Article Per Year (5 Year)
p-Index From 2019 - 2024
8.011
P-Index
This Author published in this journals
All Journal Jurnal Infinity Indonesian Journal of Mathematics and Natural Sciences Kreano, Jurnal Matematika Kreatif-Inovatif Rekayasa: Jurnal Penerapan Teknologi dan Pembelajaran JURNAL PROFESI KEGURUAN Eduma : Mathematics Education Learning and Teaching Math Didactic: Jurnal Pendidikan Matematika Jurnal Cendekia : Jurnal Pendidikan Matematika Journal on Education Unnes Journal of Mathematics Education Research Journal of Primary Education MEJ (Mathematics Education Journal) JIKAP PGSD: Jurnal Ilmiah Ilmu Kependidikan Hipotenusa : Journal of Mathematical Society Riemann: Research of Mathematics and Mathematics Education Jurnal Wahana Pendidikan Unnes Journal of Mathematics Education Unnes Journal of Mathematics Jurnal Pendidikan Progresif Prima Magistra: Jurnal Ilmiah Kependidikan Journal of Mathematics Learning Innovation (JMLI) Prosiding Seminar Nasional Pascasarjana Proceeding of International Conference on Science, Education, and Technology JNPM (Jurnal Nasional Pendidikan Matematika)
Scolastika Mariani
Unknown Affiliation
Humanities Education Engineering Mathematics Public Health Social Sciences Other

Published : 95 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search
Journal : Unnes Journal of Mathematics

 1   2 
PERBANDINGAN TAKSIRAN VALUE AT RISK DENGAN PROGRAM R DAN MATLAB ANALISIS INVESTASI SAHAM MENGGUNAKAN METODE GARCH Sari, Fenny Tunjung; Mariani, Scolastika
Unnes Journal of Mathematics Vol 5 No 2 (2016)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v5i2.13120

Abstract

Value at Risk (VaR) became a popular statistical method used to measure the risk investing. When estimating it require forecasting volatility. One of methods for modeling the heteroscedastic volatility called Generalized Autoregressive Conditional Heteroscedasticity (GARCH). The goal of this research are compare the result estimated it, by R program and MATLAB program, and then comparing accuracy of them. This research used data index March 4, 2013 to October 1, 2014. The result show that the forecasting it with probability 95% and 15-days horizon on R program is -0,2224606 then MATLAB program is -0,215263. While the result of calculation Mean Square Error (MSE) respectively R and MATLAB programs are 0,0003623 and 0,0003609. MATLAB program is the best level of accuracy in forecasting variansi. They have been modeling the volatility of LQ45 stock index to estimate it, using GARCH(1,1) model
ANALISIS INTERVENSI FUNGSI STEP PADA HARGA SAHAM (STUDI KASUS SAHAM PT FAST FOOD INDONESIA Tbk) Sari, Ratna Novita; Mariani, Scolastika; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 5 No 2 (2016)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v5i2.13131

Abstract

The analysis of the intervention is analysis a time series data that is affected by events outside the control of which may result in a change in the time series. Intervention analysis is used to analyze the data time series data of known intervention time. The main objective of this research is to determine the best intervention model on price of stock data PT Fast Food Indonesia Tbk period December 2013-January 2014, so the best forecasting method can be used to predict price of stock data PT Fast Food Indonesia Tbk for the next period with the help of SAS software program. Based on the analysis of the obtained the best intervention model that is a model of ARIMA (2,4,2) with the order of b = 20, s = 5, r = 0. The model of forecasting results obtained with the model of the step function intervention shows that the value of his predictions are within the threshold interval 95% confident with the results of the Eastern 70.82, MSE amounting to 386.94, and the RMSE of 19.671. So the forecast results can be used to estimate the daily price of stock data PT Fast Food Indonesia Tbk on 23 January 2014 to 20 February 2014 post intervention due to the occurrence of a policy dividend that caused significantly decreased just around the time the intervention only.
Pemodelan Geographically Weighted Regression (GWR) dengan Fungsi Pembobot Kernel Gaussian dan Bi-Square Lutfiani, Nurul; Sugiman, Sugiman; Mariani, Scolastika
Unnes Journal of Mathematics Vol 8 No 1 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i1.17103

