Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Electronic Journal of Graph Theory and Applications (EJGTA) Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) eProceedings of Engineering Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS
Rian Febrian Umbara
Universitas Telkom
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Social Sciences

Published : 74 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 62 Documents
Search
Journal : eProceedings of Engineering

 3   4   5   6   7 
Pemodelan Mixture Of Mixture Dalam Pemilihan Portofolio Saham Bank Esther Laura Christy; Deni Saepudin; Rian Febrian Umbara
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Penyusunan portofolio dilakukan sebagai salah satu strategi untuk mengurangi resiko yang mungkin akan terjadi dengan keuntungan yang didapat sebesar-besarnya pada saat melakukan investasi. Pendekatan model mixture merupakan salah satu metode yang digunakan untuk mengetahui besar proporsi return pada suatu instrumen. Model ini mampu memodelkan data yang tersusun dari beberapa grup dimana setiap grup merupakan komponen penyusun dan mempunyai proporsi yang berbeda untuk masing-masing komponen. Hasil dari Tugas Akhir ini berupa model mixture untuk portofolio saham Bank BCA dan BNI dengan resiko yang didapat dari model tersebut sebesar -0.2498413758. Kata kunci : Portofolio, Model Mixture, Return
Penentuan Harga Opsi Barrier Dengan Metode Averaging Binomial Rinaldi Wibiyanto; Rian Febrian Umbara; Irma Palupi
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Opsi merupakan kontrak resmi yang memberi hak kepada holder untuk membeli/menjual suatu aset dari/kepada writer dengan harga tertentu dan jangka waktu tertentu. Opsi barrier adalah opsi dimana payoff saat jatuh tempo tergantung apakah harga aset mencapai level harga yang telah ditentukan selama masa hidup opsi. Salah satu metode yang efisien untuk menentukan harga opsi adalah metode binomial. Pendekatan metode binomial konvergen ke model Black-Scholes tetapi menghasilkan error dengan fluktuasi tinggi dan garis gergaji yang masih besar pada saat menentukan harga opsi. Pada Tugas Akhir ini akan dibahas cara menentukan harga opsi call barrier tipe Eropa dengan menggunakan metode averaging binomial. Perbedaan dari metode binomial yaitu metode averaging binomial menggunakan rata-rata lokal pada payoff saat expiry date. Dalam penentuan harga opsi barrier dibutuhkan beberapa parameter, yaitu harga opsi, harga kesepakatan, harga barrier, volatilitas, dan tingkat bunga bebas resiko. Setelah menentukan harga opsi barrier dengan metode averaging binomial, dihasilkan error dengan fluktuasi lebih rendah dan garis gergaji lebih halus. Hal tersebut menjadikan metode averaging binomial lebih stabil dan lebih cepat konvergen ke model Black-Scholes. Kata kunci : harga opsi, opsi barrier, averaging binomial, local average (rata-rata lokal)
Value-at-risk (var) Berbasis Model Exponential Autoregressive Conditional Amount (eaca) Rizky Retno Utami; Rian Febrian Umbara; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kerugian pada perusahaan asuransi terjadi akibat besar klaim asuransi yang diajukan melebihi batas yang ditentukan. Apabila perusahaan tidak dapat menangani hal tersebut dengan baik maka perusahaan tersebut akan mengalami kebangkrutan. Untuk menangani masalah tersebut, dibutuhkan cara yang tepat untuk memprediksi besar klaim agar tidak melebihi batas yang ditentukan oleh suatu perusahaan. Salah satu cara untuk memprediksi besar klaim adalah dengan menggunakan model Exponential Autoregressive Conditional Amount (EACA). Model