Article Per Year (5 Year)
p-Index From 2021 - 2026
4.072
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) International Journal of Advances in Applied Sciences IJCCS (Indonesian Journal of Computing and Cybernetics Systems) JPTK: Jurnal Pendidikan Teknologi dan Kejuruan Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Jurusan Ilmu Keolahragaan Jurnal Pendidikan Teknologi dan Kejuruan KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) ISSN: 2252-9063 Jurnal Sains dan Teknologi Jurnal Edukasi dan Penelitian Informatika (JEPIN) JUITA : Jurnal Informatika Jurnal Informatika dan Teknik Elektro Terapan Scientific Journal of Informatics Jurnal Ilmiah KOMPUTASI Sinkron : Jurnal dan Penelitian Teknik Informatika Emerging Science Journal WIDYA LAKSANA Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JURIKOM (Jurnal Riset Komputer) Vitek : Bidang Kedokteran Hewan Jurnal Pengabdian kepada Masyarakat Nusantara INSERT: Information System and Emerging Technology Journal Decode: Jurnal Pendidikan Teknologi Informasi Digital Transformation Technology (Digitech) Journal of Artificial Intelligence and Digital Business INOVTEK Polbeng - Seri Informatika
M.Cs S.Kom I Made Agus Wirawan .
Universitas Pendidikan Ganesha
Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Immunology & microbiology Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Physics Social Sciences Other

Published : 201 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 201 Documents
Search

 17   18   19   20   21 
Integrasi Algoritma K-Means untuk Clustering Data Kuesioner Kepribadian Mahasiswa Gede Ngurah Dananjaya Kajeng; I Made Agus Wirawan; I Kadek Dwi Arta Putra; Rama Ngurah Putera Pinatih
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114413

Abstract

Abstrak – Artikel ini menyajikan pendekatan terintegrasi untuk pengelompokan berbasis kepribadian mahasiswa menggunakan algoritma K-Means yang ditingkatkan dengan optimasi Opposition and Dimensional-Based Modified Firefly Algorithm (ODFA). Penelitian ini menangani tantangan dalam mengolah data kepribadian berbasis skala Likert yang bersifat tidak presisi dengan menerapkan pipeline praproses yang komprehensif, meliputi medical filtering, normalisasi Z-score, dan Principal Component Analysis (PCA). Algoritma K-Means dioptimalkan dengan inisialisasi ODFA untuk mengatasi masalah local optima yang sering terjadi pada pendekatan K-Means standar. Data diperoleh dari 114 mahasiswa melalui kuesioner Big Five Personality Traits yang terdiri dari 28 item. Validasi klaster dilakukan menggunakan metode Elbow dan metrik Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah klaster optimal adalah K = 2, dengan nilai Silhouette Score sebesar 0,22, yang mengindikasikan adanya profil kepribadian yang berbeda antar mahasiswa dengan pemisahan spasial yang cukup jelas. Integrasi ODFA dengan K-Means terbukti efektif dengan peningkatan kualitas klasterisasi dibandingkan K-Means standar. Pendekatan hibrida ini berhasil menangani kompleksitas data psikologis yang multidimensi serta menyediakan kerangka kerja otomatis dan objektif untuk segmentasi mahasiswa berdasarkan kepribadian. Temuan ini mendukung penggunaan K-Means yang dioptimalkan dengan inisialisasi ODFA sebagai teknik praproses yang efektif.
Analisis Clustering Kepribadian Mahasiswa Berdasarkan Data Kuesioner Menggunakan Self-Organizing Map I Kadek Dwi Arta Putra; I Made Agus Wirawan; Gede Ngurah Dananjaya Kajeng; Rama Ngurah Putera Pinatih
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114414

