Article Per Year (5 Year)
p-Index From 2020 - 2025
2.978
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Ekonomi (JUPE) Interest : Jurnal Ilmu Kesehatan Jurnal Matematika dan Statistika serta Aplikasinya (Jurnal MSA) JOIN (Jurnal Online Informatika) Sistemasi: Jurnal Sistem Informasi Jurnal Pendidikan Nonformal BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Teknik Pertanian Lampung (Journal of Agricultural Engineering) Jiko (Jurnal Informatika dan komputer) International Journal of Remote Sensing and Earth Sciences (IJReSES) Jurnal Aplikasi Statistika & Komputasi Statistik Jurnal Kajian Pariwisata Jurnal Ekonomi Kependudukan dan Keluarga
Nooraeni, Rani
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Transportation

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
DETERMINAN PENGANGGURAN LULUSAN PERGURUAN TINGGI DI INDONESIA TAHUN 2018 Astriani, Vina; Nooraeni, Rani
Jurnal Pendidikan Ekonomi (JUPE) Vol 8 No 1 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jupe.v8n1.p%p

Abstract

Abstrak Pengangguran merupakan salah satu permasalahan kompleks yang dihadapi oleh setiap negara berkembang di dunia, termasuk Indonesia. Berdasarkan data resmi Badan Pusat Statistik (BPS), jumlah pengangguran di Indonesia sejak tahun 2015 sampai dengan tahun 2018 tidak pernah bernilai lebih sedikit dari 7 juta orang, di mana jumlah Tingkat Pengangguran Terbuka (TPT) lulusan perguruan tinggi masih termasuk tinggi. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang memengaruhi pengangguran lulusan perguruan tinggi di Indonesia tahun 2018 dengan menggunakan analisis regresi logistik biner. Adapun determinan pengangguran lulusan perguruan tinggi adalah umur, status kawin dan status KRT berpengaruh signifikan dan negatif terhadap pengangguran lulusan perguruan tinggi. Sedangkan, jenis kelamin dan sektor pekerjaan berpengaruh signifikan dan positif terhadap pengangguran lulusan perguruan tinggi. Kata Kunci: Pengangguran, Lulusan perguruan tinggi, Regresi Logistik Biner.     Abstract Unemployment is one of the complex problems faced by every developing country in the world, including Indonesia. Based on official data from Statistics Indonesia (BPS), the number of unemployed people in Indonesia from 2015 to 2018 was never worth less than 7 million people, where the number of open unemployment rate (TPT) of college graduates is still high. This study aims to determine the factors that influence unemployment of tertiary education graduates in Indonesia in 2018 by using binary logistic regression analysis. The determinants of unemployment for college graduates are age, marital status and KRT status have a significant and negative effect on unemployment of college graduates. Meanwhile, gender and employment sector have a significant and positive effect on unemployment of college graduates. Keywords: Unemployment, College Graduates, Binary Logit Regression.      
Klasifikasi Kabupaten Tertinggal di Kawasan Timur Indonesia dengan Support Vector Machine Sari, Esa Anindika; Saragih, Meilani Thereza Br.; Shariati, Ilhamsyah Ali; Sofyan, Sabiq; Al Baihaqi, Rakai; Nooraeni, Rani
Journal Of Informatics and Computer Vol 3, No 3 (2020)
Publisher : JIKO (Jurnal Informatika dan Komputer)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v3i3.2364

Abstract

Kesenjangan pembangunan antar wilayah tampak dari adanya istilah daerah maju dan daerah tertinggal. Pengentasan daerah tertinggal masih menjadi persoalan khususnya di Kawasan Timur Indonesia (KTI). Dari 122 kabupaten yang ditetapkan sebagai daerah tertinggal pada RPJMN 2015-2019, terdapat 54 kabupaten yang menjadi daerah prioritas. Mayoritas wilayah yang terkategori sebagai daerah prioritas ini berada di KTI. Adanya perbedaan karakteristik pada setiap wilayah Indonesia membuat perlunya analisis tersendiri. Salah satu perbedaan karakteristik wilayah dapat dilihat melalui aspek utama ketertinggalan antar kawasan. Pada Kawasan Barat Indonesia (KBI), aspek ketertinggalan wilayah berfokus pada infrastruktur. Sementara, aspek ekonomi dan Sumber Daya Manusia (SDM) merupakan fokus aspek ketertinggalan wilayah di KTI. Sehingga dalam penelitian ini akan dilakukan analisis klasifikasi kabupaten tertinggal di KTI dengan menggunakan metode Support Vector Machine (SVM) berdasarkan indikator ketertinggalan daerah. Hasil dari penelitian ini secara umum kabupaten tertinggal di Kawasan Timur Indonesia memiliki level pembangunan yang lebih rendah dibandingkan kabupaten tidak tertinggal. Dengan menggunakan metode SVM dan fungsi kernel terbaiknya yaitu fungsi kernel linier, kabupaten di KTI mampu diklasifikasikan secara benar sebesar 87,23%. Berdasarkan kurva ROC diperoleh nilai AUC sebesar 0,862 yang artinya kinerja model sudah bagus. Sehingga metode SVM dengan kernel linier dapat menjadi salah satu rekomendasi dalam pengklasifikasian kabupaten tertinggal atau tidak tertinggal
DETERMINAN PENGANGGURAN LULUSAN PERGURUAN TINGGI DI INDONESIA TAHUN 2018 Astriani, Vina; Nooraeni, Rani
Jurnal Pendidikan Ekonomi (JUPE) Vol 8 No 1 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jupe.v8n1.p31-37

