Claim Missing Document
Check
Articles

Pengembangan Game RPG 2D Legenda Desa Trunyan Sujaya, Made Agus Panji; Darmawiguna, I Gede Mahendra; Kesiman, Made Windu Antara
INSERT : Information System and Emerging Technology Journal Vol. 2 No. 2 (2021)
Publisher : Prodi Sistem Informasi, FTK, Undiksha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/insert.v2i2.40691

Abstract

Cerita rakyat Legenda Desa Trunyan kurang dikenal oleh masyarakat Indonesia khususnya masyarakat Bali, ini terjadi karena masyarakat Bali hanya mengenal cerita rakyat yang terkenal saja. Jika dibiarkan maka cerita rakyat Legenda Desa Trunyan akan dilupakan dan meruntuhkan semua potensi ada padanya. Gim Trunyan dikembangkan sebagai solusi dari permasalahan tersebut. Penelitian ini bertujuan untuk melestarikan cerita rakyat Legenda Desa Trunyan menggunakan media gim yang melibatkan interaksi pemain di dalamnya dan mengenali respon masyarakat terhadap hasil pengembangan dari gim Trunyan. Game RPG 2D Legenda Desa Trunyan dikembangkan dengan metode Penelitian dan Pengembangan, dengan model Game Development Life Cycle yang terdiri atas Initiation, pre-production, production, testing, beta, dan release. Gim ini diharapkan dapat memperkenalkan cerita rakyat Legenda Desa Trunyan kepada masyarakat luas sehingga kelestariannya tetap terjaga. Terdapat 4 kali pengujian, yakni pengujian blackbox, pengujian ahli isi, pengujian ahli media, dan pengujian respon pengguna. Hasil pengujian blackbox menunjukkan semua mechanics yang dirumuskan berfungsi dengan baik, diikuti oleh pengujian ahli isi yang menunjukkan gim Trunyan memiliki tingkat validasi sangat tinggi dengan koefisien validitas sebesar 1.00, kemudian diuji oleh ahli media dengan hasil tingkat validasi sangat tinggi dengan koefisien validitas sebesar 1.00, yang terakhir pengujian respon pengguna dengan persentase 93% yang termasuk dalam kategori "Sangat Baik".
Pendekatan Berbasis U-Net untuk Segmentasi Hard Exudate dalam Citra Fundus Retina I Made Angga Darma Putra; Maysanjaya, I Md. Dendi; Kesiman, Made Windu Antara
INSERT : Information System and Emerging Technology Journal Vol. 4 No. 1 (2023)
Publisher : Prodi Sistem Informasi, FTK, Undiksha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/insert.v4i1.59034

Abstract

World Health Organization estimates that globally, 422 million adults over the age of 18 lived with diabetes in 2014. It is also supported by the World Diabetes Foundation estimates that more than 439 million people will be threatened with diabetes by 2030. One of the diseases caused by diabetes is diabetic retinopathy which can cause impaired vision to blindness. Damage to blood vessels and damage to the nerve fibers of the eye are called exudates, which are blood spots containing yellowish-colored fats that have an erratic shape. The types of exudates are divided into two, namely hard exudate and soft exudate. Soft exudate is also known as cotton wool spots and appears with a whitish color with less pronounced edges. While hard exudate occurs due to leakage of proteins and lipid vessels of the retina. The shape appears sharp and bright. To find out where the hard exudate is located in the retinal fundus image, experts or doctors are still looking manually, so it takes a long time to find out location of the hard exudate. Therefore, this research work, contributes to segmenting hard exudate using deep learning, which the method is U-Net. The final result of hard exudates segmentation using U-Net methods is validated with ground truth images by measuring accuracy, sensitivity, and specificity metric score. The results of hard exudate segmentation show for the U-Net metric score is 0.993, 0.454, and 0.997 respectively.
TPHerbleaf : Dataset Untuk Klasifikasi Jenis Daun Tumbuhan Herbal Berdasarkan Lontar Usada Taru Pramana Dewi, Ni Putu Dita Ariani Sukma; Kesiman, Made Windu Antara; Sunarya, I Made Gede; Indradewi, I Gusti Ayu Agung Diatri; Andika, I Gede
Jurnal RESISTOR (Rekayasa Sistem Komputer) Vol. 6 No. 2 (2023): Jurnal RESISTOR Edisi Agustus 2023
Publisher : Prahasta Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31598/jurnalresistor.v6i2.1421

