Article Per Year (5 Year)
p-Index From 2020 - 2025
6.782
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) JRAK: Jurnal Riset Akuntansi dan Komputerisasi Akuntansi Bulletin of Electrical Engineering and Informatics Jurnal technoscientia Jurnal Teknologi Jurnal Script Jurnal Jarkom Jurnal Online Mahasiswa (JOM) Bidang Teknik dan Sains Brawijaya Law Journal : Journal of Legal Studies Seminar Nasional Informatika (SEMNASIF) Jusikom : Jurnal Sistem Komputer Musirawas Al-Madrasah: Jurnal Ilmiah Pendidikan Madrasah Ibtidaiyah Journal Civics and Social Studies International Journal of Electrical, Energy and Power System Engineering (IJEEPSE) Jurnal Surya Teknika JURNAL TEKNOLOGI TECHNOSCIENTIA Prosiding SNAST Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Jurnal Manajemen New Language Dimensions Jurnal Akuntansi, Ekonomi dan Manajemen Bisnis Journal of Medical Science; Jurnal Ilmu Medis Rumah Sakit Umum Daerah dr. Zainoel Abidin, Banda Aceh JDEP (Jurnal Dinamika Ekonomi Pembangunan) CEMERLANG :Jurnal Manajemen dan Ekonomi Bisnis Jurnal Atma Inovasia Jurnal Sistim Informasi dan Teknologi NEAR: Jurnal Pengabdian kepada Masyarakat Optimal: Jurnal Ekonomi dan Manajemen Jurnal Pengabdian Masyarakat Kesehatan Jurnal Penelitian Ekonomi Manajemen dan Bisnis Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS Jurnal Riset Manajemen Jurnal Rekayasa Sistem Informasi dan Teknologi JURNAL MANAJEMEN DAN INVESTASI (MANIVESTASI) Jurnal Ventilator: Jurnal Riset Ilmu Kesehatan dan Keperawatan Nursing Applied Journal Jurnal Geologi dan Sumberdaya Mineral (Journal of Geology and Mineral Resources) Jurnal Inovasi Manajemen, Kewirausahaan, Bisnis dan Digital Jurnal Al-Mubarak: Jurnal Kajian Al-Qur'an dan Tafsir Proceedings Series of Educational Studies Al-Qalam: Jurnal Kajian Islam Dan Pendidikan Jurnal Teknologi Jnanadharma LEMBARAN PUBLIKASI MINYAK DAN GAS BUMI Jurnal Kajian Ekonomi dan Perbankan Syariah
Amir Hamzah
Institut Sains & Teknologi AKPRIND Yogyakarta
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry 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 Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Transportation Other

Published : 95 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 95 Documents
Search

 1   2   3   4   5 
SentiHotel: a sentiment analysis application of hotel services using an optimized neural network Dyah Apriliani; Taufiq Abidin; Edhy Sutanta; Amir Hamzah; Oman Somantri
Bulletin of Electrical Engineering and Informatics Vol 10, No 3: June 2021
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v10i3.3040

