Article Per Year (5 Year)
p-Index From 2019 - 2024
4.315
P-Index
This Author published in this journals
All Journal Pythagoras: Jurnal Matematika dan Pendidikan Matematika Journal on Mathematics Education (JME) Indonesian Journal of Mathematics and Natural Sciences Kreano, Jurnal Matematika Kreatif-Inovatif Pedagogi: Jurnal Pendidikan Dasar AKSIOMA JURNAL PENDIDIKAN MATEMATIKA Scientific Journal of Informatics Paedagoria : Jurnal Kajian, Penelitian dan Pengembangan Kependidikan Teorema: Teori dan Riset Matematika JKPM (Jurnal Kajian Pendidikan Matematika) JURNAL ILMIAH HUKUM DIRGANTARA JIIP (Jurnal Ilmiah Ilmu Pendidikan) Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Unnes Journal of Mathematics Education Unnes Journal of Mathematics Makara Journal of Technology Prosiding Seminar Nasional Pascasarjana Proceeding of International Conference on Science, Education, and Technology Jurnal Pedagogi Matematika
Sugiman Sugiman
Unknown Affiliation
Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Other

Published : 68 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 68 Documents
Search

 1   2   3   4   5 
EFISIENSI RELATIF ESTIMATOR FUNGSI KERNEL GAUSSIAN TERHADAP ESTIMATOR POLINOMIAL DALAM PERAMALAN USD TERHADAP JPY Kurniasih, Dedeh; Mariani, Scolastika; Sugiman, Sugiman
Unnes Journal of Mathematics Vol 2 No 2 (2013)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v2i2.3245

Abstract

Tujuan dari penulisan ini adalah untuk menganalisa efisiensi relatif estimator fungsi kernel Gaussian terhadap estimator polinomial, untuk membandingkan nilai MSE dari kedua estimator serta untuk mengetahui peramalan kurs USD terhadap JPY periode berikutnya dengan model terbaik. Metode pengumpulan data pada penelitian ini adalah kajian pustaka dan dokumentasi dari lembaga penukar mata uang, dalam hal ini adalah bank BI, BTN dan BOTM melalui internet. Data diambil dari data harian. Berdasarkan analisa diperoleh efisiensi relatif estimator fungsi kernel Gaussian terhadap estimator polinomial diperoleh sebesar 0.000088. Dengan varians dan MSE dari estimator fungsi kernel Gaussian adalah 0.3867 dan 0.000008886, sedangkan varians dan MSE dari estimator polinomial adalah 0.39019 dan 0.10078. Sehingga dapat disimpulkan bahwa estimator fungsi kernel Gaussian lebih efisien dan merupakan model terbaik karena varians dan nilai MSE estimator fungsi kernel Gaussian lebih kecil daripada estimator polinomial, Model terbaik dapat digunakan untuk peramalan berikutnya. Hasil peramalan dengan menggunakan model terbaik untuk hari ke-6 sebesar 82,6067.
Analysis of Mathematical Creative Thinking Ability Viewed from Students Learning Styles in Seventh Grader Through Treffinger Learning Model with Open-Ended Approach Triwibowo, Zanuar; Dwidayati, Nur Karomah; Sugiman, Sugiman
Unnes Journal of Mathematics Education Vol 6 No 3 (2017): Unnes Journal of Mathematics Education
Publisher : Department of Mathematics, Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujme.v6i3.17987