Abstract

Tumbuhan herbal ialah jenis tumbuhan yang dimanfaatkan dalam bidang kesehatan. Tumbuhan herbal umumnya dikenali dari daunnya karena daun mudah dibandingkan dengan bagian tumbuhan lainnya seperti bunga, buah, atau akarnya. Minimnya pengetahuan mengenai jenis tumbuhan herbal dan kemiripan jenis morfologi daun merupakan tantangan yang ditemui dalam pengenalan tumbuhan herbal, sehingga sulit untuk mengenali tumbuhan herbal terutama bagi orang yang tidak memiliki pengetahuan botani. Penelitian ini bertujuan untuk membuat dataset citra daun tumbuhan herbal bernama TPHerbleaf. Dataset ini akan digunakan untuk mengenali dan mengklasifikasikan jenis daun tumbuhan herbal berpedoman pada Lontar Usada Taru Pramana yang merupakan kearifan lokal masyarakat Bali dalam pengobatan tradisional dan telah dikaji secara ilmiah. Metode untuk klasifikasi tumbuhan herbal menggunakan EfficientNet B2 yang menghasilkan nilai akurasi 97,5% untuk training, 81,77% untuk validation, dan 83,49% untuk testing. Dengan menggabungkan pengetahuan tradisional dengan teknologi modern, penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan pemahaman serta pelestarian warisan budaya melalui aplikasi praktis dalam bidang klasifikasi citra.
Pengembangan Film Animasi 2 Dimensi Legenda Terbentuknya Desa Sumberkima Kurniansyah, Adrian; Kesiman, Made Windu Antara; Subawa, I Gede Bendesa
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 12 No. 3 (2023)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v12i3.66081

Abstract

Penelitian ini mengangkat cerita legenda terbentuknya Desa Sumberkima yaitu bertujuan sebagai sarana edukasi dan informasi untuk mengetahui legenda terbentuknya Desa Sumberkima supaya nantinya legenda dari Desa Sumberkima ini tidak terlupakan dan hilang ditelan oleh waktu. Di dalam pengerjaan film ini peneliti menggunakan metode research and development (R&D) dengan mengadaptasi model penelitian MDLC. Yang terdiri dari enam tahap yaitu Konsep (Concept), Perancangan (Design), Pengumpulan Bahan (Material Collecting), Pembuatan (Assembly), Pengujian (Testing) dan Distribusi (Distribution), Dengan menggunakan model ini dapat menghasilkan produk media film animasi 2D yang baik. Beberapa pengujian dilakukan untuk mengetahui tingkat keefektifan media film animasi 2D, yang di anataranya ialah Uji ahli isi mendapatkan skor validitas sebesar 1.00 termasuk validitas “Sangat Baik” , uji ahli media mendapat skor validitas sebesar 1.00  termasuk validitas “Sangat Baik” dengan adanya revisi dan uji respon pengguna mendapatkan rata-rata 46,4 dapat dinyatakan kedalam kualifikasi “Sangat Positif” dan kriteria “Sangat Baik”.
KOMPARASI METODE SVM, K-NN DAN NBC PADA ANALISIS SENTIMEN Hendrayana, I Gede; Divayana, Dewa Gede Hendra; Kesiman, Made Windu Antara
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 4 No. 1 (2023): Januari
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jimik.v4i1.157

Abstract

The beauty of Bali raises many comments about how a trip to Indonesia is not complete without going to Bali. In the tourism industry the application of tourist satisfaction and perspective is very important, but most of them still apply surveys. The survey-based approach has weaknesses such as operational costs, the potential for data duplication, and a lack of comprehensiveness. Sentiment analysis of natural tourism objects is performed by classifying positive and negative comments in the Jatiluwih tourist comment dataset. The focus of this panel's sentiment analysis is on comments related to the Natural Tourism Attractiveness Criteria. According to the Directorate General of Forest Protection and Nature Conservation in 2003, the criteria for natural tourism objects are tourist attraction, market potential, accessibility, socio-economic environmental conditions, public services, climate conditions, supporting facilities and infrastructure, and the availability and safety of clean water. This study compares the SVM, K-NN, and NBC methods. This study aims to provide a comprehensive analysis of the performance of each method using the confusion matrix. The results showed that the K-NN method was superior to SVM and NBC in terms of testing accuracy and precision, where accuracy on K-NN gave a value of 93.4%, SVM 93.1%, and NBC 87.9%.
Perancangan Mesin Translasi berbasis Neural dari Bahasa Kawi ke dalam Bahasa Indonesia menggunakan Microframework Flask I Gede Bintang Arya Budaya; Made Windu Antara Kesiman; I Made Gede Sunarya
Jurnal Sistem dan Informatika (JSI) Vol 16 No 2 (2022): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v16i2.440

