Article Per Year (5 Year)
p-Index From 2021 - 2026
9.54
P-Index
This Author published in this journals
All Journal Jurnal Geliga Sains: Jurnal Pendidikan Fisika POSITRON Jurnal Penelitian Fisika dan Aplikasinya (JPFA) JURNAL ILMIAH PENDIDIKAN FISIKA AL BIRUNI JOURNAL ONLINE OF PHYSICS Berkala Ilmiah Pendidikan Fisika Jurnal Fisika FLUX Jurnal Inovasi dan Pembelajaran Fisika Sriwijaya University Learning and Education International Conference JIPFRI (Jurnal Inovasi Pendidikan Fisika dan Riset Ilmiah) JPPPF (Jurnal Penelitian dan Pengembangan Pendidikan Fisika) JIPF (Jurnal Ilmu Pendidikan Fisika) Seminar Nasional Pendidikan IPA Jurnal Penelitian Pendidikan IPA (JPPIPA) Jurnal Ilmiah Pendidikan Fisika Spektra: Jurnal Fisika dan Aplikasinya Formatif: Jurnal Ilmiah Pendidikan MIPA JMM (Jurnal Masyarakat Mandiri) Jurnal Pengelolaan Laboratorium Pendidikan Jurnal Ilmu Fisika Indonesian Physical Review Jurnal Inovasi Pendidikan Jurnal Teori dan Aplikasi Fisika Kappa Journal DIFFRACTION: Journal for Physics Education and Applied Physics Bubungan Tinggi: Jurnal Pengabdian Masyarakat Jurnal Pendidikan Fisika dan Sains (JPFS) Wahana Dedikasi : Jurnal PkM Ilmu Kependidikan Magnetic: Research Journal of Physics and It’s Application JIFP (Jurnal Ilmu Fisika dan Pembelajarannya) Journal of Mathematics Science and Computer Education Progressive Physics Journal Jurnal Pendidikan dan Pengabdian Masyarakat Research in Education, Technology, and Multiculture Jurnal Pendidikan MIPA JIPFRI (Jurnal Inovasi Pendidikan Fisika dan Riset Ilmiah) BULETIN FISIKA
Melly Ariska
Physics Education, Faculty Of Teacher Training And Education, Sriwijaya University, Palembang-Prabumulih Street KM 32 Indralaya, Ogan Ilir, South Sumatra 32155, Indonesia
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Physics Social Sciences Other

Published : 89 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 89 Documents
Search

 5   6   7   8   9 
Application of Physics-Informed Neural Networks (PINNs) for the Numerical Solution of the Time-Independent Schrödinger Equation Akhsan, Hamdi; Khoirun Nisa; Nurhikmah, Putri; Wailaina; Ariska, Melly
Progressive Physics Journal Vol. 6 No. 2 (2025): Progressive Physics Journal
Publisher : Program Studi Fisika, Jurusan Fisika, FMIPA, Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/6881zx10

Abstract

This work investigates the application of Physics-Informed Neural Networks (PINNs) for numerical solutions to the time-independent Schrödinger equation of the quantum harmonic oscillator in one, two, and three spatial dimensions. Fully connected neural architectures are constructed to approximate wavefunctions over finite symmetric domains, while the corresponding energy eigenvalues are treated as trainable parameters. The training strategy utilizes randomly sampled interior points to enforce the Schrödinger operator residual and boundary points to impose vanishing wavefunction constraints. For the 1D quantum harmonic oscillator, the learned ground-state wavefunction yields an energy of E = 1.2939 after 12,000 iterations. In the 2D configuration, convergence is achieved at E = 2.1352 within 14,000 iterations, whereas the 3D model attains E = 2.6377 after 12,000 iterations. These values agree with the expected trend of increasing ground-state energy with dimensionality, although deviations from exact analytical values indicate that PINNs may experience optimization challenges and sensitivity to sampling density and boundary enforcement. Despite these limitations, the trained models successfully capture the characteristic spatial symmetries and Gaussian-like envelope of harmonic oscillator eigenstates across all dimensions. These findings demonstrate that PINNs offer a flexible, mesh-free alternative for solving stationary quantum systems, particularly when analytical or conventional numerical approaches become impractical. The method shows strong potential for higher-dimensional quantum applications, even though further refinement such as improved sampling, loss balancing, and network depth remains necessary to suppress residual error and enhance eigenvalue accuracy.
IMPLEMENTATION OF MACHINE LEARNING FOR RAINFALL PREDICTION IN SMOKE-PRONE AREAS OF SOUTH SUMATRA Rahmannisa, Amanda; Ariska, Melly; Siahaan, Sardianto Markos; Seprina, Iin
Jurnal Ilmu Fisika dan Pembelajarannya (JIFP) Vol 9 No 2 (2025): Jurnal Ilmu Fisika dan Pembelajarannya (JIFP)
Publisher : Program Studi Pendidikan Fisika, UIN Raden Fatah Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19109/h8s3w172

