Perbandingan Algoritma Knuth-Morris-Pratt dan Algoritma
Boyer-Moore dalam Pencarian Teks di Bahasa Indonesia
dan Inggris
Kevin Wibowo-13509065
Program Studi Teknik Informatika
Sekolah Teknik Elektro dan Informatika
Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
13509065@std.stei.itb.ac.id
Abstract—Makalah ini membahas tentang perbandingan
kecepatan dan efektivitas algoritma Knuth-MorrisPratt(KMP) dengan algoritma Boyer-Moore yang
merupakan algoritma pencarian string yang umum
digunakan. Makalah ini akan membandingkan dengan
tujuan mencari algoritma yang lebih efektif dalam
penenrapannya di kehidupan sehari-hari. Perbandingan
akan dilakukan dengan melakukan pengujian menggunakan
artikel dari berbagai Bahasa seperti Indonesia, dan Inggris.
Teknik pencarian yang digunakan untuk mencari dari
kemunculan sebuah substring.
Index Terms—Knuth-Morris-Pratt, Boyer-Moore, String
I. PENDAHULUAN
Dalam kehidupan sehari-hari penggunaan berbagai
macam aplikasi dan program komputer telah
berkembang pesat. Salah satu bentuk fitur yang paling
sering digunakan dan terdapat dalam berbagai aplikasi
adalah algoritma pencarian string, dimana pengguna
dapat mencari kata, frasa, atau kalimat untuk
mempermudah pengaksesan dan pencarian dalam
berbagai hal, seperti dalam pencarian di suatu dokumen
atau e-book, pencarian suatu file atau program di
komputer, bahakan pencarian menggunakan search
engine di internet telah menjadi sangat populer.
Oleh karena itu diperlukan adanya pemahaman lebih
lanjut tentang pemBahasan mengenai kedua algoritma
tersebut, apabila pengembangan fitur string searching
akan dilakukan lebih lanjut. Dalam makalah ini akan
dibahas mengenai perbandingan antara kedua algoritma
pencarian string yaitu algoritma Knuth-Morris-Pratt, dan
algoritma Boyer-Moore untuk mencari mana yang lebih
efektif dipakai dalam kehidupan sehari-hari.
algoritma yang mencari sebuah pola dalam suatu pola
yang lebih besar. Pola tersebut dapat berupa kalimat,
artikel atau bahkan gambar. Terdapat berbagai jenis
algoritma yang dapat digunakan seperti brute force,
Knuth-Morris-Pratt, Boyer-Moore, Rabin-Karp, AhoCorasick, dan lain-lain. Penerapan algoritma pencarian
pola ini dapat ditemukan dalam berbagai bidang seperti
biologi dalam pencarian untaian DNA, informatika
dalam search engine, dan pendeteksian plagiarism dalam
karya tulis.
2.2 Algoritma Knuth-Morris-Pratt
Algoritma Knuth-Morris-Pratt adalah algoritma
pencarian string yang mencari dengan cara menghitung
dari dimulai dari ketidakcocokan ditemukan, dari
ketidakcoockan tersebut akan dhitung dari mana
pencarian selanjutnya sebaiknya dimulai. Algoritma
Knuth-Morris-Pratt menggunakan fungsi pembatas
(border function) yang digunakan untuk menghitung
urutan keberapa perbandingan harus dilakukan. Border
function dihitung dengan menghitung panjang prefix
yang ada disebuah pattern yang sama dengan suffix-nya.
Contoh Algoritma KMP dalam Java:
public static int kmpMatch(String text, String pattern)
{
int n = text.length();
int m = pattern.length();
int fail[] = computeFail(pattern);
int i=0;
int j=0;
while (i < n) {
if (pattern.charAt(j) == text.charAt(i)) {
if (j == m - 1)
return i - m + 1; // match
i++;
j++;
}
else if (j > 0)
j = fail[j-1];
else
i++;
}
return -1; // no match
II. DASAR TEORI
2.1 Algoritma Pencarian String
}
public static int[] computeFail(String pattern)
Algoritma pencarian string adalah salah satu jenis
{
int fail[] = new int[pattern.length()];
Makalah IF3051 Strategi Algoritma – Sem. I Tahun 2011/2012
fail[0] = 0;
int m = pattern.length();
int j = 0;
int i = 1;
while (i < m) {
if (pattern.charAt(j) ==
pattern.charAt(i)) { //j+1 chars match
fail[i] = j + 1;
i++;
j++;
}
else if (j > 0) // j follows matching prefix
j = fail[j-1];
else { // no match
fail[i] = 0;
i++;
}
}
return fail;
}
2.3 Algoritma Boyer-Moore
Algoritma Boyer-Moore adalah algoritma pencarian
string yang mencari dengan cara membandingkan
sebuah huruf dengan huruf yang ada di pattern yang
dicari, dan menggeser pattern tersebut hingga posisinya
sama dengan teks yang dicari dan membandingkan kata
tersebut. Cara ini disebut character jump.