Abstract

Abstrak Pengangguran merupakan salah satu permasalahan kompleks yang dihadapi oleh setiap negara berkembang di dunia, termasuk Indonesia. Berdasarkan data resmi Badan Pusat Statistik (BPS), jumlah pengangguran di Indonesia sejak tahun 2015 sampai dengan tahun 2018 tidak pernah bernilai lebih sedikit dari 7 juta orang, di mana jumlah Tingkat Pengangguran Terbuka (TPT) lulusan perguruan tinggi masih termasuk tinggi. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang memengaruhi pengangguran lulusan perguruan tinggi di Indonesia tahun 2018 dengan menggunakan analisis regresi logistik biner. Adapun determinan pengangguran lulusan perguruan tinggi adalah umur, status kawin dan status KRT berpengaruh signifikan dan negatif terhadap pengangguran lulusan perguruan tinggi. Sedangkan, jenis kelamin dan sektor pekerjaan berpengaruh signifikan dan positif terhadap pengangguran lulusan perguruan tinggi. Kata Kunci: Pengangguran, Lulusan perguruan tinggi, Regresi Logistik Biner.     Abstract Unemployment is one of the complex problems faced by every developing country in the world, including Indonesia. Based on official data from Statistics Indonesia (BPS), the number of unemployed people in Indonesia from 2015 to 2018 was never worth less than 7 million people, where the number of open unemployment rate (TPT) of college graduates is still high. This study aims to determine the factors that influence unemployment of tertiary education graduates in Indonesia in 2018 by using binary logistic regression analysis. The determinants of unemployment for college graduates are age, marital status and KRT status have a significant and negative effect on unemployment of college graduates. Meanwhile, gender and employment sector have a significant and positive effect on unemployment of college graduates. Keywords: Unemployment, College Graduates, Binary Logit Regression.      
Pendeteksian Hubungan Rating Hotel Terhadap Okupansi Hotel Pasca Pandemi Covid-19 Yustiani, Dwi; Nooraeni, Rani; Lumaksono, Adi
Jurnal Kajian Pariwisata Vol 5 No 1 (2023): Jurnal Kajian Pariwisata
Publisher : LPPM STP ARS Internasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jiip.v5i1.1078

Abstract

After the Covid-19 pandemic, Bali tourism began to revive, marked by an increase in hotel occupancy. Digitalization is playing its part in improving tourism in general. This study aims to look at hotel occupancy profiles in the Sarbagita and Non Sarbagita areas and to see how high digital hotel ratings are in the two areas. This study also detects a relationship between hotel ratings and hotel occupancy in the two regions. The data used in this study are VHTS data for 2019 and 2022 sourced from the Central Bureau of Statistics, as well as hotel rating data by utilizing big data. with web scraping technique. This study used descriptive statistics and inferential statistics using the Chi Square test. The research results obtained were changes in hotel occupancy patterns in the Sarbagita area which tended to increase in December after the Covid-19 pandemic. The Chi-Square test shows that there is a relationship between hotel ratings and hotel occupancy for both the Sarbagita and non-Sarbagita areas.
PENERAPAN METODE RANDOM FOREST UNTUK KLASIFIKASI WANITA USIA SUBUR DI PERDESAAN DALAM MENGGUNAKAN INTERNET (SDKI 2017) Khoirun Nisa', Intan Maulida; Nooraeni, Rani
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 8 No 1 (2020): Volume 8 Nomor 1
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v8i1.13162

