Article Per Year (5 Year)
p-Index From 2021 - 2026
7.656
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) SITEKIN: Jurnal Sains, Teknologi dan Industri Journal of Environmental Engineering and Sustainable Technology Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal POINTER JURNAL PENGABDIAN KEPADA MASYARAKAT Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer SISFO Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) JAST : Jurnal Aplikasi Sains dan Teknologi Indonesian Journal of Electrical Engineering and Computer Science Tri Dharma Mandiri: Diseminasi dan Hilirisasi Riset Kepada Masyarakat (Jurnal Pengabdian Kepada Masyarakat) Kohesi: Jurnal Sains dan Teknologi Journal of Information System and Application Development
Lailil Muflikhah
Fakultas Ilmu Komputer, Universita Brawijaya, Malang, Indonesia
Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Public Health Social Sciences Other

Published : 114 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 114 Documents
Search

 7   8   9   10   11 
Analisis sentimen kebijakan masuk sekolah pukul lima pagi menggunakan algoritma Naïve Bayes Hoar, Wilhelmina Sonya; Zubair, Anis; Muflikhah, Lailil
Journal of Information System and Application Development Vol. 2 No. 1 (2024): March 2024
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jisad.v2i1.10935

Abstract

Education is very important to build a quality young generation that can advance the nation. To improve the quality of education, the government of East Nusa Tenggara implemented a five am school entry policy. However, this policy has caused pros and cons in the community. People are becoming more active expressing their opinions through social media. Criticism of this policy is reflected in comments appearing on social media, especially on Twitter. Therefore, it's important to conduct sentiment analysis to know how many positive and negative responses to this policy. In this research, sentiment analysis was carried out on search results for tweets with the keyword “sekolah jam 5 di NTT” in the time period from February to March 2023. A total of 777 tweets were obtained with 24 positive sentiments and 753 tweets with negative sentiments. The data was then processed and analyzed using the Naïve Bayes algorithmThis research obtained accuracy results of 97% with a negative sentiment precision value of 98% and a positive sentiment precision value of 50%. In addition, the recall and f1-score values for negative sentiment are greater than positive sentiment, indicating that more people do not agree with the policy.
Analisis Sentimen Produk Hijab Pada E-Commerce Tokopedia Menggunakan Algoritma Support Vector Machine dan IndoBERT Embedding Tri Fadilah, Ghina; Muflikhah, Lailil; Rizal Setya Perdana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi informasi dan komunikasi telah membawa perubahan signifikan dalam dunia perdagangan, termasuk dalam platform e-commerce seperti Tokopedia. Salah satu sektor yang berkembang pesat adalah industri fesyen muslim, dengan produk hijab sebagai salah satu kategori yang paling diminati. Ulasan produk di platform e-commerce memainkan peran penting dalam pengambilan keputusan pembelian konsumen. Oleh karena itu, analisis sentimen terhadap ulasan produk hijab di Tokopedia menjadi penting untuk membantu penjual meningkatkan kualitas produk dan layanan. Penelitian ini bertujuan untuk merancang dan menguji model analisis sentimen menggunakan kombinasi IndoBERT embedding dan algoritma Support Vector Machine (SVM). IndoBERT digunakan untuk menghasilkan representasi teks yang mendalam berdasarkan konteks bahasa Indonesia, sementara SVM berfungsi sebagai algoritma klasifikasi untuk memprediksi sentimen ulasan. Untuk meningkatkan efisiensi komputasi, penelitian ini menggunakan metode ekstraksi embedding dengan menjumlahkan dua layer terakhir dari representasi model IndoBERT. Hasil penelitian menunjukkan bahwa kombinasi IndoBERT dan SVM memberikan performa yang baik dalam analisis sentimen. Kernel Linear mencapai akurasi tertinggi sebesar 92%. Kernel RBF memperlihatkan stabilitas tinggi dengan akurasi konsisten sebesar 89%, dan kernel Polynomial mencapai akurasi terbaik sebesar 90%. Penelitian ini menegaskan pentingnya pemilihan parameter yang tepat, seperti kernel, nilai C, dan class weight, untuk memaksimalkan performa model. Dengan demikian, kombinasi IndoBERT embedding dan algoritma SVM terbukti efektif dan efisien untuk analisis sentimen ulasan produk hijab di Tokopedia. Pendekatan ini dapat diterapkan pada berbagai domain lain untuk mendukung pengambilan keputusan berbasis data teks.