Abstract

Penelitian ini bertujuan untuk mengetahui apakah penerapan model pembelajaran Treffinger dengan pendekatan open-ended dapat mencapai ketuntasan belajar dan dapat meningkatkan kemampuan berpikir kreatif matematis siswa kelas VII serta untuk mengetahui bagaimana deskripsi kemampuan berpikir kreatif matematis siswa ditinjau dari gaya belajar. Gaya belajar yang dimaksud adalah gaya belajar visual, auditorial, dan kinestetik. Metode penelitian yang digunakan adalah mixed methods. Populasi dalam penelitian ini adalah siswa kelas VII SMPN 3 Ungaran dan pengambilan sampel dilakukan dengan random sampling. Sampelnya adalah kelas VII-F dan subjek penelitian dipilih dengan teknik purposive, diperoleh 6 subjek yang terbagi menjadi 2 subjek pada setiap tipe gaya belajar. Hasil penelitian menunjukkan bahwa (1) siswa yang menggunakan model pembelajaran Treffinger dengan pendekatan open-ended telah mencapai ketuntasan belajar, (2) Model pembelajaran Treffinger dengan pendekatan open-ended dapat meningkatkan kemampuan berpikir kreatif matematis kelas VII dengan indeks gain sebesar 0,47 kriteria sedang (3) kemampuan berpikir kreatif matematis siswa dengan gaya belajar visual mencapai level 4 (sangat kreatif), (4) kemampuan berpikir kreatif matematis siswa dengan gaya belajar auditorial dan gaya belajar kinestetik mencapai level 3 (kreatif).
PEMODELAN ARFIMA MELALUI ALFA HILL STABLE SEBAGAI PENENTU d DAN APLIKASINYA DALAM ESTIMASI HARGA SAHAM Pradina, Putri Dwi; Mariani, Scolastika; Sugiman, Sugiman
Unnes Journal of Mathematics Vol 3 No 2 (2014)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v3i2.4298

Abstract

Model ARFIMA (Autoregresive Fractionally Integrated Moving Average) dikembangkan untuk memodelkan long memory pada data runtun waktu dengan differencing (d) bilangan real, -0,5<d<0,5. Operasi differencing berhubungan dengan eksponent Hurst(H). Di dalam persamaan-persamaan dari eksponen Hurst, terdapat persamaan yang mengekspresikan hubungan antara dimensi fraktal dari runtun waktu dan dimensi fraktal ruang probabilitas , yaitu . Adapun dimensi fraktal ruang probabilitas adalah indeks Levy dari distribusi Stable. Penelitian ini bertujuan untuk mengetahui model ARFIMA(p,d,q) melalui i untuk menentukan dan menentukan model ARFIMA(p,d,q) untuk estimasi suatu harga saham (Saham Gowa Makasar Tourism(Close)) dengan bantuan software OxMetrics 4.0 yang menghasilkan nilai MSE terkecil. Dengan demikian, model ARFIMA(3;0,16398;2) tanpa mengikutkan konstanta adalah model yang tepat untuk estimasi data. Estimasi harga saham untuk periode 3 Juli 2013, 4 Juli 2013, 5 Juli 2013, dan 8 Juli 2013 berturut-turut adalah 6158,20; 4763,00; 4278,60; dan 5855,90.
PERAMALAN DATA SAHAM DENGAN TRANSFORMASI WAVELET HAAR Ulfiati, Leili; Sugiman, Sugiman
Unnes Journal of Mathematics Vol 4 No 2 (2015)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v4i2.9361

Abstract

Wavelet merupakan metode tanpa parameter sehingga dapat digunakan dalam proses finansial yang kompleks dan dinamis. Rumusan masalah dalam penelitian ini adalah bagaimana cara melakukan peramalan harga saham dengan Wavelet Haar dengan metode DWT menggunakan software Matlab R2013a dan bagaimana nilai MSEnya. Tujuan dari penelitian ini adalah mengetahui bagaimana cara meramalkan harga saham dengan Wavelet Haar dengan metode DWT menggunakan software Matlab R2013a dan mengatahui nilai MSE. Metode yang digunakan yaitu DWT (Discrete Wavelet Transform) untuk menganalisis sebuah data time series. Secara khusus, Transformasi Wavelet Diskrit memungkinkan untuk mendekomposisi sebuah time series ke dalam unsur pokok komponen multiresolusi. Langkah melakukan peramalan harga saham adalah memilih data saham, mengeplot data saham, membagi data harga saham menjadi data training dan data testing, kemudian melakukan peramalan. Pengujian data harga saham tersebut menggunakan metode Wavelet Haar dengan DWT (Discrete Wavelet Transform) dengan menggunakan software matlab R2013a.
PERBANDINGAN PERAMALAN MENGGUNAKAN METODE EKSPONENSIAL HOLT-WINTERS SMOOTHING DAN ARIMA Safitri, Tias; Dwidayati, Nurkaromah; Sugiman, Sugiman
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.11717

