Article Per Year (5 Year)
p-Index From 2021 - 2026
5.094
P-Index
This Author published in this journals
All Journal JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI Techno.Com: Jurnal Teknologi Informasi Jurnal Simetris CAUCHY: Jurnal Matematika Murni dan Aplikasi TELKOMNIKA (Telecommunication Computing Electronics and Control) JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Scientific Journal of Informatics Kubik Jurnal Matematika dan Statistika serta Aplikasinya (Jurnal MSA) Jurnal Fourier Jurnal Sains Matematika dan Statistika InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Sistemasi: Jurnal Sistem Informasi Jurnal Pemberdayaan Masyarakat Madani (JPMM) INTEGER: Journal of Information Technology Indonesian Journal of Artificial Intelligence and Data Mining BAREKENG: Jurnal Ilmu Matematika dan Terapan JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Telematika TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol Infotekmesin ARBITRER: Jurnal Pendidikan Bahasa dan Sastra Indonesia InPrime: Indonesian Journal Of Pure And Applied Mathematics KUBIK: Jurnal Publikasi Ilmiah Matematika Journal of Mathematics Education and Science Al-Hilal: Journal of Islamic Astronomy Jurnal Matematika Integratif Scientica: Jurnal Ilmiah Sains dan Teknologi NERO (Networking Engineering Research Operation) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi
Nurissaidah Ulinnuha
Department Of Mathematics, Faculty Of Sains And Technology, UIN Sunan Ampel Surabaya
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Physics Social Sciences Transportation Other

Published : 40 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 40 Documents
Search

 1   2   3   4 
Klasifikasi Alzheimer Berdasarkan Data Citra MRI Otak Menggunakan Fcm Dan Anfis Almumtazah, Nilna; Kiromi, Muhammad Sahrul; Ulinnuha, Nurissaidah
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 3: Juni 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106826

Abstract

Penyakit Alzheimer adalah kondisi neurologis yang secara bertahap membunuh sel-sel otak dan dapat membahayakan otak secara permanen. Sekitar 50 juta orang di seluruh dunia menderita penyakit Alzheimer atau demensia jenis lain. Jumlah pasien Alzheimer yang banyak mengindikasikan bahwa penting untuk melakukan deteksi dini dengan menggunakan pencitraan MRI otak. Penelitian ini bertujuan untuk mencegah terjadinya alzheimer dengan melakukan deteksi dini sehingga menurunkan kemungkinan meninggalnya pasien alzheimer. Adaptive Neuro-Fuzzy Inference System (ANFIS) adalah metode untuk mengklasifikasikan penyakit Alzheimer. ANFIS menggabungkan ANN dengan FIS sehingga keduanya dapat bekerja sama untuk memberikan hasil yang berarti. Fuzzy C-Means (FCM) 3 cluster pertama-tama akan mensegmentasi data citra MRI untuk menghasilkan citra WM, GM, dan CSF. Citra GM juga akan digunakan untuk metode ekstraksi fitur GLCM. Nilai sensitivitas rata-rata terbaik dicapai pada uji coba k-fold 5 dengan type of membership function trapezoidal, 50 epoch, dan sudut 90°, dengan sensitivitas 90,27%, sesuai dengan hasil uji berganda yang telah dijalankan. Sementara k-fold 10 ditemukan memiliki sudut dan jenis fungsi keanggotaan yang sama pada saat percobaan epoch 150, diperoleh nilai 89,94%. AbstractAlzheimer's disease is a neurological condition that gradually kills brain cells and can harm the brain permanently. About 50 million people worldwide have Alzheimer's disease or another kind of dementia. Given many Alzheimer's patients, it is essential to identify it using brain MRI imaging. This study intends to prevent Alzheimer's instances by performing early detection, lowering the likelihood that Alzheimer's patients would pass away. The Adaptive Neuro-Fuzzy Inference System (ANFIS) is a method for classifying Alzheimer's disease. ANFIS combines ANN with FIS such that the two can work together to provide meaningful outcomes. Fuzzy C-Means (FCM) 3 clusters will first segment the MRI image data to produce the WM, GM, and CSF pictures. The GM image will also be used for the GLCM method of feature extraction. The best average sensitivity value was reached during the k-fold 5 trial with the type of membership function trapezoidal, 50 epoch, and 90° angle, with a sensitivity of 90.27%, according to the results of multiple tests that have been run. While k-fold 10 was found to have the same angle and kind of membership function at the time of the epoch 150 trial, a value of 89.94% was attained.
Implementasi Algoritma Ant Tree Miner Untuk Klasifikasi Jenis Fauna Ardilla, Yunita; Imama Sabilla, Wilda; Ulinnuha, Nurissaidah
Infotekmesin Vol 12 No 2 (2021): Infotekmesin: Juli 2021
Publisher : P3M Politeknik Negeri Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35970/infotekmesin.v12i2.616

