Article Per Year (5 Year)
p-Index From 2021 - 2026
9.335
P-Index
This Author published in this journals
All Journal Jurnal TIMES Conference on Innovation and Application of Science and Technology (CIASTECH) JURNAL PENDIDIKAN TAMBUSAI Proceedings of Annual Conference for Muslim Scholars Idealis : Indonesia Journal Information System Jurnal Teknik Informatika (JUTIF) Journal of Students‘ Research in Computer Science (JSRCS) Jurnal Teknologi Kimia Unimal INOTEK Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia Jurnal Teknik Terapan (J-TETA) JUSIFOR : Jurnal Sistem Informasi dan Informatika Journal of Artificial Intelligence and Digital Business Adopsi Teknologi dan Sistem Informasi Nuras : Jurnal Pengabdian Kepada Masyarakat Eastasouth Journal of Effective Community Services JUSTIFY : Jurnal Sistem Informasi Ibrahimy COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika Mutiara: Multidiciplinary Scientifict Journal Jurnal Cendekia Mengabdi Berinovasi dan Berkarya Abdi Samulang : Jurnal Pengabdian Kepada Masyarakat SmartComp Jurnal Pengabdian Sosial Jurnal Ilmiah Sistem Informasi JUAN: Jurnal Pengabdian Nusantara ZONA: Jurnal Pengabdian Masyarakat JAR'S (Journal of Advanced Research in Informatics) Jurnal Pengabdian Masyarakat Ekonomi dan Bisnis Digital Jurnal Ilmiah Sistem Informasi JUKEMAS : Jurnal Pengabdian Kepada Masyarakat (JISCO) Journal of Information System and Computing Jurnal Pengabdian Masyarakat Multidisiplin
Fatah, Zaehol
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 78 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 78 Documents
Search

 4   5   6   7   8 
Sistem Pendukung Keputusan Pemilihan Menu Makanan Sehat Menggunakan Metode Simple Additive Weighting Vadilah, Nur Jihan; Fatah, Zaehol
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4249

Abstract

Penentuan menu makanan sehat merupakan hal penting untuk membantu individu memilih makanan yang sesuai dengan kebutuhan nutrisi sehingga dapat mengurangi risiko munculnya berbagai masalah kesehatan yang dipicu oleh pola konsumsi yang tidak seimbang. Perbedaan kandungan gizi pada setiap jenis makanan seringkali membuat masyarakat kesulitan dalam menentukan pilihan makanan yang tepat dan sesuai kebutuhan tubuh. Oleh karena itu, penelitian ini mengembangkan sebuah Sistem Pendukung Keputusan dengan metode Simple Additive Weighting (SAW) untuk memberikan rekomendasi menu makanan sehat secara lebih objektif, terstruktur, dan terukur. Data nutrisi makanan diperoleh dari dataset Kaggle dan diklasifikasikan berdasarkan sembilan indikator penilaian, yaitu kalori, protein, karbohidrat, lemak, serat, gula, natrium, kolesterol, dan kebutuhan air. Masing-masing indikator diberikan bobot berdasarkan tingkat kepentingannya dalam menentukan kelayakan makanan sehat. Proses perhitungan dilakukan melalui tahap normalisasi dan penentuan nilai preferensi untuk menghasilkan ranking akhir alternatif makanan. Berdasarkan hasil perhitungan, makanan dengan nilai preferensi tertinggi adalah Quinoa dengan nilai 2.72, diikuti oleh Orange juice dengan nilai 2.66 dan Cookies dengan nilai 2.33. Sistem berbasis web yang dikembangkan mampu menampilkan proses klasifikasi, normalisasi, hingga hasil ranking secara otomatis, sehingga mempermudah pengguna memperoleh rekomendasi makanan yang sehat, tepat, dan mudah dipahami. Hasil penelitian ini menunjukkan bahwa metode SAW efektif serta relevan digunakan dalam proses penilaian menu makanan sehat secara kuantitatif, akurat, dan berbasis data.
Pelatihan Penulisan Makalah Menggunakan Aplikasi Microsoft Word Di MA Nurul Huda Mereng Pemalang Hakim, Syafiq Ilham; Haq, Muhammad Nabil Dhiya’ul; Fatah, Zaehol
Jurnal Cendekia Mengabdi Berinovasi dan Berkarya Vol 4 No 1 (2026): Oktober 2025 - Januari 2026
Publisher : Universitas Madako Tolitoli