Abstract

Haze caused by forest and land fires is a serious problem in South Sumatra Province. One mitigation effort that can be made is to improve the accuracy of rainfall predictions, because rain plays an important role in reducing the potential for fires. This study implements machine learning methods, namely XGBoost and ConvLSTM, to predict spatiotemporal rainfall in areas prone to haze. The results show that ConvLSTM is capable of providing better predictions than the baseline, especially during periods of haze, by considering missing data imputation and masking techniques for disrupted satellite conditions. Increasingly apparent climate change in tropical regions has had a significant impact on rainfall patterns, particularly in South Sumatra, which is one of Indonesia's main agricultural and plantation centers. High rainfall variability can lead to the risk of flooding and drought, as well as disrupting productivity in the education, health, and economic sectors. Therefore, a more accurate rainfall prediction approach is needed to support climate adaptation planning and disaster risk mitigation. This study aims to compare the performance of three approaches to daily rainfall prediction, namely the ConvLSTM-based method, XGBoost, and Persistence, using daily observation data from BMKG for the South Sumatra region for the period 1981–2020. The input variables include average air temperature (Tavg), humidity, sunshine duration, and wind speed, while rainfall is used as the prediction target. The analysis was conducted through a time series approach, statistical distribution, and model performance evaluation using the quantitative metrics Root Mean Square Error (RMSE) and Critical Success Index (CSI). The results show that the ConvLSTM model produced the highest accuracy with an average RMSE of 10 mm/day and a CSI of 0.53, which is better than XGBoost (RMSE 12 mm/day; CSI 0.48) and the persistence method (RMSE 15 mm/day; CSI 0.40). Distribution analysis indicates that light to moderate rainfall occurs more frequently, while extreme rainfall occurs sporadically. The correlation heatmap shows that rainfall has a moderate positive relationship with humidity and a negative relationship with solar radiation, while average temperature and wind play a smaller role. The main contribution of this study is to provide empirical evidence that spatiotemporal deep learning methods such as ConvLSTM are superior in modeling the complexity of tropical rainfall dynamics compared to classical machine learning approaches and simple models. These findings can serve as a basis for the development of early warning systems and interactive climate dashboards at the regional level, while enriching the literature on rainfall prediction in tropical regions using an integrative approach.
Machine Learning to Predict Climate Change in Coastal Areas of Indonesia Firdausi, Huriyatul; Ariska, Melly; Siahaan, Sardianto Marcos; Akhsan, Hamdi; Anwar, Yenny; Seprina, Iin; Taufiq, Taufiq
BULETIN FISIKA Vol. 27 No. 1 (2026): BULETIN FISIKA
Publisher : Departement of Physics Faculty of Mathematics and Natural Sciences, and Institute of Research and Community Services Udayana University, Kampus Bukit Jimbaran Badung Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/BF.2026.v27.i01.p05

Abstract

Indonesia's coastal regions face significant threats from climate change, including rainfall uncertainty, rising temperatures, and sea level rise. This study aims to explore the potential of machine learning algorithms in predicting climate parameter changes in the coastal areas of Minangkabau, Pesawaran, and Maritim Panjang. Daily climatological data obtained from the Meteorology, Climatology, and Geophysics Agency (BMKG) were used as the basis for model training. Three primary algorithms were tested Random Forest, XGBoost, and Long Short-Term Memory (LSTM) selected for their capability to handle complex and temporal data. The research methodology included data preprocessing, model training, cross-validation, and predictive performance evaluation using metrics such as Root Mean Square Error (RMSE), Mean Absolute Error (MAE), and the coefficient of determination (R²). Preliminary results show that LSTM excels in time series prediction, while XGBoost offers a good balance between speed and accuracy. These findings indicate that machine learning-based approaches have strong potential as decision-support tools for climate change mitigation and adaptation planning in Indonesia’s coastal regions.
PENINGKATAN KEMAMPUAN BERPIKIR KOMPUTASI GURU SMA MUHAMMADIYAH TUBOHAN MELALUI PELATIHAN TERSTRUKTUR BERBASIS KODING SCRATCH Ariska, Melly; Akhsan, Hamdi; Anwar, Yenny; Seprina, Iin; Rahmannisa, Amanda; Wati, Lira Diska; Afrizal, Muhammad
Seminar Nasional Pendidikan IPA Ke III Tahun 2025 Vol 3, No 1 (2025): Prosiding Seminar Pendidikan IPA
Publisher : Seminar Nasional Pendidikan IPA Ke III Tahun 2025