Abstract

Penelitian ini bertujuan untuk mengelompokkan profil kepribadian mahasiswa menggunakan algoritma Self-Organizing Map berdasarkan data kuesioner yang mengacu pada Big Five Personality Traits. Dataset yang digunakan terdiri dari 114 responden yang diperoleh setelah proses preprocessing dari 131 responden awal, dengan 28 item pernyataan skala Likert yang merepresentasikan lima dimensi kepribadian. Tahap preprocessing meliputi pembersihan data, penyaringan, transformasi ke bentuk numerik, serta normalisasi menggunakan metode Min-Max scalling. Algoritma Self-Organizing Map diimplementasikan dengan berbagai kombinasi parameter, yaitu Learning Rate sebesar 0,1, 0,3, dan 0,5, serta jumlah iterasi 50, 100, 150, dan 200, sehingga menghasilkan 12 skenario percobaan. Kualitas klaster dievaluasi menggunakan Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index. Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh pada Learning Rate 0,3 dan iterasi 50 dengan dimensi lattice 1×2 yang menghasilkan dua klaster, dengan nilai Silhouette Score sebesar 0,180, Davies-Bouldin Index sebesar 1,979, dan Calinski-Harabasz Index sebesar 25,238. Hasil ini menunjukkan bahwa klaster yang terbentuk memiliki tingkat kekompakan dan pemisahan yang baik dibandingkan konfigurasi lainnya. Dengan demikian, algoritma Self-Organizing Map terbukti efektif dalam mengidentifikasi pola tersembunyi pada data kepribadian berdimensi tinggi dan mampu menghasilkan pengelompokan yang lebih stabil dibandingkan metode clustering konvensional.
Perbandingan Metode Euclidean Distance dan Support Vector Machine pada Klasifikasi Identitas Tanda Tangan Menggunakan Ekstraksi Fitur Histogram of Oriented Gradien Kadek Ryan Maeda Alfarezza; I Made Agus Wirawan
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114468

Abstract

Tanda tangan merupakan salah satu bentuk identitas personal yang masih banyak digunakan dalam berbagai proses administrasi, akademik, perbankan, dan legal. Namun, proses pengenalan tanda tangan secara manual memiliki keterbatasan karena bergantung pada ketelitian pengamat dan berpotensi menimbulkan subjektivitas. Penelitian ini bertujuan untuk membandingkan performa metode Euclidean Distance dan Support Vector Machine dalam klasifikasi identitas tanda tangan berbasis citra digital. Dataset yang digunakan terdiri atas 900 citra tanda tangan yang merepresentasikan 30 identitas berbeda, dengan masing-masing identitas memiliki 30 sampel citra. Tahapan penelitian meliputi preprocessing citra, ekstraksi fitur, klasifikasi, dan evaluasi performa. Pada tahap preprocessing, citra diproses melalui konversi grayscale, penyesuaian ukuran, thresholding, dan normalisasi. Selanjutnya, fitur citra diekstraksi menggunakan Histogram of Oriented Gradients yang dikombinasikan dengan proyeksi horizontal dan vertikal untuk merepresentasikan pola goresan serta distribusi bentuk tanda tangan. Metode Euclidean Distance digunakan sebagai pendekatan berbasis jarak, sedangkan Support Vector Machine digunakan sebagai pendekatan pembelajaran mesin terawasi. Evaluasi dilakukan menggunakan Stratified K-Fold Cross Validation dengan metrik accuracy, precision, recall, F1-score, confusion matrix, dan waktu komputasi. Hasil pengujian menunjukkan bahwa SVM Linear dengan fitur HOG dan proyeksi pada ukuran citra 128×128 memperoleh performa terbaik dengan accuracy sebesar 97,33%, precision sebesar 98,06%, recall sebesar 97,33%, dan F1-score sebesar 97,19%. Dengan demikian, SVM Linear dinilai sebagai metode yang paling efektif dalam klasifikasi identitas tanda tangan pada dataset penelitian ini.
Studi Komparasi Fungsi Jarak Euclidean, Manhattan, dan Minkowski Pada K-Nearest Neighbor Untuk Analisis Sentimen Komentar Judi Online pada Platform YouTube I Gede Agoes Oka Wijana; I Made Agus Wirawan
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114479