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56630/jenaka.v4i1.1046

Abstract

Kegiatan pelatihan penulisan makalah menggunakan program aplikasi Microsoft Word ini merupakan bagian dari program pengabdian kepada masyarakat yang bertujuan untuk mengembangkan kemampuan literasi digital dan keterampilan akademik siswa MA Nurul Huda Mereng di Pemalang. Masalah yang dihadapi adalah kurangnya pemahaman siswa dalam menyusun karya ilmiah secara sistematis. Pelatihan diikuti oleh 22 peserta. Metode pelaksanaan menggabungkan penjelasan konsep secara teoritis dengan praktik langsung melalui pendekatan partisipatif. Hasil kegiatan menunjukkan bahwa siswa mengalami peningkatan pemahaman dalam menyusun makalah sesuai kaidah ilmiah, seperti pembuatan halaman sampul, struktur isi, penomoran halaman, dan referensi. Kesimpulannya, program ini terbukti efektif dalam membantu siswa mempersiapkan diri menghadapi tuntutan penyusunan karya ilmiah di tingkat madrasah maupun jenjang pendidikan lebih lanjut, serta menumbuhkan minat terhadap pemanfaatan teknologi dalam proses pembelajaran.
Klasifikasi Penyakit Gagal Jantung Mengunakan Metode Decision Tree Fatah, Zaehol; Atreji, Reza
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 3 (2025): November: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/ana03n66

Abstract

Deteksi awal gagal jantung sangat krusial untuk mengurangi angka sakit dan kematian. Metode machine learning, khususnya klasifikasi yang berbasis decision tree, menunjukkan potensi untuk mendukung keputusan medis dengan memisahkan pasien berisiko menggunakan variabel klinis yang biasa. Tujuan penelitian ini adalah untuk merancang dan menilai model Decision Tree dalam mengklasifikasikan pasien dengan gagal jantung menggunakan data klinis yang bersifat publik. Langkah-langkah dalam penelitian mencakup preprocessing (mengatasi nilai yang hilang, normalisasi, dan pemilihan fitur), pelatihan dengan stratified k-fold cross-validation, serta penilaian menggunakan metrik accuracy, precision, recall, F1-score, dan AUC. Hasil dari eksperimen menunjukkan bahwa Decision Tree yang dioptimalkan memberikan performa yang kompetitif serta keunggulan dalam interpretabilitas melalui aturan keputusan yang jelas. Sumbangan penelitian ini meliputi (1) pipeline yang dapat direproduksi untuk klasifikasi gagal jantung (heart failure), (2) kumpulan aturan yang mendukung skrining klinis heuristik, dan (3) perbandingan empiris terhadap metode machine learning lainnya. Temuan ini menunjukkan bahwa Decision Tree dapat menjadi alat skrining awal yang efektif, terutama di tempat dengan keterbatasan sumber daya.
Klasifikasi Jenis Transaksi Terbanyak Pada Layanan Agen Brilink Di Numart Dengan Algoritma Decision Tree Fatah, Zaehol; Maghfiro, Maidatul
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4407

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan jenis transaksi terbanyak pada layanan agen BRILink di NUMart dengan memanfaatkan algoritma Decision Tree sebagai metode analisis utama. Layanan BRILink merupakan inovasi perbankan berbasis agen yang memungkinkan masyarakat melakukan berbagai transaksi keuangan tanpa harus datang ke kantor bank. Banyaknya variasi transaksi di NUMart seringkali menyulitkan pengelola untuk mengetahui jenis transaksi yang paling dominan setiap periode, terutama karena data yang bersifat acak dan tidak terstruktur. Melalui pendekatan data mining, penelitian ini mengolah data transaksi mingguan BRILink NUMart selama tiga bulan dengan delapan atribut transaksi dan satu atribut target. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan data, pembagian dataset, pembangunan model klasifikasi, hingga evaluasi performa model secara menyeluruh. Algoritma Decision Tree dipilih karena mampu menghasilkan pola klasifikasi yang mudah dipahami, memiliki tingkat interpretabilitas tinggi, serta dapat menggambarkan struktur keputusan secara jelas. Hasil analisis menunjukkan bahwa atribut Tarik Tunai menjadi node akar (root) karena memiliki nilai gain ratio tertinggi dalam membedakan kategori transaksi. Model klasifikasi yang dibangun kemudian diuji menggunakan RapidMiner dengan nilai accuracy, precision, dan recall mencapai 100%. Temuan ini membuktikan bahwa algoritma Decision Tree mampu mengidentifikasi pola transaksi secara efektif dan dapat digunakan sebagai dasar pengambilan keputusan operasional, seperti perencanaan stok dana, strategi pelayanan, optimalisasi manajemen transaksi, serta peningkatan kualitas layanan keuangan berbasis agen di NUMart.
Sistem Informasi E-Learning Di Sman 1 Prajekan Fatah, Zaehol; Aziz, Hamdan Fauzi Nur
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4279