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

Abstract

Transformasi pendidikan di era Revolusi Industri 4.0 menuntut guru memiliki keterampilan digital, khususnya kemampuan berpikir komputasi dan koding. SMA Muhammadiyah Tubohan sebagai sekolah berbasis nilai keagamaan dan lingkungan menunjukkan kepedulian tinggi terhadap penguatan kompetensi digital guru. Namun, hasil observasi awal menunjukkan bahwa sebagian besar guru belum memahami dasar-dasar koding dan belum menerapkan pendekatan berpikir komputasi dalam pembelajaran. Oleh karena itu, penelitian ini bertujuan untuk meningkatkan kemampuan berpikir komputasi guru melalui pelatihan terstruktur berbasis Scratch sebagai media pengenalan koding visual yang ramah bagi pemula lintas mata pelajaran. Metode yang digunakan adalah penelitian tindakan partisipatif dengan pendekatan pelatihan tiga tahap, meliputi: (1) pengenalan konsep berpikir komputasi, (2) praktik koding visual menggunakan Scratch, dan (3) penyusunan proyek mini berbasis mata pelajaran. Peserta terdiri dari 20 guru lintas bidang studi. Evaluasi dilakukan melalui pre-test dan post-test kemampuan berpikir komputasi, observasi praktik langsung, serta kuesioner umpan balik. Hasil penelitian menunjukkan peningkatan signifikan skor post-test sebesar 82,6% dibanding pre-test rata-rata 46,1%, dengan tingkat retensi pemahaman konsep mencapai 78% setelah dua minggu. Sebanyak 90% peserta mampu menyusun proyek koding sederhana, seperti simulasi ujian, permainan edukatif, dan alat bantu hitung berbasis geometri. Urgensi penelitian ini terletak pada minimnya model pelatihan yang kontekstual dan aplikatif bagi guru di wilayah semi-perkotaan. Kontribusi nyata dari kegiatan ini adalah terciptanya ekosistem pembelajaran yang lebih inovatif dan terbuka terhadap teknologi, sekaligus mendorong guru untuk mengintegrasikan koding sebagai media pengayaan dan penilaian alternatif. Hasil ini memperkuat pentingnya program pengembangan profesional guru berbasis teknologi yang berkelanjutan dalam menciptakan sekolah yang tangguh terhadap tantangan era digital.
PROFIL SISWA SMA UNTUK ANIMASI SCRATCH BERBASIS KODING SEDERHANA DALAM PEMBELAJARAN FISIKA Altira, Yasmine; Ariska, Melly
Seminar Nasional Pendidikan IPA Ke III Tahun 2025 Vol 3, No 1 (2025): Prosiding Seminar Pendidikan IPA
Publisher : Seminar Nasional Pendidikan IPA Ke III Tahun 2025