Abstract

Maraknya komentar promosi judi online pada platform YouTube menimbulkan ancaman serius terhadap keamanan digital pengguna, khususnya kelompok muda yang rentan. Aktivitas ini melanggar Undang-Undang ITE Nomor 19 Tahun 2016 Pasal 27 Ayat 2 yang melarang distribusi konten perjudian di ruang digital. Penelitian ini bertujuan untuk menganalisis sentimen komentar judi online berbahasa Indonesia menggunakan algoritma K-Nearest Neighbor (KNN) dengan membandingkan tiga fungsi jarak, yaitu Euclidean, Manhattan, dan Minkowski. Dataset yang digunakan berasal dari Kaggle sebanyak 18.426 komentar setelah proses pembersihan data, dengan dua kelas sentimen yaitu positif (komentar judi online) dan negatif (komentar non-judol). Representasi teks dilakukan menggunakan TF-IDF dengan maksimum 1500 fitur, serta penanganan ketidakseimbangan data menggunakan SMOTE. Eksperimen dilakukan terhadap 150 kombinasi parameter yang melibatkan variasi fungsi jarak, nilai K (3, 5, 7, 9, 11), data split, dan penerapan SMOTE. Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh pada Manhattan distance dengan K = 3, data split 90:10, dan SMOTE, yang menghasilkan F1-score sebesar 96,31%. Selain itu, seluruh fungsi jarak menunjukkan pola konsisten di mana performa menurun seiring meningkatnya nilai K. Manhattan distance terbukti paling sensitif terhadap perubahan nilai K, sedangkan Euclidean menunjukkan kestabilan performa, dan Minkowski memberikan kompromi antara keduanya. Temuan ini menunjukkan bahwa pemilihan fungsi jarak dan nilai K memiliki pengaruh signifikan terhadap performa KNN dalam klasifikasi sentimen komentar judi online.
Penerapan Algoritma K-Nearest Neighbors (KNN) Dengan Optimasi PCA untuk Klasifikasi Genre Musik Berdasarkan Fitur Audio Spotify I Wayan Iswara Pranidana; I Made Agus Wirawan
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114510

Abstract

Industri musik digital mengalami pertumbuhan pesat, dengan platform seperti Spotify yang kini menyimpan lebih dari 80 juta lagu. Pengelompokan genre musik secara manual tidak lagi efisien, sehingga diperlukan sistem klasifikasi otomatis. Penelitian ini bertujuan untuk mengklasifikasikan 6 genre musik (EDM, Rap, Pop, R&B, Latin, dan Rock) dari 32.833 lagu pada Spotify Songs Dataset menggunakan algoritma K-Nearest Neighbors (KNN). Untuk mengatasi tumpang tindih pada fitur multidimensi, diterapkan Principal Component Analysis (PCA) sebagai tahap reduksi dimensi guna mereduksi noise sekaligus mempertahankan 95% varians informasi data aslinya. Selain itu, pencarian parameter optimal dilakukan secara komprehensif menggunakan Grid Search dengan 5-fold Cross-Validation untuk membandingkan metrik jarak Euclidean dan Cosine Similarity pada berbagai nilai K ganjil. Hasil optimasi menemukan bahwa KNN berkinerja terbaik menggunakan metrik jarak Cosine Similarity dengan jumlah tetangga K=15. Evaluasi menunjukkan akurasi model meningkat menjadi 48,38% dibandingkan baseline KNN standar. Genre Rock (F1-Score 0,61) dan EDM (F1-Score 0,60) memiliki performa klasifikasi terbaik, sementara Pop paling sering salah diklasifikasi (F1-Score 0,29) akibat tumpang tindih fitur yang dibuktikan melalui visualisasi sebaran PCA. Batasan akurasi ini mengonfirmasi bahwa pendekatan berbasis jarak memiliki kendala intrinsik pada dataset fitur audio numerik yang berdistribusi rapat dan saling tumpang tindih antar kelas.
Analisis Klasifikasi Tingkat Stres Mahasiswa Menggunakan Gaussian Naive Bayes dan Fisher’s Discriminant Ratio Sanciko Romora Karo Karo; I Made Agus Wirawan
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114513

