p-Index From 2021 - 2026
10.231
P-Index
This Author published in this journals
All Journal International Journal of Advances in Applied Sciences JPTK: Jurnal Pendidikan Teknologi dan Kejuruan Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi) Jurnal Pendidikan Teknologi dan Kejuruan KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) ISSN: 2252-9063 Jurnal Sains dan Teknologi Jurnal Simetris Elkom: Jurnal Elektronika dan Komputer Jurnal Informatika Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Pseudocode Jurnal Teknologi Informasi dan Ilmu Komputer Journal of ICT Research and Applications JUITA : Jurnal Informatika Jurnal Informatika dan Teknik Elektro Terapan Jurnal Sistem dan Informatika KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal Teknologi dan Sistem Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Journal of Information Technology and Computer Science JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Teknik Informatika UNIKA Santo Thomas Jurnal Teknologi Sistem Informasi dan Aplikasi Jurnal RESISTOR (Rekayasa Sistem Komputer) Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) J-SAKTI (Jurnal Sains Komputer dan Informatika) JURIKOM (Jurnal Riset Komputer) Jurnal Teknologi Informasi dan Multimedia JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Teknologi Informatika dan Komputer Journal of Computer Networks, Architecture and High Performance Computing Jurnal Teknik Informatika (JUTIF) INSERT: Information System and Emerging Technology Journal KLIK: Kajian Ilmiah Informatika dan Komputer J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Info Sains : Informatika dan Sains Brilliance: Research of Artificial Intelligence Jurnal Pendidikan Sains dan Komputer Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Jurnal Nasional Teknik Elektro dan Teknologi Informasi Paradigma MASALIQ: Jurnal Pendidikan dan Sains Malcom: Indonesian Journal of Machine Learning and Computer Science Journal of Artificial Intelligence and Digital Business Eduvest - Journal of Universal Studies INOVTEK Polbeng - Seri Informatika
Claim Missing Document
Check
Articles

Perbandingan Algoritma Naive Bayes Berbasis Feature Selection Gain Ratio dengan Naive Bayes Kovensional dalam Prediksi Komplikasi Hipertensi Putra, I Made Arya Adinata Dwija; Sunarya, I Made Gede; Gunadi, I Gede Aris
JTIM : Jurnal Teknologi Informasi dan Multimedia Vol 6 No 1 (2024): May
Publisher : Puslitbang Sekawan Institute Nusa Tenggara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35746/jtim.v6i1.488

Abstract

High blood pressure is a significant public health problem with a high prevalence in the Indo-nesian population. 2018 Riset Kesehatan Dasar (Riskesdas) data shows a prevalence of hyperten-sion of 34.1% in individuals aged 18 years and over, with the highest figure in South Kalimantan and the lowest in Papua. Complications arising from hypertension can have serious impacts on organs such as the brain, eyes, heart and kidneys. The Naive Bayes algorithm is generally used in disease prediction, but the Naive Bayes algorithm has problems when selecting attributes, because Naive Bayes itself is a statistical classification method that is only based on Bayes' Theorem so it can only be used with the aim of predicting the probability of membership in a group or class. So attribute weighting is needed to increase accuracy more effectively. This research introduces Gain Ratio as an attribute weighting method to increase the accuracy of Naive Bayes. The aim of this study was to compare conventional Naive Bayes with Naive Bayes Gain Ratio in predicting complications of high blood pressure. The research results show that feature selection with gain ratio weighting can increase the accuracy of naive Bayes classification, with an average increase in accuracy of 20% compared to naive Bayes without feature selection. The precision value increased by 21% in the naive Bayes gain ratio algorithm for the kidney failure class, an increase of 3% in the heart class, and an increase of 31% in the stroke class, for the recall value the naive Bayes gain ratio increased by 35% in the heart class while in the kidney failure and stroke classes did not increase the recall value.
Sistem Pendukung Keputusan dengan Metode Simple Additive Weight untuk Mengevaluasi Kinerja dan Ketentuan Jam Mengajar Guru di SMKS Triatmajaya Singaraja Cahyo, Kukuh Adhicahyo; Sunarya, I Made Gede
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.v4i1.56670