Abstract

Mesin Translasi (MT) adalah pilihan utama bagi orang-orang, terutama untuk mempelajari pengetahuan yang tidak menggunakan bahasa asli mereka. Bahasa Kawi sebagai bahasa lokal, meskipun jarang digunakan secara aktif, merupakan bahasa yang banyak digunakan dalam berbagai literatur lama seperti lontar, khususnya di Bali yang masih dipelajari hingga saat ini. Banyak MT dengan pengguna aktif, seperti bahasa Indonesia yang terus dikembangkan tetapi tidak untuk bahasa Kawi. Perancangan MT berbasis neural menggunakan microframework Flask merupakan langkah awal pengembangan MT dari bahasa Kawi ke Bahasa Indonesia. Pengembangan dimulai dengan membuat korpus paralel Kawi ke Indonesia dan dilanjutkan dengan membuat arsitektur MT dengan model berbasis Recurrent Neural Network (RNN) yaitu simple RNN dan bidirectional RNN. Berdasarkan hasil pengujian, kedua model ini mampu mencapai skor BLEU sebesar 20.43 untuk simple RNN dan 17.6 untuk bidirectional RNN. Model MT yang diajukan masih belum mampu mencapai level standar seperti ahli manusia dan high resources MT yaitu berdasar Google dengan skor BLEU minimal 60. MT untuk bahasa Kawi ke bahasa Indonesia dapat dikembangkan kedepan dengan pemanfaatan microframework Flask, yang dapat membantu proses pengembangan lebih cepat.
Identification of Little Tuna Species Using Convolutional Neural Networks (CNN) Method and ResNet-50 Architecture Pusparani, Diah Ayu; Kesiman, Made Windu Antara; Aryanto, Kadek Yota Ernanda
Indonesian Journal of Artificial Intelligence and Data Mining Vol 8, No 1 (2025): March 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v8i1.31620

Abstract

Indonesia is home to a vast array of biodiversity, including various species of little tuna. However, the process of identifying little tuna species is still challenging due to their diversity. The Indonesian Society and Fisheries Foundation (MDPI), which has the task of collecting fisheries data manually, is prone to significant identification errors. Therefore, the author proposes the utilization of Deep Learning, a Machine Learning method due to its ability to model various complex data such as images or pictures and sounds. This approach can facilitate the identification process of little tuna. In this research, the Resnet-50 architecture is utilised in the modelling process with the original dataset of 500 images. In this study, several test scenarios were also applied. The best results obtained are global accuracy of 91% and matrix accuracy value of 95%. These results were obtained using an augmented dataset with some parameter adjustments to the model built. With these good accurate identification, the MDPI Foundation is expected to better manage fisheries data and use it to support sustainable fisheries management.
Pengembangan Film Dokumenter Pengenalan Tumbuhan dan Proses Pembuatan Obat Tradisional Suku Batak Simalungun Saragih, Andi Siaputra; I Gede Bendesa Subawa; Made Windu Antara Kesiman
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 13 No. 2 (2024)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v13i2.82460