Abstract

Sistem ini dikembangkan untuk membangun platform e-learning mandiri bagi SMAN 1 Prajekan sebagai solusi atas keterbatasan penggunaan platform pembelajaran pihak ketiga, seperti Ruang Guru, yang dinilai kurang fleksibel dalam pengelolaan konten pembelajaran, penyesuaian dengan kurikulum sekolah, serta integrasi dengan kebutuhan internal institusi. Ketergantungan terhadap platform eksternal juga berpotensi menghambat kemandirian sekolah dalam mengembangkan sistem pembelajaran digital secara berkelanjutan. Penelitian ini menggunakan metode pengembangan perangkat lunak waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Pada tahap analisis kebutuhan, dilakukan identifikasi terhadap kebutuhan pengguna yang terdiri dari guru dan siswa untuk memastikan sistem yang dikembangkan sesuai dengan proses pembelajaran yang berlangsung di sekolah. Tahap perancangan sistem dilakukan dengan memanfaatkan Unified Modeling Language (UML) untuk memodelkan alur proses, struktur sistem, serta interaksi antar komponen secara jelas dan terstruktur. Sistem e-learning yang dihasilkan berbasis web dan menyediakan berbagai fitur utama, seperti registrasi dan login pengguna, pembuatan serta penggabungan kelas, pengelolaan materi pembelajaran, pengumpulan dan penilaian tugas, serta penentuan peran pengguna secara otomatis berdasarkan aktivitas yang dilakukan. Pengujian sistem dilakukan menggunakan metode blackbox guna memastikan setiap fungsi berjalan sesuai dengan kebutuhan yang telah ditetapkan. Hasil pengujian menunjukkan bahwa seluruh fitur sistem berfungsi dengan baik dan mampu mendukung proses pembelajaran digital secara lebih efektif, efisien, dan mandiri. Dengan demikian, sistem e-learning ini diharapkan dapat menjadi solusi strategis bagi SMAN 1 Prajekan dalam meningkatkan kualitas pembelajaran serta mengurangi ketergantungan terhadap platform e-learning eksternal.
Application of KNN & Decision Tree Algorithms in Predicting Diabetes Using Rapid Miner Fatah, Zaehol; Anam, Baitul
Jurnal Ilmiah Sistem Informasi Vol. 5 No. 1 (2026): January: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/37naet22

Abstract

Prediksi diabetes merupakan langkah penting dalam mendukung deteksi dini serta pencegahan komplikasi jangka panjang yang disebabkan oleh penyakit kronis. Penelitian ini bertujuan membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Decision Tree dalam memprediksi diabetes menggunakan dataset Pima Indian Diabetes pada aplikasi RapidMiner. Dataset yang digunakan terdiri dari 768 data dengan delapan atribut kesehatan utama yang berkaitan dengan risiko diabetes. Metode penelitian meliputi preprocessing data, normalisasi, penanganan missing value, serta evaluasi model menggunakan K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memperoleh akurasi sebesar 74,68%, lebih tinggi dibandingkan KNN yang hanya mendapatkan akurasi 68,18%. Keunggulan Decision Tree disebabkan kemampuannya membaca pola data dengan lebih baik serta menghasilkan struktur keputusan yang mudah diinterpretasikan. Penelitian ini memberikan kontribusi dalam bidang analitika kesehatan dengan menghadirkan bukti empiris perbandingan algoritma serta menunjukkan efektivitas RapidMiner dalam pengembangan model prediksi untuk deteksi dini penyakit diabetes.
Sistem Pendukung Keputusan Pemilihihan Guru Terbaik menggunakan Metode TOPSIS pada Sekolah MI Al-Ikhlas Hakimah, Milla; Fatah, Zaehol
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v6i2.13346