EACA adalah model deret waktu yang diaplikasikan pada data asuransi berupa besar klaim yang ditanggung oleh perusahaan asuransi. Dalam penelitian Tugas Akhir ini juga digunakan perhitungan dengan Value-at-Risk (VaR) untuk mengukur kerugian akibat besar klaim yang melebihi batas. Akurasi VaR yang terbaik diperoleh menggunakan VaR Violation. Berdasarkan hasil analisis, tingkat signifikansi pada VaR 10% dapat mengantisipasi besar klaim lebih baik dari percobaan tingkat signifikansi yang lain. Hal ini karena tingkat signifikansi 1% menghasilkan VaR Violation sebanyak 3. Sehingga pelanggaran yang diharapkan dengan VaR Violation menghasilkan selisih sebesar 0.34, hasil ini merupakan hasil selisih yang terendah dari tingkat signifikansi 5% dan 10%. Kata Kunci : klaim asuransi, model EACA, VaR, VaR Violation Abstract Losses on insurance companies occur due to large insurance claims filed exceeds the specified limits. If the company cannot handle it properly then the company will go bankrupt. To handle the problem, it takes the right way to predict the size of the claim so as not to exceed the limit specified by a company. One way to predict the size of a claim is to use the Exponential Autoregressive Conditional Amount (EACA) model. EACA model is a time series model applied to insurance data in the form of a large claim borne by the insurance company. In this Final Project study also used the calculation with Value-at-Risk (VaR) to measure the losses due to large claims beyond the limit. The best VaR accuracy is obtained using VaR Violation. Based on the results of the analysis, a 10% confidence level at VaR can anticipate the higher claims than other confidence experiments. This is because the 1% confidence level produces VaR Violation of 3. That the expected violation with VaR Violation yields a difference of 0.34, this result is the lowest difference of 5% and 10% confidence level. Keywords: insurance claims, EACA model, VaR, VaR Violation
Optimasi Portofolio Saham Dengan Memperhitungkan Biaya Transaksi Menggunakan Algoritma Genetika Multi-objective Almaya Sofariah; Deni Saepudin; Rian Febrian Umbara
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Portofolio saham merupakan sekumpulan aset finansial yang berisi beberapa saham yang bisa dimiliki oleh perusahaan atau perorangan. Untuk mendapatkan portofolio yang optimal yaitu dengan menghasilkan return maksimal dan risiko minimal dilakukan dengan mengalokasikan bobot pada portofolio. Metode yang digunakan untuk meminimumkan risiko adalah mean-variance Markowitz. Pada tugas akhir ini akan dilakukan optimasi portofolio dengan memperhitungkan biaya transaksi. Optimasi multi-objective digunakan untuk mencapai tujuan portofolio yang optimal, karena terdapat lebih dari satu fungsi tujuan yang ingin dicapai. Algoritma optimasi yang digunakan yaitu algoritma genetika multi-objective NSGA-II. Beberapa parameter algoritma genetika multi- objective NSGA-II adalah ukuran populasi, jumlah generasi, probabilitas crossover dan probabilitas mutasi. Hasil akhir yaitu berupa nilai bobot portofolio dan grafik efficient frontier yang merupakan kumpulan dari pilihan terbaik bagi investor yang mampu menawarkan tingkat return maksimum untuk tingkat risiko tertentu. Pada grafik efficient frontier yang diperoleh dengan metode mean variance diasumsikan tidak terdapat transaksi jual maupun beli sedangkan pada grafik efficient frontier yang diperoleh dengan algoritma genetika multi-objective NSGA-II diasumsikan terdapat transaksi jual ataupun beli suatu saham. Kata kunci : optimasi portofolio, biaya transaksi, algoritma genetika multi-objective NSGA-II
