p-Index From 2020 - 2025
16.393
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer Jurnal Ekonomi Kuantitatif Terapan Statistika Epsilon: Jurnal Matematika Murni dan Terapan CAUCHY: Jurnal Matematika Murni dan Aplikasi Bulletin of Electrical Engineering and Informatics Jurnal Administrasi Kesehatan Indonesia Jurnal Akuntansi dan Perpajakan UNEJ e-Proceeding Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Ecodemica : Jurnal Ekonomi Manajemen dan Bisnis Perspektif : Jurnal Ekonomi dan Manajemen Universitas Bina Sarana Informatika Indonesian Journal of Applied Statistics International Humanities and Applied Science Journal Journal of Regional and Rural Development Planning MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Sosio e-kons Zero : Jurnal Sains, Matematika, dan Terapan KEUDA : JURNAL KAJIAN EKONOMI DAN KEUANGAN DAERAH Jurnal TAMBORA Journal Of Management Science (JMAS) ECOPLAN : JOURNAL OF ECONOMICS AND DEVELOPMENT STUDIES Jurnal Mantik Journal of Business and Applied Management TEKNOKOM : Jurnal Teknologi dan Rekayasa Sistem Komputer Jurnal Ilmiah Dinamika Sosial Bappenas Working Papers PERSPEKTIF Jurnal Sosial Humaniora Sigli Jurnal Ekonomi Dan Bisnis Jurnal Educatio FKIP UNMA Jurnal Sistem Komputer & Kecerdasan Buatan Aksara: Jurnal Ilmu Pendidikan Nonformal PUBLIKASI PENELITIAN TERAPAN DAN KEBIJAKAN Alifmatika: Jurnal Pendidikan dan Pembelajaran Matematika Udayana Journal of Social Sciences and Humanities (UJoSSH) Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Jurnal Statistika dan Aplikasinya EPSILON Jurnal Pendidikan Matematika Jurnal Teknik Informatika (JUTIF) Jurnal Manajemen Publik dan Kebijakan Publik (JMPKP) Lombok Journal of Science Advance Sustainable Science, Engineering and Technology (ASSET) Infinity Jurnal Matematika dan Aplikasinya (IJMA) Scientax: Jurnal Kajian Ilmiah Perpajakan Indonesia Jurnal Litbang Edusaintech Berdikari : Jurnal Ekonomi dan Statistik Indonesia Educoretax Journal of Law, Administration, and Social Science Jurnal Ilmu Ekonomi dan Sosial (JIES) Nusantara Journal of Behavioral and Social Science Jurnal Multidisiplin Madani (MUDIMA) Soshum: Jurnal Sosial dan Humaniora Jurnal Akuntansi dan Keuangan Indonesia Jurnalku Jurnal Manajemen dan Pemasaran Jasa Bandung Conference Series: Mathematics Khatulistiwa: Jurnal Pendidikan dan Sosial Humaniora Indonesia Auditing Research Journal Jurnal Bayesian : Jurnal Ilmiah Statistika dan Ekonometrika Buletin Ilmiah Litbang Perdagangan Advance Sustainable Science, Engineering and Technology (ASSET) Jurnal Pendidikan dan Sosial Humaniora
Claim Missing Document
Check
Articles

The Application Of Autoregressive Integrated Moving Average Generalized Autoregressive Conditional Heteroscedastic (Arima - Garch) Pardomuan Robinson Sihombing; Oki Prasetia Hendarsin; Sarah Sholikhatun Risma; Bekti Endar Susilowati
Udayana Journal of Social Sciences and Humanities Vol 4 No 2 (2020): UJoSSH, September 2020
Publisher : Research and Community Services Institutes of Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/UJoSSH.2020.v04.i02.p04

