p-Index From 2021 - 2026
6.928
P-Index
This Author published in this journals
All Journal Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Scan : Jurnal Teknologi Informasi dan Komunikasi Jurnal Informatika dan Teknik Elektro Terapan Jurnal IPTEK Jurnal Sistem Informasi dan Bisnis Cerdas JURNAL INSTEK (Informatika Sains dan Teknologi) Prosiding Seminar Nasional Sains dan Teknologi Terapan JURNAL TEKNOLOGI DAN OPEN SOURCE Data Science: Journal of Computing and Applied Informatics Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal IJEEIT : International Journal of Electrical Engineering and Information Technology Applied Technology and Computing Science Journal Journal of Information Systems and Informatics Abdimas Universal bit-Tech Jurnal Teknologi Dan Sistem Informasi Bisnis Aviation Electronics, Information Technology, Telecommunications, Electricals, Controls (AVITEC) JATI (Jurnal Mahasiswa Teknik Informatika) International Journal of Advances in Data and Information Systems Jifosi Nusantara Science and Technology Proceedings KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Penelitian Inovatif Konstelasi: Konvergensi Teknologi dan Sistem Informasi PELS (Procedia of Engineering and Life Science) NUSANTARA: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknik Mesin, Industri, Elektro dan Informatika Prosiding Seminar Nasional Rekayasa Teknologi Industri dan Informasi ReTII Jurnal Ilmiah Teknik Informatika dan Komunikasi Madani: Multidisciplinary Scientific Journal Scientica: Jurnal Ilmiah Sains dan Teknologi Student Research Journal Jurnal Informatika Polinema (JIP) Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal ilmiah teknologi informasi Asia
Claim Missing Document
Check
Articles

ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN APLIKASI MIDI KRIING MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) Ubaidillah Fahmi, Rohmat; Anjani Arifiyanti, Amalia; Luhur Indayanti Sugata, Tri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13783

Abstract

Midi Kriing merupakan aplikasi belanja online yang dikembangkan oleh PT Midi Utama Indonesia Tbk, yang menawarkan berbagai produk untuk memenuhi kebutuhan konsumen. Untuk meningkatkan kualitas layanan dan pengalaman pengguna, analisis sentimen terhadap aplikasi Midi Kriing sangat diperlukan. Penelitian ini bertujuan untuk menganalisis sentimen berdasarkan aspek-aspek tertentu dari ulasan pengguna aplikasi Midi Kriing dengan menggunakan algoritma Support Vector Machine (SVM), dengan fokus pada tiga aspek utama: produk, layanan, dan fungsionalitas aplikasi. Berbagai skenario SVM diuji, skenario tersebut meliputi pembagian data dengan rasio 80:20 dan 75:25 untuk aspek produk, layanan, dan fungsionalitas aplikasi. Algoritma SVM yang digunakan melibatkan pemilihan kernel linear, polynomial, dan radial basis function (RBF), dengan pengujian nilai parameter C pada nilai 0.1, 1, dan 10. Evaluasi dilakukan menggunakan Classification Report dan Confusion Matrix untuk mengukur kinerja model dalam mengklasifikasikan sentimen, dengan metrik utama seperti precision, recall, F1-score, dan akurasi. Hasil penelitian menunjukkan bahwa model terbaik untuk masing-masing aspek diperoleh dengan skenario pembagian data 80:20 untuk produk dan layanan menggunakan kernel linear, serta pembagian data 75:25 untuk fungsionalitas aplikasi dengan kernel RBF, menghasilkan akurasi tertinggi sebesar 87% pada model produk dan fungsionalitas aplikasi dan 85% pada model model layanan.
ANALISIS DATA PENCARI KERJA DI DINAS PERINDUSTRIAN TENAGA KERJA KOTA SURABAYA DENGAN MENGGUNAKAN EDA DAN PCA Dewi Safitri, Triyatul; Anjani Arifiyanti, Amalia; Brastama Putra, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13929