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

Abstract

Penelitian ini membahas tentang tantangan dalam pembelajaran fisika abad ke-21, dimana siswa membutuhkan media yang interaktif dan menarik untuk memahami konsep-konsep abstrak, khususnya yang berkaitan dengan isu lingkungan seperti perubahan iklim. Tujuan penelitian ini adalah untuk menganalisis kebutuhan, minat, dan persepsi siswa terhadap penggunaan animasi edukatif berbasis pemrograman Scratch dalam pembelajaran fisika. Penelitian ini menggunakan metode deskriptif kualitatif dengan instrumen kuesioner yang disebarkan kepada 50 siswa kelas XI di salah satu sekolah menengah atas. Instrumen penelitian mencakup tiga aspek utama, yaitu kebutuhan dan minat siswa, penerimaan terhadap inovasi, serta persepsi terhadap efektivitas media. Hasil penelitian menunjukkan bahwa lebih dari 80% siswa memiliki minat yang tinggi terhadap animasi edukatif dan menilai media tersebut mampu membuat pembelajaran lebih menarik serta mudah dipahami. Selain itu, siswa juga menunjukkan penerimaan positif terhadap penggunaan Scratch dan bersedia terlibat dalam proses pengembangan animasi. Temuan ini mengindikasikan bahwa animasi edukatif berbasis Scratch memiliki potensi besar untuk meningkatkan hasil belajar fisika, menumbuhkan motivasi, dan mendukung penguasaan keterampilan abad ke-21
ANALISIS KEBUTUHAN PENGEMBANGAN E-LKPD BERBASIS SIMULASI PYTHON PADA MATERI PEMANASAN GLOBAL DI SMA Prameswari, Gisca Rivia; Patriot, Evelina Astra; Ariska, Melly
Seminar Nasional Pendidikan IPA Ke III Tahun 2025 Vol 3, No 1 (2025): Prosiding Seminar Pendidikan IPA
Publisher : Seminar Nasional Pendidikan IPA Ke III Tahun 2025

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

Abstract

Pemanfaatan teknologi digital dalam pendidikan semakin relevan, terutama dalam pembelajaran fisika yang sering dianggap abstrak dan sulit dipahami oleh siswa. Di sekolah, bahan ajar yang digunakan masih terbatas pada LKPD cetak, yang dinilai kurang efektif dalam membantu siswa memvisualisasikan konsep-konsep kompleks. Kondisi ini mendorong perlunya media pembelajaran yang lebih interaktif, praktis, dan mampu meningkatkan motivasi belajar. Salah satu alternatif yang ditawarkan adalah pengembangan E-LKPD berbasis simulasi Python untuk topik pemanasan global. Penelitian ini merupakan studi Research & Development (R&D) yang menerapkan model Rowntree pada tahap perencanaan awal. Subjek penelitian terdiri dari 50 siswa SMA Negeri 7 Prabumulih, dengan data diperoleh melalui angket tertutup yang disebarkan secara daring dan wawancara dengan guru fisika. Hasil analisis menunjukkan bahwa 84% siswa membutuhkan visualisasi berupa simulasi, 78% tertarik pada bahan ajar digital yang interaktif, dan 86% menginginkan media yang mudah digunakan. Temuan ini menunjukkan bahwa E-LKPD berbasis simulasi Python memiliki potensi untuk menjembatani keterbatasan LKPD konvensional dan memenuhi kebutuhan siswa yang telah akrab dengan teknologi digital. Penelitian ini memberikan pijakan awal bagi pengembangan media pembelajaran yang lebih inovatif dan sesuai dengan karakteristik pembelajaran abad ke-21.
PEMANFAATAN MACHINE LEARNING DALAM APLIKASI PREDIKSI KESEHATAN HEWAN PERCOBAAN BERDASARKAN DATA LINGKUNGAN DAN FISIOLOGIS Suhanda, Alfin; Hepiyani, Hepiyani; Falka, Ahmad Firdaus; Aririyansyah, Muhammad Putra; Ariska, Melly
Seminar Nasional Pendidikan IPA Ke III Tahun 2025 Vol 3, No 1 (2025): Prosiding Seminar Pendidikan IPA
Publisher : Seminar Nasional Pendidikan IPA Ke III Tahun 2025