Contoh Algoritma Boyer-Moore dalam Java:
public static int bmMatch(String text, String pattern)
{int last[] = buildLast(pattern);
int n = text.length();
int m = pattern.length();
int i = m-1;
if (i > n-1)
return -1;
int j = m-1;
do {
if (pattern.charAt(j) == text.charAt(i))
if (j == 0)
return i; // match
else {
i--;
j--;
}
else { int lo = last[text.charAt(i)];
i = i + m - Math.min(j, 1+lo);
j = m - 1;
}
} while (i <= n-1);
return -1;
}
public static int[] buildLast(String pattern)
{
int last[] = new int[128]; // ASCII char set
for(int i=0; i < 128; i++)
last[i] = -1; // initialize array
for (int i = 0; i < pattern.length(); i++)
last[pattern.charAt(i)] = i;
return last;
}
III. DATA PENGETESAN
Pengetesan yang dilakukan akan menggunakan
algoritma yang ditampilkan sebgai contoh diatas dalam
Bahasa Java dan juga menggunkan library dari dari
System yang digunkan untuk menghitung waktu.
3.1 Penggunaan dalam Bahasa Inggris
Untuk pengetesan dalam Bahasa Inggris akan digunakan
beberapa artikel yang diambil dari internet:
Artikel 1 diambil dari:
http://www.upi.com/Business_News/SecurityIndustry/2011/12/07/Smartphone-probe-exposescomputer-software-and-hardware-risks/UPI25881323292066/?spt=hs&or=si
Artikel tersebut memiliki panjang 613 kata dan 4373
karakter dengan kata yang dicari adalah instances yang
merupakan kalimat ke 602 dari artikel tersebut. Dengan
melakukan 10 kali Pengetesan masing-masing dengan
menggunakan KMP dan Boyer-Moore. Hasil yang
dihasilkan dapat dilihat di tabel sebagai berikut.
No.
KMP
BM
1
461022
187664
2
426801
174114
3
422610
175581
4
485606
182426
5
418279
185080
6
541549
177467
7
421143
178444
8
418559
175232
9
419606
176699
10
419537
173695
Tabel 3.1 Pengetesan 1: Hasil Pengetesan dari artikel 1
dengan kata instances (dalam nanosecond)
Untuk pengetesan selanjutnya akan digunakan artikel
yang sama dengan perbedaan yang dicari adalah
substring dari instances yaitu stance yang masih
merupakan kalimat ke 602.
No.
KMP
BM
1
420724
218813
2
423377
271193
3
414298
223702
4
447962
232013
5
412902
214762
6
415416
219441
7
415346
226984
8
426032
216648
9
456622
216577
10
415485
245003
Tabel 3.2 Pengetesan 2: Hasil Pengetesan dari artikel 1
Makalah IF3051 Strategi Algoritma – Sem. I Tahun 2011/2012
dengan kata stance (dalam nanosecond)
Berikutnya akan diadakan pengetsan pada artikel yang
sama dengan kata greater yang merupakan kata ke 89
dari artikel tersebut.
No.
KMP
BM
1
94006
91772
2
88349
89397
3
93797
97917
4
87231
90026
5
89677
93378
6
90445
93588
7
87650
97988
8
93797
106717
9
92260
90794
10
102597
91212
Tabel 3.3 Pengetesan 3: Hasil Pengetesan dari artikel 1
dengan kata greater (dalam nanosecond)
Pengetesan berikutnya akan digunakan pencarian
kalimat yaitu kalimat Eckhart's claims about CIQ
coincide with widespread yang dimulai dari kata ke 427
dalam artikel 1 tersebut.