Abstract

Sistem pendukung keputusan dengan metode SAW Simple Addiptive Weighting dikembangkan untuk membantu penilaian agar lebih objektif, menimalisir kesalahan kecil maupun besar, dan mempercepat proses penilaian. Terdapat 6 kriteria sebagai acuan penilaian sekolah yaitu RPP, Media, Pelaksanaan, Kepribadian, Kualitas, Kuantitas, subkriteria sebagai objektifitas nilai, dan alternatif sebagai yang dinilai tenaga pendidik. Penelitian ini berjenis research and development menggunakan Metode SDLC dengan model waterfall terdiri dari 4 tahapan yaitu analisis (requirements), desain (design), implementasi (implementation), verification (verifikasi). Terdapat 3 pengujian yang dilakukan yakni verifikasi blackbox mendapatkan hasil presentase 100%, verifikasi whitebox mendapatkan hasil presentase 100%, uji respon pengguna dibagi menjadi 3 bagian yaitu pengguna (1) admin dengan hasil presentase 100%, pengguna (2) wakakurikulum dengan hasil presentase 96,6%, pengguna (3) tenaga pendidik dengan hasil presentase 94%. Penelitian ini berhasil merancang dan mengimplementasikan sistem pendukung keputusan menggunakan metode saw dengan baik, setelah melewati tahapan verifikasi blackbox dan whitebox. Pengujian pada setiap 3 respon pengguna masing- masing juga mendapatkan rentang yang sangat baik.
Segmentasi Soft Exudate pada Citra Fundus Retina Pasien Diabetic Retinopathy Berbasis U-Net Maysanjaya, I Md. Dendi; Kadek Suwis Satria Atmaja; Sunarya, I Made Gede
INSERT : Information System and Emerging Technology Journal Vol. 4 No. 2 (2023)
Publisher : Prodi Sistem Informasi, FTK, Undiksha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/insert.v4i2.59033

Abstract

Diabetic retinopathy merupakan suatu kondisi mata yang terjadi pada orang yang menderita diabetes yang dapat mengakibatkan kehilangan penglihatan dan kebutaan. Kondisi ini terjadi akibat kerusakan pada pembuluh darah dan serabut saraf mata yang disebut exudates. Exudates terdiri dari dua jenis, yaitu hard exudate (HE) dan soft exudate. Penelitian ini difokuskan pada segmentasi soft exudate dengan menggunakan pengolahan citra digital menggunakan metode berbasis deep learning dengan U-Net. Secara garis besar, proses dalam proses segmentasi ini terdiri dari 3 tahap yaitu (1) pre-prosessing adalah tahap untuk memperbaiki citra yang akan digunakan sebelum dilakukan tahap segmentasi agar hasil yang didapatkan lebih optimal, (2) segmentasi adalah tahap untuk melakukan pemisahan soft exudate dengan yang bukan soft exudate dan (3) evaluasi adalah tahap untuk mengetahui performa dari hasil segmentasi yang telah didapatkan. Performa kedua metode dibandingkan dengan menggunakan tiga metrik performansi, yaitu akurasi, sensitifity, dan specificity dengan membandingkan hasil segmentasi dengan groundtruth. Hasil penelitian menunjukkan bahwa metode U-Net menghasilkan rata-rata akurasi 0.99586, sensitifity 0.36203, dan specificity 0.99856 dalam evaluasi hasil performansi skor.
Analisis Hyperparameter Pada Klasifikasi Jenis Daging Menggunakan Algoritma Convolutional Neural Network Dinata, I Made Anom Mahartha; Gunadi, I Gede Aris; Sunarya, I Made Gede
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 8, No 1 (2024): EDISI MARET
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/j-sakti.v8i1.763