Abstract

Penelitian ini bertujuan untuk menghasilkan dan mengetahui respon masyarakat Batak Simalungun terhadap Film Dokumenter Pengenalan Tumbuhan dan  Proses Pembuatan Obat Tradisional Suku Batak Simalungun.  Jenis penelitian yang digunakan adalah  Research and Development (R&D) dengan  model pengembangan cyclic strategy, yang terdiri dari tahap brifief, pengumpulan data dan analisis kebutuhan film, pra produksi, evaluasi 1, produksi dan pasca produksi, evaluasi 2, mastering, dan terakhir yaitu tahap outcome (Publishing). Penelitian ini dilakukan pada 35 responden khususnya generasi muda Batak Simalungun. Pengumpulan data dalam penelitian ini diperoleh dengan menggunakan angket uji ahli dan angket uji responden, dimana hasil uji ahli isi memperoleh tingkat validitas  1.00, dimana tingkat validitas tersebut berada pada kriteria tingkat validitas “ Sangat Tinggi” dan hasil uji ahli media memperoleh tingkat validitas  1.00, dimana tingkat validitas tersebut berada pada kriteria tingkat validitas “ Sangat Tinggi”. Hasil pengujian responden sebanyak 35 orang dari respon penonton terhadap Film Dokumenter Pengenalan Tumbuhan dan Proses Pembuatan Obat Tradisional Suku Batak Simalungun memperoleh interval dalam kategori "Sangat Positif”.
Optimizing Customer Purchase Insights: Apriori Algorithm for Effective Product Bundle Recommendations Kaban, Ekinnisura; Darmawiguna, I Gede Mahendra; Kesiman, Made Windu Antara
Brilliance: Research of Artificial Intelligence Vol. 4 No. 2 (2024): Brilliance: Research of Artificial Intelligence, Article Research November 2024
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v4i2.4981

Abstract

A retail store faces significant challenges in crafting effective sales strategies, particularly in designing promotional product bundles. To address this, the store leverages transaction data to analyze customer purchasing patterns, aiming to uncover products frequently bought together. This study employs data mining techniques, specifically the Apriori algorithm, to identify co-purchasing behaviors using 49,316 transaction records collected from January to June 2024. After thorough data cleaning and transformation, the Apriori algorithm identified 877 itemsets, spanning from frequent 1-itemsets to 4-itemsets. By setting a minimum support threshold of 0.003, the analysis narrowed down to 343 significant itemsets, including 325 frequent 1-itemsets and 18 frequent 2-itemsets, which served as the basis for generating association rules. Initially, 36 association rules were derived, highlighting various product relationships. To focus on impactful insights, the rules were filtered using a minimum confidence level of 0.5, yielding 3 highly relevant rules with lift ratios exceeding 1, indicating strong associations between antecedent and consequent products. These insights enable the store to design targeted promotional bundles, optimize product placement, and enhance overall sales performance. Additionally, this study demonstrates how data-driven strategies can provide a competitive edge by aligning with customer purchasing behaviors. To ensure continuous improvement, a Python-based system was developed, empowering the store to independently analyze transaction data and refine sales strategies in real time, adapting to evolving purchasing patterns as the dataset grows.
Comparative Analysis of CNN Methods for Periapical Radiograph Classification Sumantara, I Gusti Lanang Trisna; Kesiman, Made Windu Antara; Sunarya, I Made Gede
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 13 No. 2 (2024)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v13i2.71664