No.
KMP
BM
1
274966
100362
2
264977
93727
3
267353
129974
4
267073
144013
5
271403
92260
6
296756
95473
7
272940
107277
8
274825
109161
9
264628
111956
10
281460
97010
Tabel 3.4 Pengetesan 4: Hasil Pengetesan dari artikel 1
dengan kalimat Eckhart's claims about CIQ coincide
with widespread (dalam nanosecond)
Untuk pengetesan selanjutnya akan digunakan artikel 2
yang diambil dari:
http://www.appleinsider.com/articles/11/12/08/google_ex
ec_expects_majority_of_tvs_to_have_google_tv_in_2012
.html
Artikel tersebut memiliki panjang 563 kata dengan 3492
karakter. Pengetesan tetap dilakukan sebanyak sepuluh
kali dengan kata yang dicari adalah kata stepping yang
merupkan kata ke 557.
No.
1
2
KMP
348019
389644
BM
179772
176000
3
360591
156235
4
348857
148761
5
343828
157562
6
371625
163289
7
346622
156514
8
358705
218953
9
363664
168876
10
345155
157423
Tabel 3.5 Pengetesan 5: Hasil Pengetesan dari artikel 2
dengan kata stepping (dalam nanosecond)
Untuk pengetesan berikutnya akan digunakan kata step
yang merupakan substring dari stepping.
No.
KMP
BM
1
359822
240045
2
349835
262742
3
362965
235785
4
357797
256318
5
347321
238229
6
345016
241441
7
358496
238438
8
348997
239556
9
346693
241721
10
348997
238788
Tabel 3.6 Pengetesan 6: Hasil Pengetesan dari artikel 2
dengan kata step (dalam nanosecond)
Sekali lagi Pengetesan akan dilakukan dengan artikel
yang sama dengan pencarian kata renew yang ditemukan
di kata ke 14.
No.
KMP
BM
1
28006
51054
2
27936
54896
3
33733
55384
4
34502
61530
5
26889
53638
6
30660
52800
7
35060
52032
8
26749
56361
9
26819
72775
10
33663
55454
Tabel 3.7 Pengetesan 7: Hasil Pengetesan dari artikel 2
dengan kata renew (dalam nanosecond)
Pengetesan selanjutnya akan dicari kalimat Apple's rivals
are preparing for the competition dalam artikel ke 2
yang dimulai dari kalimat ke 436.
No.
1
2
3
Makalah IF3051 Strategi Algoritma – Sem. I Tahun 2011/2012
KMP
269867
276362
281530
BM
93099
113562
88000
4
276222
106019
5
279435
90724
6
267213
93098
7
266374
92331
8
266235
94006
9
276152
90375
10
337403
88559
Tabel 3.8 Pengetesan 8: Hasil Pengetesan dari artikel 2
dengan kalimat Apple's rivals are preparing for the
competition (dalam nanosecond)
3.1 Penggunaan dalam Bahasa Indonesia
Untuk penggunaan di Bahasa Indonesia masih
menggunakan metode yang sama untuk pengetesan
berikut akan digunakan artikel 3 yang diambil dari:
http://tekno.kompas.com/read/2011/12/08/1804261/Tahu
n.Depan.Pendapatan.Operator.Diprediksi.Turun
Artikel tersebut memiliki panjang 300 kata dengan 4148
karakter. Kata yang dicari adalah mengakuisisi yang
merupakan kata ke 289.
No.
KMP
BM
1
212317
110000
2
219092
100502
3
215879
93518
4
219441
118451
5
212527
106578
6
215390
95054
7
213365
95263
8
220559
94635
9
215390
209524
10
214412
93936
Tabel 3.9 Pengetesan 9: Hasil Pengetesan dari artikel 3
dengan kata mengakuisisi (dalam nanosecond)
Selanjutnya pengetesan akan dilakukan dengan kata sisi
yang merupakan substring dari kata mengakuisisi.
No.
KMP
BM
1
211898
161753
2
219791
160425
3
228521
153162
4
215390
158120
5
218115
171670
6
218533
164267
7
214273
179213
8
218394
152533
9
214134
158888
10
217346
161752
Tabel 3.10 Pengetesan 10: Hasil Pengetesan dari artikel 3
dengan kata sisi (dalam nanosecond)
Pengetesan berikutnya akan menggunakan kata beragam
yang merupakan kata ke 24 dari artikel tersebut.