Abstract

Internet adalah salah satu media penyebarluasan pengetahuan mengenai alat kontrasepsi. Alat kontrasepsi diketahui sebagai pengendali fertilitas. Faktannya, masih terdapat 32 persen desa di Indonesia yang belum dapat mengakses internet. Berdasarkan data SDKI 2017, tingkat fertilitas di desa relatif lebih tinggi daripada di kota. Fertilitas yang tinggi di daera perdesaan disebabkan oleh rendahnya pengetahuan mengenai penggunaan alat kontrasepsi. Berdasar pada data SDKI pula, kebutuhan alat atau cara KB belum terpenuhi di perdesaan. Oleh karena itu, penelitian ini bertujuan untuk mengetahui faktor-faktor yang memengaruhi WUS di pedesaan dalam menggunakan internet menggunakan model random forest. Model rabdom forest dapat digunakan untuk memprediksi variabel prediktor. Model yang dibentuk menggunakan 80 persen dari data total dengan jumlah data sebanyak 35.939 data dan data testing yang digunakan sebanyak 8.984 data. Terdapat tiga variabel yang digunakan dalam penelitian ini yaitu umur, tingkat pendidikan yang ditamatkan, dan indeks kekayaan. Seluruh variabel yang didapat dari SDKI tahun 2017 dengan beberapa modifikasi. Dalam model yang terbentuk, variabel yang memiliki kontribusi terbesar adalah tingkat pendidikan yang ditamatkan.
PENERAPAN METODE RESAMPLING DALAM MENGATASI IMBALANCED DATA PADA DETERMINAN KASUS DIARE PADA BALITA DI INDONESIA (ANALISIS DATA SDKI 2017) Muqiit WS, Andriansyah; Nooraeni, Rani
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 8 No 1 (2020): Volume 8 Nomor 1
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v8i1.13452

Abstract

Data yang memiliki rasio yang tidak berimbang antara data satu dengan data lainnya dapat dikatakan sebagai imbalanced. Metode Synthetic Minority Oversampling Technique (SMOTE) merupakan metode yang populer diterapkan dalam rangka menangani imbalanced. Pada penelitian ini penulis ingin membandingkan model data sebelum dan data sesudah dilakukan oversampling menggunakan analisis regresi logistik berganda. Data yang digunakan adalah data sekunder dari hasil Survei Demografi dan Kesehatan (SDKI) tahun 2017. Variabel respon (dependent) yang digunakan adalah balita mengalami diare dalam dua minggu terakhir sebelum pencacahan. Variabel penjelas dikelompokkan menjadi dua yaitu faktor sosio-demografi dan faktor lingkungan. Variabel penjelas yang termasuk ke dalam faktor sosio-demografi antara lain jenis kelamin balita, umur balita, umur ibu, dan tingkat pendidikan ibu. Sedangkan variabel penjelas yang merupakan faktor lingkungan antara lain sumber air minum, jenis fasilitas toilet, jenis lantai rumah utama, dan daerah tempat tinggal. Berdasarkan penelitian yang telah dilakukan dapat disimpulkan bahwa model dengan data hasil SMOTE pada uji parsial menghasilkan lebih banyak variabel yang signifikan dibandingkan dengan model dengan data tanpa SMOTE.
ANALISIS SPASIAL ANGKA MORBIDITAS JAWA TENGAH MENURUT KABUPATEN/KOTA TAHUN 2017 Dewi, Aprilia Lutviana; Nooraeni, Rani; Saputri, Aprillia Anis; Hirma, Emalia Septiani; Pratama, Firza Refo Adi; Mahendra, Fiqih Tri
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 8 No 1 (2020): Volume 8 Nomor 1
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v8i1.13749

Abstract

Morbiditas merupakan salah satu indikator yang digunakan untuk mengukur derajat kesehatan penduduk. Penduduk di pulau Jawa memiliki derajat kesehatan lebih baik dibandingkan wilayah lain. Namun angka morbiditas di Jawa Tengah pada tiga tahun terakhir ini lebih tinggi daripada angka morbiditas Indonesia. Penelitian ini bertujuan untuk menganalisis angka morbiditas Provinsi Jawa Tengah secara spasial untuk menelusuri faktor-faktor yang mempengaruhi angka morbiditas Provinsi Jawa Tengah menurut kabupaten/kota secara spasial tahun 2017. Metode analisis yang digunakan adalah analisis deskriptif dengan peta tematik dan analisis autokorelasi spasial. Autokorelasi spasial diukur melalui indeks Moran. Sedangkan untuk analisis variabel-variabel secara spasial yang mempengaruhi angka morbiditas dilakukan dengan model Spatial Autoregressive Model karena terdapat dependensi lag pada kabupaten/kota di Jawa Tengah. Dengan pemodelan SAR, didapatkan variabel prediktor yang signifikan memengaruhi variabel respon yaitu morbiditas pada alfa 11% adalah variabel kemiskinan atau X3 dan variabel rasio fasilitas kesehatan per 30000 penduduk atau X5 dengan nilai R2 46%.
Penerapan Metode Naïve Bayes dalam Analisis Persepsi Masyarakat mengenai Rencana Pengesahan RUU Omnibus Law di Bidang Investasi dan Ketenagakerjaan Tahun 2020 di Indonesia Helmiah, Najia; Nooraeni, Rani; Nulkarim, Aldi Rochman; Munia, Nufaisa; Susanti, Amalia; Putra, Amran Pratama; Taufiqurrahman, Febi
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 8 No 2 (2020): Volume 8 Nomor 2
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v8i2.16743