Abstract

Classification is a field of data mining that has many methods, one of them is decision tree. Decision tree is proven to be able to classify many kinds of data such as image data and time series data. However, there are several obstacles that are often encountered in the decision tree method. Running time required for the execution of this algorithm is quite long, so this study proposed to use the ant tree miner algorithm which is a development algorithm from the C4.5 decision tree. Ant tree miner works by utilizing ant colony optimization in the process of building its tree structure. Use ant colony optimization expected can optimize the tree that will be formed. From the testing that have been carried out, an accuracy of about 95% is obtained in the process of classifying Zoo dataset with the number of ants between 60 - 90.
Analysis of Regency/City Human Development Index Data in East Java Through Grouping Using Hierarchical Agglomerative Clustering Method Alfirdausy, Roudlotul Jannah; Ulinnuha, Nurissaidah; Hafiyusholeh, Moh.
Sistemasi: Jurnal Sistem Informasi Vol 12, No 3 (2023): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v12i3.2959

Abstract

The evaluation of human development is typically done using the Human Development Index (HDI), which measures the level of development in terms of various essential aspects of quality of life. In the case of East Java, the HDI is categorized as high. However. the distribution of HDI among the Regencies/Cities in East Java is still uneven. Therefore, it becomes necessary to cluster the districts/cities based on their HDI and the achievement of each indicator contributing to the HDI. Clustering is a data analysis technique used to group similar data together. Hierarchical agglomerative clustering is one of the methods used for this purpose. The aim of this study is to provide a reference for the government to understand the distribution of characteristic groupings among the districts/cities based on their HDI profiles in East Java. The analysis of East Java's HDI data for 2021 revealed that the best method and cluster was obtained using Average Linkage, with a Cophenetic coefficient value of 0.8105891, resulting in two clusters. The cluster with the highest Silhouette coefficient value of 0.6196077 comprised 34 districts/cities, classified as the low cluster, while the high cluster consisted of four cities/regencies.
Pengandalian Efek Moving Holiday dengan RegARIMA dalam Proses Peramalan Nilai Tukar Rupiah Terhadap US Dollar Tussholikhah, Anissa Nurul Farida; Ulinnuha, Nurissaidah; Utami, Wika Dianita; Intan, Putroue Keumala
Jurnal Matematika Integratif Vol 20, No 1: April 2024
Publisher : Department of Matematics, Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24198/jmi.v20.n1.54416.63-80