Abstract

Penelitian ini bertujuan untuk mengetahui model peramalan terbaik dengan metode eksponensial Holt-Winters smoothing dan ARIMA serta mengetahui perbandingan hasil peramalan dengan kedua metode tersebut sehingga diperoleh metode terbaik. Data yang digunakan penelitian ini adalah jumlah kedatangan wisatawan mancanegara ke Bali Ngurah Rai Tahun 2010-2015. Data diperoleh dengan cara metode dokumentasi dengan pengumpulan data sekunder dan studi pustaka. Analisis data yang digunakan adalah metode eksponensial Holt-Winter smoothing dan ARIMA dengan nilai MSE dan MAPE terkecil. Hasil penelitian menunjukkan bahwa: (1) peramalan dengan metode eksponensial Holt-Winter smoothing model multiplikatif menghasilkan , , dengan nilai MSE 1436553590 dan MAPE 8,86198%; (2) peramalan dengan metode ARIMA menghasilkan model ARIMA (2,1,0)(0,1,1)12 dengan transformasi logaritma dengan nilai MSE 1353169319 dan MAPE 9,40981%; dan (3) perbandingan peramalan lebih tepat menggunakan metode eksponensial Holt-Winters smoothing daripada ARIMA karena menghasilkan nilai error lebih kecil daripada nilai error metode ARIMA. The purpose of this study was to determine the best method of forecasting models Holt-Winters exponential smoothing and ARIMA forecasting and compare the results with both methods in order to obtain the best method. The data used in this study is the number of foreign tourist arrivals to Bali Ngurah Rai Year 2010-2015. The data collected by the method of documentation by collecting secondary data and literature. The data analysis is the method of Holt-Winter exponential smoothing and ARIMA with MSE and MAPE smallest value. The results showed that: (1) the prediction using the method of exponential smoothing Holt-Winter multiplicative models produce , , with a value of MSE 1436553590 dan MAPE 8,86198%; (2) The ARIMA forecasting method produces ARIMA (2,1,0)(0,1,1)12 with the transformation logarithms with MSE 1353169319 dan MAPE 9,40981%; and (3) a more precise comparison of forecasting methods Holt-Winters exponential smoothing than ARIMA for produce an error value is less than the error method ARIMA
PEMILIHAN MODEL REGRESI LINIER BERGANDA TERBAIK PADA KASUS MULTIKOLINIERITAS BERDASARKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN METODE STEPWISE Pujilestari, Sri; Dwidayati, Nurkaromah; Sugiman, Sugiman
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.11719

Abstract

Analisis regresi linier berganda digunakan untuk mengetahui hubungan antara dua atau lebih peubah penjelas dan peubah respon. Model regresi terbaik adalah model yang dapat menjelaskan perilaku peubah tak bebas dengan sebaik-baiknya dengan memilih peubah-peubah bebas dari sekian banyak peubah bebas yang tersedia dalam data dengan menggunakan kriteria pembanding adjusted dan .. Salah satu permasalahan asumsi pada model regresi linier berganda adalah seringnya terjadi korelasi antar variabel-variabel bebas pada model regresi linier berganda yang disebut sebagai multikolinieritas. Jika terdapat multikolinieritas maka kesimpulan yang dihasilkan tidak tepat. Pada penelitian ini metode yang digunakan untuk mencari model terbaik pada kasus multikolinieritas adalah metode Stepwise dan metode Principal Component Analysis (PCA). Tujuan utama dari penelitian ini yaitu mencari model terbaik dengan menggunakan metode Stepwise dan metode Principal Component Analysis (PCA). Hasil penelian yang diperoleh untuk mencari model terbaik pada kasus multikolinieritas data return saham perusahaan dalam Indeks LQ 45 di BEI periode Juli – Desember 2015 dengan menggunakan metode Principal Component Analysis (PCA) = 11,992 + 2,179 dengan nilai adjusted sebesar 0,050 dan nilai sebesar 63,049 sedangkan hasil yang diperoleh dengan metode Stepwise yaitu = 4,891 + 7,804 + 0,144 dengan nilai adjusted sebesar 0,191 dan nilai sebesar 53,678. Dari hasil tersebut dapat disimpulkan bahwa metode Stepwise lebih cocok untuk mencari model terbaik pada kasus multikolinieritas. Multiple linear regression analysis is used to determine the relationship between two or more explanatory variables and the response variable. Best regression model is a model that can explain the behavior of dependent variable as well as possible by choosing variables are free of many independent variables available in the data by using criteria comparators adjusted and .. One of the issues on the assumption of multiple linear regression model is frequent correlation between the independent variables in a multiple linear regression model known as multicollinearity. If there is multicollinearity then the conclusions are not appropriate. In this study, the method that been used to find the best model in the case of multicollinearity are stepwise method and the method of Principal Component Analysis (PCA) The main objective of this research is looking for the best model using Stepwise Method and Principal Component Analysis (PCA) method. The results obtained to search for the best model in the case of data multicollinearity stock returns in LQ 45 in BEI period from July to December 2015 by using Principal Component Analysis (PCA) Y = 11.992 + 2.179 with value adjusted by 0,050 and the value of amounted to 63.049, while the results obtained by the stepwise method is Y = 4.891 + 0.144 + 7,804 value adjusted by 0.191 and the value of amounted to 53.678. From these results it can be concluded that the Stepwise method is more suitable to find the best model on a case of multicollinearity.
PERBANDINGAN METODE PARTIAL LEAST SQUARE (PLS) DAN PRINCIPAL COMPONENT REGRESSION (PCR) UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Supriyadi, Eko; mariani, scolastika; sugiman, sugiman
Unnes Journal of Mathematics Vol 6 No 2 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i2.11819

