Claim Missing Document
Check
Articles

PERBANDINGAN ESTIMASI VOLATILITAS HARGA OPSI BELI SAHAM APPLE INC. (AAPL) DENGAN METODE BISECTION DAN SECANT Radinasari, Nur Ismi; Sulistianingsih, Evy; Martha, Shantika
EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN (EPSILON: JOURNAL OF PURE AND APPLIED MATHEMATICS) Vol 18, No 1 (2024)
Publisher : Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/epsilon.v18i1.11638

Abstract

Stock price volatility is a measure of how far a stock price moves in a given Stock price volatility is a measure of how far a stock price moves in a given time. The theory developed by Black-Scholes states that every option price with the same 'underlying asset' and the same time to maturity but with different exercise values will have the same Implied Volatility value. However, this is not always the case in the market. Therefore, it is necessary to estimate volatility known as Implied Volatility, which is considered an appropriate method in estimating volatility values. This study compares the Bisection and Secant methods to estimate the volatility of Apple Inc. (Aapl) stock. This study uses data on the closing price of the stock in the period September 29, 2022 to September 29, 2023. Volatility estimation for the Bisection and Secant methods by determining the initial approximation and limiting it to a maximum of 100 simulations and iteration stops if it has produced a relative error smaller than  = . The  is an error tolerance limit, the smaller the error tolerance, the more accurate it is. According to the research results, the Bisection method produces an estimated volatility value of 0.498212 at the 9th iteration, while the Secant method produces an estimated value of 0.498590 at the 10th iteration. The Secant method produces a smaller relative error value of 0.000096, indicating that the Secant method is more accurate than the Bisection method.
CLUSTERING DISTRICT/CITY IN WEST KALIMANTAN BASED ON FACTORS CAUSING STUNTING USING K-HARMONIC MEANS METHOD Imanni, Rahmania Andarini Hatti; Sulistianingsih, Evy; Perdana, Hendra
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 12, No 1 (2024): Jurnal Statistika Universitass Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jsunimus.12.1.2024.%p

Abstract

Stunting is a chronic nutritional problem caused by inadequate dietary intake over time. The results of the Indonesian Nutrition Status Survey (SSGI) 2021 show that the percentage of stunting in West Kalimantan is 29.8%, higher than the national average. Based on the high number of stunting cases in West Kalimantan, it is necessary to group districts/cities in West Kalimantan based on the factors that cause stunting. This study aims to analyze the clustering of districts/cities in West Kalimantan based on the factors that cause stunting using the K-Harmonic Means method and analyze the number of optimal clusters using the silhouette coefficient. The percentage of households without access to clean drinking water , the rate of exclusive breastfeeding , the percentage of low birth weight babies born safely , the percentage of households without proper sanitation facilities  in 2021 are the variables analyzed in this study. The analysis results show that the optimal number of clusters is 4 with a silhouette coefficient value of 0.744, indicating a solid structure in the grouping. Cluster 1 is a cluster with a very high causal factor for stunting. The most influential factors in cluster 1 are households without access to clean drinking water, lack of exclusive breastfeeding, and low birth babies born safely.
PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KEMATIAN IBU HAMIL DENGAN REGRESI ZERO INFLATED GENERALIZED POISSON (ZIGP) Perangin Angin, Christi Alemsa; Debataraja, Naomi Nessyana; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i4.77971