Abstract

Rice farming for Indonesia is vital. Rice farming is inseparable from the fact that rice farming is the livelihood of most of the population, while rice is the staple food of almost all Indonesians. The nature of rice that is easy to process and, following the public consumption culture, causes a very high dependence on rice. On the other hand, the price of rice is quite volatile. If the price of rice is soaring high, it can cause changes in the pattern of rice consumption. Some people want a stable supply and rice price, available at all times and evenly distributed and at affordable prices. Because the cost of rice is quite fluctuating, it is necessary to have a model that can be used to predict future rice prices so that the right policies can be implemented. Autoregressive Integrated Moving Average Model Generalized Autoregressive Conditional Heteroscedastic (ARIMA-GARCH) is a useful model for evaluating and predicting price fluctuations. This model's application is implemented in the national average retail rice price data between January 2007 and December 2017. In this study, rice data in the study period was not stationary at the level so that differentiating was carried out in the data. The best model is ARIMA (1,1,2) and Garch model (2,0). In this model, the data has complied with the white noise assumption, and the resulting GARCH model is free from the heteroscedasticity assumption.
PEMODELAN DATA KEMISKINAN PROVINSI SUMATERA BARAT MENGGUNAKAN REGRESI SPASIAL Pardomuan Robinson Sihombing; Fitri Mudia Sari; Hendry Frananda Nasution
Infinity: Jurnal Matematika dan Aplikasinya Vol. 2 No. 1 (2021): Terbitan Ketiga-Agustus 2021
Publisher : Program Studi Matematika Fakultas Sains Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/27458326-66

Abstract

Kemiskinan merupakan suatu masalah yang menjadi perhatian di setiap negara. Permasalahan kemiskinan di suatu daerah tidak hanya dipengaruhi oleh faktor-faktor kemiskinan di daerah tersebut, tetapi juga dapat dipengaruhi oleh kemiskinan di daerah lain sehingga kasus kemiskinan dapat dikaji dengan analisis spasial. Model spasial yang dapat digunakan untuk permasalahan ini adalah regresi spasial, diantaranya yaitu model autoregresif spasial dan model galat spasial. Tujuan dari penelitian ini adalah menentukan faktor-faktor yang mempengaruhi kemiskinan di Provinsi Sumatera Barat dengan menggunakan regresi spasial. Hasil penelitian menunjukkan model terbaik adalah model SAR dan faktor-faktor yang mempengaruhi yaitu persentase rumah tangga penduduk dengan sanitasi layak dan persentase penduduk dengan air bersih dan kemiskinan kabupaten/kota di sekitarnya.
Pendekatan Model Nonparametrik untuk Memodelkan Hubungan Antara Jumlah Uang Beredar dan Indeks Harga Konsumen di Indonesia Tahun 1969-2017 Pardomuan Robinson Sihombing
Indonesian Journal of Applied Statistics Vol 3, No 1 (2020)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.13057/ijas.v3i1.41093

Abstract

Inflation is one of the macroeconomic variables of concern to the government in addition to economic growth, unemployment and poverty. Inflation is measured by the Consumer Price Index (CPI). According to the quantity theory of the classics, argues that the price level is determined by the amount of money in circulation, prices will rise if there is an increase in the money supply, assuming the amount of goods offered is fixed, while the amount of money is doubled, sooner or later the price will doubled. Often the relationship between macroeconomic variables is not always linear, it can be exponential, logarithmic, or highly fluctuating patterns. This nonlinear relationship cannot be forced using parametric regression which generally uses the Ordinary Least Square (OLS) or Maximum Likelihood Estimation (MLE) which often implies the existence of certain distributions and linear data patterns. In some literatures, researches using a linear model with OLS, for describing the relationship between CPI and money supply. This research uses several non parametric approaches, namely kernel and spline functions. The results obtained are a strong positive relationship between money supply and CPI, where money supply has a significantly positive effect on CPI. The most suitable non parametric method to describe the relationship pattern between CPI and money supply is the smoothing spline method with Generalized Cross Validation (GCV) parameter optimization method with the smallest RMSE and MAPE criteria and functions that can follow data patterns smoothly.Keywords: CPI, money supply, non parametric, kernel, spline.
Penerapan Metode Machine Learning dalam Klasifikasi Risiko Kejadian Berat Badan Lahir Rendah di Indonesia Pardomuan Robinson Sihombing; Istiqomatul Fajriyah Yuliati
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 20 No 2 (2021)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (424.306 KB) | DOI: 10.30812/matrik.v20i2.1174