Abstract

In the context of food and economy, meat plays a vital role in fulfilling the nutritional needs of society and serves as a strategic economic commodity. However, the difficulty in distinguishing between beef and pork often leads to fraud by meat traders. Particularly in Indonesia, where the consumption of beef and pork is high, this confusion raises significant concerns, especially since pork is prohibited in the Islamic religion. This research aims to address this issue by applying Artificial Intelligence technology, specifically the Convolutional Neural Network (CNN) deep learning method in classifying images of beef, pork, and mixed meat. The study utilizes a dataset of 410 samples, with 70% used for training and 30% for testing. Testing is conducted using a basic CNN model with hyperparameter analysis such as image size, number of epochs, and batch size. Additionally, the dataset is tested using a comparative architecture, namely the ResNet-50 architecture. The best accuracy rate of the CNN model is 82.20%, achieved with an image size of 75 x 75 pixels, 100 epochs, and a batch size of 64. Testing with the ResNet-50 architecture yields the highest accuracy of 76.14%. Evaluation is performed using a confusion matrix with four categories: Accuracy, Precision, Recall, and F1 Score.
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.
Kombinasi Oversampling dan Undersampling dalam Menangani Class Imbalanced dan Overlapping pada Klasifikasi Data Bank Marketing Erlangga, Anak Agung Gde Wahyu Sukma; Gunadi, I Gede Aris; Sunarya, I Made Gede
Jurnal RESISTOR (Rekayasa Sistem Komputer) Vol. 7 No. 1 (2024): Jurnal RESISTOR Edisi April 2024
Publisher : Prahasta Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31598/jurnalresistor.v7i1.1515

Abstract

Class imbalance can occur in various types of datasets, one of which is bank marketing datasets. The class imbalance can cause classification problems. To handle the problem, the SMOTE method can be used. However, the application of SMOTE can cause class overlapping and interfere with classification performance. Therefore, this research will try to handle it by combining the SMOTE method with undersampling methods consisting of ENN, NCL, and TomekLink. The classification algorithm used is Logistic Regression and the performance evaluation uses sensitivity, specificity, and g-means of the model. The results show that the SMOTE-ENN combination produces the most optimal results with sensitivity, specificity, and g-means of 94.05%, 83.22%, and 88.47% respectively on bank marketing datasets, while on credit card fraud datasets it has almost uniform results with sensitivity, specificity, and g-means ranging from 88.62%, 97.59%, and 93.00%. Finally, on cerebral stroke datasets, SMOTE-ENN produces the highest sensitivity at 80.1%, the highest specificity on SMOTE-NCL at 75.62%, and the highest g-means on SMOTE at 77.03%.
Analisis Hyperparameter Pada Klasifikasi Jenis Daging Menggunakan Algoritma Convolutional Neural Network Dinata, I Made Anom Mahartha; Gunadi, I Gede Aris; Sunarya, I Made Gede
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 8, No 1 (2024): EDISI MARET
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/j-sakti.v8i1.763

Abstract

In the context of food and economy, meat plays a vital role in fulfilling the nutritional needs of society and serves as a strategic economic commodity. However, the difficulty in distinguishing between beef and pork often leads to fraud by meat traders. Particularly in Indonesia, where the consumption of beef and pork is high, this confusion raises significant concerns, especially since pork is prohibited in the Islamic religion. This research aims to address this issue by applying Artificial Intelligence technology, specifically the Convolutional Neural Network (CNN) deep learning method in classifying images of beef, pork, and mixed meat. The study utilizes a dataset of 410 samples, with 70% used for training and 30% for testing. Testing is conducted using a basic CNN model with hyperparameter analysis such as image size, number of epochs, and batch size. Additionally, the dataset is tested using a comparative architecture, namely the ResNet-50 architecture. The best accuracy rate of the CNN model is 82.20%, achieved with an image size of 75 x 75 pixels, 100 epochs, and a batch size of 64. Testing with the ResNet-50 architecture yields the highest accuracy of 76.14%. Evaluation is performed using a confusion matrix with four categories: Accuracy, Precision, Recall, and F1 Score.
Klasifikasi Kualitas Biji Kopi Robusta Dengan Metode Naive Bayes berdasarkan Ukuran Biji, Tekstur, dan Warna Putra, I Kadek Nurcahyo; Gunadi, I Gede Aris; Sunarya, I Made Gede
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 15, No 1 (2024): JURNAL SIMETRIS VOLUME 15 NO 1 TAHUN 2024
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v15i1.10790