Abstract

Angka Kematian Ibu (AKI) adalah parameter kesejahteraan wanita, parameter kesejahteraan sebuah negara serta menggambarkan hasil capaian pembangunan sebuah negara. Sejak tahun 2018 hingga 2021 AKI di Kapuas Hulu mengalami peningkatan. Pada tahun 2018 AKI di Kapuas Hulu sebesar 71 per 100.000 kelahiran hidup (KH) dan tahun 2021 naik menjadi 173 per 100.000 KH, sedangkan target Sustainable Development Goals (SDGs) adalah kurang dari 70 per 100.000 KH. Data AKI tersebut merupakan data diskrit yang berdistribusi Poisson. Namun jika dilihat berdasarkan kecamatan yang ada di Kapuas Hulu, masih terdapat AKI yang nol kematian. Proporsi data nol yang berlebihan pada variabel respon dapat menyebabkan adanya masalah zero inflation. Nilai nol yang berlebihan dalam Regresi Poisson dapat menyebabkan terjadinya pelanggaran asumsi equidispersi. Hal tersebut dapat diatasi dengan Regresi ZIGP. Penelitian ini bertujuan untuk memodelkan dan menentukan faktor kematian ibu hamil di Kabupaten Kapuas Hulu tahun 2018-2021 menggunakan Regresi ZIGP. Data yang digunakan pada penelitian ini adalah data profil kesehatan di 23 kecamatan yang ada di Kabupaten Kapuas Hulu. Variabel respon ( ) yang digunakan yaitu jumlah kematian ibu hamil. Data tersebut terlebih dahulu dilakukan pengujian asumsi equidispersi. Jika terjadi pelanggaran asumsi equidispersi, maka langkah selanjutnya yaitu melakukan pengujian asumsi Zero Inflation. Apabila terjadi pelanggaran asumsi Zero Inflation, maka pemodelan dapat dilakukan dengan menggunakan Regresi ZIGP. Proporsi nilai nol pada variabel tersebut sebanyak 92%, sehingga terdapat masalah Zero Inflation dan mengindikasikan terjadinya overdispersi pada Regresi Poisson. Berdasarkan hasil pemodelan terbaik dengan Regresi ZIGP, persentase kunjungan ibu hamil pertama (K1) merupakan faktor yang berpengaruh terhadap jumlah kematian ibu hamil.  Kata Kunci: AKI, ZIGP, Overdispersi.
MODERATED PLS-SEM: PERAN IHSG SEBAGAI MODERATOR DI ANTARA RASIO KEUANGAN DAN NILAI PERUSAHAAN PERBANKAN Rifqi, Bhima Fairul; Sulistianingsih, Evy; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i5.84970

Abstract

Perusahaan merupakan satu dari sekian banyak aset yang sangat berharga dan bernilai. Semakin bagus kinerja suatu perusahaan, semakin naik pula harga dan nilai dari perusahaan tersebut. Hasil kinerja suatu perusahaan dimuat di dalam laporan keuangan yang dalam bentuk rasio-rasio keuangan. Salah satu metode yang dapat diterapkan untuk melakukan analisis nilai perusahaan ialah Moderated Partial Least Squared-Structural Equation Modeling (Moderated PLS-SEM). Moderated PLS-SEM merupakan metode PLS-SEM yang melibatkan variabel moderator. PLS-SEM adalah teknik analisis multivariat berbasis varian yang tidak memerlukan asumsi normalitas dan bisa digunakan pada sampel yang berjumlah relatif kecil, sedangkan variabel moderator merupakan variabel yang bisa meningkatkan atau menurunkan tingkat hubungan antara variabel laten eksogen (ξ) dan variabel laten endogen (η), melalui pembentukan variabel interaksi. Variabel interaksi adalah variabel yang terbentuk dari interaksi antara variabel laten eksogen dan variabel moderator. Penelitian ini berfokus pada analisis pengaruh rasio-rasio keuangan (profitabilitas, likuiditas, dan solvabilitas) terhadap nilai perusahaan perbankan, serta peran Indeks Harga Saham Gabungan (IHSG) dalam memoderasi hubungan antara rasio-rasio keuangan dan nilai perusahaan. Kesimpulan yang didapat ialah hanya profitabilitas yang memberikan pengaruh signifikan terhadap nilai perusahaan perbankan dan IHSG dapat memperkuat hubungan antara rasio solvabilitas dan nilai perusahaan.  Profitabilitas dan variable interaksi yang terbentuk antara solvabilitas dan IHSG mempengaruhi nilai perusahaan sebesar 46,2%.Kata Kunci:  Rasio Keuangan, Interaksi, Moderasi.
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR KESEJAHTERAAN MASYARAKAT DENGAN ALGORITMA K-MEANS++ Nabilah, Niken Aushaf; Perdana, Hendra; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77795

Abstract

Pemerataan kesejahteraan masyarakat masih menjadi salah satu fokus bagi pemerintah Indonesia hingga sekarang. Kesejahteraan masyarakat merupakan suatu konsep yang mencakup berbagai aspek kehidupan, sehingga menjadi salah satu indikator dalam mengukur kemajuan suatu negara. Oleh karena itu, analisis cluster diperlukan untuk mengelompokkan provinsi di Indonesia berdasarkan indikator kesejahteraan masyarakat. Analisis cluster merupakan metode pengelompokan objek berdasarkan karakteristik objek tersebut. Algoritma K-Means++ digunakan dalam penelitian ini untuk mengkaji pengelompokan provinsi-provinsi di Indonesia berdasarkan indikator kesejahteraan masyarakat. Selain itu, untuk menganalisis jumlah cluster optimal yang terbentuk digunakan silhouette coefficient. Data dalam penelitian ini merupakan data 10 indikator kesejahteraan masyarakat tahun 2022. Berdasarkan hasil analisis, diperoleh jumlah cluster optimal yaitu 3 cluster dengan nilai silhouette coefficient terbesar, yaitu 0,2777. Cluster 1 merupakan cluster dengan tingkat kesejahteraan masyarakat menengah dan terdiri dari 27 provinsi. Cluster 2 terdiri dari 3 provinsi dan merupakan cluster dengan tingkat kesejahteraan masyarakat rendah. Dan cluster 3 yaitu cluster dengan tingkat kesejahteraan masyarakat yang tinggi dan terdiri dari 4 provinsi.  Kata Kunci : kesejahteraan, analisis cluster, kemiskinan, silhouette coefficient
METODE ENSEMBLE K-NEAREST NEIGHBOR UNTUK PENINGKATAN AKURASI PREDIKSI INDEKS HARGA SAHAM GABUNGAN DI INDONESIA Ananda, Adelia; Sulistianingsih, Evy; Yundari, Yundari
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77705