No.
KMP
BM
1
33594
59993
2
39600
53429
3
39251
53918
4
36806
59016
5
32826
54686
6
33454
52940
7
34362
54127
8
37644
53987
9
37924
53708
10
36807
53569
Tabel 3.11 Pengetesan 11: Hasil Pengetesan dari artikel 3
dengan kata beragam (dalam nanosecond)
Selanjutnya akan dicari kalimat Kami akan terus
melakukan sosialisasi agar pengguna yang ditemukan di
kata ke 140 dari artikel.
No.
KMP
BM
1
115727
66977
2
116007
64953
3
114260
66279
4
112724
68025
5
113492
69283
6
114051
68235
7
112165
68584
8
111676
68933
9
112864
65930
10
112235
66000
Tabel 3.12 Pengetesan 12: Hasil Pengetesan dari artikel 3
dengan kalimat Kami akan terus melakukan sosialisasi
agar pengguna (dalam nanosecond)
Berikutnya akan digunakan artikel 4 yang diambil dari:
http://tekno.kompas.com/read/2011/12/08/13241922/Kal
ah.di.Pengadilan.Apple.Dilarang.Pakai.Merek.iPad.
Artikel tersebut berisi 254 kata dengan 1874 karakter.
Pengetesan selanjutnya akan dicari kata bernegosiasi
yang merupakan kata ke 210.
No.
1
2
3
4
5
6
7
8
9
10
Makalah IF3051 Strategi Algoritma – Sem. I Tahun 2011/2012
KMP
165524
166292
162660
160426
166013
163568
159308
161054
166152
171181
BM
87093
83600
82762
84787
85346
85346
81994
83530
81575
85904
(dalam nanosecond)
Tabel 3.13 Pengetesan 13: Hasil Pengetesan dari artikel 4
dengan kata bernegosiasi(dalam nanosecond)
IV. ANALISIS
Pengetesan berikutnya akan dilakukan dengan kata nego
yang merupakan substring dari kata bernegosiasi.
No.
KMP
BM
1
165524
135632
2
166292
132000
3
162660
136330
4
160426
128997
5
166013
132769
6
163568
129974
7
159308
132978
8
161054
133816
9
166152
130813
10
171181
130953
Tabel 3.14 Pengetesan 14: Hasil Pengetesan dari artikel 4
dengan kata bernegosiasi(dalam nanosecond)
Setelah ini akan dilakukan pengetesan dengan kata
menolak yang merupakan kata ke 84 dari artikel tersebut.
No.
KMP
BM
1
74381
72285
2
73962
70959
3
73263
75010
4
72635
70959
5
75219
72285
6
78013
69353
7
75708
74800
8
79899
73543
9
78432
69981
10
74032
71308
Tabel 3.15 Pengetesan 15: Hasil Pengetesan dari artikel 4
dengan kata menolak(dalam nanosecond)
Sama seperti berikutnya pengetesan selanjutnya akan
dilakukan dengan kalimat yaitu Apple sudah memiliki
citra yang baik yang ditemukan di kata ke 135.
No.
KMP
BM
1
127740
69562
2
117334
69073
3
116076
68654
4
117612
68794
5
114889
67816
6
114540
68235
7
115028
69422
8
120546
67327
9
119428
69492
10
117124
66978
Tabel 3.16 Pengetesan 16: Hasil Pengetesan dari artikel 4
dengan kalimat Apple sudah memiliki citra yang baik
Melihat hasi pengetesan dari data diatas dapat diambil
hasil perhitungan sebgai berikut
Pengetesan 1:
KMP
BM
Rata-rata
443471.2
178640.2
Rata-rata per
kata
723.4440457
291.4195759
Rata-rata per
karakter
101.4112051
40.85072033
Perbandingan
2.4
1
Tabel 4.1:Perhitungan pengetesan 1
Pengetesan 2:
KMP
BM
Rata-rata
424816.4
228513.6
Rata-rata per
kata
693.0120718
372.7791191
Rata-rata per
karakter
97.14530071
52.25556826
Perbandingan
1.8
1
Tabel 4.2:Perhitungan pengetesan 2
Pengetesan 3:
KMP
BM
Rata-rata
91980.9
94278.9
Rata-rata per
kata
150.0504078
153.7991843
Rata-rata per
karakter
21.03382118
21.55931855
Perbandingan
1
1.02
Tabel 4.3:Perhitungan pengetesan 3
Pengetesan 4:
KMP
BM
Rata-rata
273638.1
108121.3
Rata-rata per
kata
446.3916803
176.3805873
Rata-rata per
karakter
24.72474274
62.57445689
Perbandingan
2.5
1
Tabel 4.4:Perhitungan pengetesan 4
Pengetesan 5:
KMP
Rata-rata
Rata-rata per
kata
Rata-rata per
karakter
Makalah IF3051 Strategi Algoritma – Sem. I Tahun 2011/2012
BM
357671
168338.5
635.294849
299.0026643
102.4258305
48.20690149
Perbandingan
2.1
Tabel 4.5:Perhitungan pengetesan 5
1
daripada algoritma Knuth-Morris-Pratt.