Deteksi Nefropati Diabetik Pada Pasien Diabetes Melitus Menggunakan Regresi Logistik Ashidiq, Muhammad Fihan; Muflikhah, Lailil; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diabetes Melitus adalah penyakit metabolik kronis yang ditandai oleh hiperglikemia akibat gangguan produksi atau penggunaan insulin. Diabetes melitus dapat menyebabkan komplikasi serius, salah satunya Nefropati Diabetik, yang merupakan kerusakan pada ginjal akibat diabetes. Berdasarkan data International Diabetes Federation (IDF), jumlah penderita diabetes meningkat signifikan setiap tahun. Penelitian ini bertujuan mendeteksi kemungkinan terjadinya Nefropati Diabetik pada pasien Diabetes melitus menggunakan model regresi logistik. Tahap awal penelitian ini melibatkan pengolahan data (preprocessing) untuk mengatasi masalah data outlier yang berlebih dan ketidakseimbangan kelas. Metode balancing data dengan oversampling dan log transformasi digunakan untuk meningkatkan kualitas dataset. Proses pelatihan model dilakukan dengan algoritma gradient descent untuk mengoptimalkan parameter regresi logistik. Evaluasi model menunjukkan hasil yang sangat baik, dengan akurasi, presisi, recall, dan F1-score rata-rata mencapai 0,98. Penelitian ini diharapkan dapat menjadi alat prediksi yang efektif dalam mendeteksi Nefropati Diabetik pada pasien diabetes melitus, sehingga membantu pencegahan komplikasi yang lebih serius. Implementasi model ini dapat berkontribusi pada peningkatan kualitas pelayanan kesehatan, terutama dalam penanganan kasus diabetes melitus.
Pemodelan Prediktif Harga Saham Menggunakan Simple Moving Average Dengan Metode Long Short-Term Memory Khairunnisa, Alifah; Muflikhah, Lailil; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 3 (2025): Maret 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pasar saham, khususnya di sektor tambang, memiliki volatilitas tinggi akibat berbagai faktor eksternal dan internal. Investor sering kesulitan memprediksi harga saham hanya dengan analisis fundamental karena tidak sepenuhnya menggambarkan dinamika perubahan harga. Analisis teknis menggunakan indikator Simple Moving Average (SMA) kerap dimanfaatkan untuk mengidentifikasi tren jangka pendek, namun kurang tanggap terhadap perubahan cepat. Pendekatan deep learning seperti Long Short- Term Memory (LSTM) mampu mempelajari pola jangka panjang dan nonlinear, sehingga berpotensi meningkatkan akurasi prediksi harga saham. Penelitian ini menggabungkan SMA dan LSTM untuk memprediksi harga saham empat perusahaan tambang terdaftar di LQ45. Hasil pengujian menunjukkan bahwa integrasi SMA tidak selalu meningkatkan akurasi. Pada ANTM, penambahan SMA menurunkan MAPE dari 5,01% menjadi 4,92%, namun pada INCO dan PTBA, akurasi justru menurun. Pada INCO, penambahan SMA menaikkan MAPE dari 5,55% menjadi 6,33%, sedangkan pada PTBA menaikkan MAPE dari 6,72% menjadi 7,52%. Sedangkan ADRO mengalami perubahan MAPE kecil dari 3,74% menjadi 3,86%. Dengan demikian, efektivitas SMA bergantung pada karakteristik masing-masing saham. LSTM tetap kompetitif bahkan tanpa SMA, sehingga penggunaan SMA harus dipertimbangkan secara kontekstual. Penelitian ini memperkaya wawasan dalam memprediksi harga saham di sektor tambang yang fluktuatif dan dapat membantu investor dalam pengambilan keputusan yang lebih tepat.