Abstract

Indeks Harga Saham Gabungan (IHSG) merupakan gabungan dari berbagai saham yang terdapat di Indonesia dan tercatat di bursa efek Indonesia yang dihitung nilai rata-rata dari beberapa saham tersebut. IHSG adalah alat yang membantu investor melacak keseluruhan pergerakan nilai saham dari waktu ke waktu. Metode analisis diperlukan untuk meramalkan bagaimana harga saham akan berkembang di masa depan. Metode yang umum digunakan untuk memprediksi IHSG adalah metode K-Nearest Neighbor. Penelitian ini menggunakan kombinasi dari beberapa hasil prediksi KNN untuk mendapatkan sebuah hasil prediksi akhir, yaitu dengan menambahkan teknik Ensemble. Penelitian ini bertujuan untuk menganalisis hasil akurasi metode KNN yang dioptimasi dengan teknik Ensemble. Variabel respon yang digunakan dalam penelitian ini adalah Indeks Harga Saham Gabungan, sedangkan variabel prediktornya adalah harga emas, indeks Nikkei 225 dan nilai tukar rupiah terhadap dolar. Data yang digunakan adalah data mingguan dari Januari 2021 sampai Maret 2022 sebanyak 64 periode, untuk data training dan testing masing-masing sebanyak 52 periode dan 12 periode. Nilai k yang digunakan pada penelitian ini yaitu 3, 5, 7, 9, dan 11. Hasil analisis yang telah dilakukan diperoleh nilai Mean Absolute Percentage Error (MAPE) yaitu sebesar 10,656%. Berdasarkan nilai tersebut maka nilai prediksi IHSG di Indonesia dengan metode K-Nearest Neighbor yang dioptimasi dengan teknik Ensemble memiliki akurasi yang baik. Dari hasil tersebut dapat disimpulkan bahwa ketika metode KNN dioptimasi dengan teknik Ensemble memiliki nilai MAPE yang lebih besar dibandingkan dengan nilai MAPE KNN tunggal yang memiliki nilai MAPE terkecil pada k=11. Oleh karena itu metode KNN yang dioptimasi dengan teknik ensemble tidak memberikan peningkatan akurasi pada prediksi Indeks Harga Saham Gabungan (IHSG).  Kata Kunci : ensemble KNN, indeks harga saham gabungan, prediksi.
APPLICATION OF THE QUEST AND CHAID METHODS IN CLASSIFYING STUDENT GRADUATION Banu, Syarifah Syahr; Sulistianingsih, Evy; Debataraja, Naomi Nessyana; Satyahadewi, Neva
VARIANCE: Journal of Statistics and Its Applications Vol 6 No 2 (2024): VARIANCE: Journal of Statistics and Its Applications
Publisher : Statistics Study Programme, Department of Mathematics, Faculty of Mathematics and Natural Sciences, University of Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/variancevol6iss2page155-164

Abstract

Graduation is the final result of the learning process during the course. Student graduation time is affected by many factors. Whether or not the time of student graduation is appropriate is an important thing that must be considered. Graduating well and on time is one measure of success in the learning process. This research aims to build a student graduation classification model by applying the QUEST (Quick, Unbiased, and Efficient, Statistical Tree) and CHAID (Chi-squared Automatic Interaction Detection) methods, examining the factors that affect student graduation, and comparing the classification results of the two methods. Both methods produce output in the form of tree diagrams, making it easier to interpret. Based on the classification tree formed from the two methods, four final nodes of the classification tree were generated, and three categories were grouped. Factors that affect student graduation include age and IPK. The classification results show that the percentage of classification accuracy for student graduation with QUEST and CHAID methods is 76.1%.
APPLICATION OF C4.5 ALGORITHM WITH FEATURE SELECTION IN CLASSIFICATION OF DISCHARGE STATUS OF HEAD INJURY PATIENTS ., Putri; Sulistianingsih, Evy; Imro'ah, Nurfitri; Debataraja, Naomi Nessyana
VARIANCE: Journal of Statistics and Its Applications Vol 6 No 2 (2024): VARIANCE: Journal of Statistics and Its Applications
Publisher : Statistics Study Programme, Department of Mathematics, Faculty of Mathematics and Natural Sciences, University of Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/variancevol6iss2page165-174