Penerapan Algoritma Genetika Multiobjective Spea-2 Pada Optimasi Portofolio Saham Sheila Nur Fadhila; Deni Saepudin; Rian Febrian Umbara
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Algoritma Genetika multi-objective (SPEA-II) merupakan salah satu bagian dari evolutionary algorithm yang dapat digunakan untuk menemukan atau mendekati himpunan pareto-optimal pada permasalahan optimisasi multi-objective. Pada penelitian ini Algoritma Genetika multi-objective (SPEA-II) digunakan untuk menyelesaikan permasalahan optimasi portofolio yang terdiri dari saham-saham yang tergabung dalam Indeks LQ45. Beberapa Parameter yang digunakan antara lain ukuran populasi, ukuran arsip, maksimum generasi, probabilitas crossover, dan probabilitas mutasi. Adanya penambahan jumlah populasi dan generasi akan berdampak pada semakin besarnya kesempatan setiap individu untuk mendapatkan solusi yang dicari. Hasil akhir dari penelitian ini berupa efficient frontier yaitu kumpulan dari pilihan terbaik bagi investor yang mampu menawarkan tingkat return yang maksimum untuk tingkat risiko tertentu. Semakin banyak jumlah saham yang digunakan dalam portofolio akan berpengaruh terhadap error yang diperoleh. Hal tersebut dapat dilihat dari hasil kinerja Algoritma Genetika multi-objective SPEA-II yang memberikan hasil cukup baik untuk 5 sampai 10 saham dan kurang baik untuk 11 saham ke atas dilihat dari konvergensinya. Kata kunci: Strenght Pareto Evolution Algorithm (SPEA-II), multi-objective, portofolio saham
Optimasi Portofolio Mean-semivariance Dengan Algoritma Genetika Multiobjective Evolutionary Nsga Ii Anjar Pratiwi; Deni Saepudin; Rian Febrian Umbara
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam investasi saham seorang investor sebaiknya membuat portofolio optimal agar memperoleh hasil yang memuaskan dengan nilai return tinggi atau nilai risiko rendah. Maka dari itu sebagai investor harus dapat berkompromi dalam menangani 2 objektif, objektif yang dimaksud adalah objektif 1 expected return sedangkan untuk objektif 2 adalah risiko dan untuk menyelesaikan problem tersebut dapat menggunakan algoritma Multiobjective NSGA (Non - Dominated Shorting Genetic Algorithm). Sudah ada beberapa penelitian yang terkait dengan Algortima Multiobjective NSGA – II dan terbukti bahwa algoritma ini merupakan algortima yang cukup baik untuk menangani problem optimasi 2 objektif. Data yang digunakan pada tugas akhir ini adalah data saham yang tergabung dalam index LQ45. Hasil akhir dari penerapan Algortima Genetika Multiobjective NSGAII akan menghasilkan bobot yang nantinya bobot tersebut akan digunakan untuk menghitung return portofolio dan risiko kemudian akan membentuk efficient frontier. Pada penelitian ini risiko menggunakan semivariance terbukti menghasilkan risiko yang optimal jika dibandingkan dengan variance. Kata kunci : NSGA-II , Multiobjective , Optimasi portofolio , semivariance, efficient frontier Abstract In stock investment an investor should make optimal portfolio in order to obtain satisfactory results with high return value or low risk value.Therefore, as an investor must be able to compromise in dealing with 2 objectives, the intended purpose is objective 1 which is expected return while for objective 2 is the Risk and to solve the that problem can be used Multiobjective NSGA (Non-Dominated Shorting Genetic Algorithm) algorithm. Therefore, as an investor must be able to compromise in dealing with 2 objectives, the intended purpose is objective 1 which is expected again while for objective 2 is the problem and to solve the