Deteksi Mutasi Kanker Paru Pada Citra CT-Scan Menggunakan Pre-Trained CNN-VGG19 Addin Sahirah, Rafifa; Muflikhah, Lailil; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 4 (2025): April 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Paru-paru merupakan organ vital yang mendukung sistem pernapasan, namun dapat mengalami gangguan seperti kanker paru yang dapat menyebar atau bermutasi jika tidak segera dideteksi. Salah satu metode deteksi dini yang sering digunakan adalah pencitraan CT-Scan. Untuk mengurangi kemungkinan kesalahan manusia dalam interpretasi, penelitian ini menggunakan pendekatan deep learning dengan model pre-trained VGG19 yang telah terbukti efektif pada berbagai penerapan computer vision dengan dataset medis yang terbatas. Penelitian ini membangun model klasifikasi dua kelas, yaitu mutasi positif dan mutasi negatif, dengan data citra CT-Scan yang melalui tahapan pemrosesan awal berupa penghapusan data duplikat, konversi format DICOM ke JPG, pembagian data, dan normalisasi. Model dilatih dengan menggunakan data citra CT-Scan yang telah melalui pemrosesan awal dan berhasil memberikan kinerja terbaik dengan penerapan optimizer Nadam dengan learning rate sebesar 0,001 dan batch size 32. Hasil penelitian menunjukkan nilai akurasi sebesar 1,00 pada pelatihan dan nilai F1 score sebesar 1,00 pada pengujian, yang membuktikan efektivitas pre-trained VGG19 dalam mendeteksi mutasi kanker paru serta potensinya dalam mendukung diagnosis medis secara lebih akurat.
High Performance of Polynomial Kernel at SVM Algorithm for Sentiment Analysis Muflikhah, Lailil; Haryanto, Dimas Joko
Journal of Information Technology and Computer Science Vol. 3 No. 2: November 2018
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (338.242 KB) | DOI: 10.25126/jitecs.20183260

Abstract

Sentiment analysis is a text mining based on the opinion collection towards the review of online product. Support Vector Machine (SVM) is an algorithm of classification that applicable to review the analysis of product. The hyperplane kernel function of SVM has importance role to classify the certain category. Therefore, this research is address to investigate the performance between Polynomial and Radial Basis Function (RBF) kernel functions for sentiment analysis of review product. They are examined to 200 comments using 10-fold validation and various parameter values (learning rate, lambda, c value, epsilon and iteration). As general, the performance for polynomial kernel of 88.75% is slightly higher than RBF kernel of 83.25%.
Prediksi Financial Distress Menggunakan Algoritma ANFIS dengan Rasio Keuangan Altman Z-Score Pada Emiten Sektor Basic Material Di Bursa Efek Indonesia Fatimah Az-Zahra, Adinda; Muflikhah, Lailil; Darma Setiawan, Budi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Naskah ini akan diterbitkan di Journal of Mathematical and Data Science
Prediksi Nefropati Menggunakan Algoritma Random Forest Rusydi Hanan, Muhammad; Muflikhah, Lailil; Abdurrachman Bachtiar, Fitra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 5 (2025): Mei 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Prediksi nefropati diabetik yang efektif dan efisien penting untuk mencegah komplikasi serius, seperti gagal ginjal. Model machine learning dapat memberikan prediksi cepat dan akurat. Data pasien nefropati diproses melalui prapemrosesan untuk mengoptimalkan model, termasuk konversi data kategorikal ke numerik, normalisasi menggunakan Min-Max, dan oversampling dengan SMOTE untuk menyeimbangkan distribusi kelas. Fitur diseleksi berdasarkan importance score untuk mengurangi kompleksitas model. Random Forest digunakan dengan parameter optimal yang diperoleh dari Hyperparameter Tuning. Hasil menunjukkan bahwa model Random Forest dengan data prapemrosesan memiliki performa lebih baik dibandingkan model tanpa prapemrosesan, meski perbedaannya tidak terlihat signifikan. Model ini juga lebih unggul dibandingkan model machine learning lainnya seperti KNN, SVM, dan Gaussian Naïve Bayes dalam akurasi, presisi, reecall, f1 score, dan AUC score (0.96), yang menunjukkan kemampuannya dalam membedakan data positif dan negatif. Penelitian ini berhasil mengimplementasikan model Random Forest dalam memprediksi penyakit nefropati diabetik dengan hasil yang cukup baik, namun penelitian yang lebih mendalam dapat dilakukan untuk mengoptimalkan model dalam memprediksi nefropati diabetik.