Abstract

Naik turunnya nilai tukar rupiah merupakan salah satu elemen yang mempengaruhi keadaan ekonomi atau tingkat inflasi suatu negara. Fluktuasi nilai tukar mata uang juga dapat dipengaruhi oleh beberapa hari besar nasional, seperti Hari Raya Idul Fitri, yang memiliki periode yang tidak dapat diprediksi setiap tahunnya. Sehingga perlu dilakukan penelitian ini untuk mengetahui prediksi nilai tukar mata uang dengan mempertimbangkan efek moving holiday dan hasil akan dibandingkan dengan metode prediksi tanpa mempertimbangkan efek moving holiday. Dari banyaknya proses prediksi yang dapat dilakukan, penelitian ini menggunakan metode RegARIMA yang merupakan salah satu perkembangan dari ARIMA dengan pengendalian efek moving holiday. Perbandingan hasil diperoleh dari evaluasi ARIMA dengan RegARIMA, untuk mengetahui sebaik apa model menangani efek moving holiday. Berdasarkan nilai MAPE yang diperoleh, model RegARIMA lebih unggul dari ARIMA. MAPE dari RegARIMA bernilai lebih kecil, yakni sebesar 1.82% dibandingkan ARIMA yang memperoleh MAPE sebesar 2.43%. Sehingga model RegARIMA berhasil dalam menangani efek moving holiday dalam proses prediksi.
Pemodelan Matematika Pada Penyebaran Penyakit Tuberculosis di Provinsi Jawa Timur Sari, Firda Yunita; Maulidya, Rahmania; Hilmi, Moh. Aditya Sirojul; Wahyudi, Sharenada Norisdita; Fransisca, Velicia; Putri, Anindya Maya; Asyhar, Ahmad Hanif; Ulinnuha, Nurissaidah
Journal of Mathematics Education and Science Vol. 7 No. 2 (2024): Journal of Mathematics Education and Science
Publisher : Universitas Nahdlatul Ulama Sunan Giri Bojonegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/james.v7i2.2733

Abstract

Tuberculosis yang banyak dikenal dengan sebutan TBC ialah suatu penyakit pernapasan yang menular, dipicu karena adanya Mycobacterium Harituberculosis. TBC menempati peringkat ke-2 setelah COVID-19 sebagai penyakit menular dengan tingkat kematian tertinggi di seluruh dunia. Pada tahun 2020 Indonesia menempati urutan ke-3 dalam kasus TBC tertinggi dibawah India dan Tiongkok. Pada tahun 2021 Provinsi Jawa Timur menjadi peringkat tertinggi ketiga dengan kasus TBC sebesar 466.297 jiwa. Penelitian ini bertujuan untuk mengetahui hasil analisis kestabilan model matematis dan simulasi dari dinamika penyebaran penyakit TBC pada tahun 2021 di Jawa Timur dengan keterbaruan yaitu perbandingan parameter uji coba menggunakan metode runge-kutta orde 4 dan model matematis SITR. Model tersebut merupakan pengembangan dari model SIR dengan menambahkan kompartemen T (treatment). Dalam penelitian didapatkan hasil dari model matematika SITR pada penyakit tuberculosis memperoleh kestabilan titik kesetimbangan endemik dan ketidakstabilan titik kesetimbangan bebas penyakit, hal ini disebabkan bilangan reproduksi dasar kedua parameter , yang menunjukkan bahwasanya Tuberculosis di Provinsi Jawa Timur berpotensi mewabah. Maka diperlukan upaya dalam mencegah dan mengendalikan penyebaran penyakit ini supaya mengurangi dampaknya terhadap kesehatan masyarakat.
Analysis of Inflation Rates During and After the COVID-19 Pandemic Using the K-Means Clustering Method and Kruskal-Wallis Test Fadhila, Riska Nuril; Ulinnuha, Nurissaidah; Hafiyusholeh, Moh
Jurnal Fourier Vol. 14 No. 2 (2025)
Publisher : Program Studi Matematika Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/fourier.2025.142.56-67