Abstract

An assessed hotel service is necessary for tourists and everyone who is traveling, however currently it is still difficult to find recommended hotel information. The solution provided in this research is to propose a smart application that has been developed by implementing machine learning in it. The purpose is to build a sentiment review smart application by applying the sentiment analysis hybrid model of the best neural network (NN) algorithm model that has been optimized using genetic algorithms. To get the right model, the research method was carried out with experiments starting from the initial stages of conducting data preprocessing, tokenization, weighting, modeling experiments, and conducting the system evaluation stage to determine the success of the proposed model. The progress of the application development system is by using the prototyping model. SentiHotel is a sentiment application that was successfully built to provide a solution for tourists in assessing a hotel service. The software validation test is carried out using the blackbox method and the results show that the SentHotel application is in accordance with the expected result; all system functions can run properly.
Perbandingan Feature Kata dan Frasa dalam Kinerja Clustering Dokumen Teks Berbahasa Indonesia Amir Hamzah; Adhi Susanto; F. Soesianto; Jazi Eko Istyanto
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2007
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Text document clustering has been intensively studied because of its important role in text-mining andinformation retrieval. High dimensionality problem caused by high number of words is always happened inword-based clustering technique using vector space model. Although extracting words in the preprocessingphase is simple, the collection itself is not only can be viewed as a set of words but also a set of partly more thanone word phrase. Separating a phrase into its parts can eliminate the actual meaning of phrase. Therefore inorder to maintain the context of words a phrase must be maintain as a phrase. It is assumed that by addingphrases to words as features in clustering will improve the performance. This paper will study the comparison ofword-base and phrase-based clustering. Three clustering models was chosen i.e. hierachical, partional andhybrid model. Four similarity technique i.e. GroupAverage, CompleteLink, SingleLink, and ClusterCenter wastried for hierarchical, K-Means and Bisecting K-Mean for partitonal and buckshot for hybrid. Documentcollections from 200-800 news text that has been categorized manually was used to test these algorithms byusing F-measure as criteria of clustering performance. This value was derived from Recall and Precision andcan be used to measure the performance of the algorithms to correctly classify the collections. Results show thatby adding phrases or simply word pair, although it’s still not statistically significant, it slightly improves theperformance of clustering.Keywords: word-base document clustering, phraset-based document clustering, clustering performance
PENINGKATAN KINERJA CLUSTERING DOKUMEN TEKS MENGGUNAKAN PEMBOBOTAN SAMPEL Amir Hamzah
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 4 (2011): Intelligent System dan Application
Publisher : Jurusan Teknik Informatika

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

Abstract

Algoritma clustering berbasis pembobotan sampel (sample weighting) saat ini banyak diteliti. Ada beberapa model pembobotan yang pada prinsipnya bertujuan untuk merubah nilai vektor sampel dan formula similaritas vektor sampel dengan pusat clusternya. Dalam dokumen teks pembobotan dapat berupa konektifitas antar dokumen, misalnya dalam dokumen akademik yang ada koneksi referensi. Namun dalam dokumen berita koneksi referensi mungkin jarang ditemukan. Dalam makalah ini teknik pembobotan baru diajukan, yaitu menggunakan kata-kata yang muncul dalam kata kunci (keyword) dan judul (title ) dari suatu dokumen teks. Eksperimen dilakukan terhadap abstrak dokumen akademik sebanyak 500 dokumen dan dokumen berita. Sebanyak 3000 dokumen Algoritma yang diuji kinerjanya adalah algoritma K-Means clustering dan algoritma Fuzzy C-Means clustering. Parameter kinerja algoritma digunakan nilai F-measure dari hasil clustering sebelum dilakukan pembobotan sampel dan setelah dilakukan pembobotan sampel. Hasil eksperimen menunjukkan bahwa pembobotan sampel dapat meningkatkan kinerja clustering sebesar 12,8% untuk pembobotan dengan keyword dan title dan meningkatkan kinerja clustering 9.8% untuk pembobotan dengan title saja.
DETEKSI BAHASA UNTUK DOKUMEN TEKS BERBAHASA INDONESIA Amir Hamzah
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2010): Computatinal
Publisher : Jurusan Teknik Informatika

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

Abstract

In the multi language environment corpus such as Internet, the information retrieval system has faced difficulties that caused by the mixture of language document response of single query request that do not match the user need. One approach to handle this problem is by designing cross-language search engine. On the other hand this solution is no need for the user that only hoped the document answer only in one language such as Bahasa Indonesia. In the second case the solution is by designing search engine in certain language. In the construction of special language search engine in multi language environment, a critical step is language detection of the document being analyzed. This research was aimed to study comparison of several methods of language detection based on N-gram, i.e. unigram, bigram and trigram. Several news text documents in Bahasa Indonesia from 100 documents until 3000 document, two academic document collections of 88 and 450 documents and two abstract collection and full paper collection in English, each of those is 40 documents, were used as test collection. The results showed that unigram, bigram and trigram were good parameter to detect the language of documents. Among those methods, bigram was the best in time complexity and accuracy
STUDI KINERJA FUNGSI-FUNGSI JARAK DAN SIMILARITAS DALAM CLUSTERING DOKUMEN TEKS BERBAHASA INDONESIA Amir Hamzah; F. Soesianto; Adhi Susanto; Jazi Eko Istiyanto
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2008): Computational
Publisher : Jurusan Teknik Informatika