Abstract

Tingkat stres mahasiswa merupakan isu kesehatan mental yang semakin kritis di lingkungan pendidikan tinggi. Penelitian ini menerapkan algoritma Gaussian Naive Bayes untuk mengklasifikasikan tingkat stres mahasiswa ke dalam tiga kategori — rendah, sedang, dan tinggi — berdasarkan 20 faktor multidimensional yang mencakup aspek psikologis, fisik, lingkungan, akademik, dan sosial. Dataset yang digunakan adalah Student Stress Factors Dataset dari Kaggle yang terdiri dari 1.100 rekaman data, dengan pembagian pelatihan dan pengujian menggunakan rasio 80:20. Metodologi penelitian mengacu pada kerangka CRISP-DM (Cross-Industry Standard Process for Data Mining), yang memungkinkan pengelolaan proses klasifikasi secara terstruktur mulai dari pemahaman bisnis hingga evaluasi model. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 87,73%, dengan weighted average precision 0,89, recall 0,88, dan F1-Score 0,88. Analisis fitur menggunakan Fisher’s Discriminant Ratio (FDR) mengungkapkan bahwa tekanan darah (blood_pressure), kepercayaan diri (self_esteem), dan bullying merupakan tiga faktor paling berpengaruh terhadap tingkat stres mahasiswa. Temuan ini sejalan dengan penelitian dosen-dosen Universitas Pendidikan Ganesha yang menekankan pentingnya pendekatan berbasis data dalam mendeteksi kondisi mental dan performa mahasiswa. Penelitian ini membuktikan bahwa Naive Bayes yang sederhana secara komputasi mampu menghasilkan klasifikasi yang kompetitif pada data multidimensional dan berpotensi diimplementasikan sebagai alat deteksi dini kondisi mental mahasiswa di institusi pendidikan tinggi.
Performance comparison of feature extraction methods for electroencephalogram-based recognition of Balinese script I Made Agus Wirawan; Ida Bagus Nyoman Pascima; Gede Surya Mahendra; I Made Candiasa; I Nyoman Sukajaya
International Journal of Advances in Applied Sciences Vol 15, No 1: March 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijaas.v15.i1.pp55-64

Abstract

Recognizing Balinese script from electroencephalogram (EEG) signals remains a challenging problem due to low signal amplitude, non-stationary dynamics, and significant inter-subject variability. Despite previous attempts, no single feature extraction method has been universally effective in addressing these limitations. To fill this gap, this study systematically evaluates five feature extraction techniques—differential entropy (DE), power spectral density (PSD), discrete wavelet transforms (DWT), Hjorth parameters, and statistical features—on the Balinese imagined spelling using electroencephalography (BISE) dataset, which contains EEG recordings specifically designed for Balinese script recognition. For classification, both artificial neural networks (ANN) and support vector machines (SVM) are applied, and their performance is validated across multiple experimental settings. Results demonstrate that DE consistently provides more stable and discriminative features than the other methods, achieving the highest classification accuracy when combined with ANN. These findings highlight the potential of DE-based approaches to advance electroencephalogram driven Balinese script recognition, offering a culturally significant contribution to brain-computer interface (BCI) research and supporting future applications in inclusive artificial intelligence, digital heritage preservation, and assistive technologies.
Improving Butterfly Fish Image Classification Accuracy using HSV Feature Extraction and SMOTE-Based Data Balancing I Putu Arya Putra; I Made Agus Wirawan; I Gede Aris Gunadi
Journal of Innovation and Technology Polbeng Series on Informatics (INOVTEK Polbeng - Seri Informatika) Vol. 10 No. 3 (2025): November
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/vw52nn48

Abstract

Class imbalance in image data can reduce the accuracy of classification models, especially when the minority class data is much smaller than the majority class. This research focuses on enhancing the classification accuracy of butterflyfish images through the application of the Synthetic Minority Over-sampling Technique (SMOTE) for data balancing, combined with the K-Nearest Neighbor (KNN) algorithm utilizing HSV-based feature extraction. The datasets were collected in two conditions, namely conditioned (controlled background and lighting) and unconditioned (varied background and natural lighting). The research stages include preprocessing, HSV feature extraction, data balancing with SMOTE, and classification using KNN with various k values (3, 5, 7, 9) and cross-validation (k-fold 5 and 10). The experimental results show that SMOTE consistently improves accuracy on both types of datasets, with the best performance at k = 3 and k-fold = 10, namely 85.32% (conditioned) and 87.59% (unconditioned). This improvement occurs because a more balanced data distribution allows the model to optimally recognize features between classes. This study proves that the integration of SMOTE and KNN is effective in overcoming class imbalance in image classification, with potential applications in the fields of digital image technology, ecosystem management, and species identification.  
STUDI PERBANDINGAN ALGORITMA EUCLIDEAN, MANHATTAN DAN CHEBYSEV DISTANCE UNTUK OPTIMASI METODE K-MEANS CLUSTERING PADA PENGELOMPOKKAN DATA PENERIMAAN MAHASISWA BARU Matius Ivan Bimasena; I Gede Aris Gunadi; I Made Agus Wirawan
Jurnal Pendidikan Teknologi dan Kejuruan Vol. 22 No. 2 (2025): Edisi Juli 2025
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jptk-undiksha.v22i2.98863