Abstract

Salah satu asumsi analisis regresi linear berganda yaitu tidak terjadi masalah multikolinearitas. Apabila terjadi masalah multikolinearitas, metode Partial Least Square (PLS) dan Principal Component Regression (PCR) merupakan dua metode yang dapat digunakan untuk mengatasi masalah multikolinearitas tersebut. Metode yang digunakan dalam penelitian ini adalah Partial Least Square (PLS) dan Principal Component Regression (PCR) dengan data anggaran pendapatan Daerah Provinsi Jawa Tengah 2013. Hasil dari penelitian ini diperoleh model persamaan regresi dengan metode Partial Least Square (PLS) yaitu dan model persamaan regresi dengan metode Principal Component Regression (PCR) yaitu . Selanjutnya dipilih metode terbaik dengan menggunakan kriteria nilai tertinggi dan MSE terkecil. Pemilihan metode terbaik adalah dengan melihat nilai tertinggi dan MSE terkecil. Dapat disimpulkan bahwa metode yang lebih baik adalah Partial Least Square dengan nilai = 0,7752 dan nilai MSE yang dihasilkan Partial Least Square = 3,660671E16. One of analysis assumptions of bifilar linier regression is there is no multikolinearity problem occurs. If there is a multikolinearity problem occurs, Partial Least Square (PLS) and Principal Component Regression (PCR) methods are can used to solve the multikolinearity problem. The method that was used in this research were Partial Least Square (PLS) and Principal Component Regression (PCR) by using the data of budgeting income of Central Java in 2013. The result of this research was gotten a model of regression equation by using Partial Least Square (PLS) method it was and a model of regression equation by using Principal Component Regression (PCR) it was . After that choose the best method selection criteria was by seeing at the highest score and the lowest MSE. The best method selection was by seeing at the highest score and the lowest MSE. Thus, it could be concluded that Partial Least Square with the score of = 0,7752 and the MSE score that was resulted by Partial Least Square = 3,660671E16.
ESTIMASI SKEWNESS (KEMIRINGAN) DENGAN MENGGUNAKAN METODE BOOTSTRAP DAN METODE JACKKNIFE Ma'unah, Siti; mariani, scolastika; sugiman, sugiman
Unnes Journal of Mathematics Vol 6 No 2 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i2.11828