Abstract

Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) pemilihan guru terbaik di MI Al-Ikhlas dengan menerapkan metode Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS). Pendekatan ini digunakan untuk menciptakan proses penilaian yang lebih objektif, transparan, dan terukur dibandingkan metode konvensional. Evaluasi dilakukan terhadap delapan orang guru dengan mempertimbangkan empat kriteria utama, yaitu: kehadiran, tanggung jawab, disiplin kerja, dan komunikasi. Hasil pengujian menunjukkan bahwa SPK ini memiliki tingkat akurasi sebesar 98% jika dibandingkan dengan perhitungan manual, yang membuktikan konsistensi sistem dalam menghasilkan nilai preferensi secara tepat. Implementasi di lapangan menunjukkan tingkat keberhasilan sebesar 95%, di mana hasil perankingan diterima sepenuhnya oleh pihak manajemen sekolah tanpa adanya revisi. Berdasarkan hasil akhir perhitungan, guru dengan inisial MA memperoleh nilai preferensi tertinggi sebesar 1,000 dan ditetapkan sebagai guru terbaik. Penelitian ini menyimpulkan bahwa penerapan metode TOPSIS dalam SPK mampu meningkatkan efektivitas pengambilan keputusan, mempercepat durasi evaluasi kinerja, serta memberikan landasan yang kuat bagi pihak sekolah dalam memberikan apresiasi kepada tenaga pendidik.
Perbandingan Metode SAW dan TOPSIS dalam Penentuan Beasiswa di Sekolah MA NU Islamiyah Kintari, Putri; Fatah, Zaehol
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v6i2.13175

Abstract

Penelitian ini bertujuan untuk membandingkan metode Simple Additive Weighting (SAW) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) dalam menyeleksi penerima beasiswa di MA NU Islamiyah. Permasalahan yang dihadapi sekolah adalah proses penentuan beasiswa yang masih dilakukan secara manual, sehingga berpotensi menimbulkan subjektivitas dan membutuhkan waktu yang relatif lama. Oleh karena itu, penelitian ini menerapkan Sistem Pendukung Keputusan (SPK) guna membantu pengambilan keputusan yang lebih objektif, sistematis, dan terukur. Data penelitian diperoleh melalui observasi dan wawancara dengan pihak sekolah. Proses seleksi didasarkan pada lima kriteria penilaian, yaitu nilai akademik, penghasilan orang tua, status siswa, jumlah tanggungan keluarga, dan pekerjaan orang tua. Data tersebut selanjutnya diolah menggunakan metode SAW dan TOPSIS untuk menghasilkan peringkat calon penerima beasiswa. Hasil penelitian menunjukkan perbedaan perangkingan antara kedua metode. Metode SAW menghasilkan siswa MLS sebagai penerima beasiswa terbaik dengan nilai preferensi sebesar 0,84667, sedangkan metode TOPSIS menempatkan siswa SNF pada peringkat tertinggi dengan nilai kedekatan relatif sebesar 0,70285. Hasil ini menunjukkan bahwa kedua metode memiliki pendekatan perhitungan yang berbeda dan dapat dijadikan alternatif
Sistem Pendukung Keputusan Pemilihan Siswa Berprestasi pada MI Al-Ikhlas menggunakan Metode SAW Badriyah, Siti Sarifatul; Fatah, Zaehol
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v6i2.13360

Abstract

Pemilihan siswa berprestasi merupakan salah satu upaya sekolah dalam memberikan apresiasi terhadap capaian akademik dan nonakademik siswa. Namun, proses pemilihan yang masih menimbulkan permasalahan, seperti subjektivitas penilaian, ketidakkonsistenan hasil, serta kurangnya efisiensi waktu dalam pengambilan keputusan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Pendukung Keputusan (SPK) dalam pemilihan siswa berprestasi di MI AlIkhlas dengan menerapkan metode Simple Additive Weighting (SAW). Metode SAW dipilih karena mampu memberikan hasil penilaian yang objektif melalui tahapan penentuan kriteria, pemberian bobot, normalisasi nilai, serta proses perangkingan alternatif berdasarkan nilai preferensi tertinggi. Kriteria yang digunakan dalam penelitian ini mencakup aspek akademik dan non-akademik yang relevan dengan penilaian prestasi siswa.. Hasil pengujian menunjukkan bahwa SPK yang dirancang mampu memberikan rekomendasi pemilihan siswa berprestasi secara tepat dan konsisten. Berdasarkan hasil perhitungan metode SAW, Afufah Zannuba Hafsoh (kelas III A) memperoleh nilai preferensi tertinggi sebesar 1 sehingga direkomendasikan sebagai siswa berprestasi. Implementasi sistem ini diharapkan dapat membantu pihak sekolah dalam mempercepat proses pengambilan keputusan, meningkatkan akurasi penilaian, serta meminimalka
Klasifikasi Berita Hoaks Di Media Sosial Menggunakan Algoritma Naive Bayes dan RapidMiner Karimah, Ummul; Fatah, Zaehol
JISCO : Journal of Information System and Computing Vol 3 No 2 (2025): Jurnal of Information System and Computing
Publisher : UIN Sulthan Thaha Saifuddin Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30631/jisco.v3i2.4028