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

Abstract

Clustering dokumen teks banyak diteliti karena peranan pentingnya dalam bidang text-mining dan information retrieval.  Dalam algoritma clustering pemilihan fungsi jarak atau fungsi similaritas antar objek menjadi kunci keberhasilan algoritma. Pada fungsi jarak, jarak euclidean paling sering digunakan. Fungsi ini memiliki kelemahan jika digunakan untuk vektor berdimensi sangat tinggi yang  menyebabkan kinerja clustering menurun. Alternatif dari fungsi jarak adalah fungsi similaritas, antara lain jaccard, dice, cosine dan pearson. Penelitian ini melakukan kajian tentang unjuk kerja fungsi jarak euclidean dengan empat fungsi similaritas tersebut di atas jika diterapkan untuk melakukan clustering dokumen teks berbahasa Indonesia. Dua pendekatan clustering yang dicobakan adalah pendekatan hierarchi dan partisi. Untuk pendekatan hierachi digunakan teknik aglomeratif dengan 2 metode similaritas cluster yaitu  GroupAverage dan  CompleteLink. Untuk pendekatan  partisi juga dicobakan  2 metode, yaitu Bisecting K-Mean dan Buckshot. Koleksi dokumen yang digunakan 12 koleksi dokumen teks berita, yaitu dengan cacah dokumen 50, 100, 200, 300, 400, 500, 600, 700, 800, 1009, 1270 dan 1370 dokumen. Semua koleksi telah dilakukan clustering secara manual. Kriteria kinerja clustering diukur berdasarkan waktu komputasi dan validitas clustering. Untuk validitas digunakan nilai F-measure, yaitu nilai yang diturunkan dari Recall dan Precision  yang mengukur kemampuan algoritma melakukan klasifikasi secara benar. Hasil penelitian menunjukkan bahwa hasil clustering terbaik adalah jika digunakan fungsi  Cosine  dengan rata-rata F-measure untuk seluruh koleksi  0,9313; sementara yang terburuk adalah jika digunakan fungsi jarak eucledian dengan rata-rata F-measure 0,4668.  Secara waktu komputasi fungsi cosine juga memiliki kinerja tercepat dengan rata-rata 12,9 detik sedangkan terjelek adalah pearson dengan rata-rata 58,2 detik. 
Lexicon-based Emotion Detection for Academic Questionnaire Results Amir Hamzah
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2021): Inovasi Teknologi dan Pengolahan Informasi untuk Mendukung Transformasi Digital
Publisher : Jurusan Teknik Informatika

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

Abstract

Tujuan: Penelitian ini bertujuan menerapkan metode deteksi emosi pada teks komentar mahasiswa hasil kuesener berbasis pada leksikon emosi. Label emosi dari komentar akan meningkatkan akurasi dari hasil analisis kuesener. Tujuan lain dari penelitian ini adalah melihat sejauh mana efektivitas leksikon emosi Emolex untuk deteksi emosi teks kuesener akademis.Metode: Data penelitian berasal dari komentar dan saran mahasiswa pada kuesener evaluasi pembelajaran pada IST AKPRIND tahun 2014-2017 sebanyak 3.975 komentar. Jenis emosi yang dideteksi adalah 8 jenis emosi, yaitu marah, antisipasi, jijik, takut, bahagia, sedih , terkejut dan yakin. Leksikon emosi yang digunakan adalah NRC Emolex. Langkah pertama deteksi setelah tahap pre-processing adalah ekstrak fitur emosi menggunakan daftar leksikon emosi. Langkah kedua adalah deteksi emosi dengan cara menghitung bobot terbesar dari fitur emosi yang terekstrak sebagai label emosi bagi komentar tersebut.Hasil: Hasil penelitian menunjukkan bahwa dari seluruh data yang dideteksi, 46,7% dapat diketahui label emosinya. Dari yang diketahui label emosinya 3 prosentase tertinggi ada pada label Sadness (18,5%), Joy(17,1%) dan Fear (14,0%). Dari penelitian terungkap bahwa kinerja emolex untuk deteksi emosi masih belum memuaskan. Hal ini sangat mungkin disebabkan karena baru 37% pustaka Emolex memiliki label emosi.State of the art: Ditemukan kelemahan leksikon NRC Emolex sebagai hasil translate dari bahasa inggris antara lain, banyak leksikon belum diberikan label emosi dan efek translate menjadi dua atau tiga kata dalam bahasa Indonesia sehinggat tidak dapat digunakan.
EFEK PENAMBAHAN FRASA DALAM FEATURE KATA UNTUK CLUSTERING DOKUMEN TEKS Amir Hamzah
JURNAL TEKNOLOGI TECHNOSCIENTIA Technoscentia Vol 1 No 2 Februari 2009
Publisher : Lembaga Penelitian & Pengabdian Kepada Masyarakat (LPPM), IST AKPRIND Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (677.3 KB) | DOI: 10.34151/technoscientia.v1i2.64