Abstract

Periapical radiographs are commonly used by dentists to diagnose dental problems and overall dental health conditions. The varying abilities of dentists to diagnose may be limited by their visual acuity and individual skills. To address this issue, there is a need for an application capable of computationally recognizing and classifying periapical radiographs. The commonly used computational method for image processing, specifically image recognition, is the Convolutional Neural Network (CNN) method. This study aims to create an application that can classify periapical radiographs and analyze the capabilities of the Convolutional Neural Network (CNN) method in this classification process. In general, periapical classification is divided into five types: Primary Endo with Secondary Perio, Primary Endodontic Lesion, Primary Perio with Secondary Endo, Primary Periodontal Lesion, and True Combined Lesions. The periapical radiograph classification process was tested using four CNN models: ResNet50v2, EfficientNetB1, MobileNet, and Shalow CNN. The evaluation of the CNN method utilized a confusion matrix-based technique to generate accuracy, precision, recall, F1-score and Weighted Average F1-score values. Based on the evaluation results, the highest accuracy value was achieved by EfficientNetB1 with 82%, followed by ResNet50v2 with 76%, MobileNet with 75%, and Shallow CNN with 71%.
Co-Authors A. A. Istri Ita Paramitha Adhi Suarjana, I Kadek Adi Saputra Yasa, I Gede Adi Yoga Dewantara, I Made Adnyana, I Putu Wandra Agung Istri Ariningrat, I Gusti Agus Eka Wilantara, Putu Agus Jayadi Putra, Kadek Agus Kamiana Agus Kristiawan, I Gde Made Agus Nyoman Reditya Ary Prasetya Agus Sutrisna, I Kadek Ajeng Wulandari Pratama Ajiwerdhi, Anak Agung Gde Putra Alfin Nur Anak Agung Gde Putra Ajiwerdhi Ananta Satriadi, Kadek Andika, I Gede Andreana, I Made Dwi Anggara, I Made Dika Ardipa, Gede Sukra Ari Kamelia Dewi, Ni Made Ari Mahendra, I Komang Ari Putra, Ida Bagus Gede Arimbawa, I Gusti Ngurah Putra Arisma Dewi, Komang Ayu Ary Wahyuningsih, Ni Made Ayu Ary Widayanti, Putu Aryasih, Putu Putri Asmara, I Wayan Dana Astuti, Ni Putu Pasek Wida Ayu Nirma Lestari, Gusti Bagus Maha Putra, I Gusti Bunga Anindya, Made Candra Adi Pranata, Gede Chrisnapati, Padma Nyoman Chrisnapati, Padma Nyoman Cipta, I Putu Agus Eka Yatna David Setiawan David Setiawan, David Dessy Seri Wahyuni Dewa Gede Hendra Divayana, Dewa Gede Hendra Dewa Putu Doniawan Dewi, Made Sulatri Dewi, Ni Putu Dita Ariani Sukma Dewi, Ni Putu Sri Indra Padma Diani, Ni Komang Doniawan, Dewa Putu Dwi Purniyati, Gusti Ayu Dwi Suparyanta, Kadek Eka Saptaridevi, Ni Luh Endra Wiartika P, I Made Evi Wellyastini, Kadek Fikri Haikal Gd Tuning Somara Putra Gde Angga Putra Sutanjaya Gede Aditra Pradnyana Gede Agus Putra Yasa Gede Candra Adi Pranata Gede Indrawan Gede Saindra Santyadiputra Gede Saindra Santyadiputra, Gede Saindra Gede Sukra Ardipa Gede Widiartana Yasa Gusti Ayu Dwi Purniyati Gusti Ayu Nirma Lestari Hady Permana S, Putu Trisna Haryantara, I Nyoman I DEWA AYU MADE SARTINI I Gde Made Agus Kristiawan I Gede Adi Saputra Yasa I Gede Adi Saputra Yasa I Gede Agus Pebriana I Gede Aris Gunadi I Gede Arya Sudarmayana I Gede Bendesa Subawa I Gede Bintang Arya Budaya I Gede Hendrayana I Gede Mahendra Darmawiguna I Gede Rusdy Mahayana Putra I Gede Sastra Kurniawan I Gede Sudirta I Gede Sudirta, I Gede I Gede Sudirtha I Gusti Agung Istri Ariningrat I Gusti Ayu Agung Diatri Indradewi I Gusti Bagus Maha Putra I Gusti Ngurah Bagus Putra Asmara I Kadek Adhi Suarjana I Kadek Agus Sutrisna I Kadek Yostab Mariyantoni I Ketut Resika Arthana I km. Lanang Oka Wiryawan I Komang Ari Mahendra I Komang Hendra Trinium Jaya I Made Adi Yoga Dewantara I Made Agus Wirahadi Putra I Made Angga Darma