Abstract

The development of information technology and social media has made the distribution of information easier, but it has also increased the prevalence of fake news or hoaxes. This research aims to classify hoax and non-hoax news on social media using the Naïve Bayes algorithm with the assistance of the RapidMiner application. The data used is secondary data obtained from the Kaggle website and processed thru text preprocessing stages including tokenization, stopword removal, stemming, and TF-IDF weighting. The classification process was carried out using the Cross Validation method to measure model performance. The research results show that the Naïve Bayes algorithm has an accuracy of 90.20%, and precision values of 92.25% for the hoax class and 88.33% for the non-hoax class, with recall values of 87.78% and 92.62% respectively. These values indicate that the built classification model can easily identify hoax news. Thus, the Naïve Bayes algorithm has proven to be effective and efficient for use as a method for detecting fake news on social media. Keywords: Naïve Bayes, RapidMiner, Classification, Hoax News, Text Mining
Co-Authors ., Arwani ABDUS SAMAD Abrori, Syariful Adi Susanto Adiba, Naila Afandi, Muhammad Dzikry Afifah, Fatma Nur Agustin, Riana Ahmad Afandi Ahmad Homaidi Aini, Imroatin Arifatul Aizah, Nur Akhlis Munazilin, Akhlis Al Qayyis, Zainul Arifin Alwi Alfiansyah, Noer Dian Alwi, As'ad Anam, Baitul Anisa, Halifatus Ardiansyah, Lukman Hakim Arsyad, M. Qoyis Auza’I Asrori, Muhammad Ilzam Atika, Komang Nitari Atreji, Reza Aziz, Hamdan Fauzi Nur Badriyah, Siti Sarifatul Badrus Sholeh Billah, Moch. Hegal Muktasim Candra, Ongky Ali Damayanti, Alfina Damayanti Diandhita, Safna Dofiyanto Dwi Norrepa Efendi, Ahmad Fadil Dwi fadhila, nor Fahimurridho, Ahmad Faidah, Mutmainnah Ilmiatul Fawaid, Heri Nur Febrian, Fikri Fernando, Ahmad Wahyu Firdaus, Alvina Jelita Firman Santoso Firmandala, Legi Octa Sofyan Ghani, Farhan Ahnaf Hakim, Syafiq Ilham Hakimah, Milla Halilatul Muallafa Hamdani, A. Haq, Muhammad Nabil Dhiya’ul Hasan Basri Hermawati, Rosa Holidiyah, Na'imatul Homaida, Nur Ida Ayu Putu Sri Widnyani Ikormi, Kamilul irma yunita Ismael, Kharisma Ayu Jundanuddin, Muhammad Karimah, Ummul Kintari, Putri Lazim, Farihin Lidimilah, Lukman Lidimilah, Lukman Fakih Lutfi, Zainul Lutfiana, Nurisma Maghfiro, Maidatul Mahdi, Aminullah Moh. Mahtum, Rohiqim Majid, Muhammad Sabilillah Marwan Marwan Maulana, Moh. Iqbal Muasaroh, Yurida Islahatul Muhammad, Aqil Furqoni Mulianingsih, Suci Muqtadir, Faidhul Nafi'ah, Lailin Nazila, Jamilatun Nur Indahsari, Luluk Nurdiana, Alfi Nurhasanah, Yeni Nuril Maghfiratus Sholeha, Siti Prasetyo, Jarot Dwi Qori'ah, Arafah Amaliyah Qori'ah, Arifah Amaliyah Rahmawati, Nurul Qolbi Rofiq, Ahmad Tahqiq Safitri, Lulu Saleh, Taufik Samsul Arifin Saputra, Zuhrian Nur Sari, Iin Puspita Savira, Anggita Yusiana Shidqin, Lalu Habil Mudkhola Sholeha, Nur Faliatus Sinta, Sinta Masruroh Siti Khoiriyah Sobri, Miftahus Syakirin, Muhammad Irham Taufik Hidayat Tholibah, Wafrotut Uswatul Muftakiyah Vadilah, Nur Jihan Wilda, Sufil Zubairi, Ach. Zulkarnain, Bagus Maulana