Abstract

Ketidakseimbangan dalam penyaluran tenaga kerja di Kota Surabaya menjadi tantangan bagi Dinas Perindustrian dan Tenaga Kerja Kota Surabaya. Pencari kerja mempunyai latar belakang yang beragam seperti tingkat pendidikan, usia pengalaman kerja dan kondisi lainnya yang dapat mempengaruhi kesiapan dari pencari kerja. Penelitian ini bertujuan untuk menganalisis data pencari kerja di Dinas Perindustrian dan Tenaga Kerja Kota Surabaya menggunakan Exploratory Data Analysis (EDA) dan Principal Component Analysis (PCA). EDA digunakan untuk mengidentifikasi pola dan karakteristik pencari kerja berdasarkan faktor – faktor seperti usia, tingkat pendidikan, pengalaman kerja, status pernikahan, status disabilitas, dan lainnya. PCA diterapkan untuk mereduksi dimensi data serta menemukan faktor utama yang berkontribusi terhadap kesiapan kerja. Hasil penelitian ini menunjukkan bahwa reduksi dimensi menghasilkan PC 1, PC2 dan PC 3 yang menjelaskan total varians terbesar dalam data. Faktor dominan yang mempengaruhi pengelompokkan pencari kerja adalah terdapat 3 komponen utama yang mempunyai korelasi yang cukup besar terhadap pembentukan pengelompokan pencari kerja adalah nama program studi dengan nilai varians paling tinggi pertama yaitu 97,2%, diikuti oleh kombinasi faktor usia, pengalaman kerja, status pernikahan, jumlah anak dan status disabilitas dengan varians 1,51% serta faktor pengalaman kerja, tingkat pendidikan, sertifikat mendapatkan varians 1,04%.
REKOMENDASI PAKET MENU PADA KOPI MESRA ABADI MENGGUNAKAN ALGORITMA FP-GROWTH DAN K-MEANS Maulana Arrasyid, Nizar; Dyar Wahyuni, Eka; Anjani Arifiyanti, Amalia
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14459

Abstract

Penurunan penjualan di Kopi Mesra Abadi, yang turun dari surplus 131,6% pada Oktober 2023 menjadi 37,96% pada Maret 2024, menunjukkan perlunya strategi promosi yang lebih relevan untuk mencapai target penjualan per bulan. Penelitian ini bertujuan untuk merancang strategi promosi yang lebih relevan dengan menggunakan analisis pola pembelian pelanggan dan menu yang sering dibeli bersamaan. Metodologi yang digunakan mencakup dua algoritma: FP-Growth dan K-Means Clustering. FP-Growth digunakan untuk menemukan Frequent Itemsets dan Association Rules guna mengidentifikasi kombinasi menu yang sering dibeli bersama. K-Means Clustering digunakan untuk mengelompokkan pelanggan ke dalam tiga klaster berdasarkan waktu pembelian di tiga sesi: Sesi 1 (09.00-13.59), Sesi 2 (14.00-16.59), dan Sesi 3 (17.00-23.59). Hasil penelitian menunjukkan bahwa pembagian pelanggan ke dalam klaster per sesi membantu merancang paket menu yang sesuai dengan preferensi mereka. Sebagai contoh, Sesi 1 Klaster 0 lebih memilih "Nasi Ayam Pedas" dan "Teh O" untuk makan siang, Sesi 2 Klaster 2 memilih "Nasi Ayam Telor Asin" dan "Nasi Goreng Mawut" untuk pulang kerja, dan Sesi 3 Klaster 2 memilih paket Executive Meeting dengan "Kopi Butter," "Kopi Karamel," dan "Kopi Baileys." Penerapan FP-Growth dan K-Means membantu merancang paket menu yang menarik dan mencapai target penjualan.
KLASTERISASI KERAWANAN GEMPA BUMI DI INDONESIA MENGGUNAKAN ALGORITMA INVASIVE WEED OPTIMIZATION Maulana Kharyska Abadi, Muhammad; Anjani Arifiyanti, Amalia; Satria Yudha Kartika, Dhian
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14460

Abstract

Indonesia merupakan wilayah dengan risiko gempa bumi tinggi karena terletak di pertemuan tiga lempeng tektonik utama. Meski berbagai upaya mitigasi telah dilakukan, langkah penting seperti pemetaan wilayah rawan gempa bumi di Indonesia belum diterapkan secara optimal. Hal ini menyebabkan upaya mitigasi masih kurang terarah. Penelitian ini bertujuan untuk klasterisasi atau mengelompokkan wilayah rawan gempa di Indonesia menggunakan algoritma Invasive Weed Optimization yang unggul dalam eksplorasi global. Tahapan penelitian meliputi pengumpulan data, preprocessing data, pembuatan model, evaluasi model, deployment, dan pengujian sistem. Data gempa diperoleh dari BMKG periode Januari 2014 hingga November 2024 sebanyak 84.733 kejadian dan setelah preprocessing menjadi 81.454 data dengan atribut latitude, longitude, depth, dan magnitude. Penentuan jumlah klaster optimal dilakukan dengan metode Elbow dan Silhouette Score yang menunjukkan empat klaster dengan nilai Silhouette Score 0.4910. Hasil klasterisasi IWO menghasilkan empat klaster yaitu Kurang Rawan, Cukup Rawan, Rawan, dan Sangat Rawan. Evaluasi menunjukkan IWO lebih unggul dibanding K-Means dan DBSCAN dengan nilai SSE 510.513, DBI 0.736, dan Silhouette Score 0.4927. Hasil klaster divisualisasikan dalam aplikasi berbasis website untuk membantu dan mendukung mitigasi bencana gempa bumi. Pengujian sistem menggunakan blackbox testing menunjukkan semua fitur berjalan sesuai ekspektasi.
Convolutional Neural Network Approach for Aspect-Based Sentiment Analysis of Tourism Reviews Eka Putri, Siti Oktavia; Amalia Anjani Arifiyanti; Abdul Rezha Efrat Najaf
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2582

