyai prestasi belajar matematika yang sama baiknya dengan siswa yang mempunyai gaya belajar auditorial, sedangkan siswa dengan gaya belajar visual dan auditorial mempunyai prestasi belajar matematika yang lebih baik daripada siswa yang mempunyai gaya belajar kinestetik.
Studi Literatur: Model Pembelajaran Kooperatif Tipe Mood, Understand, Recall, Detect, Elaborate, Review (Murder) dengan Pendekatan Contextual Teaching and Learning (CTL) dalam Meningkatkan Prestasi Belajar Matematika Siswa Kusuma, Nunung Fajar; Mardiyana, M; Saputro, Dewi Retno Sari
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2018: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1241.577 KB)

Abstract

Berbagai penelitian banyak yang menunjukkan bahwa prestasi belajar matematika siswa di Indonesia kurang memuaskan. Berdasarkan penelitian-penelitian yang telah dilakukan menunjukkan bahwa penggunaan model pembelajaran kooperatif dapat meningkatkan prestasi belajar matematika siswa. Dalam makalah ini dikaji, mengenai penggunaan model pembelajaran kooperatif tipe Mood, Understand, Recall, Detect, Elaborate, Review (MURDER) dengan pendekatan ContextuaL Teaching and Learning (CTL) dalam meningkatkan prestasi belajar matematika siswa.Tujuan penulisan makalah ini yaitu: (1) Untuk mengetahui perbedaan prestasi belajar matematika siswa yang dikenai model pembelajaran kooperatif tipe MURDER dengan pendekatan ContextuaL Teaching and Learning (CTL) dengan siswa yang dikenai model pembelajaran langsung. (2) Untuk mengetahui kelebihan dari model pembelajaran kooperatif tipe MURDER dengan pendekatan ContextuaL Teaching and Learning (CTL). Dalam makalah ini dapat disimpulkan sebagai berikut. (1) Terdapat perbedaan prestasi belajar matematika siswa yang dikenai model pembelajaran kooperatif tipe MURDER dengan siswa yang dikenai model pembelajaran langsung. (2) Kelebihan dari model pembelajaran kooperatif tipe MURDER adalah menciptakan semangat belajar sehingga konsentrasi belajar dapat dicapai secara maksimal dan dapat menyerap materi yang telah dipelajari; agar siswa memiliki kesempatan untuk membentuk atau menyusun kembali informasi yang telah mereka terima; dengan pengembangan, maka akan lebih banyak mengetahui hal-hal yang berhubungan dengan materi yang dipelajari.
Pengelompokan Data yang Memuat Pencilandengan Kriteria Elbowdan Koefisien Silhouette (Algoritme K-Medoids) Utami, Dwi Sari; Saputro, Dewi Retno Sari
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2018: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1483.689 KB)

Abstract

Analisis kelompok adalah metode statistika multivariat yang bertujuan untuk mengelompokkan objek pengamatan yang memiliki kemiripan (karakteristik sama). Terdapat dua metode pengelompokan dalam analisis kelompok yaitu metode pengelompokan hierarchical (hierarki) dan nonhierarchical (nonhierarki). K-medoids merupakan metode pengelompokan nonhierarki yang mempartisi n data ke dalam k kelompok yang memiliki karakteristik sama dan menggunakan medoid (median) sebagai pusat kelompoknya. Dengan demikian, k-medoids ini robust terhadap adanya data pencilan. Dalam proses pengelompokan digunakan algoritme k-medoidsdengan kriteria elbow dan validasinya dengan koefisien silhouette. Kriteria elbow digunakan dengan melihat plot jumlah kuadrat sesatan (JKS) dari beberapa jumlah kelompok(k). Jika terbentuk siku (elbow) untuk nilai JKS pada suatu nilai k, maka nilai tersebut menjadi banyaknya kelompok yang akan dibentuk. Koefisien silhouette berada antara-1dan 1. Pada artikel ini dilakukan kajian kriteria elbow dan koefisien silhouette dengan algoritme k-medoids untuk pengelompokan data yang memuat pencilandan penerapannya pada kasus demam berdarah di Indonesia tahun 2016. Kajian menunjukkan bahwa pengelompokan kasus demam berdarah pada 34 provinsi di Indonesia tahun 2016 menghasilkan 3 kelompok dengan nilai koefisien silhouette sebesar 0.6409981.
Model Generalizedspace Time Autoregressive Integrated dengan Eror Autoregressive Conditional Heteroscedastic (GSTARI-ARCH) Gustiasih, Restuning; Saputro, Dewi Retno Sari
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2018: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1487.438 KB)