problem that can be used Multiobjective NSGA (Non-Dominated Shorting Genetic Algorithm) algorithm.There have been several studies related to the Algortima Multiobjective NSGA-II and it is evident that this algorithm is a pretty good recipient for the problem of 2 goal optimization problems. The data used at this time is the data belonging to the LQ45 index. The final result of the application of the Multi-objective Genetic Algorithm of NSGA-II will result in a weight that the weight will be used to calculate portfolio return and risk using semivariance then establish an efficient frontier. In this study the risk of using semivariance proved to produce an optimal risk when compared with the variance. Keywords: NSGA-II , Multiobjective , Optimasi portofolio , semivariance, efficient frontier
Analisis Topologi Jaringan Saham-saham Lq45 Dengan Menggunakan Forest Of All Minimum Spanning Trees Rizky Farida Utami; Rian Febrian Umbara; Indwiarti Indwiarti
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Investasi saham di pasar modal merupakan cara untuk semakin memajukan ekonomi negara. Pada penelitian ini akan dilakukan analisis topologi jaringan saham-saham LQ45 dengan menggunakan forest of all Minimum Spanning Trees untuk melihat korelasi antar saham dan juga melihat sentralitas atau saham mana saja yang berpengaruh. Untuk meringkas informasi yang terkandung di forest of all MST, digunakan ukuran seperti ukuran sentralitas derajat, ukuran sentralitas keantaraan, ukuran sentralitas kedekatan, ukuran sentralitas vektor eigen dan ukuran sentralitas keseluruhan. Hasil yang didapat adalah, untuk sentralitas derajat tertinggi 0.159091 yaitu saham BSDE (Bumi Serpong Damai Tbk), untuk sentralitas keantaraan tertinggi 0.167019 yaitu saham BSDE (Bumi Serpong Damai Tbk), untuk sentralitas kedekatan tertinggi 0.427184 yaitu saham BSDE (Bumi Serpong Damai Tbk), untuk sentralitas vektor eigen tertinggi 0.538778 yaitu saham BSDE (Bumi Serpong Damai Tbk), dan untuk sentralitas keseluruhan tertinggi 0.259901 yaitu saham BSDE (Bumi Serpong Damai Tbk). Setelah menghitung ukuran sentralitas, terlihat bahwa saham BSDE merupakan saham yang memiliki korelasi tinggi dengan saham-saham lain dan saham paling berpengaruh di indeks LQ45 periode Agustus 2016-Januari 2017. Kata Kunci: forest of all minimum spanning trees, ukuran sentralitas, LQ45 Abstract Stock investment in the capital market is a way of advancing the country's economy. In this research, LQ45stock network topology analysis will be carried out using the forests of all Minimum Spanning Trees to see information and see the centrality. To summarize the information contained in the forests of all MSTs, centrality measures such as degree centrality, betweness centrality, closeness centrality, eigenvector centrality and overall centrality. The results obtained are, for the highest of degree centrality 0.159091 is stock BSDE (Bumi Serpong Damai Tbk), for the highest of betweness centrality 0.167019 is stock BSDE (Bumi Serpong Damai Tbk), for the highest of betweness centrality 0.427184 is stock BSDE (Bumi Serpong Damai Tbk), for the highest of eigenvector centrality 0,538778 is stock BSDE (Bumi Serpong Damai Tbk), and for the highest of overall centrality 0,259901 is stock BSDE (Bumi Serpong Damai Tbk). After calculating the amount of centrality, it can be seen that stocks BSDE has a high correlation with other stocks and the most influential stock on index LQ45 for the period of August 2016-January 2017. Keywords: forest of all minimum spanning trees, centrality measures, LQ45