Abstract

Kopi merupakan salah satu komoditas terpenting di dunia, lebih dari dua juta gelas kopi di konsumsi setiap hari. Kualitas kopi bergantung pada serangkaian proses, dan sortasi merupakan proses yang sangat penting untuk mensegmentasi biji kopi sesuai kualitas. Biji kopi yang tercampur menyebabkan rusaknya rasa, menurunkan kualitas, dan harga. Sortasi biji dengan cara manual rentan mengalami kesalahan disebabkan turunnya konsentrasi serta subjektivitas manusia. Pada penelitian ini penulis mengimplementasi algoritma Naive Bayes untuk membangun model klasifikasi kualitas biji kopi robusta berdasarkan fitur warna RGB, fitur tekstur dengan metode GLCM, dan fitur ukuran biji kopi robusta. Biji kopi robusta diperoleh dari CV. Kaki Lima Solid sejumlah 300 gram untuk setiap kualitas. Biji kopi difoto untuk menghasilkan citra biji kopi. Citra biji kopi di pre-proses selanjutnya di lakukan ekstraksi fitur warna, tekstur, dan ukuran biji. Dataset hasil ekstraksi fitur di bagi menjadi dua bagian, 480 data digunakan untuk melatih algoritma Naive Bayes. Pengujian model klasifikasi dengan 120 data uji memperoleh hasil akurasi 87.5%. Komparasi fitur dan metode klasifikasi lain pada masa depan dapat dilakukan untuk memperoleh hasil yang lebih baik.
Perbandingan Metode Analisis Sentimen Pelayanan Daring di Fakultas Teknik dan Kejuruan Universitas Pendidikan Ganesha Menggunakan Algoritma Naïve Bayes dan LSTM: Sentiment Analysis of Online Services at the Engineering and Vocational Faculty of Ganesha Education University Using Naïve Bayes and LSTM Algorithms Saputri, Ni Kadek Tesya Ari; Gunadi, I Gede Aris; Sunarya, I Made Gede
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1336

Abstract

Salah satu fakultas di Univesitas Pendidikan Ganesha yaitu Fakultas Teknik dan Kejuruan (FTK) yang menerapkan pelayanan daring di masa pandemi COVID-19. Berbagai komentar muncul saat dilakukan pelayanan daring ini sehingga perlu dilakukannya sebuah analisis. Mahasiswa memberikan pendapat positif dan negatif. Untuk menganalisis komentar mahasiswa menggunakan metode Naive Bayes dan Long Short-Term Memory (LSTM). Data yang digunakan merupakan informasi yang diperoleh dari penyebaran angket yang diisi oleh mahasiswa FTK. Evaluasi matriks konfusi termasuk akurasi, presisi, recall, dan f-measure. Penelitian ini bertujuan untuk membandingkan kedua metode Naive Bayes dan LSTM serta mendeteksi kata-kata yang sering muncul pada pelayanan daring FTK dengan membandingkan stopword yang dikumpulkan pada saat pemrosesan kuesioner. Menguji keakuratan metode klasifikasi Naïve Bayes dan hasilnya adalah 83,69%. Hasil klasifikasi metode LSTM mencapai akurasi sebesar 53,12%. Nilai akurasi LSTM yang dihasilkan sangat rendah. Mungkin alasan utamanya adalah hanya komentar positif yang terbaca saat mencoba metode LSTM. Penyebab lainnya yaitu dataset yang juga dapat mempengaruhi. Dengan membandingkan kinerja Naive Bayes dan LSTM, diperoleh hasil yang menunjukkan metode Naïve Bayes lebih unggu untuk menganalisis komentar mahasiswa FTK Undiksha.
Usability Evaluation Of The Academic Information System Using The Concurrent Think-Aloud, Webuse, And Sus Methods Sarasmayana, Ketut Yoga; Dewi , Luh Joni Erawati; Sunarya, I Made Gede
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 2 (2024): Articles Research Volume 6 Issue 2, April 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i2.3977