Abstract

Penelitian ini akan mengkaji penerapan beberapa metode machine learning dengan memperhatikan kasus imbalanced data dalam pemodelan klasifikasi untuk penentuan risiko kejadian bayi dengan BBLR yang diharapkan dapat menjadi solusi dalam menurunkan kelahiran bayi dengan BBLR di Indonesia. Adapun metode meachine learning yang digunakan adalah Classification and Regression Tree (CART), Naïve Bayes, Random Forest dan Support Vector Machine (SVM). Pemodelan klasifikasi dengan menggunakan teknik resample pada kasus imbalanced data dan set data besar terbukti mampu meningkatkan ketepatan klasifikasi khususnya terhadap kelas minoritas yang dapat diihat dari nilai sensitivity yang tinggi dibandingkan data asli (tanpa treatment). Selanjutnya, dari kelima model klasifikasi yang iuji menunjukkan bahwa model random forest memberikan kinerja terbaik berdasarkan nilai sensitivity, specificity, G-mean dan AUC tertinggi. Variabel terpenting/paling berpengaruh dalam klasifikasi resiko kejadian BBLR adalah jarak dan urutan kelahiran, pemeriksaan kehamilan, dan umur ibu
PENANGANAN OVERDISPERSI PADA REGRESI POISSON: (Studi Kasus: Pengaruh Faktor Iklim Terhadap Jumlah Penderita Penyakit Demam Berdarah di Kota Bogor) Marta Sundari; Pardomuan Robinson Sihombing
Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Vol. 2 No. 1 (2021): Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistik
Publisher : LPPM Universitas Bina Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46306/lb.v2i1.48

Abstract

Penyakit demam berdarah dengue (DBD) telah menjadi penyakit endemik di kota-kota besar di Indonesia. Angka kejadian DBD merupakan data diskrit (count) yang mengikuti distribusi Poisson. Dalam penelitian ini dilakukan pemodelan pengaruh iklim terhadap angka kejadian DBD menggunakan metode regresi Poisson. Masalah overdispersi sering ditemukan dalam regresi poisson, dimana nilai ekspektasi tidak sama dengan nilai variannya seperti yang disyaratkan dalam regresi poisson. Selanjutnya untuk menangani masalah overdispersi yang terjadi pada regresi poisson dilakukan pendekatan dengan menggunakan beberapa model regresi lain yaitu model Regresi Negative Binomial, Zero-Truncated Poisson dan Zero-Truncated Negative Binomial. Model terpilih dengan kriteria terbaik adalah Negative Binomial. Pada Negative Binomial hanya peubah rataan kelembapan per tahun yang memiliki pengaruh yang nyata terhadap jumlah penderita penyakit DBD di Kota Bogor pada tahun 2013-2019 pada taraf nyata 5%. Peubah rataan suhu rata-rata dan peubah jumlah curah hujan memiliki pengaruh yang nyata terhadap jumlah penderita penyakit DBD di Kota Bogor pada taraf nyata 15%.
Aplikasi Model Vector Autoregressive (VAR) pada Data Tamu Mancanegara di Hotel Bintang dan Non Bintang di Daerah Istimewa Yogyakarta Pardomuan Sihombing; Bekti Endar Susilowati
Jurnal Statistika dan Aplikasinya Vol 3 No 2 (2019): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.03202