Abstract

Model spasial Geographically Weighted Regression (GWR) adalah salah satu metode statistika yang dapat digunakan untuk menganalisis faktor risiko secara spasial dengan pendekatan titik. Fungsi pembobot yang digunakan untuk model GWR adalah fungsi kernel gaussian dan bi-square. Langkah analisis yang dilakukan yaitu melakukan pengujian dengan metode OLS. Dalam pengujian diperoleh 2 variabel yang signifikan, selanjutnya melakukan pengujian menggunakan metode GWR. Membandingkan nilai R2 dan AIC antara model GWR dengan fungsi pembobot kernel gaussian dan bi-square menggunakan Program R. Berdasarkan hasil penelitian yang diperoleh Tabel ANOVA untuk menguji kebaikan GWR secara global, model GWR lebih efektif daripada OLS. Diperoleh model GWR dengan fungsi pembobot gaussian di Kabupaten Cilacap yi = 0,017574 – 0,714742X1 + 0,812049X3 , nilai R2 sebesar 77,47% , nilai AIC sebesar 53,44198 dan model GWR dengan fungsi pembobot bi-square di Kabupaten Cilacap yi = -0,024805 -0,716867X1 +0,832846X3, nilai R2 sebesar 76,19%, nilai AIC sebesar 54,64947. Nilai R2 terbesar dan nilai AIC terkecil dimiliki oleh model GWR dengan kernel gaussian.
PENENTUAN HARGA OPSI ASIA MENGGUNAKAN METODE SIMULASI MONTE CARLO DENGAN TEKNIK REDUKSI VARIANSI Habaib, Taufik Nur; Mariani, Scolastika; Arifudin, Riza
Unnes Journal of Mathematics Vol 7 No 1 (2018)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v7i1.20394

Abstract

Penelitian ini bertujuan untuk mengetahui keefisienan teknik reduksi variansi yang diterapkan pada metode simulasi Monte Carlo dalam menentukan harga opsi beli Asia PT. Adhi Karya (Persero) Tbk. pada saat jatuh tempo 3 bulan menggunakan GUI Matlab. Teknik reduksi variansi yang digunakan dalam penelitian ini adalah metode variabel antithetik. Pada penelitian ini ditentukan parameter-parameter harga saham awal kontrak (S0) sebesar Rp2680, harga eksekusi (K) sebesar Rp2116, tingkat bunga bebas risiko (r) adalah 5%, waktu jatuh tempo (T) selama 3 bulan, volatilitas harga saham ( ) adalah 1,6, dan jumlah simulasi sebanyak 10.000 kali. Dari parameter-parameter tersebut kemudian diperoleh harga opsi beli Asia sebesar Rp766,7 dengan standar eror 6,2952. Harga opsi beli Asia tersebut diperoleh setelah diasumsikan konvergen pada periode waktu harga saham ke-500, sedangkan standar eror-nya diperoleh setelah direduksi rata-rata sebesar 45,8%. Implikasi bagi investor dan pelaku di pasar modal adalah apabila investor ingin melakukan investasi pada opsi Asia, maka dalam memprediksi harga opsi belinya dapat dilakukan dengan menggunakan program aplikasi GUI Matlab dari penelitian ini
PEMODELAN COVARIAN BASED STRUCTURAL EQUATION MODELING (CB-SEM) UNTUK KUALITAS PELAYANAN DI PT TUMBAS SINERGI INDONESIA Hidayati, Nur; Mariani, Scolastika; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.23651