Abstract

Text document clustering has been intensively studied because of its important role in text-mining and information retrieval. High dimensionality problem caused by high number of words is always happened in word-based clustering technique using vector space model. Although extracting words in the preprocessing phase is simple, the collection itself can not only be viewed as a set of words but also a set of partly more than one word phrase. Separating a phrase into its parts can eliminate the actual meaning of phrase. Therefore in order to maintain the context of words a phrase must be maintained as a phrase. It is assumed that by adding phrases to words as features in clustering will improve the performance. This paper will study the comparison of word-based and phrase-based clustering. Two clustering models were chosen i.e. hierarchical and partition. Four similarity techniques i.e.: Group Average, Complete Link, Single Link, and Cluster Center were tried for hierarchical, K-Means and Bisecting K-Mean and Buckshot for partition. A document collection from 200-800 news text that has been categorized ma-nually was used to test these algorithms by using F-measure as criteria of clustering performance. This value was derived from Recall and Precision and can be used to measure the performance of the algorithms to correctly classify the collections. Results show that by adding phrases or simply word pair, although it’s still not statistically significant, it slightly improves the performance of clustering.
APLIKASI OPINION MINING DAN SENTIMENT ANALYSIS UNTUK MERANCANG MESIN PENCARI OPINI PADA KUESENER MAHASISWA Amir Hamzah; Naniek Widyastuti
JURNAL TEKNOLOGI TECHNOSCIENTIA Technoscientia Vol 9 No 1 Agustus 2016
Publisher : Lembaga Penelitian & Pengabdian Kepada Masyarakat (LPPM), IST AKPRIND Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1268.121 KB) | DOI: 10.34151/technoscientia.v9i1.143

Abstract

The measurement of academic services using questionnaires with multiple choice answers generally provide comments and advice columns. In the data analysis results, comments and suggestions made by the thousands of students can not be utilitized due to the lack of analysis tools. Whereas comments and suggestions can actually contain student opinions on various things, such as facilities, faculty, library and others. Opinion mining and sentiment analysis as a new tool in text mining can be applied to the data to utilitize comments and suggestions. This research applied HMM-POS Tagger to give automatically POS TAG to the sentence based on training POS TAG data by using the Hidden Markov Model. By implementing POS TAG pattern the comments can then be determined whether it was opinion or not. Morever if it were opinion it can be determinied its target and also the orientation of the opinion whether it is positive or negative. The data used was 1,000 comments given POS-TAG manually and 1,000 comments as test data. Sentiment analysis is applied using four methods of classification, namely SVM, NBC, ME and KM-Clustering. The result showed that the accuracy of POS-Tagger was 0.95 and the avarage of accuracy of four classification method was 0.85.
TEMU KEMBALI INFORMASI BERBASIS KLUSTER UNTUK SISTEM TEMU KEMBALI INFORMASI TEKS BAHASA INDONESIA Amir Hamzah
Jurnal Teknologi Vol 2 No 1 (2009): Jurnal Teknologi
Publisher : Jurnal Teknologi, Fakultas Teknologi Industri, Institut Sains & Teknologi AKPRIND Yogyakarta