Abstract

The tourism industry is a key economic sector in Indonesia, with East Java ranking highest in tourist visits. This study aims to enhance tourism development by applying aspect-based sentiment analysis (ABSA) using convolutional neural networks (CNN) to analyze online reviews. CNN was selected for this study due to its proven efficiency in capturing local n-gram features and its relatively lower computational cost compared to other deep learning model. Reviews from TripAdvisor and Google Maps were collected focusing on four aspects: attraction, amenities, access, and price. Five different models were developed in this research: one multilabel aspect classifier designed to identify multiple aspects mentioned within each review, and four sentiment classifiers focused on evaluating the sentiment polarity for each specific aspect. These models were trained and evaluated using various combinations of word embeddings, including static embeddings like Word2Vec, and contextualized embeddings such as BERT and IndoBERT. Additionally, the impact of preprocessing through stemming was investigated to understand how simplifying word forms affects model performance. Results indicate that IndoBERT-CNN attains the best overall sentiment classification, reaching F1-scores up to 0.71 for attraction and 0.93 for amenities, while Word2Vec-CNN with stemming leads multilabel classification. Meanwhile stemming improves performance for static embeddings like Word2Vec by simplifying word forms, it reduces effectiveness in transformer-based models like BERT and IndoBERT that rely on natural language context. These findings highlight the benefit of choosing appropriate embeddings and preprocessing for different tasks, thus providing practical insights for improving tourism services through better tourist reviews analysis.
Comparison of Adam, RMSprop, and SGD on DenseNet121 for Tomato Leaf Disease Classification Dewi, Heni Lusiana; Arifiyanti, Amalia Anjani; Najaf, Abdul Rezha Efrat
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2684

Abstract

Diseases affecting tomato leaves can severely impact agricultural productivity, as they can reduce crop yields and quality significantly. A swift and dependable identification of these diseases is vital for ensuring prompt interventions and the successful implementation of disease control strategies. This study focus on evaluating and comparing the efficiency of three separate optimizers, such as Adam, RMSProp, and SGD on the pretrained Convolutional Neural Network (CNN) architecture DenseNet121. There has been no previous research that directly compares the performance of Adam, RMSProp, and SGD optimizers on the DenseNet121 model for classifying tomato leaf diseases using the Plant Village dataset. These optimizers are crucial in the training process by influencing the model’s ability to converge and generalize well on new, unseen data. Experimental procedures were performed using a labeled dataset of tomato leaf images, which included healthy leaves and various disease classes. Out of the three optimization techniques tested, the DenseNet121 model trained with the Adam optimizer consistently outperformed the others. It achieved the highest evaluation metrics, with an accuracy of 0.9800, precision of 0.9807, recall of 0.9800, and F1-score of 0.9800 on the test set. These outcomes suggest that the model has a strong and balanced classification performance, capable of correctly identifying disease conditions with minimal errors. Based on these findings, the DenseNet121 architecture combined with the Adam optimizer is considered the optimal model used to recognize various tomato leaf diseases in this study.
Klasifikasi Cyberbullying pada Komentar Instagram dengan Menggunakan Supervised Learning Akira Permata Ramadhani; Eka Dyar Wahyuni; Amalia Anjani Arifiyanti
Neptunus: Jurnal Ilmu Komputer Dan Teknologi Informasi Vol. 2 No. 2 (2024): Mei : Jurnal Ilmu Komputer Dan Teknologi Informasi
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/neptunus.v2i2.108