Abstract

Head trauma is a medical emergency that can cause brain damage and disability, leading to death. The discharge status of injured patients is classified into two: alive and dead. The purpose of this study is to apply the C4.5 algorithm without feature selection and by using Chi-Square and Mutual Information feature selection to show independent variables that significantly influence the discharge status of head injury patients. This research data is secondary data of patients who suffered head injuries at Dr. Abdul Aziz Hospital, Singkawang City, in 2019-2021. The independent variables used were age, gender, length of hospitalization, etiology of head injury, Suprasellar Cistern, and Glasscow Coma Scale, with the dependent variable being discharge status. Based on the study results, the Chi-Square feature selection results identified two variables that had a significant effect. In contrast, for the Mutual Information feature selection results, five variables had a significant impact on the dependent variable. The C4.5 Algorithm classification model without feature selection produces an accuracy of 88.57%, the C4.5 Algorithm classification model with Chi-Square feature selection produces an accuracy of 88.57%, and the C4.5 Algorithm classification model with Mutual Information feature selection produces an accuracy value of 91.42% with the highest accuracy obtained from the results of the C4.5 Algorithm model formation with Mutual Information feature selection.
Analisis Pembentukan Portofolio Optimal pada Indeks Saham LQ-45 dengan Metode Safety First Criterion Amalia, Disya Recita; Sulistianingsih, Evy; Imro'ah, Nurfitri
Jambura Journal of Mathematics Vol 6, No 2: August 2024
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjom.v6i2.24438

Abstract

An optimal portfolio of stocks is a combination of various stock investment assets chosen to provide the maximum level of return for a specified level of risk or provide a minimal level of risk for a specified level of return. Investors form an optimal stock portfolio with the aim of minimizing the risk of investment activities. This research discusses the formation of the optimal portfolio on LQ-45 index stocks with the Safety First Criterion method. There are three criteria in the Safety First method, namely Roy Safety First, Kataoka Safety First, and Telser Safety First. The three criteria of Safety First have the main similarity in focusing on investment risk and have different objectives. The optimal portfolio with Roy Safety First criteria aims to reduce the possibility of a high level of risk. Then, the optimal portfolio with Kataoka Safety First criteria, has the goal of maximizing returns, with a level of risk determined by investors. While the optimal portfolio of Telser Safety First criteria aims to achieve the highest expected return within a predetermined risk level. The data in this study are secondary data on the weekly closing price of the LQ-45 index for the period February 2021 to January 2023, which is 105 weeks. Based on the results of the analysis, the optimal portfolio formation for risk-loving investors is the Telser criteria portfolio. This portfolio consists of ADRO, BBNI, BMRI, ITMG, and MEDC stocks. Then, the optimal portfolio for risk-averse investors is the Roy criteria portfolio consisting of ADRO, BBNI, BMRI, MDKA, and MEDC stocks.
KLASIFIKASI WAKTU KELULUSAN MAHASISWA DENGAN KOMBINASI METODE RANDOM FOREST DAN ADABOOST (Studi Kasus: Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Tanjungpura) Salsabila, Hana; Sulistianingsih, Evy; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i1.91673