Abstract

Dewasa ini, perkembangan dunia bisnis semakin berkembang pesat dan ketat, sehingga banyak perusahaan dihadapkan pada tantangan yang cukup berat, yaitu pelanggan menginginkan kualitas pelayanan yang lebih baik. Salah satu perusahaan baru di Indonesia yang dihadapkan pada tantangan tersebut ialah PT Tumbas Sinergi Indonesia. Oleh sebab itu, penelitian ini bertujuan membentuk suatu pemodelan mengenai kualitas pelayanan dari PT Tumbas Sinergi Indonesia, untuk mengetahui besar pengaruh dan signifikansi kualitas pelayanan terhadap kepuasan pelanggan dan loyalitas pelanggan dengan menggunakan analisis Covarian Based Structural Equation Modeling (CB-SEM) dan jenis pemodelan non-recursive (timbal balik). Data yang telah diperoleh dianalisis menggunakan program LISREL 8.80. Hasil penelitian menunjukkan bahwa data tidak mengikuti distribusi normal multivariat sehingga berdasarkan asumsi ketidaknormalan data maka model diestimasi menggunakan metode ML dengan mengoreksi standart error dan beberapa goodness of fit indices. Jadi Variabel kualitas pelayanan memiliki nilai koefisien jalur ( ) sebesar 0,90 terhadap kepuasan pelanggan, variabel kepuasan pelanggan memiliki nilai koefisien jalur ( ) sebesar 0,61 terhadap kepuasan pelanggan, dan variabel loyalitas pelanggan (LP) mempunyai nilai koefisien jalur ( ) terhadap kualitas pelayanan (KL) dan koefisien jalur ( ) sebesar 0,20 begitu pula sebaliknya sebab terjadi hubungan timbal balik antar kedua variabel.Dewasa ini, perkembangan dunia bisnis semakin berkembang pesat dan ketat, sehingga banyak perusahaan dihadapkan pada tantangan yang cukup berat, yaitu pelanggan menginginkan kualitas pelayanan yang lebih baik. Salah satu perusahaan baru di Indonesia yang dihadapkan pada tantangan tersebut ialah PT Tumbas Sinergi Indonesia. Oleh sebab itu, penelitian ini bertujuan membentuk suatu pemodelan mengenai kualitas pelayanan dari PT Tumbas Sinergi Indonesia, untuk mengetahui besar pengaruh dan signifikansi kualitas pelayanan terhadap kepuasan pelanggan dan loyalitas pelanggan dengan menggunakan analisis Covarian Based Structural Equation Modeling (CB-SEM) dan jenis pemodelan non-recursive (timbal balik). Data yang telah diperoleh dianalisis menggunakan program LISREL 8.80. Hasil penelitian menunjukkan bahwa data tidak mengikuti distribusi normal multivariat sehingga berdasarkan asumsi ketidaknormalan data maka model diestimasi menggunakan metode ML dengan mengoreksi standart error dan beberapa goodness of fit indices. Jadi Variabel kualitas pelayanan memiliki nilai koefisien jalur ( ) sebesar 0,90 terhadap kepuasan pelanggan, variabel kepuasan pelanggan memiliki nilai koefisien jalur ( ) sebesar 0,61 terhadap kepuasan pelanggan, dan variabel loyalitas pelanggan (LP) mempunyai nilai koefisien jalur ( ) terhadap kualitas pelayanan (KL) dan koefisien jalur ( ) sebesar 0,20 begitu pula sebaliknya sebab terjadi hubungan timbal balik antar kedua variabel.
Pemodelan Spasial Menggunakan Geographically Weighted Regression dengan Pembobot Fixed Kernel Gaussian dan Adaptive Kernel Bisquare Pratiwi, Yuninda Diah; Mariani, Scolastika; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 8 No 1 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i1.24017

Abstract

Abstrak Model regresi linier secara umum bersifat global, dimana estimasi parameternya bernilai sama untuk semua lokasi. Pada kenyataannya, antara lokasi satu dengan lainnya memiliki kondisi yang berbeda, sehingga data antar pengamatan sulit dianalisis menggunakan regresi linier. Mengabaikan uji keragaman spasial dalam model regresi akan mengakibatkan hasil yang diperoleh kurang sesuai. GWR merupakan metode statistika yang digunakan dalam menganalisis keragaman spasial. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi AHH dengan membandingkan model terbaik dari regresi linier dengan GWR pada pembobot fixed kernel gaussian dan adaptif kernel bisquare. Data yang digunakan bersumber dari Profil Kesehatan Provinsi Jawa Tengah Tahun 2016 dan Provinsi Jawa Tengah Dalam Angka 2017. Software yang digunakan adalah R.3.4.3 dan ArcView GIS 3.3. Hasil penelitian menunjukkan model GWR dengan fungsi pembobot fixed kernel gaussian merupakan model terbaik dilihat dari AIC terkecil sebesar dan ( terbesar sebesar . Terbentuk 8 kelompok lokasi yang memiliki peubah penjelas sama yang signifikan terhadap AHH. Abstract Linear regression model is generally global, its parameter estimates the same value for all locations. In fact, the location with others has different conditions, so the data between observations was difficult to be analyzed using linear regression. Ignoring the spatial diversity test in the regression model will give less well-matched results. GWR is one of a statistical method used in analyzing spatial diversity. This study aims to analyze the factors that influence AHH by comparing the best model of linear regression with GWR in fixed kernel gaussian and adaptive kernel bisquare. The data that used cofmes from Health Profile of Central Java Province in 2016 and Central Java Province In 2017. Software that used is R.3.4.3 and ArcView GIS 3.3. The result shows that GWR model with fixed kernel gaussian weighting function is the best model that can be seen from the smallest AIC of and the biggest ( is . There were location groups having the same independent variables that were significant to AHH.
PEMODELAN REGRESI SPASIAL MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN PEMBOBOT FIXED KERNEL GAUSSIAN DAN ADAPTIVE KERNEL BISQUARE Pratiwi, Yuninda Diah; Mariani, Scolastika; Hendikawati, Putriaji
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.24886