Abstract

Data runtun waktu spasial merupakan data yang tidak hanya mempunyai keterkaitan dengan kejadian pada waktu-waktu sebelumnya, namun juga mempunyai keterkaitan dengan lokasi. Salah satu pemodelan yang dapat digunakan untuk menganalisis data runtun waktu spasial adalah model generalized space time autoregressive (GSTAR) dengan asumsi eror bervariansi konstan. Namun, seringkali dalam suatu kejadian ditemukan kondisi dengan variansi selalu berubah setiap saat (tidak konstan) atau disebut terjadi heteroskedastisitas. Untuk mengatasi hal tersebut diperlukan model yang dapat digunakan pada variansi yang tidak konstan yaitu model GSTAR dengan eror autoregressive conditional heteroscedastic (ARCH) atau dikenal dengan model GSTAR-ARCH. Untuk data runtun waktu spasial yang tidak memenuhi asumsi kestasioneran digunakan model generalized space time autoregressive integrated (GSTARI) sehingga model menjadi GSTARIARCH. Metode least square digunakan untuk estimasi parameter persamaan mean GSTAR sedangkan maximum likelihood digunakan untuk estimasi parameter eror pengganggu ARCH. Tujuan penelitian ini untuk mengkaji ulang model GSTARI-ARCH. Metode dalam penulisan ini adalah studi literatur yang diperoleh dari beberapa artikel, jurnal, dan buku yang mendukung dalam mencapai penelitian. Hasil kajian diperoleh model GSTARI-ARCH yang mempunyai persamaan mean sebagai model GSTARI dan eror sebagai model multivariat ARCH.
Estimasi Parameter Model Generalizedspace Time Autoregressive (GSTAR) menggunakan Metode Generalized Least Square (GLS) Suryani, S; Saputro, Dewi Retno Sari
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2018: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1497.925 KB)

Abstract

Data time series atau data runtun waktu merupakan suatu data terurut berdasarkan waktu. Dalam beberapa kasus, terdapat data yang tidak hanya dipengaruhi waktu namun juga dipengaruhi kondisilokasi disekitarnya (pengaruh spasial). Model ruang waktu merupakan suatu model yang digunakanuntuk menggambarkan dan meramalkan data runtun waktu yang memiliki pengaruh spasial. Salah satu model ruang waktu adalah model space time autoregressive (STAR). Model STAR memilikiasumsi yang harus dipenuhi yaitu lokasi amatan harus memiliki karakteristik homogen. Pengembangan model STAR adalah model GSTAR yang dapat diterapkan pada karakteristik lokasiamatan yang heterogen dengan parameter autoregressive dan parameter space tidak harus samapada setiap lokasi. Estimasi parameter model GSTAR dengan respon multivariate dan sesatan yang saling berkorelasi menggunakan metode ordinary least square (OLS) menghasilkan estimator yang tidak efisien. Oleh karena itu, penelitian ini bertujuan lakukan estimasi parameter model GSTAR dengan metode GLS. Metode GLS merupakan generalisasi dari metode OLS, dimana metode GLS mempertimbangkan matriks variansi-kovariansi dalam estimasi parameter. Penelitian ini merupakan kajian teori, dengan menurunkan dan mengkaji ulang model GSTAR, mengkonstruksi dalam bentuk matriks dan melakukan estimasi parameter dengan GLS. Hasil kajian diperoleh estimator dengan metode GLS yang lebih efisien dari pada OLS dan ditunjukkan ketidakbiasan estimatornya.
Model Runtun Waktu Vector Autoregressive Moving Average with Exogenous Variable (VARMAX) Pratama, Rizcka Indah Hani; Saputro, Dewi Retno Sari
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2018: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1509.09 KB)