Putra I Made Ardwi Pradnyana I Made Arya Riananda Putra I Made Dika Anggara I Made Dwi Andreana I Made Endra Wiartika P I Made Gede Sunarya I Made Putrama I Made Restu Arta Jaya I Made Yoga Yudisthira Sandra I Md. Dendi Maysanjaya I Nyoman Haryantara I Putu Agus Eka Yatna Cipta I Putu Gede Karwina Styawan I Putu Sujana Atmaja I PUTU WANDRA ADNYANA I Putu Wira Adnyana I Wayan Dana Asmara I Wayan Pandu Wibawa S I Wayan Pio Pratama Ida Ayu Putu Purnami Ida Ayu Widiyanthi Ida Bagus Gede Ari Putra Ida Bagus Redy Santiawan Ida Purnamasari, Putu Ika Hendriana, Komang Indradewi, Gusti Ayu Agung Diatri Intan Pebriyanti Jaya, I Made Restu Arta Juliawan, Komang Gede Satria Kaban, Ekinnisura Kadek Agus Jayadi Putra Kadek Ananta Satriadi Kadek Dwi Suparyanta Kadek Evi Wellyastini Kadek Wikan Paramasila Kadek Yota Ernanda Aryanto Kamiana, Agus Karwina Styawan, I Putu Gede Ketut Agustini Ketut Gede Widia Pratama Putra Ketut Satria Ketut Tri Sutrisna Oka Ketut Widiantara Komang Ayu Arisma Dewi Komang Gede Satria Juliawan Komang Ika Hendriana Komang Jepri Kusuma Jaya Komang Setemen Komang Sudana Yasa Pande Komang Sudana Yasa Pande Kurniansyah, Adrian Lanang Nugraha, Made Luh Putu Eka Damayanthi Luh Putu Eka Damayanthi Luh Sri Darmaningsih M.Cs S.Kom I Made Agus Wirawan . Made Bunga Anindya Made Lanang Nugraha Made Sulatri Dewi Mahendri Pramadewi, Pande Made Mariyantoni, I Kadek Yostab Maryati, Ni Made Rai Maryati, Ni Made Rai Mika Karmila, Ni Komang Natih, I Dewa Gede Agung Wibhisana Ni Kadek Pande Dwika Liona Ni Komang Mika Karmila Ni Komang Oktari Permata Sari Ni Komang Sriasih Ni Luh Kadek Tristiana Pratiwi Ni Luh Nita Sari Ni Luh Putu Kurniawati Ni Made Ari Kamelia Dewi Ni Made Ayu Ary Wahyuningsih Ni Made Rai Maryati Ni Made Yeni Dwi Rahayu Ni Nyoman Sugihartini Ni Putu Bali Pratiwi Ni Putu Pasek Wida Astuti Nining Rahayuningsih Niti, Made Ayu Asri Nugraha, Putu Zasya Eka Satya Nugrahini, Ni Putu Prita Nur, Alfin Nyoman C, Padma Nyoman C, Padma Nyoman Chrisnapati, Padma Nyoman Juli Budiartawan Oka Wiryawan, I km. Lanang Oky Sanjaya, Kadek P. WAYAN ARTA SUYASA Padama Nyoman Crisnapati Padma Nyoman C Padma Nyoman Chrisnapati Padma Nyoman Crisnapati Padma Nyoman Crisnapati Pande Dwika Liona, Ni Kadek Pande Made Mahendri Pramadewi Pandu Wibawa S, I Wayan Pebriana, I Gede Agus Pebriyanti, Intan Permana S, Putu Trisna Hady Pramadewi, Pande Made Mahendri Pratama, Putu Gilang Pratiwi, Ni Putu Bali Prianka Vedanty, Putu Pusparani, Diah Ayu Putra Yasa, Gede Agus Putra, Gd Tuning Somara Putra, Kadek Agus Jayadi Putu Agus Eka Wilantara Putu Angga Sudyatmika Putu Ary Widayanti Putu Ayu Puspitawati Putu Hendra Suputra Putu Ida Purnamasari Putu Putri Aryasih Putu Soni Ermawati Putu Trisna Hady Permana S Putu Yuditia Riani Putu Yuli Krisnawati Rahayuningsih, Nining rahmi, rugayatur Reditya Ary Prasetya, Agus Nyoman Redy Santiawan, Ida Bagus Rinaldi Munir rugayatur rahmi Saputri, Tesya Saragih, Andi Siaputra Sari, Ni Luh Nita Sariyasa . Sartini, I Dewa Ayu Made Sastra Kurniawan, I Gede Satria Juliawan, Komang Gede Satria, Ketut Sindu, I Gede Partha Soni Ermawati, Putu Sri Darmaningsih, Luh Sriasih, Ni Komang Sudarmayana, I Gede Arya Sujaya, Made Agus Panji Sulatri Dewi, Made Sumantara, I Gusti Lanang Trisna Suputra, I Komang Hery Abdi Surya Diputra, I Gusti Nyoman Anton Surya, I Putu Bayu Ananta Sutanjaya, Gde Angga Putra Sutrisna Oka, Ketut Tri Taufik Ismail Taufik Ismail Tristiana Pratiwi, Ni Luh Kadek Wiartika P, I Made Endra Widiantara, Ketut Widiantara, Ketut Widiyanthi, Ida Ayu Wikan Paramasila, Kadek Winaya, Ayu Nyoman Waisantini Wira Adnyana, I Putu Wismawan, Komang Hendra Wulandari Pratama, Ajeng Yasa, Gede Widiartana Yoga Yudisthira Sandra, I Made Yogi Aditya Yostab Mariyantoni, I Kadek Yuditia Riani, Putu Yuli Krisnawati, Putu