Abstract

Uji normalitas merupakan syarat untuk semua uji statistik parametrik. Pada kasus tertentu dijumpai sebaran data yang tidak normal, yaitu distribusi yang tidak simetris akan memiliki nilai rata-rata, median, dan modus yang tidak sama besar . Dalam hal ini disebut dengan istilah skewness (kemiringan). Sebaran data yang menyebar ke arah kanan (skewness positive) jika , sedangkan sebaran data yang menyebar ke arah kiri (skewness negative) jika . Terdapat dua metode untuk mengatasi masalah tersebut, yaitu metode Bootstrap dan metode Jackknife. Metode Bootstrap dan metode Jackknife merupakan metode berbasis resampling. Metode Bootstrap dan metode Jackknife merupakan metode yang tidak didasarkan pada pemenuhan asumsi distribusi. Tujuan dari penelitian ini yaitu menentukan hasil estimator dari metode Bootstrap dan metode Jackknife, serta menentukan estimator terbaik dengan cara membandingkan nilai standar error yang terkecil dari kedua metode tersebut. Resampling dilakukan sebanyak 100, 200, 500, 800, dan 1000 dengan bantuan program R 2.10.0. Berdasarkan hasil penelitian metode Bootstrap merupakan metode dengan hasil estimator terbaik, karena menghasilkan nilai standar error terkecil dibandingkan metode Jackknife. Untuk resampling menghasilkan nilai standar error variabel dan standar error variabel nilai . Test normality is a prerequisite to all statistical tests parametrik. In certain cases found to scatter data that is not normal, namely distribution that were asymmetric will they have an average point, median, and mode of unequal large . In it is called with the term skewness ( slope ). To scatter data that spreads to the right direction ( skewness positive ) if , While to scatter data that spreads to the left ( skewness negative) if . There are two methods to solve the problem , that is a method of Bootstrap and methods of a Jackknife. A method of Bootstrap and methods of a Jackknife is a method based resampling. A method of Bootstrap and methods Jackknife is a method of which are not based on meeting the assumption distribution. The purpose of research is namely estimator determine the result of a method of Bootstrap and methods of a Jackknife , as well as to determine best estimator by means of comparing standard value error the smallest of both this method. Resampling done as many as 100, 200, 500, 800, and 1000 with program assistance R 2.10.0. Based on the research done Bootstrap method is a method by the results of estimator best, because it produces standard value error smallest than a method of Jackknife. Namely by resampling produce standard error values of the variables and standar error values for variables value .
PERBANDINGAN TINGKAT AKURASI METODE AUTOMATIC CLUSTERING, AVERAGE BASED, DAN MARKOV CHAIN FUZZY TIME SERIES PADA NILAI TUKAR (KURS) RUPIAH hengky tri ikhsanto, hengky tri ikhsanto; Sugiman, Sugiman; Hendikawati, Putriaji
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.v7i1.12574

Abstract

Penelitian ini membahas perbandingan keakurasian model peramalan fuzzy time series dengan automatic clustering dan average based untuk membentuk interval dan proses defuzzifikasi menggunakan konsep markov chain. Model tersebut digunakan untuk meramalkan data nilai tukar (KURS) mata uang Rupiah terhadap US Dolar dan Euro. Pemilihan metode terbaik dalam menentukan interval berpengaruh terhadap hasil peramalan, serta menggabungkan kelebihan dari rantai markov dapat meningkatkan keakurasian dari hasil ramalan. Tujuan dari penelitian ini adalah pemilihan metode terbaik dalam menentukan interval serta mengetahui pengaruh adanya penggabungan dengan rantai markov. Berdasarkan penerapan metode fuzzy time series pada data nilai tukar Rupiah terhadap US Dolar dan Euro periode Januari-Maret 2016 diperoleh kesimpulan Automatic Clustering lebih baik daripada Average Based dalam pembentukan interval, dengan nilai MSE 1.065 dan MAPE 0,15% pada data nilai tukar rupiah terhadap US Dolar dan pada nilai tukar rupiah terhadap Euro dengan nilai MSE 694 dan MAPE 0,09%. Adanya penggabungan rantai markov pada metode Automatic clustering memberikan peningkatan akurasi sebesar 60,65% pada data nilai tukar rupiah terhadap US Dolar dan pada nilai tukar rupiah terhadap Euro meningkat sebesar 14,99%.
ANALISIS PERBANDINGAN MENGGUNAKAN ARIMA DAN BOOTSTRAP PADA PERAMALAN NILAI EKSPOR INDONESIA Cynthia, Ari; Sugiman, Sugiman; Zaenuri, Zaenuri
Unnes Journal of Mathematics Vol 5 No 1 (2016)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v5i1.13102