Abstract

Inflation occurs when excessive demand results in an overall increase in the prices of goods and services. During the COVID-19 pandemic, the inflation rate in Indonesia leveled off due to the weakening economy. However, in 2022, there was a spike in post-COVID-19 inflation due to increased public demand as pandemic conditions improved. Stable inflation is a requirement for sustainable economic growth and improving people's welfare. In handling inflation problems in various regions, variables and unique circumstances in each region are very important. This research aims to determine whether significant differences exist in the clustering of inflation rates in Indonesia during and after the COVID-19 pandemic. The research results using the Kruskal-Wallis test and the K-Means method obtained that the clustering of inflation rates with k=2 provides good results, as indicated by the Silhouette Coefficient value of 0.66. In addition, there is a significant difference between the current (2020-2021) and post (2022-2023) years of COVID-19 as evidenced by the Kruskal-Wallis test with a p-value < 0.05.
Implementasi Chi-Square dan Oversampling Pada Klasifikasi Kesehatan Janin dengan Support Vector Machine Wahyudi, Sharenada Norisdita; Ulinnuha, Nurissaidah; Hafiyusholeh, Moh
TELKA - Telekomunikasi Elektronika Komputasi dan Kontrol Vol 11, No 3 (2025): TELKA
Publisher : Jurusan Teknik Elektro UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/telka.v11n3.327-337

Abstract

Pemantauan kesehatan janin menjadi aspek penting karena hal tersebut merupakan bentuk antisipasi terkait deteksi potensi patologis yang berkemungkinan membahayakan janin maupun ibu hamil. Sebagaimana dilansir dalam website resmi UNICEF, setidaknya terdapat 2,3 juta bayi meninggal pada bulan pertama kelahiran dengan 90% dari total keseluruhan merupakan kasus kematian bayi didalam kandungan pada masa kehamilan diatas 20 minggu. Selain membahayakan bayi, kesehatan janin juga berdampak pada keselamatan ibu hamil. Oleh karena itu, perlu dilakukan suatu usaha mitigasi resiko guna memperkecil potensi kematian janin dengan mendeteksi kesehatan janin dengan melakukan klasifikasi dengan algoritma SVM. Data yang digunakan pada penelitian ini adalah hasil pemeriksaan kandungan berupa data cardiotocography, berisikan 2126 data yang berisikan 21 fitur yang terkategorikan menjadi 3 kelas yaitu 1665 normal, 295 kelas suspect dan 176 kelas pathologic. Berdasarkan perbedaan yang cukup signifikan pada jumlah data ditiap kelas, dilakukan balancing data dengan metode Synthetic Minority Over-Sampling Technique (SMOTE). Selain itu, dilakukan seleksi fitur dengan menggunakan Chi-Square pada 21 fitur yang kemudian didapati 12 fitur terpilih untuk diklasifikasikan menggunakan algoritma SVM. Skema klasifikasi dilakukan dengan beberapa tahapan, dan didapati bahwa penambahan seleksi fitur Chi-Square dan SMOTE berhasil meningkatkan akurasi klasifikasi menjadi 98%, dengan nilai presicion sebesar 99%, recall 98% dan F-1 Score sebesar 98%. Fetal health monitoring is an important aspect because it forms for detect potential pathologies that may endanger fetus and pregnant mother. As reported on UNICEF, at least 2.3 million babies die in the first month of birth with 90% of the total being cases of intrauterus fetal death. In addition to endangering the baby, fetal health also has an impact on pregnant mother. As an effort to minimize the potential and risk of fetal death, is classify the health status of the fetus using the SVM algorithm. The data used in this study are gynecological results in the field of cardiotocography data, containing 2126 data that have been categorized into 3 classes, namely normal, suspect and pathologic classes. Cardiotocography data in this study was included 2,126 observations distributed across 21 features grouped into three categories: 1,665 normal, 295 suspect, and 176 pathological. Given the significant variation in the number of observations across each category, a data balancing technique, known as the Synthetic Minority Over-Sampling Technique (SMOTE), was employed to address this imbalance. Furthermore, a feature selection process was implemented, employing the Chi-Square method on the 21 features. This method identified 12 features that were subsequently classified using the SVM algorithm. The classification scheme was executed in multiple stages, and it was observed that the incorporation of both Chi-Square and SMOTE feature selection led to a substantial enhancement in classification accuracy, reaching 98%, accompanied by a 99% precision value, 98% recall, and an 98% F-1 score.
Implementation of Random Forest Method with Information Gain Selection and Hyperparameter Tuning for Alzheimer’s Disease Classification Riska Nuril Fadhila; Nurissaidah Ulinnuha; Dian Yuliati
Lontar Komputer : Jurnal Ilmiah Teknologi Informasi Vol. 16 No. 01 (2025): Vol.16, No. 01 April 2025
Publisher : Institute for Research and Community Services, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/LKJITI.2025.v16.i01.p01