Abstract

Model Vector Autoregressive (VAR) merupakan gabungan dari beberapa model Autoregressive (AR), dimana model membentuk sebuah vektor yang antara variabel-variabelnya saling memengaruhi. Model AR(1) menyatakan bahwa pengamatan waktu sekarang dipengaruhi pengamatan satu waktu sebelumnya dan unsur error. Pada analisis ini, model Vector Autoregressive (VAR) digunakan pada data tamu mancanegara per bulan yang menginap di Hotel Bintang dan Non bintang di Daerah Istimewa Yogyakarta per bulan periode Januari 2008 sampai dengan Desember 2015. Pembentukan model VAR melalui beberapa tahap yaitu: uji stasioneritas, penentuan orde autoregressive, pembentukan model VAR, dan diagnostic checking. Untuk pengolahan data dilakukan dengan program R 3.5.1. Dari analisis data, variabel jumlah tamu wisatawan mancanegara di Hotel Bintang dan Hotel Non Bintang di Daerah Istimewa Yogyakarta memiliki korelasi yang cukup tinggi yaitu sebesar 0,91. Dengan model Vector Autoregressive (VAR) yaitu VAR(1) didapatkan kedua hasil persamaan simultan yang signifikan. Nilai R2 dan Adjusted R2 kedua persamaan parsial model VAR(1) cukup tinggi yaitu untuk persamaan variabel Hotel Bintang didapatkan R2 sebesar 71,13% dan Adjusted R2 70,5%, sedangkan untuk persamaan variabel Hotel Non Bintang didapatkan R2 sebesar 76,56% dan dan Adjusted R2 70,65 %.
Pemodelan Fertilitas Di Indonesia Tahun 2017 Menggunakan Pendekatan Regresi Nonparametrik Kernel dan Spline Istiqomatul Fajriyah Yuliati; Pardomuan Sihombing
Jurnal Statistika dan Aplikasinya Vol 4 No 1 (2020): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.04105

Abstract

Tujuan dari penelitian ini adalah untuk menganalisis pola hubungan Total Fertility Rate (TFR) dengan Contraceptive Prevalence Rate (CPR). Analisis yang sering digunakan untuk pemodelan adalah analisis regresi. Analisis regresi menurut pendekatannya dapat dibedakan menjadi dua, parametrik dan nonparametrik. Metode regresi nonparametrik yang sering digunakan adalah regresi kernel dan spline. Pada penelitian ini untuk regresi kernel yang digunakan adalah regresi kernel dengan metode penaksir Nadaraya-Watson (NWE) dan penaksir polinomial lokal (LPE), sedangkan untuk regresi spline yang digunakan adalah smoothing spline dan b-splines. Hasil pengepasan kurva (fitting curve) menunjukkan bahwa model regresi nonparametrik terbaik adalah model regresi b-splines dengan degree 2 dan jumlah knot 5. Hal ini dikarenakan model regresi b-splines memiliki kurva yang halus dan terlihat lebih mengikuti sebaran data dibandingkan kurva model regresi lainnya. Model regresi b-splines terpilih memiliki nilai koefisien determinasi R2 sebesar 76.86%, artinya besarnya variasi variabel TFR yang dijelaskan oleh model regresi b-splines sebesar 76.86%, sedangkan sisanya 23.14% dijelaskan oleh variabel lainnya yang tidak dimasukkan ke dalam model.
Interpolasi Konsentrasi Polutan Timbal di DKI Jakarta Menggunakan Kriging Bayesian Adina Astasia; Pardomuan Sihombing
Jurnal Statistika dan Aplikasinya Vol 4 No 1 (2020): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.04101

Abstract

Jakarta merupakan salah satu kota paling tercemar di Asia Tenggara. Pertumbuhan polusi di Jakarta pun cukup tinggi seiring dengan pertumbuhan volume kendaraan bermotor. Salah satu zat pencemar yang berbahaya sebagai hasil pembakaran tidak sempurna mesin kendaraan adalah Timbal (Pb). Timbal berbahaya bagi kesehatan terutama pada anak-anak dan ibu hamil. Mengingat pentingnya pengukuran kualitas udara, termasuk Timbal (Pb) maka BPLHD (Badan Pengelola Lingkungan Hidup Daerah) Provinsi DKI Jakarta melakukan pemeriksaan kualitas udara secara berkala agar dapat menjamin kualitas udara di Jakarta. Namun, mahalnya biaya pemantauan kualitas udara ini menyebabkan kualitas udara hanya diukur pada beberapa titik lokasi pengamatan. Oleh karena itu, makalah ini bertujuan untuk melakukan interpolasi kualitas udara pada titik-titik yang tidak tersampel menggunakan teknik interpolasi spasial atau kriging. Kriging dilakukan dengan metode Bayesian untuk mempertimbangkan ketidakpastian parameter dalam variogram. Hasil penelitian menunjukkan Jakarta bagian barat berpotensi memiliki polutan timbal yang tinggi dibandingkan wilayah pusat dan timur. Selain itu, dilakukan perbandingan antara metode kriging konvensional dan bayesian, dengan hasil kriging bayesian memiliki varians yang lebih kecil dibandingkan kriging konvensional.
Penerapan Metode SVM dan BPNN dalam Pengklasifikasian PUS di Jawa Barat Istiqomatul Fajriyah Yuliati; Septie Wulandary; Pardomuan Sihombing
Jurnal Statistika dan Aplikasinya Vol 4 No 1 (2020): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.04103