Klasifikasi Penyakit Alzheimer Berdasarkan Citra MRI Otak Menggunakan ResNet50v2 Dewi, Buana; Muflikhah, Lailil; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 6 (2025): Juni 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit Alzheimer merupakan salah satu bentuk demensia yang disebabkan oleh kerusakan atau malafungsi sel otak, sehingga menghambat kinerja otak secara optimal. Deteksi dini menjadi krusial untuk memperlambat perkembangan penyakit, namun metode diagnosis konvensional masih bergantung pada pemeriksaan klinis yang bersifat subjektif dan memerlukan waktu serta biaya tinggi. Seiring kemajuan teknologi, Convolutional Neural Networks (CNN) semakin efektif dalam analisis data medis, termasuk dalam diagnosis Alzheimer. Penelitian ini bertujuan untuk mengembangkan model klasifikasi penyakit Alzheimer berbasis Convolutional Neural Network (CNN) dengan memanfaatkan arsitektur pre-trained ResNet50V2. Dataset yang digunakan terdiri dari 6.400 citra MRI otak yang terbagi ke dalam empat kategori: Non-Demented, Very Mild Demented, Mild Demented, dan Moderate Demented. Model dikustomisasi dengan penambahan Dense Layer dan Batch Normalization, serta dioptimasi menggunakan Adam optimizer dan fungsi loss categorical cross-entropy. Penelitian ini mengevaluasi model ResNet50V2 untuk klasifikasi citra MRI otak berdasarkan metrik akurasi, precision, recall, dan F1-score, serta menganalisis pengaruh fine-tuning terhadap peningkatan akurasi model. Hasil penelitian menunjukkan bahwa model mencapai akurasi 92.7%, dengan precision, recall, dan F1-score yang konsisten. Teknik fine-tuning terbukti berhasil meningkatkan akurasi dari 73% menjadi 92,7% serta menurunkan test loss dari 0,59 menjadi 0,198. Peningkatan ini dicapai melalui penyesuaian arsitektur model serta optimasi hyperparameter, termasuk learning rate, dropout, dan jumlah epoch. Dengan demikian, penelitian ini menunjukkan bahwa ResNet50V2 dengan fine-tuning terbukti mampu mengklasifikasikan Alzheimer secara akurat, sehingga berpotensi menjadi alat bantu dalam diagnosis dini penyakit ini.
Klasifikasi Citra Ultrasonografi Kanker Payudara Menggunakan Metode ResNet-50 Putri, Rania Aprilia Dwi Setya; Muflikhah, Lailil; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 6 (2025): Juni 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kanker payudara menjadi penyebab kematian bagi perempuan di dunia dengan jumlah kematian 6,6% secara global dengan 2,3 juta diagnosis baru. Di Indonesia sendiri kanker payudara menjadi penyebab kematian kedua di Indonesia setelah kanker paru-paru. Salah satu metode untuk mendeteksi adanya lesi pada payudara adalah dengan melakukan pemeriksaan ultrasonografi. Ultrasonografi adalah pemeriksaan kesehatan yang memanfaatkan gelombang suara. Beberapa penelitian terkait kanker payudara dikembangkan dengan menggunakan algoritma deep learning untuk membantu analisis citra medis dan klasifikasi kanker payudara. Pada penelitian ini dilakukan klasifikasi kanker payudara dengan mendeteksi tiga kelas (benign, malignant, dan normal) dengan membandingkan data citra ultasonografi asli dengan data yang dipreprocessing overlay. Preprocessing overlay sendiri adalah melakukan penggabungan citra asli dengan citra mask yang didapatkan melalui hasil segmentasi. Citra mask yang digunakan pada penelitian ini diperoleh dari dataset yang sama dengan citra asli. Penelitian ini menggunakan arsitektur ResNet-50 untuk mendapatkan model terbaik dalam melakukan klasifikasi. Modifikas lapisan dilakukan dengan menambahkan lapisan-lapisan tambahan. Hasil pengujian model menunjukkan bahwa model mampu melakukan klasifikasi dengan akurasi model mencapai 99%. Dari hasil ini membuktikan bahwa kombinasi preprocessing overlay dengan ResNet-50 mampu meningkatkan efektivitas klasifikasi kanker payudara menggunakan citra ultrasonografi.