Abstract

Model regresi linier secara umum bersifat global, dimana estimasi parameternya bernilai sama untuk semua lokasi. Pada kenyataannya, antara lokasi satu dengan lainnya memiliki kondisi yang berbeda. Hal ini memungkinkan adanya keragaman spasial antar lokasi. GWR merupakan metode statistika yang digunakan dalam menganalisis keragaman spasial. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi AHH dengan membandingkan model terbaik dari regresi linier dengan GWR pada pembobot fixed kernel gaussian dan adaptif kernel bisquare. Data yang digunakan bersumber dari Profil Kesehatan Provinsi Jawa Tengah Tahun 2016 dan Provinsi Jawa Tengah Dalam Angka 2017. Software yang digunakan adalah R.3.4.3 dan ArcView GIS 3.3. Uji kesesuaian model dilakukan untuk mengetahui adanya perbedaan antara model regresi linier dengan GWR. Hasil penelitian menunjukkan model GWR dengan pembobot fixed kernel gaussian merupakan model terbaik dilihat dari AIC terkecil sebesar dan ( terbesar sebesar . Terbentuk 8 kelompok lokasi yang memiliki peubah penjelas sama yang signifikan terhadap AHH.
PEMODELAN RECIPROCAL SEM UNTUK SERVICE QUALITY DI PT APLIKASI KARYA ANAK BANGSA (GO-JEK) SEMARANG Jannah, Anita Nur; Mariani, Scolastika
Unnes Journal of Mathematics Vol 9 No 2 (2020)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v9i2.37669

Abstract

Teknik analisis Structural Equation Modeling (SEM) sudah dikembangkan oleh para ahli sejak tahun 1920-an, tetapi saat ini masih jarang yang menganalisis menggunakan jenis pemodelan dengan bentuk non-recursive yaitu pemodelan reciprocal yang memungkinkan adanya hubungan timbal balik antara variabel dalam suatu model. Oleh sebab itu, penelitian ini bertujuan membentuk suatu pemodelan reciprocal mengenai service quality dari PT Aplikasi Karya Anak Bangsa (Go-Jek) Semarang, untuk mengetahui pengaruh hubungan reciprocal antara service quality dan customer loyalty yang dianalisis menggunakan Covarian Based Structural Equation Modeling (CB-SEM) dan menggunakan program LISREL 8.80. Metode yang digunakan untuk mengestimasi model adalah metode ML dengan mengoreksi standart error dan beberapa goodness of fit indices karena data tidak berdistribusi normal multivariat. Hasil penelitian menunjukkan bahwa antara variabel service quality dan variabel customer loyalty tidak ada pengaruh hubungan timbal balik (reciprocal). Jadi, variabel service quality berpengaruh positif sebesar 0,15 terhadap variabel customer loyalty tetapi variabel customer loyalty berpengaruh negatif sebesar 0,43 terhadap variabel service quality.
Penerapan JST dengan metode learning vector quantization untuk klasifikasi penyakit ISPA Setyowati, Endang; Mariani, Scolastika
Unnes Journal of Mathematics Vol 10 No 1 (2021)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v10i1.42693