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

Abstract

Kesehatan hewan percobaan merupakan faktor fundamental dalam keberhasilan penelitian biomedis, karena kondisi fisiologis yang terganggu dapat memengaruhi validitas data eksperimen. Penelitian ini bertujuan mengembangkan aplikasi prediksi kesehatan hewan percobaan berbasis machine learning dengan memanfaatkan integrasi data lingkungan dan fisiologis. Data dikumpulkan dari 30 ekor mencit selama 60 hari menggunakan sensor IoT yang merekam parameter lingkungan (suhu 22–29 °C, kelembaban 55–85%, CO₂ 450–900 ppm, amonia 0–15 ppm) serta fisiologis (berat badan 18–30 g, denyut jantung 300–650 bpm, dan aktivitas harian 50–300 unit). Analisis awal menunjukkan bahwa suhu dan kelembaban berhubungan negatif dengan aktivitas (r = –0,42), sedangkan peningkatan amonia >10 ppm cenderung menurunkan berat badan hingga 12% dalam 10 hari. Visualisasi boxplot dan violin plot memperlihatkan distribusi fisiologis yang lebih stabil pada mencit dengan label “Sehat” dibandingkan “Kurang Sehat”. Heatmap korelasi mengindikasikan bahwa denyut jantung dan berat badan merupakan indikator fisiologis paling dominan dalam memengaruhi status kesehatan. Untuk prediksi status kesehatan (Sehat, Kurang Sehat), tiga algoritma machine learning diuji, yaitu Random Forest (RF), Support Vector Machine (SVM), dan Artificial Neural Network (ANN). Hasil evaluasi menunjukkan bahwa Random Forest memberikan kinerja terbaik dengan akurasi 92%, precision 91%, recall 90%, dan F1-score 90%, lebih tinggi dibanding SVM (akurasi 88%, F1-score 86%) dan ANN (akurasi 85%, F1-score 83%). Integrasi data lingkungan dan fisiologis meningkatkan akurasi prediksi sebesar 7% dibanding penggunaan data tunggal (lingkungan saja 84%, fisiologis saja 85%). Studi ini membuktikan bahwa integrasi multi-sumber data berbasis IoT dan machine learning tidak hanya meningkatkan akurasi prediksi kesehatan hewan percobaan, tetapi juga berpotensi mengurangi keterlambatan deteksi gangguan kesehatan. Dengan demikian, aplikasi ini dapat mendukung kesejahteraan hewan percobaan serta meningkatkan efisiensi riset biomedis di masa depan.
Pengembangan Media Pembelajaran Interaktif Berbasis Game pada Materi Prinsip Ketidakpastian Menggunakan Scratch Zahlia, Marsela; Salsabillah, Zahwa Nur; Syahrani, Revanola Gusti; Akhsan, Hamdi; Ariska, Melly
DIFFRACTION: Journal for Physics Education and Applied Physics Vol 7, No 2 (2025)
Publisher : Pendidikan Fisika, Fakultas Keguruan dan Ilmu Pendidikan, Universitas Siliwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37058/diffraction.v7i2.17328

Abstract

Penelitian ini bertujuan untuk mengembangkan media pembelajaran interaktif berbasis Game-Based Learning (GBL) menggunakan Scratch untuk mengajarkan Prinsip Ketidakpastian dalam fisika kuantum guna meningkatkan pemahaman konseptual mahasiswa. Permasalahan utama yang melatarbelakangi penelitian ini adalah sifat konsep fisika kuantum yang sulit dipahami, sehingga sering menyebabkan rendahnya pemahaman dan minimnya keterlibatan mahasiswa ketika diajarkan melalui metode tradisional. Penelitian ini bertujuan untuk mengetahui validitas media dan perubahan pemahaman konsep mahasiswa dalam pembelajaran Prinsip Ketidakpastian melalui simulasi interaktif dan pengalaman bermain (gamified learning). Metode penelitian yang digunakan adalah Research and Development (RD) dengan model ADDIE (Analysis, Design, Development, Implementation, dan Evaluation). Data penelitian dikumpulkan melalui angket respons Mahasiswa Program Studi Pendidikan Fisika Angkatan 2024, Universitas Sriwijaya untuk menilai kelayakan media. Hasil penelitian menunjukkan bahwa media pembelajaran berbasis Scratch yang dikembangkan memiliki indeks validitas sebesar 0,603-0,918 dengan kategori valid hingga sangat valid, sehingga layak digunakan sebagai media pembelajaran. Selain itu, mahasiswa menunjukkan perubahan pemahaman konsep setelah mengikuti pembelajaran. Integrasi prinsip Game-Based Learning pada platform Scratch terbukti menjadi pendekatan yang efektif dan menarik untuk mengajarkan Prinsip Ketidakpastian, mendorong pembelajaran aktif dalam meningkatkan pemahaman mahasiswa terhadap konsep fisika kuantum yang bersifat abstrak.
Pemodelan Numerik Hubungan Pola Curah Hujan Wilayah Equatorial di Pulau Sumatera Terhadap Fenomena ENSO dan IOD Melly Ariska; Adam Darmawan; Hamdi Akhsan; Supari Supari; Muhammad Irfan; Iskhaq Iskandar
Jurnal Teori dan Aplikasi Fisika Vol. 11 No. 2 (2023): Jurnal Teori dan Aplikasi Fisika
Publisher : Department of Physics, Faculty of Mathematics and Natural Sciences, University of Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jtaf.v11i2.319