Prediksi Google Search Engine Result Page (serp) Menggunakan Classification And Regression Tree (cart) Yanuar Ishaq; Rian Febrian Umbara; Deni Saepudin
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pertumbuhan pesat internet beberapa tahun terakhir memunculkan berbagai macam media online seperti website, blog, dan social media. Dari waktu ke waktu jumlah website yang ada di dunia semakin banyak. Website menjadi salah satu media informasi, hiburan, promosi dan lain-lain. Salah satu indikator dari suksesnya sebuah website adalah trafik. Trafik dapat berasal dari berbagai macam sumber, yang paling dominan adalah trafik yang berasal dari search engine. Penelitian dalam tugas akhir ini bertujuan untuk mencari parameter penting sebuah halaman web dalam Google search engine result page (SERP). Metode yang digunakan dalam penelitian ini adalah Classification and Regression Trees (CART) untuk mendapatkan parameter-parameter yang berpengaruh terhadap peringkat hasil pencarian suatu halaman web pada Google SERP. Data yang digunakan adalah hasil pencarian 25 kata kunci atau keyword yang masing-masing hasil pencarian halaman web tersebut memiliki parameter-parameter. Parameter dari data tersebut lalu dimodelkan dengan Classification and Regression Trees dengan bantuan software Matlab. Dari hasil matlab diperoleh 2 parameter yaitu Page Authority dan Domain Authority. Kata kunci : SERP, CART, PA, DA
Steganografi Gambar Menggunakan Modifikasi Enhanced Least Significant Bits Berdasarkan Teknik Deteksi Objek Gambar Dela Tantri Riyandani; Bambang Hidayat; Rian Febrian Umbara
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan teknologi dan pertumbuhan internet yang sangat pesat menyokong kebutuhan akses pertukaran data dan informasi dapat dilakukan secara cepat dan tepat. Pesan penting yang terkandung dalam informasi data menimbulkan rasa khawatir akan terjadinya pemalsuan atas pesan tersebut.  Steganografi merupakan salah satu cara untuk menyembunyikan suatu pesan atau data rahasia di dalam suatu media penampungnya sehingga orang lain tidak menyadari adanya pesan didalam media tersebut. Pada penelitian ini, dirancang sebuah sistem steganografi dengan metode Modified Enhanced Significant Bit (MELSB)untuk menyisipakan pesan berupa teks dengan format *.txt kedalam gambar dengan format .bmp setelah melalui deteksi objek. Parameter yang diukur berupa PSNR, MSE, BER ,CER dan MOS. Dimana nilai PSNR mencapai 80,6239 dB, dan nilai MSE terkecil 0,0005633. Waktu komputasi tercepat 2,7216 detik untuk penyisipan dan 1,8113 detik untuk ekstraksi. Hasil nilai BER dan CER bernilai nol saat tidak diberi noise Gaussian. Sistem tahan terhadap noise  Gaussian  saat  mean  0  dengan  variansi  dibawah 1x        .  Untuk nilai  MOS  dengan  40  koresponden memiliki rata rata 4,4 yang berarti kualitas stego image baik. Kata kunci : Steganografi, gambar,MELSB, deteksi objek
Analisis Topologi Jaringan Saham-saham Lq45 Dengan Menggunakan Minimum Spanning Tree (mst) Tegar Tionanda Putra; Rian Febrian Umbara; Indwiarti Indwiarti
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam tugas akhir ini akan dibahas tentang analisis topologi jaringan saham LQ45 dengan menggunakan minimum spanning tree (MST). LQ45 merupakan salah satu indeks di Bursa Efek Indonesia. MST digunakan untuk dapat menentukan topologi jaringan dari saham-saham LQ45. Pentingnya sebuah topologi jaringan untuk dapat menentukan korelasi antara saham-saham yang ada pada LQ45. Untuk dapat membangun MST diperlukan algoritma pendukung, dalam tugas akhir ini menggunakan algoritma kruskal. Untuk meringkas informasi yang terkandung di dalam