Abstract

Jaringan syaraf tiruan salah satu alternatif untuk menyelesaikan berbagai macam permasalahan dalam pengambilan keputusan berdasarkan pelatihan yang diberikan. Aplikasi JST dapat diterapkan dalam berbagai bidang, salah satunya dalam bidang kesehatan. Learning Vector Quantization (LVQ) salah satu metode JST yang berbasis pembelajaran kompetitif terawasi. Suatu lapisan akan secara otomatis belajar untuk mengklasifikasikan vektor-vektor input, jarak yang terdekat akan dikelompokkan dalam kelas yang sama. Angka penderita penyakit Infeksi Saluran Pernapasan Akut (ISPA) di Indonesia masih tinggi, ISPA harus ditangani dengan tepat sesuai diagnosis yang akurat. Dalam penelitian ini bertujuan untuk merancang sebuah aplikasi pengambilan keputusan dengan menerapkan JST metode LVQ untuk mendiagnosis penyakit ISPA berdasarkan gejala-gejala yang dialami pasien. Aplikasi ini dibuat dengan menggunakan software Matlab R2018a. Metode pengumpulan data yang digunakan yaitu metode kuantitatif yang berupa data primer dengan menggunakan kuesioner dan wawancara, data yang berhasil dikumpulkan dari Puskesmas Wedung 2 sebanyak 200 data. Dari beberapa pengujian menunjukkan bahwa learning rate (α)=0.02, error goal =0.01, iterasi maksimum 20, perbandingan data latih dan data uji sebesar 80:20 menghasilkan nilai diagnosis terbaik dengan rata-rata akurasi mencapai 96.5% dan akurasi tertinggi sebesar 100%. Dapat disimpulkan bahwa aplikasi yang dibuat mampu untuk mendiagnosis penyakit ISPA secara optimal.
PERBANDINGAN METODE ELMAN RECURRENT DAN RADIAL BASIS FUNCTION UNTUK PERAMALAN WISATAWAN Istiqomah Ambarwati; Scolastika Mariani
Unnes Journal of Mathematics Vol 11 No 2 (2022)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v11i2.61066