Abstract

Penggunaan kontrasepsi menjadi sangat vital bagi pengendalian jumlah penduduk terutama di Jawa Barat karena jumlah penduduk di Provinsi Jawa Barat tertinggi di Indonesia. Klasifikasi penggunaan kontrasepsi pada pasangan usia subur (PUS) berdasarkan faktor determinan penggunaan kontrasepsi di Provinsi Jawa Barat merupakan hal yang menarik untuk dikaji. Penelitian ini mengkaji perbandingan metode Support Vector Machine (SVM) dengan fungsi kernel dan Neural Network (NN) dengan algoritma backpropagation (BPNN) dalam pengklasifikasian PUS berdasarkan penggunaan kontrasepsi (mengikuti program Keluaga Berencana/KB atau tidak) di Provinsi Jawa Barat. Metode yang memiliki nilai ketepatan yang tinggi merupakan metode terbaik dalam pengklasifikasian PUS berdasarkan penggunaan kontrasepsi. Kedua metode klasifikasi baik BPNN dan SVM Fungsi Kernel dapat menggambarkan klasifikasi PUS berdasarkan determinan penggunaan kontrasepsi di Provinsi Jawa Barat dengan tingkat akurasi yang sama, yaitu sebesar 99.84%. Hal ini berarti kedua model klasifikasi sangat baik dalam memprediksi kelas yang mengikuti program keluarga berencana atau tidak mengikuti program tersebut.
COMPARISON OF MACHINE LEARNING METHODS IN CLASSIFYING POVERTY IN INDONESIA IN 2018 Pardomuan Robinson Sihombing; Ade Marsinta Arsani
Jurnal Teknik Informatika (Jutif) Vol. 2 No. 1 (2021): JUTIF Volume 2, Number 1, June 2021
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jutif.2021.2.1.52