Abstract

Saat ini, RUU Omnibus Law di Indonesia menjadi kontroversi, khususnya mengenai RUU Cipta Kerja karena dianggap memiliki dampak negative bagi pekerja/buruh. Hal tersebut terlihat dari banyaknya unjuk rasa yang dilakukan dalam rangka menolak RUU tersebut. Penyampaian pendapapat tidak hanya dilakukan melalui unjuk rasa, tetapi juga dapat melalui media social. Salah satunya adalah twitter. Sehingga, penelitian ini bertujuan untuk mengklasifikasikan opini masyarakat mengenai rencana pengesahan RUU Omnibus Law melalui data twitter. Analisis sentiment, asosiasi kata, dan metode Naïve Bayes Classifier diterapakan untuk mengetahui kata-kata yang sering dicuitkan mengenai Omnibus Law dan keterkaitan antar kata, serta mengklasifikasikan opini masyarakat terhadap rencana pengesahan RUU Omnibus Law baik secara emosional maupun secara polaritas.   Data yang digunakan adalah data cuitan twitter dari tanggal 5 Januari 2020 hingga 30 Agustus 2020 dengan data hasil preprocessing sebanyak 8820 tweets. Hasilnya menunjukan bahwa sebagaian besar kata dalam tweet membahas tentang ketenagakerjaan. Berdasarkan analisis asosiasi kata, kata investasi memiliki keterkaitan yang erat dengan pertumbuhan ekonomi serta kemudahan regulasi, sedangkan kata cipta memiliki keterkaitan erat dengan penciptaan lapangan pekerjaan, dan kata buruh memiiki keterkaitan erat dengan penolakan. Kemudian, berdasarkan analisis sentiment, 54% cuitan terklasifikasi sebagai sentiment negative dan 46% cuitan terklasifikasi sebagai sentiment positif. Dengan metode Naïve Bayes, model yang terbentuk dapat mengklasifikasikan 87.1% cuitan twitter dengan benar atau dengan kata lain tingkat akurasi model sebesar 87.1%.
Pengelompokkan Titik Wilayah di Provinsi Daerah Istimewa Yogyakarta Berdasarkan Kualitas Udara Menggunakan Algoritma Fuzzy C-Means Dewi, Aprilia Lutviana; Firmansyah, Adrian; Hirma, Emalia Septiani; Briliyanto, Muhamad Bagus Adji; Fitri, Muti Nurjannah; Nooraeni, Rani
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 8 No 2 (2020): Volume 8 Nomor 2
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v8i2.16745

Abstract

Salah satu target SDGs adalah menangani permasalahan pencemaran udara, WHO menyebutkan bahwa pencemaran udara merupakan risiko gangguan kesehatan terbesar di dunia. Diperkirakan terdapat sekitar 6,5 juta orang meninggal tiap tahun akibat paparan polusi udara. Provinsi DIY merupakan salah satu daerah yang masih memiliki masalah pencemaran lingkungan, mobilitas manusia yang tinggi dengan bertambahnya pengguna kendaraan bermotor membuat pencemaran semakin meningkat. Selain itu, konsumsi energi dan aktivitas industri yang tidak terkendali terutama di daerah perkotaan juga ikut memperburuk kualitas udara. Penelitian ini bertujuan untuk mengelompokkan wilayah-wilayah di Provinsi DIY berdasarkan data kualitas udara yang terekam pada 75 titik amatan agar diperoleh gambaran umum karakteristik wilayah tertentu dengan masalah pencemaran udara spesifik meliputi gas pencemar CO, SO2, NO2, dan O3. Data yang digunakan merupakan data sekunder dari Kementerian Lingkungan Hidup Provinsi DIY, sedangkan metode yang digunakan adalah fuzzy c-means clustering. Hasilnya,dari profile data sebelum dilakukan pengelompokan diperoleh kadar CO, SO2, NO2, dan O3 terendah berada pada titik-titik wilayah permukiman dan tertinggi berada pada titik perempatan jalan, training camp, kampus fakultas teknik, dan industri dan hasil dari perbandingan clustering validity index terbentuk sebanyak 2 klaster. Klaster 1 memiliki titik tengah kadar pencemar gas NO2, SO2, CO, dan O3 yang lebih tinggi dibandingkan klaster 2. Klaster 1 terdiri atas 45 anggota, dimana sebagian besar klaster ini merupakan titik industri, persimpangan jalan, serta pusat keramaian. Sedangkan klaster 2 terdiri atas 30 anggota, dimana sebagian besar klaster ini merupakan titik permukiman.
ANALISIS SENTIMEN PENGGUNA INSTAGRAM TERHADAP KEBIJAKAN KEMDIKBUD MENGENAI BANTUAN KUOTA INTERNET DENGAN METODE SUPPORT VECTOR MACHINE (SVM) Hakim, Syifa Rahmawati; Rizki, M. Alfa; Zekha F, Noval Irgi; Fitri, Nurhidayatul; A, Yolanda Rizkie; Nooraeni, Rani
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 8 No 2 (2020): Volume 8 Nomor 2
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v8i2.16795