Co-Authors A. Bachtiar , Fitra Abdurrachman Bachtiar, Fitra Achmad Jafar Al Kadafi, Achmad Jafar Addin Sahirah, Rafifa Adinugroho, Sigit Agung Setiyoaji Agus Ardiansyah Agus Wahyu Widodo Agus Wahyu Widodo, Agus Wahyu Ahmad Nur Royyan Ahmad Wildan Attabi' Akbar Grahadhuita Al Kautsar, Prima Daffa Aldi Bagus Sasmita Aldino Caturrahmanto Anis Zubair, Anis Annisaa Amalia Safitri Aqmal Maulana Tisno Nuryawan Ardiza Dwi Septian Arief Andy Soebroto Ashidiq, Muhammad Fihan Aulia Herdhyanti Bachtiar, Harsya Baharudin B. Baharum Baihaqi, Galih Restu Bajsair, Fath' Hani Sarli Bayu Laksana Yudha Bayu Rahayudi Bening Herwijayanti Bintang, Tulistyana Irfany Brillian Ghulam Ash Shidiq Budi Darma Setiawan Candra Dewi Candra Dewi Daneswara Jauhari Daneswara Jauhari, Daneswara Darma Setiawan, Budi Darmawan, Riski Daud, Nathan Dewi, Buana Dhimas Wida Syahputra Dian Eka Ratnawati Dimas Joko Hariyanto Dimas Joko Haryanto Duwi Purnama Sidik Edy Santoso Edy Santoso Eni Hartika Harahap Eva Agustina Ompusunggu Faris Dinar Wahyu Gunawan Fatimah Az-Zahra, Adinda Feri Eko Herman Fitra Abdurrachman Bachtiar Fitrotuzzakiyah, Shafira Puspa Gessia Faradiksi Putri HANA RATNAWATI Hanggar Wahyu Agi Prayogo Haris, Asmuni Haryanto, Dimas Joko Hinandy Nur Anisa Hoar, Wilhelmina Sonya Ichsan Achmad Fauzi Iftinan, Salsa Nabila Imam Cholissodin Imam Cholissodin Imam Cholissodin Imam Cholissodin Indriati Indriati Indriati Indriati Issa Arwani Kautsar, Ahmad Izzan Khairunnisa, Alifah Ksatria Bhuana Kukuh Bhaskara Kukuh Haryobismoko Kurnianingtyas, Diva Laily Putri Rizby Luqyana, Wanda Athira Luthfi Afrizal Ardhani M. Ali Fauzi M. Tanzil Furqon, M. Tanzil Marine Putri Dewi Yuliana Marji . Marji Marji Maulana, Muhammad Taufik Maulidiya, Afifulail Maya Nur Muh Arif Rahman Muh Hamim Fajar Muh. Arif Rahman Muhammad Abduh Muhammad Fajri Muhammad Ferian Rizky Akbari Muhammad Rafif Al Aziz MUHAMMAD SYAFIQ Muhammad Tanzil Furqon Muhammad Wafiq Mukhrodi, Dillah Lyra Nashi Widodo Nisa, Lisa N. Novanto Yudistira Nurfansepta, Amira Ghina Nurhidayati Desiani Nurul Dyah Mentari Nurul Hidayat Nurul Hidayat Olivia Bonita Puji Indah Lestari Puspita Sari Putra Pandu Adikara Putri, Rania Aprilia Dwi Setya Rachmad Indrianto Rachmatika, Isnayni Sugma Rafifah Nawawi, Danisha Ramadhan, Galang Gilang Randi Pratama Nugraha Randy Cahya Wihandika Ratih Kartika Dewi Rekyan Regarsari Mardhi Putri Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Rendi Cahya Wihandika Rheza Raditya Andrianto Ria Ine Pristiyanti Rika Raudhotul Rizqiyah Riski Darmawan Riyanarto Sarno Rizal Setya Perdana Rizal Setya Perdana Robbiyatul Munawarah Rowan Rowan Rusydi Hanan, Muhammad Satrio Hadi Wijoyo Setiana, Maya Setya Perdana, Rizal Shalsadilla, Shafatyra Reditha Sholeh, Mahrus Sukma, Lintang Cahyaning Supraptoa Supraptoa Surya Dermawan Susanto, Dominicus Christian Bagus Sutrisna, Naufal Putra Sutrisno Sutrisno Sutrisno, Sutrisno Syafruddin Agustian Putra Syarif Hidayatulloh Tahtri Nadia Utami Tibyani Tibyani Tirana Noor Fatyanosa, Tirana Noor Tri Fadilah, Ghina Utaminingrum, Fitri Vianti Mala Anggraeni Kusuma Vidya Capristyan Pamungkas Wahyu Rizki Ferdiansyah Wardana, Dzaky Ahmadin Berkah Warut, Gregorius Batara De Wibowo, Dhimas Bagus Bimasena Wijaya, Nicholas Yobel Leonardo Tampubolon Yogi Suwandy Yulian Ekananta Yunita, W. Lisa Zakiyyah, Rizka Husnun Zanna Annisa Nur Azizah Fareza