Abstract

Institut Teknologi dan Bisnis (ITB) STIKOM Bali adalah salah satu perguruan tinggi swasta di Bali yang telah berdiri sejak tahun 2002. Tim promosi kampus aktif melakukan promosi di berbagai daerah yang berpotensi mendatangkan calon mahasiswa. Namun dalam proses promosi masih adanya kekurangan dalam menentukan tujuan promosi kampus ke daerah yang berpotensial. Peneliti melakukan pengelompokkan data calon mahasiswa baru untuk tahun ajaran 2022 dan 2023 sebanyak 2.689 data, digunakan metode K-means Clustering dengan menentukan klaster terbaik menggunakan Metode Elbow. Dari hasil metode elbow terbentuk 3 klaster optimal. Setelah itu penulis membandingkan tiga metode perhitungan jarak, yaitu Euclidean, Manhattan, dan Chebyshev Distance dengan 3 klaster. Dari hasil evaluasi metode perhitungan jarak, terbukti bahwa Euclidean Distance mempunyai hasil evaluasi yang paling baik yaitu menunjukkan nilai DBI dan Average Within Centroid Distance dari perhitungan jarak terkecil dibandingkan Manhattan Distance dan Chebyshev Distance dengan nilai evaluasi Davies Bouldin Index 1.202 dan Average Within Centroid Distance 16.082. Setelah ditentukan metode jarak terbaik yaitu Euclidean Distance, penulis melakukan klastering dengan pengelompokkan data penerimaan mahasiswa baru berdasarkan program studi tinggi peminat, sedang peminat dan rendah peminat. Sehingga dari hasil klastering tersebut dapat mengetahui potensi mahasiswa pendaftar dan membantu tim marketing ITB STIKOM Bali dalam melakukan promosi di tahun selanjutnya.
Peramalan Jumlah Kendaraan Diuji Baik Menggunakan Metode Regresi Linier Berganda Bawa, Agus Astra; Sukajaya, I Nyoman; Wirawan, I Made Agus
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.1104