Abstract

This research was motivated by the situation that the academic information system (SIAKAD) Universitas Teknologi Indonesia (UTI) had never been tested for usability based on user responses. Apart from that, the flow that occurs in the UTI academic information system is not yet coherent. From the user's side, the information guide feature for using SIAKAD UTI is not yet available. Based on this, the research aimed to: 1) describe the results of Usability evaluation using the Concurrent Think-Aloud and Webuse methods on the Academic Information System of Indonesia Technology University; 2) describe recommendations for usability evaluation of the Concurrent Think-Aloud and Webuse methods on the Academic Information System of the Indonesia Technology University; and 3) create a simulation of SIAKAD UTI development and describe the test results using the System Usability Scale (SUS) method. The research method used a mix of qualitative and quantitative methods, so that data obtained is more comprehensive, valid, reliable, and objective. Usability evaluation data through the Concurrent Think-Aloud method was collected using interviews, usability evaluation through the Webuse method was collected using a questionnaire, and satisfaction data through the SUS method was collected using a questionnaire. The results of the development carried out in this research can be concluded as follows. (1) The SIAKAD UTI evaluation results through the Concurrent Think-Aloud method showed that many navigation buttons did not function, inconsistent button features, disproportionate location/buttons position, and inappropriate color selection. Therefore, the evaluation results through the Concurrent Think-Aloud Method showed that SIAKAD UTI needs to be improved. (2) The SIAKAD UTI evaluation results through the Webuse method obtained an overall mean value of usability points, namely 0.23, in the range 0.2 < x ?0.4 with a usability level category of Poor, which means that it is necessary to improve the development of SIAKAD UTI. (3) Based on the evaluation results, a SIAKAD UTI development simulation was carried out, followed by a satisfaction test using SUS. The average score obtained after processing the assessment scores from respondents with an average value of 97.35, which showed that respondents were very satisfied using the results of the SIAKAD UTI development simulation.