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

Abstract

Volume informasi teks yang berkembang eksponensial menyebabkan kesulitan dalam proses temu kembali informasi, utamanya pada model perolehan informasi linear berbasis word matching yang umumnya tidak efektif. Faktor sinonim dari kata menjadi penyebab munculnya dokumen tidak relevan dalam perolehan, sebaliknya faktor polisemy menyebabkan banyak dokumen yang relevan tidak terpanggil. Penerapan clustering dokumen dipercaya dapat meningkatkan kinerja berdasar satu hypothesis bahwa dokumen yang relevan terhadap suatu query cenderung berada dalam kluster yang sama. Penelitian ini melakukan kajian penerapan clustering dokumen untuk meningkatkan perolehan informasi dengan cara melakukan retrieval berbasis kluster (cluster-based retrieval) dengan model ruang vektor. Koleksi dokumen mula-mula dikluster dan representasi kluster digunakan vektor pusat kluster. Dokumen-dokuman dalam kluster yang pusat klusternya memiliki similaritas tertinggi terhadap query dipilih sebagai perolehan. Metode clustering yang dipilih adalah metode partitional, yaitu algoritma Bisecting K-Mean dan Buckshot, dan metode hierarchical agglomerative dengan algoritma perhitungan similaritas kluster UPGMA dan Complete Link. Kriteria kinerja perolehan informasi diukur dengan parameter F-measure yang diturunkan dari Precision dan Recall dari retrieval. Koleksi dokumen yang digunakan adalah 1000 dokumen berita yang telah diketahui struktur klusternya dan 3000 dokumen berita dengan struktur kluster belum diketahui. Hasil penelitian menunjukkan bahwa pada koleksi yang dicobakan terjadi peningkatan kinerja perolehan informasi berbasis kluster sebesar berturut-turut 12.3% dan 9.5% dibandingkan dengan perolehan linear berbasis word –matching.
TEXT DOCUMENT INFORMATION RETRIEVAL BASED ON CONCEPTS Amir Hamzah
Jurnal Teknologi Vol 4 No 1 (2011): Jurnal Teknologi
Publisher : Jurnal Teknologi, Fakultas Teknologi Industri, Institut Sains & Teknologi AKPRIND Yogyakarta