Abstract

Cyberbullying is an action related to the use of digital technology to intentionally hurt, humiliate or bully other people online. This research focuses on the classification of cyberbullying comments on social media, especially Instagram comments, where many parties who then become a group of people who don't like something will come together to provide negative opinions and comments, which can cause lowered self-confidence and other bad impacts for other users and account owner. Therefore, a classification of Instagram comments regarding cyberbullying was carried out as an effort to prevent this action. The data used in this research is 2000 data, where this data will go through various processes so that it can be executed. In this research, the Naïve Bayes method was used by dividing two classes, namely Bully and Not Bully. Based on the results of the tests that have been carried out, the results obtained are an accuracy value of 84%, a precision value of 84%, a recall of 84%, and an f1-score of 84%.
Implementasi Arsitektur CNN DenseNet-121 untuk Identifikasi Autoimun Kulit dengan Augmentasi Data Annisa Lusyani Zahra; Amalia Anjani Arifiyanti; Tri Luhur Indayanti Sugata
Jurnal Ilmiah Teknik Informatika dan Komunikasi Vol. 5 No. 2 (2025): Juli: Jurnal Ilmiah Teknik Informatika dan Komunikasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juitik.v5i2.1026

Abstract

Autoimmune skin diseases are conditions in which the immune system mistakenly attacks healthy skin tissue, causing inflammation, tissue damage, and changes in skin color. The similarity of symptoms among various autoimmune skin diseases, such as psoriasis, lichen planus, vitiligo, hidradenitis suppurativa, and dermatomyositis, presents a challenge for accurate and timely diagnosis. This study was conducted to support the diagnostic process by utilizing deep learning technology, specifically the Convolutional Neural Network (CNN) method with the DenseNet121 architecture. Data augmentation techniques were also applied in this study to increase dataset variation, allowing for a performance comparison between the original dataset and the augmented dataset. The results show that the CNN model with the DenseNet121 architecture, configured with a batch size of 32 and 60 epochs on the augmented dataset, achieved a high accuracy rate of 92.43%. The model was then implemented into a web-based application and integrated using the Flask framework.
RANCANG BANGUN MULTI-PLATFORM MOBILE APPLICATION SISTEM INFORMASI PENDUKUNG PROGRAM MERDEKA BELAJAR Al Rahma, Aghni Qisthina; Afandi, Mohamad Irwan; Arifiyanti, Amalia Anjani
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4753

Abstract

Aplikasi SILATURAHMI (Sistem Informasi Kolaborasi Terpadu Universitas, Pemerintah, Masyarakat, dan Industri) merupakan sistem informasi milik UPN ”Veteran” Jawa Timur yang dirancang untuk mengelola program MBKM dari pendaftaran hingga finalisasi penilaian konversi mata kuliah. Namun, sistem ini masih berbasis website yang dari awal dioptimasi untuk perangkat berbasis desktop. Pada perangkat berbasis mobile, sistem ini memiliki performa dan tampilan yang kurang baik sehingga muncul kebutuhan akan aplikasi berbasis mobile yang terpisah. Sistem informasi SILATURAHMI berbasis mobile dikembangkan dengan menerapkan metode Waterfall yang terdiri dari tahap communication, planning, modelling, construction, dan deployment dengan menggunakan framework flutter. Melalui metode ini, diharapkan sistem yang dihasilkan dapat  mempermudah pengguna, baik mahasiswa maupun dosen, dalam mengelola program MBKM melalui device berbasis mobile. Berdasarkan hasil pengujian yang dilakukan, Sistem Informasi SILATURAHMI berbasis mobile telah berhasil dijalankan di kedua sistem operasi yaitu AndroidOS dan iOS sesuai dengan proses bisnis yang telah direncanakan. Melalui sistem berbasis mobile ini dosen dan mahasiswa dapat lebih mudah dalam mengakses sistem informasi SILATURAHMI serta mengurangi kesalahan-kesalahan akibat tampilan dan performa yang kurang baik pada website
ANALISIS SENTIMEN ULASAN PENGGUNA ACCESS BY KAI MENGGUNAKAN METODE WORD2VEC DAN ALGORITMA SVM Devi, Ditha Lozera; Arifiyanti, Amalia Anjani; Wati, Seftin Fitri Ana
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4892