Co-Authors ., Dewa Ayu Kade Diah Arindia Putri ., Gede Agus Udayana ., I Putu Eka Dharma Cahyadi ., Km Pita Setiarini ., Ni Kd Putri Ariani ., Ni Made Erna Maygayanti ., Novitasari Putri ., Putu Sanistya h Aan Yudianto Ade Widiyantara, I Putu Adi Arta Wibawa, I Gede Made Adi Saputra Yasa, I Gede Agoes Gelgel Aryawan, I Komang Agung Ayu Hanna Cahyani Agung Istri Ariningrat, I Gusti Agung Purnama Putra, I Gede Agung Wahyu Prayoga, I Gusti Agus Permadi, I Nyoman Agus Sutrisna, I Kadek Agus Tria Pradnyana Udayana Agus Tria Pradnyana Udayana, Agus Tria Pradnyana Ali Djamhuri Anak Agung Sri Farida Sari Dewi Andika, I Gede Antara, I Gede Wija Ardipa, Gede Sukra Ari Kamelia Dewi, Ni Made Arief Hadi Prasetyo Arief Hadi Prasetyo, Arief Hadi Arisandi, Ni Made Desi Ariyani, Putu Wendy Artika Winati Mapet, Made Ayu Elviani, Ni Komang Ayu Nirma Lestari, Gusti Bagus Maha Putra, I Gusti Budiana, I Wayan Budiastawa, I Dewa Gede Bunga Anindya, Made Cahyani, Agung Ayu Hanna Cahyo, Kukuh Adhicahyo Candiasa , ⁠I Made Darma Putra, I Kadek Agus Dessy Seri Wahyuni Dewa Ayu Kade Diah Arindia Putri . Dewa Gede Hendra Divayana, Dewa Gede Hendra Dewa Ngakan Putu Eka Juniarta Dewa Nyoman Adi Sista Dewa Nyoman Adi Sista, Dewa Nyoman Adi Dewa Putu Doniawan Dewi , Luh Joni Erawati Dewi, Made Sulatri Dewi, Ni Putu Dita Ariani Sukma Dharma Laksana, I Kadek Diatmika, I Ketut Agus Indra Dika Prasetya, I Putu Dinata, I Made Anom Mahartha Doniawan, Dewa Putu Drs. I Wayan Darsana,M.Ed . Dwi Suparyanta, Kadek DWI SURYANTO Dwipayoga, Dewa Made Wisma Eka Putra Widiantara Eka Swastika, I Putu Eko Mulyanto Yuniarno Endrawati, Ni Komang Ayu Erlangga, Anak Agung Gde Wahyu Sukma Farida Sari Dewi, Anak Agung Sri Firda Riani Gede Agus Putra Yasa Gede Agus Udayana . Gede Arna Jude Saskara Gede Doni Agustina Gede Doni Agustina Gede Doni Agustina, Gede Doni Gede Nova Kertiana Putra Gede Noverdi Indrawirawan Gede Saindra Santyadiputra Gede Saindra Santyadiputra Gede Saindra Santyadiputra, Gede Saindra Gede Sukra Ardipa Gede Surya Mahendra Giri, I Gusti Putu Yada Gusti Ayu Nirma Lestari Gusti Ngurah Wira Satryawan Hanna Cahyani, Agung Ayu Hartariani, Luh Lina Hermawan, Norma I G. Uttaram I Gede Adi Saputra Yasa I Gede Agung Purnama Putra I Gede Agus Pebriana I Gede Aris Gunadi I Gede Bendesa Subawa I Gede Bintang Arya Budaya I Gede Bintang Arya Budaya I Gede Eka Artha Putra I Gede Eka Udiyana I Gede Eka Udiyana, I Gede Eka I Gede Made Adi Arta Wibawa I Gede Mahendra Darmawiguna I Gede Merta I Gede Nyoman Agung Jayarana I Gede Sudirtha I Gede Wija Antara I Gusti Agung Istri Ariningrat I Gusti Agung Mia Pradita I Gusti Agung Wahyu Prayoga I Gusti Ayu Agung Diatri Indradewi I Gusti Bagus Maha Putra I Gusti Gede Raka Wiradarma I Gusti Made Wahyu Krisna Widiantara I Gusti Nyoman Tri Jayendra I Gusti Putu Yada Giri I Kadek Agus Darma Putra I Kadek Agus Sutrisna I Kadek Dharma Laksana I Ketut Dedi Kusuma Rena I Ketut Eddy Purnama I Ketut Resika Arthana I Ketut Semara Yasa I Ketut Semara Yasa, I Ketut Semara I Komang Agoes Gelgel Aryawan I Komang Hendra Trinium Jaya I Komang Sureadiputra Diwangkara . I Komang Sureadiputra Diwangkara ., I Komang Sureadiputra Diwangkara I Komang Susena I Made Agus Wirawan I Made Ardwi Pradnyana I Made Candiasa I Made