Abstract

Co-Authors Abidin Pasaribu Abidin Pasaribu Abidin Pasaribu, Abidin Adam Darmawan Ade Kurniawan Ade Kurniawan Agustina, Atika Al Fatih, Zaky Alawiyah, Sakinah Altira, Yasmine Amanda, Karenina Andriani, Nelly Apit Fathurohman Ari Widodo Arini Rosa Sinensis Aririyansyah, Muhammad Putra Atika Agustina Az Zahra, Lutfiah Azizah Putri Berimah Berimah, Azizah Putri Diah Kartika Sari Dina Maulina Dwi Purnomo Aji Dwicahyani, Rania Efrinalia, Winta Ernalida Ernalida Falka, Ahmad Firdaus Fena Siska Putriyani Firdausi, Huriyatul Fitra Ritonga, Ahmad Fitriyani Fitriyani Frida Ramadian Gelby Pradina Paramitha Hamdi Akhsan Hartono Hartono Hartono Hartono Hartono Hartono Hartono Hartono Hepiyani, Hepiyani Herlambang, Dominikus Krisna Husna, Tsabita Ida Sriyanti Ida Sriyanti Iful Amri Iskhaq Iskandar Ismet Ismet Ismet, Ismet Jesi Pebralia Ketang Wiyono Ketang Wiyono Ketang Wiyono KHOIRUN NISA Kistiono Kistiono Kistiono Kistiono Kristylia Sury Laras Sapitri, Cindy Leni Marlina Manurung, Nia Three May Sari Melati, Pegi Meli Asma Desti Melvany, Nanda Eva Milka, Ikbal Adrian Mindia Vanessa Pratiwi, Sri Muhamad Yusup Muhammad afrizal Muhammad Aufa Riyaldo Muhammad Irfan Muhammad Irfan Muhammad Muslim muhammad muslim Muhammad Muslim Muhammad Muslim, Muhammad Muhammad Romadoni Muhammad Yusuf Muhammad Yusup Mulyadi Eko Purnomo, Mulyadi Eko Murnia Murniati Murniati . Muslimah, Resta Ulis Nely Andriani Nely Andriani, Nely Nilam Cahyati Novi Yusliani Nur Julia Ningsih Nurhikmah, Putri Nurjannah Nurjannah Nuzula, Khalidatun Patriot, Evelina Astra Pertiwi, Nadiar Prameswari, Gisca Rivia Pratiwi Ineke Anwar Putra, Guruh Sukarno Putri Maulida, Nabila Putri, Astrid Yulinda Putri, Jamiatul Khairunnisa Putriyani, Fena Siska Rahmannisa, Amanda Rahmi Susanti Rahmi Susanti Rahmi Susanti Rahmi, Ani Ramadhani, Neysya Ditha Rara, Rara Ratu Ilma Indra Putri Redondo, Fernando Eric Rini Khoirunnisa Rita Inderawati Ritonga, Ahmad Fitra Rizki Novianti, Rizki Romadoni, Muhammad Sakinah Alawiyah Salmah Rianti Salsabillah, Zahwa Nur Saparini Saparini Sardianto Markos Siahaan Sardianto Markos Siahaan, Sardianto Markos Sari, Dwita Kartika Sary Silvhiany Sayyendra, Amelia Putri Seprina, Iin Setiyowati, Devi Ariska Siahaan, Sardianto Marcos Siti Nur Azizah Sri Mindia Vanessa Pratiwi Sri Zakiyah Sudirman Sudirman Sudirman Sudirman Sudirman, Sudirman Suhadi Suhadi Suhanda, Alfin Sunyono - - Supari Supari Supari Supari, Supari Suryaningsih, Ruth Magdalena Syahrani, Revanola Gusti Syarifudin, Agus Syuhendri, Syuhendri Taufiq Taufiq Tine Aprianti Tita Ratna Wulan Dari Utami, Amanda Kurnia Viyanti Viyanti Wailaina Wati, Lira Diska Yenny Anwar Zahlia, Marsela Zahra Alwi, Zahra Zulherman Zulherman Zulherman Zulherman, Zulherman