Abstract

Adanya permasalahan dalam penyediaan bahan baku pengujian di Dinas Perhubungan Kabupaten Buleleng sangat erat kaitannya dengan belum adanya peramalan jumlah kendaraan diuji baik. Peramalan juga tidak bisa dilakukan tanpa teridentifikasinya variabel-variabel yang mempengaruhi jumlah kendaraan diuji baik tersebut. Tujuan penelitian ini adalah untuk menentukan variabel yang tepat yang mempengaruhi jumlah kendaraan diuji baik serta menghitung hasil peramalan jumlah kendaraan diuji baik di Dinas Perhubungan Kabupaten Buleleng. Metode analisis prediksi menggunakan Regresi Linier Berganda. Evaluasi peramalan menggunakan Mean Absolute Percentage Error (MAPE). Penelitian ini menghasilkan 5 variabel bebas yaitu jumlah hari kerja dibulan bersangkutan, usia kendaraan  dari kendaraan diuji baik 6 bulan sebelumnya, jarak tempuh (alamat pemilik) dari kendaraan diuji baik 6 bulan sebelumnya, jenis kendaraan mobil barang dari kendaraan diuji baik 6 bulan sebelumnya, dan sifat kendaraan umum dari kendaraan diuji baik 6 bulan sebelumnya. Dengan persamaan Regresi Linier Berganda Y = 773,884+11,695X1-23,788X3-11,633X4+0,005X5+1,502X8 menghasilkan peramalan jumlah kendaraan diuji baik dari bulan Januari 2024 sampai dengan bulan Juni 2024 adalah 600, 540, 595, 577, 570 dan 581 dengan hasil uji akurasi MAPE sebesar 5,39 dengan kategori sangat bagus.
Co-Authors ., EKA SEPHARMI PUTRI ., I Gde Aditya Wicaksana ., I Made Ditha Herdia Wiranata ., I Made Dwi Indrasanjaya ., I Nengah Agus Arimbawa Dwijayadi ., I Putu Agus Ariana ., I Putu Agus Indrawan ., I Putu Eka Dharma Cahyadi ., Kadek Agus Darma Yadnya ., Kadek Dwinda Yudha Pratama ., Kadek Ningsih ., Ketut Adi Ardipa Sutrisna ., Made Astradanta ., Ni Kd Putri Ariani ., Novitasari Putri ., Nur Azizah ., Putu Aga Widi Ananta ., Putu Mardiyasa Adi Saputra ., Putu Windu Tenaya Aan Yudianto Agus Mas Janurbawa Agus Tria Pradnyana Udayana Agus Tria Pradnyana Udayana, Agus Tria Pradnyana Ajiwerdhi, Anak Agung Gde Putra Amini, Rizki Puji Anak Agung Gde Putra Ajiwerdhi Ariawan, I Gede Artanayasa, Wayan Arya Udayana, Ngurah Nyoman Arya, Ketut Aryani, Ketut Arlin Bawa, Agus Astra Budiastawa, I Dewa Gede Dessy Seri Wahyuni Dewa Ayu Putu Putri Sanjani Dewa Gede Hendra Divayana, Dewa Gede Hendra Dewantara, Ari Indrawan Diantari, Luh Putu Eka Dwi Septian, I Gusti Ngurah Agung Pramasurya EKA SEPHARMI PUTRI . Gde Angga Putra Sutanjaya Gde Gung Prabawa Gede Aditra Pradnya Gede Aditra Pradnyana Gede Angga Pradipta, Gede Angga Gede Indrawan Gede Ngurah Dananjaya Kajeng Gede Saindra Santyadiputra Gede Saindra Santyadiputra, Gede Saindra Gede Saindra Santyadiputra, S.T., M.Cs . Gede Surya Mahendra Hartariani, Luh Lina Herdiawiranata, I Made Ditha I Dewa Gede Arief Bilanova Putra I Dewa Gede Arief Bilanova Putra, I Dewa Gede Arief I Dewa Made Satria Sitangga Wijaya I Gde Aditya Wicaksana . I Gede Agoes Oka Wijana I Gede Agus Saka Prasetya I Gede Ariawan I Gede Aris Gunadi I Gede Bendesa Subawa I Gede Mahendra Darmawiguna I Gusti Agung Putu Mahendra I Gusti Made Krisna Erawan I Gusti Ngurah Agung Pramasurya Dwi Septian I Gusti Ngurah Antaryama I Gusti Nyoman Tri Jayendra I Kadek Dede Permana I Kadek Dede Permana, I Kadek Dede I Kadek Dwi Arta Putra I Kadek Juniastha I Ketut Juni Sugiarsana I Ketut Resika Arthana I Made Ardwi Pradnyana I Made Candiasa I Made Ditha Herdia Wiranata . I Made Ditha Herdiawiranata I Made Dwi Indrasanjaya . I Made Gede Sunarya I Made Leo Suandinatha I Made Purwa Nugraha . I Made Purwa Nugraha ., I Made Purwa Nugraha I Made