Kresna Dana I Made Putrama I Made Tirta Murdika I Made Widnyana, I Made I Made Yoga Antara I Made Yudiantara I Made Yudiantara I Md. Dendi Maysanjaya I Nengah Eka Mertayasa I Nengah Eka Mertayasa I Nyoman Agus Permadi I Nyoman Indhi Wiradika I Nyoman Narmada I Nyoman Narmada, I Nyoman I Nyoman Sudiartayasa Adiputra I Putu Ade Widiyantara I Putu Dika Prasetya I Putu Eka Dharma Cahyadi . I Putu Eka Swastika I Putu Hendra Tresnadana Sueca I Putu Hery Antara I Putu Hery Antara, I Putu Hery I Putu Nata Susila I Putu Surya Pratama Wardhana I Putu Wijaya Merta I Wayan Ady Juliantara I Wayan Arya Gina Widyatmaja I Wayan Eka Purnama Putra . I Wayan Eka Purnama Putra ., I Wayan Eka Purnama Putra I Wayan Indra Diatmika I Wayan Indra Diatmika, I Wayan Indra I Wayan Nuarsa I Wayan Sudarsana I Wayan Treman I Wayan Wahyu Nuarsa I Wayan Wijaya Kusuma Ida Ayu Putu Purnami Ida Bagus Yudha Surya Pradipta Ida Bagus Yudha Surya Pradipta, Ida Bagus Yudha Surya Ida Purnamasari, Putu Ika Hendriana, Komang Inayaturrahman . Inayaturrahman ., Inayaturrahman Indradewi, Gusti Ayu Agung Diatri Indrawirawan, Gede Noverdi Ismoyo Sunu Joko Priambodo Juliantara, I Wayan Ady Kadek Artawan Kadek Artawan, Kadek Kadek Dedi Krisma Prayudi Kadek Dodi Permana Kadek Dodi Permana Kadek Dodi Permana, Kadek Dodi Kadek Dwi Suparyanta Kadek Dwi Yoga Adi Palguna . Kadek Dwi Yoga Adi Palguna ., Kadek Dwi Yoga Adi Palguna Kadek Rido Setiawan Kadek Rido Setiawan, Kadek Rido Kadek Suwis Satria Atmaja Kadek Yota Ernanda Aryanto Kertiana Putra, Gede Nova Ketut Agustini Ketut Intan Kusuma Wardani Ketut Sukreni Ketut Sukreni, Ketut Ketut Widiantara Km Pita Setiarini . Komang Devi Kristianti Komang Ika Hendriana Komang Trya Chandra Resmawan . Kristianti, Komang Devi Kumara, I Ketut Bagus Surya Kusuma Wardani, Ketut Intan Lalu Rendy Syahrial Lanang Nugraha, Made Luh Asri Ramayanthi Luh Asri Ramayanthi, Luh Asri Luh Joni Erawati Dewi Luh Lina Hartariani Luh Putu Eka Damayanthi Luh Putu Eka Damayanthi Luh Putu Eka Damayanthi, Luh Putu Eka M.Cs S.Kom I Made Agus Wirawan . Made Artika Winati Mapet Made Bunga Anindya Made Lanang Nugraha Made Sulatri Dewi Made Suyasa Dwi Putra Made Widnyana Made Windu Antara Kesiman Made Windu Antara Kesiman Mahendra, Ida Bagus Mahendra, Komang Maryati, Ni Made Rai Mauridhi Hery Purnomo Merta, I Gede Mita Puspita dewi Mita Puspita Dewi, Ni Putu Nata Susila, I Putu Natih, I Dewa Gede Agung Wibhisana Negara, I Made Wahyu Guna Neno, Joseph Extrada Ngakan Putu Eka Juniarta, Dewa Ni Desak Made Sri Adnyawati Ni Kadek Dina Agustina Ni Kadek Dina Agustina, Ni Kadek Dina Ni Kadek Dwi Trisna Rahayu Ni Kd Putri Ariani . Ni Ketut Ayu Purnama Sari . Ni Ketut Ayu Purnama Sari ., Ni Ketut Ayu Purnama Sari Ni Ketut Catur Wahyu Puspitawati Ni Komang Ayu Elviani Ni Komang Ayu Endrawati Ni Komang Oktari Permata Sari Ni Luh Putu