Pengetesan 9:
Pengetesan 6:
KMP
BM
Rata-rata
352593.9
243306.3
Rata-rata per
kata
626.2769094
432.1603908
Rata-rata per
karakter
100.9719072
69.67534364
Perbandingan
1.4
1
Tabel 4.6:Perhitungan pengetesan 6
Pengetesan 7:
KMP
BM
Rata-rata
30401.7
56592.4
Rata-rata per
kata
100.5193606
53.99946714
Rata-rata per
karakter
8.706099656
16.20630011
Perbandingan
1
1.8
Tabel 4.7:Perhitungan pengetesan 7
Pengetesan 8:
KMP
BM
Rata-rata
279679.3
94977.3
Rata-rata per
kata
496.7660746
168.698579
Rata-rata per
karakter
80.09143757
27.19853952
Perbandingan
2.9
1
Tabel 4.8:Perhitungan pengetesan 8
Dari data pengetesan berBahasa Inggris di atas dapat
dilihat bahwa secara umum algoritma Boyer-Moore lebih
efektif dibanding algoritma KMP akan tetapi melihat
perbandingan antara pengetesan 1 dan 5 dengan
pengetesan 2 dan 6 dapat dilihat kinerja algoritma
Boyer-Moore berkurang ketika kata yang dicari pendek.
Selain itu, menurut pengetesan 3 dan 7, algoritma
KMP jauh lebih efektif daripada algoritma Boyer-Moore
apabila kata ditemukan di awal atau artikel yang perlu
dicari relatif pendek. Menurut pengetesan 4 dan 8,
algoritma Boyer-Moore juga jauh lebih efektif apabila
yang dicari adalah kalimat.
Bedasarkan rata-rata perbandingan di atas dan juga
perbandingan jumlah karakter per kalimat sebesar
6.7(dihitung dari artikel diatas) penggunaan algoritma
Boyer-Moore pada Bahasa Inggris lebih efektif 41%
KMP
BM
Rata-rata
215837.2
111746.1
Rata-rata per
kata
719.4573333
372.487
Rata-rata per
karakter
26.9397541
52.0340405
Perbandingan
1.9
1
Tabel 4.9:Perhitungan pengetesan 9
Pengetesan 10:
KMP
BM
Rata-rata
217639.5
162178.3
Rata-rata per
kata
725.465
540.5943333
Rata-rata per
karakter
39.09795082
52.46853905
Perbandingan
1.3
1
Tabel 4.10:Perhitungan pengetesan 10
Pengetesan 11:
KMP
BM
Rata-rata
36226.8
54937.3
Rata-rata per
kata
120.756
183.1243333
Rata-rata per
karakter
8.733558341
13.2442864
Perbandingan
1
1.5
Tabel 4.11:Perhitungan pengetesan 11
Pengetesan 12:
KMP
BM
Rata-rata
113520.1
67319.9
Rata-rata per
kata
378.4003333
224.3996667
Rata-rata per
karakter
27.36743009
16.22948409
Perbandingan
1.6
1
Tabel 4.12:Perhitungan pengetesan 12
Pengetesan 13:
KMP
BM
Rata-rata
164217.8
84193.7
Rata-rata per
kata
331.4712598
646.5267717
Rata-rata per
karakter
87.62956243
44.92726788
Perbandingan
1
1.9
Tabel 4.12:Perhitungan pengetesan 13
Makalah IF3051 Strategi Algoritma – Sem. I Tahun 2011/2012
Pengetesan 14:
2.