Abstract

Poverty is still one of the main problems in economic development besides inequality, unemployment, and economic growth. This study aims to model poverty directly using a discrete choice model, namely the machine learning classification method. The data used are imbalanced data where one of the categories is small enough so that the resample of both sampling method is used. In this study, several machine learning methods were applied, including the Decision Tree, Naïve Bayes, K-Nearest Neighbor (KNN), and Rotation Forest. The results show that the technique of using resample both samplings provides optimal results for the four machine learning methods. If viewed from the indicators of accuracy, specificity, sensitivity, AUC, and the highest Kappa coefficient produced, the best method is the KNN method. The KNN model has an accuracy value of 0.73 percent, sensitivity of 0.68 percent, specificity of 78 percent, and AUC of 0.73.
Co-Authors Abdul Gofur Rochman Ade Famalika Ade Famalika Ade Marsinta Arsani Ade Marsinta Arsani Ade Marsinta Arsani Ade Marsinta Arsani Ade Marsinta Arsani Ade Marsinta Arsani Ade Marsinta Arsani Ade Marsinta Arsani Ade Marsinta Arsani Adina Astasia Ahid Nur Istinah Ajeng Taufina Ramadhanti Amin Prawiro Madhani Anang Kurnia Arsani, Ade Marsinta Artha Satwika Arya Putri Maharani Astawa, I Gede Putu Banu Avior Ocean Noya Ayudya Purwani Putri Bagus Sartono Bekti Endar Susilowati Bekti Endar Susilowati Bekti Endar Susilowati Bertho Tantular Bungkus Sasongko Purnomo Bungkus Sasongko Purnomo Busminoloan Busminoloan Cahya Alkahfi Daqiqil Id, Ibnu Deden Achmad Sunarjo Deistiara Fitrianti Desak Ari Gita Wahyuni Deva A. Nurul Huda Devitama Patria Nagara Dewi Arhaninka Dhinnessa Prabowo Drajat Indra Purnama DRAJAT INDRA PURNAMA Dwi Muslianti Dyah Purwanti Ekowati Retnaningsih Erfiani Erfiani Erfiani Erfiani, Erfiani Erica Indryani Fadlol Muhammad Fajar Faiza Aina Nurrizqi Feri Fernandes Fikri Dias Basmallah Fitri Mudia Sari Frisca Adriana Gabiela Gumilang Galuh Prabaningrum Ayu Sukarsa Gultom, Yulifar Amin HAMIDAH Hastoro Dwinantoaji Hema Malini, Hema Hendiva Tri Nugraha Hendry Frananda, Hendry Herman, Nur Ashilah Raihanah I Dewa Gede Sunanjaya I Gede Heprin Prayasta I Gede Heprin Prayasta Ida Ayu Candrawati Ida Ayu Candrawati Iis Hayyun Nurul Islam Ine Ratna Dewi Irma Nurmala Dewi Istiqomatul Fajriyah Yuliati Istiqomatul Fajriyah Yuliati Jaka Wijaya Kusuma Januar Ramadhan Johana Veronika Simanjuntak Kah Choon Ng Karel Fauzan Hakim Khairil Anwar Notodiputro Krisdianto, Boby Febri Kuat Sidik Wahyono Kurnia, Anang Leni Merdawati Lianna Wijaya Lina Sari Lisna Sari Lisna Sari Luh Putu Widya Adnyani Mahuda, Isnaini Marta Sundari Marta Sundari Maryani, Sri Masruri Mochtar Mastina Maksin Matthew Stephanus Maydita Ayu Nursaskiawati Mella Anisa Miftakhul Jannah Mohamad Arif Kurniawan Mohamad Arif Kurniawan Muchtar, Masruri Muhamad Refkhi Al Aqilah Muhammad Hafiz Fadhilah Muhammad Heru Akhmadi Muhammad Ramadhan Zulfi Muliantino, Mulyanti Roberto Mun'im, Akhmad Neni Nur Laili Ersela Zain Ni Kadek Sinarwati Novitha, Irni Nurhidayati Nurhidayati Nurhidayati Nurhidayati Nuril Hidayati Nuryanto Nuryanto Oki Prasetia Hendarsin Padhilah Dikri Pascal, Emilio Pradita Galih Sekar Palupi Prayoga Setiawan Puput Puspito Rini Putri Indi Rahayu Putu Pande Wahyu Diatmika Rahayu, Putri Indi Rahmi Lathifah Islami Rahmi Lathifah Islami Rama Bhaskara Praja Ratna Ayu Pawestri Kusuma Dewi Renny Candradewi Puspitarini Rini Rahani Risqi Nurika Fatha Hidayati Rizca Yunike Putri Rus Hertanto Saeful Hidayat Sarah Sholikhatun Risma Septie Wulandary Sigit Budiantono Sigit Budiantono Sigit Budiantono Sigit Budiantono Sigit Budiantono Sinarta Putra P. Surbakti Sri Murdaningrum Sri Murtiningsih Suryadiningrat Suryadiningrat Suryadiningrat Syafrina Maulidiyah Taufik Febriyanto Temy Setiawan, Temy Tiurida Lily Anita Triana Mauliasih Aritonang Triana Mauliasih Aritonang Ulfa Anggraini Usep Nugraha Wahyu Puji Lestari Widdia Angraini Wiradinata Lambok Silaban Wisnu Pratiko Y Yunita Yanti, Ni Komang Semara Yesi, Desri Yosef Felix Sitorus Yoshep Paulus Apri Caraka Yuda Yudhie Andriyana Yuninda Anggraini Putri Yunita Yunita Yunita Zain Yudha Prawira Zakir, Supratman Zufar Lutfi Wisanggeni