Abstract

Alzheimer's disease is one of the leading causes of decreased quality of life in the elderly aged 65 years and above. One of the problems facing Alzheimer's cases is the difficulty of making an early diagnosis to prevent disease progression, as early symptoms are often mistaken for senile dementia. Using the Random Forest method with information gain feature selection and hyperparameter tuning optimization, this study aims to determine the results of optimization with feature selection and hyperparameter tuning using Random Search and Grid Search to classify Alzheimer's medical record data consisting of 32 variables, including lifestyle factors, clinical measurements, cognitive and functional assessments, as well as symptoms that indicate Alzheimer's. The results showed that applying Information Gain and parameter optimization with the Grid Search method achieved the highest accuracy among all tested experiments. Random Forest with Information Gain and Grid Search gave an accuracy of 95.57%, sensitivity of 92.93%, and specificity of 96.99%, which showed better performance than the Random Search method. This indicates that parameter optimization has a vital role in improving model performance. This research contributes to assisting paramedics in determining whether a patient has Alzheimer's disease based on the characteristics derived from the data.
Implementasi Extreme Learning Machine dengan Seleksi Fitur Particle Swarm Optimization untuk Klasifikasi Sindrom Ovarium Polikistik Mukti, Audyra Dewi Puspa; Ulinnuha, Nurissaidah; Asyhar, Ahmad Hanif
Jurnal Matematika Integratif Vol 21, No 2: Oktober 2025
Publisher : Department of Matematics, Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24198/jmi.v21.n2.63988.131-142

Abstract

Sindrom Ovarium Polikistik (SOPK) adalah gangguan hormonal yang sering terjadi pada wanita usia reproduktif dan menjadi salah satu penyebab utama masalah kesuburan. Sekitar 3–15% wanita di seluruh dunia mengalami kondisi ini, yang juga dapat memicu berbagai masalah kesehatan lainnya. Penelitian ini bertujuan untuk mengembangkan metode diagnosis SOPK yang lebih efisien dan akurat dengan memanfaatkan algoritma Extreme Learning Machine (ELM) yang dikombinasikan dengan seleksi fitur menggunakan Particle Swarm Optimization (PSO). ELM dipilih karena kemampuannya dalam melakukan klasifikasi secara cepat, sedangkan PSO digunakan untuk memilih fitur-fitur yang paling relevan. Hasil seleksi fitur menghasilkan 18 fitur terpilih dari total 40 fitur. Pencarian parameter terbaik dilakukan dengan pendekatan random search dan grid search. Hasil menunjukkan bahwa random search memberikan performa terbaik, dengan akurasi 95.35%, sensitivitas 96.67%, dan spesifisitas 92.65%. Tanpa seleksi fitur, ELM hanya menghasilkan akurasi 84.20%, sensitivitas 90.10%, dan spesifisitas 70.62%. Temuan ini menunjukkan bahwa seleksi fitur menggunakan PSO mampu meningkatkan performa klasifikasi ELM secara signifikan.
Clustering Data Kecelakaan Lalu Lintas melalui Algoritma K-Means dengan Seleksi Fitur Chi-Square Margaretha, Adellia Putri; Ulinnuha, Nurissaidah; Intan, Putroue Keumala
INTEGER: Journal of Information Technology Vol 10, No 2 (2025): September
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.0.v10i2.7529