MST, menggunakan ukuran sentralitas masing-masing saham seperti sentralitas derajat, sentralitas keantaraan, sentralitas kedekatan dan sentralitas eigenvector. Hasilnya di dapat untuk sentralitas derajat 0,113636 yaitu saham PT Jasa Marga Tbk (JSMR), untuk sentralitas keantaraan 0,157505 yaitu saham PT Summarecon Agung Tbk (SMRA), untuk sentralitas kedekatan 0,295302 yaitu saham PT Summarecon Agung Tbk (SMRA), dan untuk sentralitas eigenvector 0,472326 yaitu saham PT Wijaya Karya Tbk (WIKA). Kata kunci : MST, Algoritma Kruskal, Ukuran Sentralitas, Indeks LQ45 Abstract In this final project will be discussed about LQ45 stock network topology analysis using minimum spanning tree (MST). LQ45 is one of the indexes in Indonesia Stock Exchange. MST is used to determine network topology from LQ45 stocks. The importnace of a network topology to be able to determine the correlation between stocks in LQ45. To be able to build this MST required support algorithm, in this final project using kruskal algorithm. To summarize the information contained in the MST, use the centrality measure of each stock such as degrees centrality, betweenness centrality, closeness centrality and eigenvector centrality. The result for degrees centrality of 0,113636, which is the stock of PT Jasa Marga Tbk (JSMR), for betweenness centrality of 0,157505 which is the stock of PT Summarecon Agung Tbk (SMRA), for closeness centrality of 0,295302 which is the stock of PT Summarecon Agung Tbk (SMRA), and for eigenvector centrality of 0,472326 which is the stock of PT Wijaya Karya Tbk (WIKA). Keywords: MST, Kruskal Algorithm, Centrality Measure, LQ45 Index
Co-Authors A. Maulana Mukhsin A.N.M. Salman Abdurrahman Muttaqiin Abdurrazaq Naufal Agri Pratomo Alberila Fraida Loceseima Putri Alfi Inayati Alfian Yudha Iswara Ali Assegaf Almaya Sofariah Andri Saputra Aniq Atiqi Rohmawati Anjar Pratiwi Annisa Aditsania Annisa Resnianty Ardhia Pringgowati Ardhyka Dewantara Arfian Nurdiansyah Astri Asroviana Putri Ayunda Firsty Trisnowati Bambang Eko Supriyadi Bambang Hidayat Barini Harahap Bedy Purnama Budi Ihsan Daulay Cipta Rahmadayanti Clara Amanda Danang Triantoro Murdiansyah Defy Ayu Dela Tantri Riyandani Deni Saepudin Dika Rizky Nurcholis Dwi Fitrizal Salim Erick Anugrah Prihananta Esther Laura Christy Felix Octavianus Hasudungan Fiqi Ruli Setiawan Firdaus Maringga Firdaus Maringga Firdaus Maringga Gege Safet Yanto Raharjo Hafiz Denasputra Harry Susilodharma I Komang Gede Rusmawan I Wayan Ade Sugisnawan Dandysmara I Wayan Ade Sugisnawan Dandysmara Iman Nur Fakhri Indra Utama Sitorus Indwiarti Irma Palupi Isman Kurniawan Izzatul Ummah Jeshurun Eliezer Cussoy Jondri Jondri Karina Priscilia Karina Priscilia Lintong Aldiron Sihombing Lisbeth Evalina Siahaan Lola Yolanda Ruth Herinis Lumbanraja Mahmud Imrona May Rozakhi Takkas Mohammad Adietya Perdana Muhamad Lutfi Chandra Muhammad Faizal Muhammad Farhan Muzakki Muhammad Gentur WitjaksonoKurniawan Muhammad Gentur WitjaksonoKurniawan Muhammad Saddam Salsabillah Muhammad Saddam Salsabillah Muhammad Saddam Salsabillah Nathan Sukmawan Nurseno Bayu Aji Nurseno Bayu Aji Patma Oktaviana Pritta Etriana Putri Putri Haryati Rizki Putri Haryati Rizki Rahmi Putri Amalia Raihanun, Ratih R. Ratri Wahyuningtyas Resi Annisa Nur Rinaldi Wibiyanto Riski Hamonangan Simanjuntak Riyadi Lazuardi Sirait Rizki Ayudiah Kartika Paramita Rizky Farida Utami Rizky Retno Utami Sheila Nur Fadhila Siti Rahmah Madusari Sri Suryani Sri Suryani Sri Suryani Sunu Puguh Hayu Triono Tedo Hariscandra Tegar Tionanda Putra Triyana Kadarisman Uggi Stivani Savitri Yanuar Ishaq Yuliant Sibaroni