Putrama I Made Widnyana, I Made I Made Yoga Antara I Nengah Agus Arimbawa Dwijayadi . I Nyoman Sukajaya I Nyoman Sukapandya Indradinata I Nyoman Sukapandya Indradinata, I Nyoman Sukapandya I Putu Agus Ariana . I Putu Agus Indrawan . I Putu Arya Putra I Putu Eka Dharma Cahyadi . I Putu Merta Wirayasa I Putu Tangkas Sedayatana I Wayan Aditya Sudyatmika I Wayan Aditya Sudyatmika, I Wayan Aditya I Wayan Iswara Pranidana I Wayan Nuarsa I Wayan Suwendra I Wayan Wahyu Nuarsa Ida Bagus Made Ludy Paryatna Ida Bagus Mahendra Ida Bagus Nyoman Pascima Ign Edo Paska Janurbawa, Agus Mas Juni Sugiarsana, I Ketut Juniastha, I Kadek Kadek Agus Darma Yadnya . Kadek Angga Wira Prayudi Kadek Angga Wira Prayudi, Kadek Angga Wira Kadek Dwinda Yudha Pratama Kadek Dwinda Yudha Pratama . Kadek Dwipayana Kadek Ningsih . Kadek Rido Setiawan Kadek Rido Setiawan, Kadek Rido Kadek Ryan Maeda Alfarezza Kadek Yota Ernanda Aryanto Ketut Adi Ardipa Sutrisna . Ketut Agustini Ketut Arlin Aryani Ketut Arya Ketut Sri Addalena Ketut Sukreni Ketut Sukreni, Ketut Ketut Yoga Sarasmayana Komang Adi Wirayasa Komang Wisnu Baskara Putra Kusuma, Ketut Chandra Adinata Kusuma, Thadeo Angga Kusumayanti, Luh Md Dwi Leo Suandinatha, I Made Luh Lina Hartariani Luh Putu Ayu Oktavia Wulandari Luh Putu Eka Damayanthi Luh Putu Eka Damayanthi Luh Putu Eka Damayanthi, Luh Putu Eka Luh Putu Eka Diantari M.Cs ., Gede Saindra Santyadiputra, S.T., M.Cs Made Agus Panji Sujaya Made Astradanta . Made Frans Aditya Bramantya Kusuma Made Frans Aditya Bramantya Kusuma, Made Frans Aditya Bramantya Made Widnyana Made Windu Antara Kesiman Mahendra, Komang Matius Ivan Bimasena Negara, I Made Wahyu Guna Ngurah Nyoman Arya Udayana Ni Kadek Yuli Susanti Ni Kd Putri Ariani . Ni Ketut Sari Adnyani Ni Komang Yanti Suartini Ni Luh Dian Purnama Ni Luh Dian Purnama, Ni Luh Dian Ni Made Putri Kesumawardani Ni Made Wiratini Ni Nyoman Mestri Agustini Ni Putu Tina Resdiana Ni Wayan Nursarita Prasistayanti Novitasari Putri Novitasari Putri . Novitasari Putri, Novitasari NUR AZIZAH . Nyoman Sugihartini P. WAYAN ARTA SUYASA Padma Nyoman Crisnapati Padma Nyoman Crisnapati Pande Made Mahendri Pramadewi Paska, Ign Edo Pirnanda, I Kadek Aditya Pirnanda, I Kadek Aditya Prabawa, Gde Gung Pradnya, Gede Aditra Prasetya, I Gede Agus Saka Prasistayanti, Ni Wayan Nursarita Pratama, Kadek Dwinda Yudha Pratiwi , Ni Kadek Mira Pratiwi, Ni Kadek Mira Putra, I Made Dwi Cahya Prayogi Putra, I Putu Arya Putra, Komang Wisnu Baskara Putra, Putu Permana Putri Kesumawardani, Ni Made Putu Aga Widi Ananta . Putu Angga Septiana Putra . Putu Angga Septiana Putra ., Putu Angga Septiana Putra Putu Ary Darma Yasa Putu Ary Darma Yasa, Putu Ary Putu Devi Jayanti Putu Eka Suputra . Putu Eka Suputra ., Putu Eka Suputra Putu Intan Paramita Putu Intan Paramita, Putu Intan Putu Kartika Widya Swari Putu Kartika Widya Swari, Putu Kartika Putu Mardiyasa Adi Saputra . Putu Permana Putra Putu Putri Sanjani, Dewa Ayu Putu Windu Tenaya . Rama Ngurah Putera Pinatih Retantyo Wardoyo Rizki Puji Amini Sanciko Romora Karo Karo Sarasmayana, Ketut Yoga Sindu, I Gede Partha Sri Addalena, Ketut Sukajaya, I N. Sukendry, Ni Made Nafta Susanti, Ni Kadek Yuli Sutanaya, I Gede Pande Yogianto Sutanjaya, Gde Angga Putra Tangkas Sedayatana, I Putu Thadeo Angga Kusuma Tresnawan, I Gusti Putu Yudha UNDIKSHA . Wiani, Ni Wayan Yulya Widhiyanti Metra Putri, Dewi Arum Wijaya, I Dewa Made Satria Sitangga Wirayasa, I Putu Merta Wirayasa, Komang Adi Yoga Antara, I Made Yundari, Yundari Yunita Purnama Sari Yunita Purnama Sari