Kurniawati Ni Made Ari Kamelia Dewi Ni Made Desi Arisandi Ni Made Erna Maygayanti . Ni Made Nafta Sukendry Ni Made Pradnya Paramita Kusumawati Kusumawati Ni Made Sudiartini Ni Nyoman Sugihartini Ni Putu Ayu Wijayanti Ni Putu Eka Apriyanthi Ni Putu Mita Puspita Dewi Ni Putu Ratna Puspitarini Ni Putu Ratna Wiryani Ni Putu Ratna Wiryani, Ni Putu Ratna Ni Wayan Martiningsih Novitasari Putri Novitasari Putri . Novitasari Putri, Novitasari P. WAYAN ARTA SUYASA Padama Nyoman Crisnapati Padma Nyoman Crisnapati Padma Nyoman Crisnapati Padma Nyoman Crisnapati Pathni, Ida Ayu Wisma Anggaritha Pebriana, I Gede Agus Permana, Made Ody Gita Pinem, Deby Natalia Br Pradiktha, Wisnu Dwijaya Pradita, I Gusti Agung Mia pramana, i gede pramana ade saputra Prasetia, I Putu Widia Prawira, Putu Yoka Angga Priambodo, Joko Prianka Vedanty, Putu Puspitarini, Ni Putu Ratna Putra Yasa, Gede Agus Putra, I Gede Eka Artha Putra, I Kadek Dwi Gitayana Putra, I Kadek Nurcahyo Putra, I Made Arya Adinata Dwija Putu Alan Arismandika Putu Angga Septiana Putra . Putu Angga Septiana Putra ., Putu Angga Septiana Putra Putu Ary Darma Yasa Putu Ary Darma Yasa, Putu Ary Putu Deri Ariyasa Dana Putu Hendra Suputra Putu Ida Purnamasari Putu Kartika Widya Swari Putu Kartika Widya Swari, Putu Kartika Putu Maha Putra Putu Sanistya h . Putu Soni Ermawati Putu Suarningsih Putu Yoka Angga Prawira Putu Yudia Pratiwi Putu Zasya Eka Satya Nugraha Rahayu, Ni Kadek Dwi Trisna Rena, I Ketut Dedi Kusuma Rendy Syahrial, Lalu Riani, Firda Rika Rokhana Rika Rokhana Rizki Anom Raharjo Rokhana, Rika Rudy Satya Wira Dharma, Kadek Santra, Wayan Saputri, Ni Kadek Tesya Ari Sarasmayana, Ketut Yoga Sariyasa . Shodiq Damanhuri Sidik, Purnama Sindu, I Gede Partha Soni Ermawati, Putu Suarningsih, Putu Sudiartayasa Adiputra, I Nyoman Sudiartini, Ni Made Sudiasta Putri, Nyoman Dinda Indira SUGIYANTI, NI PUTU HAPPY VALENTINA Sukendry, Ni Made Nafta Sulatri Dewi, Made Sumantara, I Gusti Lanang Trisna Suputra, I Putu Arsana Surya Diputra, I Gusti Nyoman Anton Surya Pratama Wardhana, I Putu Susena, I Komang Suyasa Dwi Putra, Made Swastika, I Putu Eka Taufik Ismail Taufik Ismail Tirta Murdika, I Made Tita Karlita Tita Karlita Tita Karlita Tresnadana Sueca, I Putu Hendra Tri Arief Sardjono Trywanto Rina Uttaram, I G. Uttaram, I G. Viky Aryani, Ni Putu Wahyu Eka Putra, I Gusti Agung Wardana, I Komang Tri Edi Wardhana, I Putu Surya Pratama Wayan Andre Pratama Wayan Santra Widiantara, Eka Putra Widiantara, I Gusti Made Wahyu Krisna Widiantara, Ketut Widiantara, Ketut Widyantara, I Putu Eka Wija Antara, I Gede Wijaya Kusuma, I Wayan Wijaya Merta, I Putu Wijaya, Ni Made Pradnyaswari Wijayanti, Ni Putu Ayu Wilhelmus Sabatani Jangku Wiradarma, I Gusti Gede Raka Wisnu Dwijaya Pradiktha Yoga Antara, I Made Yoka Angga Prawira, Putu Yudiantara, I Made Yundari, Yundari