Abstract

Elman Recurent Neural Network (ERNN) adalah model jaringan syaraf yang memiliki minimal satu feedback loop, sedangkan Radial Basis Function Neural Network (RBFNN) adalah model JST yang mentransformasikan input secara nonlinier menggunakan fungsi aktivasi Gaussian pada lapisan tersembunyi sebelum diproses secara linier di lapisan output. Tujuan penelitian untuk memperoleh model terbaik dari ERNN dan RBFNN dengan fungsi pelatihan terbaik untuk peramalan jumlah kunjungan wisatawan mancanegara di Indonesia. Hasil ERNN model terbaik diperoleh pada arsitektur jaringan 2-15-1 dengan algoritma pelatihan gradient descent with momentum and adaptive learning rate dengan momentum 0,2 , learning rate 0,1 , nilai MSE dan MAPE pengujian sebesar 1,70E+10 dan 13,5869%, serta akurasi jaringan sebesar 86,4131%. Sedangkan hasil peramalan menggunakan RBFNN diperoleh model terbaik pada arsitektur jaringan 2-8-1 dengan algoritma pelatihan gradient descent with momentum and adaptive learning rate atau gradient descent with momentum dengan spread 1. Nilai MSE dan MAPE pengujian sebesar 1,26E-02 dan 6,7043%, serta akurasi jaringan sebesar 93,2957%. Model terbaik untuk peramalan jumlah kunjungan wisman adalah RBFNN (2-8-1). Elman Recurent Neural Network (ERNN) is a neural network model that has at least one feedback loop, while Radial Basis Function Neural Network (RBFNN) is an ANN model that transforms input nonlinearly using a Gaussian activation function in the hidden layer before being processed linearly in the output layer. The purpose of the study was to obtain the best model from ERNN and RBFNN with the best training fuction for forecasting the number of foreign tourist arrivals in Indonesia. The best ERNN model results are obtained on a 2-15-1 network architecture with a gradient descent with momentum and adaptive learning rate training algorithm with a momentum of 0.2, learning rate of 0.1, MSE and MAPE testing values 1.70E+10 and 13,5869%, and network accuracy of 86,4131%. While the results of forecasting using RBFNN obtained the best model on the network architecture 2-8-1 with a training algorithm gradient descent with momentum and adaptive learning rate or gradient descent with momentum with a spread of 1. The MSE and MAPE testing values 1.26E-02 and 6, 7043%, and network accuracy of 93.2957%. The best model for forecasting the number of foreign tourists visiting is RBFNN (2-8-1).
Co-Authors Abd. Rasyid Syamsuri Abduh, M. Faisal Agus Yulianto Al Ashari, Shoib Rizal Amin Suyitno Amin, Ihdi Ardhi Prabowo Arief Agoestanto Asna, Alivia Nur Astuti, Raras Setya Astuti, Sri Ady Azzahra, Tsania Rahma Bambang Eko Susilo Bambang Eko Susilo Bayujaga, Dian Budi Waluya Damaryanti, Desi Dwi Daroinis Sa’adah Dedeh Kurniasih Dr. Masrukan, Dr. Dwi Erna Novianti Dwijanto Dwijanto Dwijanto Dwijanto Dwijanto Dwijanto Dwijanto Dwijanto, Dwijanto Dwijayanto Dwijayanto E. Sulastri Edy Soedjoko Eko Supriyadi Ellya Masturina Hamid Endang Retno Winarti Endang Setyowati Endramawati, Tyas Ayun Enika Wulandari Erik Santoso Fani Laffanillah Fani Fathonah, Ika Ariwanti Fauziah, Isyatul Fitrianti, Dwi Agung Habaib, Taufik Nur Handayani, Kristina Haqiqi, Muhamad Irwan Hasriani Ishak Hening Windria Hikmasari, Prihatina Ihdi Amin Imanuel, Imanuel Indriani, Mikke Novia Iqbal Kharisudin Isnarto Isnarto Isnarto Isnarto Isnarto, Isnarto Isti Hidayah Istiqomah Ambarwati Iwan Junaedi Iwan Junaedi Jannah, Anita Nur Kartono - Kartono Kartono Khasmarawati, Vinda Kristina Wijayanti Kurniati, Chrisvonela Neri Lathifatun Ni'mah Lutfiani, Nurul M. Taufik Qurohman Ma'unah, Siti Malik, Ibnu Malik, Ibnu Marthinus Yohanes Ruamba Mashuri Mashuri Masrukan Masrukan Megita Dwi Pamungkas Megita Dwi Pamungkas Meilon, Beny Misa’adah, Fedriana Moh. Asikin Mohammad Asikin Muhammad Kharis Muhammad Marzuqi Mujiasih Mujiasih Mulyono Mulyono Mulyono Mulyono Muwahiddah, Ulil Nila Ubaidah Nofiyah, Noni Nugroho, Samuel Defri Nur Hidayati Nurariva Siregar Nurmutia, Halida Eka Nursasongko, Aditya Nuzul Putri Rahmawati Onwardono Rit Riyanto Pradina, Putri Dwi Pranawestu, Aditya Pratiwi, Yuninda Diah Putri, Dwi Liana Wella Putriaji Hendikawati Rahayu, Yenrika Kurniati Rahayuningsih, Rista Tri Ramadhani, Istika Ratri Ratnasari, Dwi Indah Rezky Bagus Pambudiarso, Rezky Bagus Ricky Fahmy, Ahmad Faridh Riza Arifudin Roby Sugiarto, Dede Retno Rochmad Rochmad Rochmad Rochmad Rosyidatul 'Ulya S. B. Waluya, S. B. Sa'adah, Daroinis Saiful Marom Saputri, Mike Sari, Fenny Tunjung Sari, Ratna Novita Sebastianus Fedi Setyaningsih, Lusianna Sri Solihah St. Budi Waluya Sudarsono Sudarsono Sugiman Sugiman Sukestiyarno Sukestiyarno Sunarmi Sunarmi Sunarti Susanti Susanti Vera Dewi Susanti Wahyu Ning Dewi Kumalaretna Wardono Wardono Wardono Wardono Widiastuti, Ririn Wijaya, Teguh Ananta Winayus, Riyan Fikri YL Sukestiyarno YL. Sukestiyarno Yoni Sunaryo Zaenuri Mastur