Abstract

Beberapa ulasan dari pengguna KAI Access menyatakan sering terjadi gangguan pada saat pemesanan tiket. Hingga akhirnya pada tanggal 10 Agustus 2023 PT Kereta Api Indonesia melakukan peluncuran aplikasi Access by KAI sebagai bentuk upgrade dari aplikasi sebelumnya. Dengan adanya ulasan yang diberikan pengguna untuk aplikasi, perlu dilakukan analisis sentimen untuk melihat bagaimana pendapat dan reaksi pengguna dalam menggunakan aplikasi Access by KAI. Data ulasan pengguna diambil dari Google Play Store dan App Store. SEMMA dipilih sebagai metode pengembangan model data mining dengan tahapan dimulai dari Sample, Explore, Modify, Model, dan Assess. Analisis sentimen dilakukan dengan menggunakan metode Word2vec (CBOW dan Skip-gram) sebagai metode ekstraksi fitur dan 4 kernel SVM yang digunakan yaitu kernel linear, kernel polynomial, kernel RBF, dan kernel sigmoid. Hasil dari delapan skenario model klasifikasi yang dilakukan dengan menggabungkan metode Word2vec dan algoritma Support Vector Machine, dihasilkan satu skenario terbaik yaitu skenario model yang menggunakan algoritma SVM kernel RBF dengan metode Skip-Gram ditambah metode oversampling SMOTE dihasilkan nilai akurasi 81% dan nilai AUC sebesar 0.81.
Co-Authors Abdul Rezha Efrat Najaf Achmad Fauzi Afandi, Mohamad Irwan Aghni Qisthina Al Rahma Agung Brastama Putra Agung Brastama Putra Akira Permata Ramadhani Al Rahma, Aghni Qisthina alathoillah, abdul hanif Ana Wati3, Seftin Fitri Ananda Lakunti A Andhyni, Cyntia Prisya Anggy Oktaviana Syafira Anita Wulansari Anita Wulansari, S.Kom., M.Kom Annisa Lusyani Zahra Anwar Sodik, Anwar Aprilia, Eka Fahira AryaRafa, Daud Audrey Septya Rosanti Bagus Utomo Basma Eno Ketherin Brahmantio Widyo Trenggono Brastama Putra, Agung Daniar, Ivan Faiz Devi, Ditha Lozera Dewi Safitri, Triyatul Dewi, Heni Lusiana Dharmawan, Ega Dhian Satria Yudha Kartika Diana Aqidatun Nisa Ditha Lozera Devi Eka Putri, Siti Oktavia Elfaretta, Syifa Saskia Fachrurrozy Nurqoulby Fandi, Rico Satria Farhan Setiyo Darusman Farhan Setiyo Darusman Fariska, Rahmah Putri Ferdiansyah, Rizky Fernaldy, Fabiyan Atha Fidyah Salsabila Putri Sillehu Firsttama, Risav Arrahman Fitri, Anindo Saka Hardiartama, Rendi I Gusti Ayu Sri Deviyanti Indira Setia Amalia Indra Fajar Novian Irwan Afandi, Mohamad Jannatuzzahra, Khoirunisa Ketherin, Basma Eno Kusumantara, Prisa Marga Kusumantara, Prisa Marga Luhur Indayanti Sugata, Tri M. Rizal Abdullah Rozi Mahanani, Anajeng Esri Edhi Marga Kusumantara, Prisa Marisca Amanda Hidayat Mashita Kustyani Maulana Arrasyid, Nizar Maulana Kharyska Abadi, Muhammad Mochamad Suhri Ainur Rifky Mochammad Fuad Pandji Mohamad Irwan Afandi Muhammad Burhanuddin F Narendra, Efriza Cahya Nilwanda, Leona Elsa Novian, Indra Fajar Nur Cahyo Wibowo Nur Rachman Nidhi Suryono, Muhammad Nurisa Rahma Shantika Nurjanti Takarini Oktania Purwaningrum Oktania Purwaningrum Oktania Purwaningrum Pandu Rizki Maulidiah Permatasari, Reisa Pradana, Rhendy May Putra, Satrio Honggonagoro Pramono Putri, Youlan Indira Putu Anggi Suryantari Rafi Purwa Syahputra Raihana Sakhi Aswanda Rendi Panca Wijanarko Rhendy May Pradana Rizka Hadiwiyanti Saka Fitri, Anindo Salma Nabila Seftin Fitri Ana Wati Sembilu, Nambi Sidhi Pamekas, Afu Solehudin Al Ayyubi Sudewantoro N M Sugata, Tri Luhur Indayanti Sulistyowati Sulistyowati Sulistyowati Sulistyowati Tri Diana Rimadhani Tri Luhur Indayanti Sugata Ubaidillah Fahmi, Rohmat Wahyuni, Eka Dyar Wati , Seftin Fitri Ana Wati, Seftin Fitri Ana Wibisono, Mahendra Priyo Wisnu Mukti Darwansah Yudha Yunanto Putra Yudha Yunanto Putra Zahra, Nabila Athifah