Abstract

Runtun waktu merupakan serangkaian pengamatan terhadap suatu variabel yang diamati dari waktu ke waktu secara berurutan dalam waktu yang tetap.Model dasar runtun waktu yang hanya melibatkan satu variabel amatan adalah model autoregressive (AR).Perluasan model AR adalah model vector autoregressive (VAR) yang melibatkan lebih dari satu variabel. Model VAR dapat dikembangkan menjadi model vector autoregressive moving average (VARMA) dengan menggabungkan model VAR dan vector moving average (VMA). Model vector autoregressive moving average with exogenous variable (VARMAX) merupakan kasus khusus dari model VARMA dengan penambahan variabel eksogen ke dalam model yang memuat variabel endogen. Variabel eksogen dalam model VARMAX ditentukan di luar model dan sifatnya memengaruhi variabel endogen dalam model namun tidak berlaku sebaliknya.Penelitian ini bertujuan untuk melakukan kajian ulang model VARMAX dan estimasi parameternya dengan metode yang digunakan adalah kajian literatur dari berbagai sumber.least square (LS).Hasil kajian ini diperoleh model VARMAX dan asumsinya serta estimasi parameternya dengan LS.
Co-Authors Ade Susanti Adhitama, Ria Puan Adzakie, Haabi Luckmanoor Agung Nugroho, Tri Wahyu Agung Nugroho, Tri Wahyu Ahmad Faqihi, Ahmad Aji Hamim Wigena Al Barra, Andre Fajry Alfa Lutfiananda, Immas Metika Anik Djuraidah Antoni Wibowo Antoni Wibowo Ariati, Lia Arif Rahman Arrazaq, Khamid Muhammad Astutiningsih, Tiyas ‘Aini, Addin Zuhrotul Baharum, Aslina Budi Usodo Budi Usodo BUDIYONO Budiyono Budiyono Budiyono Budiyono Budiyono, Budiyono Cahyono, Heri Christy, Alexander Yonathan Dewi, Noviana Sukma Doni Susanto dwi hidayati Gustiasih, Restuning Harun Al Rasyid Heri Cahyono Ikawati, Nur Ikhsan Abdul Latif Indriati, Sela Putri Joko Domas, Joko Kananta, Ghaitsa Shafa Cinta Khairina, Fadiah Khamsatul Faizati, Khamsatul Khayati, Fitrotul Khomariah, Nurul Kiki Riska Ayu Kurniawati, Kiki Riska Ayu Kusuma, Nunung Fajar Kusumo, Fahri Aimar M Mardiyana, M Maharani, Swasti Marchamah Ulfa, Marchamah Mardiyana Mardiyana Mardiyana Mardiyana Mardiyana Mardiyana Mardiyana, Mardiyana Mardiyana, Mardiyana Muhamad Safa’udin, Muhamad Muslikhah, Muslikhah Musmiratul Uyun Musta'in, Ghufron Nanang Nabhar Fakhri Auliya, Nanang Nabhar Nanda Noor Fadjrin, Nanda Noor Ningrum, Hanifah Listya Ni’am, Dafi’ Ichsani Aysar Nughthoh Arfawi Kurdhi, Nughthoh Arfawi Nugroho Arif Sudibyo Nurul Khairiatin Nida Pambudi, Pangesti Arum Paryatun, Suji Paryatun, Suji Pradipta Annurwanda, Pradipta Prasetyo, Heri Pratama, Rizcka Indah Hani Prihastini Oktasari Putri Primasari, Dessy Marlinda Purnami Widyaningsih Purwaningsih, Tri Purwaningsih, Tri Putera Khano, Muhammad Nazhif Abda Putri, Diah Purwaning Putri, Matin Enggar Rahman, Arif Ramadhanti, Fajhria Budi Ririn Setyowati Riyadi Riyadi Riyansyah, Husnun Nur Ghiffari Putri Rizky Anggar Kusuma Wardani Safa’udin, Muhamad Santika, Putri Aura Sena, Arya Bima Setiyowati, Ririn Sidiq, Krisna Sujadi, Imam Sulistyaningsih Sulistyaningsih Suprapto, Suprapto Suryani, S Susanti, Ika Sutanto sutanto sutanto Sutanto Sutanto Tambunan, Nicolas Ray Amarco Tanjung, Andjani Ayu Cahaya Ummu Salamah Utami, Dwi Sari Utin Desy Susiaty Wahyu, Nugroho Lambang Wibowo, Gusti Ngurah Adhi Widiyaningsih, Purnami Winarno, Bowo YAFITA ARFINA MUTI Yekti Widyaningsih Yumaroh, Siti Roqhilu Zaidah Nurul Hasanah