KMP
BM
Rata-rata
164217.8
132426.2
Rata-rata per
kata
521.3629921 3.
646.5267717
Rata-rata per
karakter
87.62956243
70.66499466 4.
Perbandingan
1
1.2
Tabel 4.14:Perhitungan pengetesan 14
5.
Pengetesan 15:
KMP
BM
Rata-rata
75554.4
72048.3
Rata-rata per
kata
297.4582677
283.6547244
Rata-rata per
karakter
40.3171825
38.44626467
Perbandingan
1.04
1
Tabel 4.15:Perhitungan pengetesan 15
Pengetesan 16:
KMP
BM
Rata-rata
118031.7
68535.3
Rata-rata per
kata
464.6917323
269.8240157
Rata-rata per
karakter
62.98383138
36.57166489
Perbandingan
1.7
1
Tabel 4.16:Perhitungan pengetesan 16
Secara umum hasil pengetesan 9 sampai 16
menunjukan hasil yang sama dalam efektivitas kedua
algoritma tersebut. Akan tetapi di dalam Bahasa
Indonesia, algoritma Boyer-Moore 23% lebih efektif
dibandingkan algoritma Knuth-Morris-Pratt, walaupun
rata–rata karakter per kata di Bahasa Indonesia sebesar
10.61(dihitung dari artikel diatas) hal ini bertentangan
dengan pengetesan diatas yang menunjukan BoyerMoore yang lebih efektif bila kalimat lebih panjang. Hal
ini mungkin disebabkan kosakata di Bahasa Inggris lebih
mendukung character jump yang ada di Boyer-Moore.
Sedangkan kosakata Bahasa Indonesia lebih mendukung
border function yang ada di algoritma Knuth-MorrisPratt.
DAFTAR PUSTAKA
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
http://www.informatika.org/~rinaldi/Stmik/20112012/PatternMatching2.ppt
http://en.wikipedia.org/wiki/Knuth–Morris–Pratt_algorithm
http://en.wikipedia.org/wiki/Boyer_moore
http://www.upi.com/Business_News/SecurityIndustry/2011/12/07/Smartphone-probe-exposes-computersoftware-and-hardware-risks/UPI-25881323292066/?spt=hs&or=si
http://www.appleinsider.com/articles/11/12/08/google_exec_expect
s_majority_of_tvs_to_have_google_tv_in_2012.html
http://tekno.kompas.com/read/2011/12/08/1804261/Tahun.Depan.P
endapatan.Operator.Diprediksi.Turun
http://tekno.kompas.com/read/2011/12/08/13241922/Kalah.di.Pen
gadilan.Apple.Dilarang.Pakai.Merek.iPad.
http://en.wikipedia.org/wiki/String_searching_algorithm
PERNYATAAN
Dengan ini saya menyatakan bahwa makalah yang saya
tulis ini adalah tulisan saya sendiri, bukan saduran, atau
terjemahan dari makalah orang lain, dan bukan plagiasi.
Menurut perhitungan rata-rata diatas walaupun
terdapat sedikit perbedaan secara umum algoritma
Boyer-Moore lebih efektif 32% daripada algoritma
Knuth-Morris-Pratt.
Sehingga Boyer-Moore akan lebih efektif apabila
digunakan dalam kehidupan sehari-hari.
V. KESIMPULAN
1.
Apabila teks yang dicari pendek algoritma KnuthMorris-Pratt lebih efektif daripada algoritma BoyerMoore.
Efektivitas algoritma Boyer-Moore tergantung
panjang kata atau yang dicari.
Efektivitas algoritma pencarian string dapat
tergantung dari bahasa teks atau artikel yang
diperlukan pencarian.
Parameter seperti panjang karakter per kata dan
pengulangan
karakter
dalam
kata
dapat
mempengeruhi efektivitas algoritma pencarian string.
Secara umum, algoritma Boyer-Moore lebih efektif
daripada algoritma Knuth-Morris-Pratt.
Makalah IF3051 Strategi Algoritma – Sem. I Tahun 2011/2012
Bandung, 9 Desember 2011
Kevin Wibowo - 13509065