Abstract

In this research used the data export value of Indonesia as a case study. Indonesia's export would be predicted using ARIMA and bootstrap methods with the help of the program R 2.11.1. Bootstrap method used is bootstrap the ARIMA process. ARIMA method is one of the most common methods used in modeling of time series. However on certain data time series models can not guarantee the fulfillment of the assumptions in the classical statistical analysis. Bootstrap methods can be used in situations where standard assumptions are not met. The main objective of this study is to compare the methods ARIMA and bootstrap the Indonesian export data so as to obtain the best forecasting method that will be used to forecast the data export value of Indonesia for the next period. Based on the results of the two models forecasting, it would have been the result of forecasting that has the smallest value of standard error and approach the original data. Results forecasting export value of Indonesia on ARIMA (1,1,2) has the smallest value and the standard error tends to approach the original data when compared to bootstrap the process models ARIMA (1,1,2). Then ARIMA method is the best forecasting method. Next will be forecasting for the months of April to December 2015 using ARIMA method as the best method.
Co-Authors Abdul Wakhid Achmalia, Aisyah Fany Adi Nur Cahyono Adli, Abiyyi Muhammad Alamsyah - Alfian Nur Aziz, Alfian Nur Alif Fauziah Sari, Alif Fauziah Amin Suyitno Anam, Saroful Aoyama, Kazuhiro Ardhi Prabowo Arief Agoestanto Arifah, Yekti Nur Arina Ulil Faroh Ariyadi Wijaya Asriani, Elisa Desi Atika Nur Sabrina Ayu Andira Bambang Eko Susilo Budi Waluya Budi Waluya Cynthia, Ari Danuri Danuri Dedeh Kurniasih Dwi Setyawan Dwi Sulistyaningsih Dwijanto Dwijanto, Dwijanto Eko Supriyadi Emi Pujiastuti Endang Sugiharti, Endang Eva Agustiana Rahayu Fadlilah, Itsnaini Munjiyatul Hajarul Masi Hanifatur Rohman Halim, Bravura Candra Hendri Handoko hengky tri ikhsanto, hengky tri ikhsanto Heri Retnawati Hidayah, Dina Yulia Hidayati, Intan Indah Urwatin Wusqo Ismail, Abid Khoirul Isnarto Isnarto Isnarto Isnarto Isti Hidayah Iwan Junaedi Iwan Junaedi Juwita, Puspa Khathibul Umam Zaid Nugroho Kinasih, Sekar Lutfiani, Nurul M. Asikin M.Pd S.T. S.Pd. I Gde Wawan Sudatha . Ma'unah, Siti Mawarti, lida Mohammad Asikin Much Aziz Muslim Muhammad Kharis Mulyono Mulyono Muslih Hasan Pambudi Ni'mah, Lailatun Nila Ubaidah Nila Ubaidah Novalia, Dyah Nuke Apriyanti Nur Fathaillah Pajrin Nurkaromah Dwidayati, Nurkaromah Paryanto Dwi Setyawan Pawestri Dian Purnamasari Pindo Apip Permana, Pindo Apip Pradewita, Wella Cintya Pradina, Putri Dwi Pujilestari, Sri Putri, Elanda Laksinta Putriaji Hendikawati Rianisa Scientisa A Riswanti Rini Rochmad - Safitri, Tias Saiful Arifin Scolastika Mariani Setiyani Sofyan Adian Mukti St. Budi Waluya Stevanus Budi Waluja Sukestiyarno Sukestiyarno Sulardjaka Sulardjaka Sunarmi Sunarmi Sunarti Supriyanti Supriyanti Suryani, Andika Resti Triwibowo, Zanuar Try Suprayo Tyas, Marita Ayuning Ulfiati, Leili Vika Oktoviani Wahyu Setyaningrum Walid Walid, Walid Wardono Wardono Wulandari, Arum Nur Y.L. Sukestiyarno Yaya S. Kusumah YL Sukestiyarno Yulianto, Dimas Arif Zaenuri Mastur Zaenuri Zaenuri Zaenuri Zaenuri Ziyana Endah Khairun Nisa&#039;