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

Abstract

Melimpahnya informasi digital yang dikoleksi secara otomatis oleh internet telah menimbulkan problem dalam temu kembali informasi. Menemukan informasi yang tepat dalam koleksi dokumen yang besar adalah sangat sulit. Kesulitan ini disebabkan karena pada kebanyakan mesin pencari berbasis pada pencocokan string sehingga akan otomatis memberikan dokumen sebagai jawaban jika terdapat string yang cocok. Untuk menangani hal ini dan dengan mengingat bahwa dokumen bukan saja merupakan koleksi kata tetapi juga merupakan koleksi konsep, penulis mengusulkan teknik baru temu kembali informasi yang berbasis pada konsep. Teknik ini berbeda dengan temu kembali berbasis kata pada tahap indexing dan tahap temu kembali. Pada tahap indexing teknik ini mengklasifikasi dokumen berdasarkan konsep menggunakan teknik clustering untuk menyususn index konsep disamping index kata. Pada tahap temu kembali, teknik ini merangking dokumen berdasarkan kombinasi similaritas kata dan konsep, dalam suatu formula doc-score = b * conceptScore + (1-b)*TermScore dimana b adalah bobot skor konsep. Algoritma clustering dipilih dari model partisi dengan kompleksitas linear, yaitu model Bisecting K-Means. Percobaan dilakukan pada 2 jenis koleksi, yaitu dokumen teks berita (1000 dan 3000 dokumen) dan dokumen akademik (1000 dokumen abstrak bidang IT). Evaluasi kenerja temu kembali diukur dengan rata-rata presisi temu kembali dan R-presisi. Hasil penelitian menunjukkan bahwa dengan men-set b =0.5 to b =0.9 menunjukkan peningkatan precisi berbasis konsep terhadap basis kata (b =0). Peningkatan precisi adalah sebesar 5,2%sampai 8,3% untuk rata-rata precisi dan 16.9% sampai 31.5% untuk parameter R-precision.
Co-Authors Ade Rizki Purnama Ade Yogi Adhi Susanto Adhi Susanto Afifah Dzuriatun Khasanah Agel, Walid Agusnadi Agusnadi Ahmad Mujahid Ainun Ainun amirhamzah@institutpendidikan.ac.id Andi Kurniawan Andika Andika Andri Perdana Putra Anggreawan - Aprizal Rosadian Ari Budi Noviyanto Ariyana, Renna Yanwastika Asriadi Asriadi Asti Widyaningsih Ayus ahmad Yusuf Basuki Beny Firman Budhi Anto Catur Iswahyudi Catur Iswayudi Dahliyusmanto, Dahliyusmanto Daldir - Dedy Darmawan Dini Suryaningsih Dyah Apriliani Edhy Sutanta (Jurusan Teknik Informatika IST AKPRIND Yogyakarta) Egi Mulyadi Emy Setyaningsih Erfanti Fatkhiyah Erma Susanti Erna Kumalasari Nurnawati Erna Kumalasari Nurnawati Erna Safariyah Erwin Hariyanto Nugroho F. Soesianto F. Soesianto Fauzan Prasetyo Febbi Adha Hardiani Febrianto Ramadhan Firdaus Firmansyah Kusuma, R. Okky Galih Prassantika Utama Gatot Santosa Gatot Santosa, Gatot Gloriansi Umbu Heingu Deta Hadijah Hadijah Hae Isnapoh Maykel Yoseph Hanny Oktariani Hari Rachmadi Haris Dibdyaningsih Hendra Mardika Heri Ihwani Heri Siswanto Heru Susanto Indien Winarwati Indriyani Indriyani Irawan Danismaya Ismail Ismail Istiana Agustika Anandy Iwan Kurniawan Iwan Sukma Gumilar Jazi Eko Istiyanto Jazi Eko Istyanto Kris Suryowati Lia Dwi Martika Lilik Nugroho M Altaf Hidayat M. Rasuhan Fikri MAYA, IRA Mia Lusmiawati Mohammad Sholeh Muchamad Rizal Rinaldi Muhamad Najib Muhamad Taufik Hidayat Muhammad Akbar Muhammad Firdaus Muhammad Sholeh Muhammad Sholeh Muhammad Suyanto Muntaha Nega Mustafa - Naniek Widyastuti Naniek Widyastuti Niken Irawati Putri Novita Istiqomah Nurul Sakdah Oktaviani Rahmita Putri Oktaviani Rita Puspasari Oman Somantri Pidie Wiyanto Prastyono Eko Pambudi R. Ismail Nugroho Akbar Riani - Risang Aji Herlambang Risma Sri Mulyati Robertus Desta Raka Siwi Romy Romy Rr. Yuliana Rachmawati Ryan Akbar Fadhilah Ryvan Sirait Ryzka Rahmawati Shalahuddin Shaleh Shaleh Sholeh, Muhammad Siar Nimah Siti Lestari Sony Cahyo Wibisono Suraya - Suwanto Raharjo Syafi'i, Ahmad Tanty Naomi Siahaan Taufik Maulana Taufiq Abidin Tinezia Arum Cendhani1 UGM) Fakultas Matematika dan Ilmu Pengetahuan Alam Jazi Eko Istiyanto (Jurusan Fisika Uning Lestari Uning Lestari Universitas Gadjah Mada) Fakultas Teknik Adhi Susanto (Jurusan Teknik Elektro Universitas Gadjah Mada) Fakultas Teknik F. Soesianto (Jurusan Teknik Elektro Uswatun Hasanah Virgilius Daton Balamakin Wafikulinnuha - Wafikulinuha Wafikulinuha Wahid Hasim Wahid Hasyim Winantris Winantris Wisnu Widiarto Wisnu Widiarto Yoga Pratama Yohanes Yohanes Yudi Setyawan Yunita Kusumawardani Yusriana Yusriana