Abstract

COVID-19 merupakan suatu pandemi baru yang disebabkan oleh coronavirus dan banyak memberikan dampak salah satunya pada dunia pendidikan sehingga mengharuskan menggunakan sistem pembelajaran jarak jauh. Untuk mendukung sistem tersebut, pemerintah Indonesia melalui Kemdikbud memberikan bantuan kepada peserta didik dan tenaga pendidik berupa bantuan kuota internet. Sebagian masyarakat menyampaikan tanggapan dan opininya mengenai bantuan kuota yang disediakan pemerintah di media sosial salah satunya Instagram. Opini-opini tersebut dimanfaatkan untuk mengetahui penilaian masyarakat terhadap bantuan kuota apakah positif atau negatif dengan menggunakan analisis sentimen. Data yang digunakan pada penelitian ini adalah data komentar pengguna instagram di 7 unggahan akun @kemdikbud.ri yang berkaitan dengan bantuan kuota internet mulai tanggal 27 Agustus – 30 September 2020 yang diperoleh melalui scraping sehingga didapatkan sebanyak 4520 komentar yang kemudian diolah dengan melakukan text preprocessing dan diklasifikasikan menggunakan algoritma support vector machine. Hasil dari tahapan preprocessing sebanyak 32.81% (1483 komentar) data siap digunakan untuk analisis sentimen. Setelah dilakukan analisis klasifikasi didapatkan model yang digunakan yaitu tipe C-Classification, dimana model pendekatan yang digunakan adalah SVM-Kernel Radial (Radial Basis Function) dan menghasilkan persentase komentar berupa sentimen positif sebanyak 61.5%. Model SVM Radian (RBF) mampu melakukan pengklasifikasian respons pengguna Instagram terkait pemberian bantuan kuota internet dengan cukup baik. Hal tersebut dibuktikan dengan nilai evaluasi model berupa tingkat akurasi seebsar 79.67%, sensitivitas sebesar 78.89%, dan spesifisitas sebesar 81.82%.
Co-Authors A, Yolanda Rizkie Adi Lumaksono Agung Budi Santoso Al Baihaqi, Rakai Anasrul, Anasrul Astriani, Vina Briliyanto, Muhamad Bagus Adji Candra, Arya Candra Dewi, Aprilia Lutviana Firmansyah, Adrian Fitri, Muti Nurjannah Fitri, Nurhidayatul Hakim, Syifa Rahmawati Hamdani, Febri Helmiah, Najia Hirma, Emalia Septiani Khoirun Nisa', Intan Maulida Lestariningsih, Eni Mahendra, Fiqih Tri MS, Muhammad Muawwad Munia, Nufaisa Muqiit WS, Andriansyah Nulkarim, Aldi Rochman Prasetya, Ananda Galuh Intan Pratama, Firza Refo Adi Pulungan, Ridson Alfarizal Putra, Amran Pratama Rizki, M. Alfa Salsabila, Atikah Saputri, Aprillia Anis Saragih, Meilani Thereza Br. Sari, Esa Anindika Satria, Manca Shariati, Ilhamsyah Ali Siregar, Aisyah Anjani Putri Sofyan, Sabiq Sudianto, Fauzan Bayu Hera Susanti, Amalia Taufiqurrahman, Febi Yusnissa, Hertina Yustiani, Dwi Zekha F, Noval Irgi