Abstract

Kecelakaan lalu lintas merupakan permasalahan signifikan di Indonesia, dengan dampak fatal dan kerugian ekonomi yang besar. Penelitian ini bertujuan untuk menerapkan algoritma K-means untuk mengelompokkan data kecelakaan lalu lintas dengan menggunakan seleksi fitur. Data kecelakaan lalu lintas yang digunakan diperoleh dari sebuah perusahaan asuransi kecelakaan di Sidoarjo dan diproses untuk menghasilkan fitur-fitur yang relevan. Proses seleksi fitur dilakukan untuk menentukan fitur-fitur yang memiliki kepentingan dan informasi yang paling relevan dalam proses pengelompokkan. Metode seleksi fitur yang digunakan dalam penelitian ini adalah seleksi fitur Chi-Square, yang bertujuan untuk memilih fitur-fitur yang memiliki hubungan signifikan dengan variabel target kecelakaan. Hasil penelitian menunjukkan bahwa data terbagi menjadi 2 cluster dengan seleksi fitur maupun tanpa seleksi fitur, yaitu wilayah dengan tingkat kecelakaan tinggi dan rendah. Nilai koefisien sillhouette cluster sebelum dilakukan seleksi fitur adalah sebesar 0,57. Sedangkan setelah diterapkan seleksi fitur dengan Chi-Square, diperoleh hasil yang lebih baik yaitu sebesar 0,72. Penelitian ini menunjukkan bahwa dengan menerapkan metode seleksi fitur dapat meningkatkan performa pengelompokkan data kecelakaan lalu lintas dengan algoritma K-means.
Co-Authors Abdulloh Hamid Abdulloh Hamid Ahmad Hanif Asyhar Alfirdausy, Roudlotul Jannah Almumtazah, Nilna Aqilah Khansa, Shafa Fitria Ardelia, Nita Ariestia Ramadhani Aris Fanani Daffa Nur Cholis Dian Candra Rini Novitasari Dian Yuliati Dino Ramadhan Elisa Syafaqoh Endah Nur Salamah, Endah Nur Fadhila, Riska Nuril FAJAR SETIAWAN Farmita, Mayandah Fransisca, Velicia Hilmi, Moh. Aditya Sirojul Indriyani, Jiphie Gilia Intan, Putroue Kumala Isye Arieshanti Khasanah, Rofina Muti'atun Kiromi, Muhammad Sahrul Lutfi Hakim Maghfiroh, Wardatul Margaretha, Adellia Putri Maulana, Achmad Resnu Maulidya, Rahmania Moh. Hafiyusholeh Mohamat Ulin Nuha Mu'afa, Sulthan Fikri Mukti, Audyra Dewi Puspa Nafis, Urwatun Novianti, Fahriza Prilindaputra, Brilian Purwanti, Ida Putri, Anindya Maya Putri, Dinda Rima Rachcita Putroue Keumala Intan Rafika Veriani Riska Nuril Fadhila Romdloni, Ro’iqotul Fathiyyah SA'DYAH, HALIMATUS Safira, Icha Dwi Sari, Firda Yunita Sari, Ghaluh Indah Permata Septiani, Intan Karunia Septiani Sholihah, Siti Azizatus Siti Aisyah Sufriyah, Lailiyatus Sulthan Fikri Mu&#039;afa Tussholikhah, Anissa Nurul Farida USWATUN KHASANAH Utami, Tri Mar'ati Nur Wahyudi, Sharenada Norisdita Wika Dianita Utami Wika Dianita Utami Wilda Imama Sabilla Yanuwar Reinaldi Yudhi Purwananto Yuliati, Dian Yuniar Farida Yunita Ardilla Yusuf Ababil, Achmad Fachril