Abstract

Institusi perguruan tinggi berperan sebagai penyelenggara pendidikan akademik yang ditujukan bagi mahasiswa. Mahasiswa menjadi tolak ukur dalam menilai kualitas perguruan tinggi, salah satunya melalui tingkat kelulusan tepat waktu. Proporsi mahasiswa yang menyelesaikan studi tepat waktu merupakan salah satu indikator krusial dalam evaluasi akreditasi perguruan tinggi. Namun, masih banyak mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Tanjungpura (Untan) yang tidak lulus tepat waktu, sehingga mempengaruhi kualitas dan akreditasi institusi. Penelitian ini bertujuan untuk menerapkan kombinasi metode Random Forest dan AdaBoost dalam klasifikasi kelulusan mahasiswa serta menentukan akurasinya. Penelitian ini menggunakan data sekunder terkait kelulusan mahasiswa FMIPA Untan dari Periode I Tahun Akademik 2018/2019 hingga Periode II Tahun Akademik 2023. Analisis dimulai dari mendeskripsikan data kelulusan mahasiswa. Kemudian dilanjutkan ke tahap analisis Random Forest, lalu dilakukan evaluasi dengan menghitung nilai akurasinya. Selanjutnya algoritma AdaBoost diterapkan pada algoritma Random Forest, kemudian dilakukan evaluasi kembali dengan menghitung nilai akurasinya untuk melihat kinerja model. Hasil penelitian menunjukkan bahwa Algoritma Random Forest mampu mengklasifikasikan data sebanyak 53 data yang benar diklasifikasikan tepat waktu sedangkan 439 lainnya salah diklasifikasikan sedangkan pada data kelulusan tidak tepat waktu diketahui bahwa 1323 data yang benar diklasifikasikan tidak tepat waktu sedangkan 78 diantaranya salah diklasifikasikan dengan akurasi sebesar 72,7%. Penerapan tahap boosting dengan Algoritma AdaBoost menghasilkan peningkatan akurasi yang signifikan mencapai 96,8%. Atribut yang memiliki kontribusi terbesar dalam klasifikasi berdasarkan Random Forest adalah IPS Semester 3. Berdasarkan hasil penelitian, Algoritma AdaBoost terbukti efektif untuk meningkatkan akurasi Algoritma Random Forest dalam klasifikasi kelulusan mahasiswa.
Co-Authors ., Putri Abdul Maulana Agustono, Hendri Alqadri, Syarifah Putri Tasya Vahira Alsa Muarti Amalia, Disya Recita Ananda, Adelia Andani, Wirda Anggi Septiawan Anis Faiqo Tuzzainiyah Anisa Shafarianti Annisa Auliarahmi Ardhitha, Tiffany Atlantic, Virginnia AYU ASTUTI, AYU Banu, Syarifah Syahr Dadan Kusnandar Debataraja, Naomi Nessyana Desdianti, Maycandra Deva Kurnia Aristi Dhandio, David Jordy Dinanti, Rahila Dara Eka Lestari Eka Wahyuning Dhewanty Elga Fitaloka Fadhilah Rizky Aulia Febrant Alfariz Febryanti, Winda Ferdi Afrizal Fiqriani, Rizha Aynul Fransiska Fransiska Gristia Aldilla Gunawan, Risky Hadi, Muhammad Silmi Hafifah, Nanda Hanin, Noerul Hazwani Dhiya' Atiq Viatmaja Hendra Perdana Imanni, Rahmania Andarini Hatti Immy, Immy Imro'ah, Nurfitri IMRO’AH, NURFITRI Imro’ah, Nurfitri Jessica Audrey Valeria Kamila, Diva Rahma Khairina Auliannisa Laksono Trisnantoro Lisa Lestari Louis Putra Jaya Maga, Fahmi Giovani Maharani, Cinta Priscillia Maresha Widya Muliadiasti Maria Artameivia Putri Martha, Shantika Matius Robi Meilandra, Irvan Meliana Pasaribu Melvin, Melvin Mely Amara Putri Misno Misno Muhammad Fikri Mutiara Nurisma Rahmadhani Nabilah, Niken Aushaf Nanda Shalsadilla Naomi Nessyana Debataraja Natalia, Desa Ayu Nazwa Nursyifa Neva Satyahadewi Nurfitri Imro'ah Nurfitri Imro’ah Oktaviani, Indah Oktitannia, Dea Panawaristia, Brigitha Pebriyandi, Rifki Pendra, Yunus Eduard Perangin Angin, Christi Alemsa Pitriani Pitriani - Pratama, Aditya Nugraha Pratama, Yogi Priani, Wina Putra, Fajar Rahmana Radinasari, Nur Ismi Rahmah, Mhaulia Rahmania Andarini Hatti Imanni Resti Arsanti Rifqi, Bhima Fairul Risma Junian Salsabila, Hana Salsabila, Yumna Hanum Satrya, Ya’ Aditya Dian Savitri, Dini Dwi Sela Karlina Setyo Wir Rizki Setyo Wira Rizki Shantika Martha Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Sriyana Sriyana Sulya Hikma Yulandari Supandi Supandi Susanti Susanti Syafitri Wulandari Tamtama, Ray Tiara, Dinda Umiati, Wiji Wahyu Kurniasari Wati, Setio Kusumo Westi Widiyatari Wicaksono, Juwan Prioabil Dwi Wirda Andani Wulandari, Afrilia Putri Yohanna Gabriel Richsita Yundari, Yundari Yundari, Yundari Yustosio, Darwis Yuyun Eka Pratiwi Zakiah, Ainun Zaria, Della