cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Published by Universitas Brawijaya
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering
Jurnal Pengembangan Teknlogi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya merupakan jurnal keilmuan dibidang komputer yang memuat tulisan ilmiah hasil dari penelitian mahasiswa-mahasiswa Fakultas Ilmu Komputer Universitas Brawijaya. Jurnal ini diharapkan dapat mengembangkan penelitian dan memberikan kontribusi yang berarti untuk meningkatkan sumber daya penelitian dalam Teknologi Informasi dan Ilmu Komputer.
Arjuna Subject : -
Articles 13 Documents
 1   2 
Search results for , issue "Vol 10 No 4 (2026): April 2026" : 13 Documents clear
Analisis Efektivitas AI dalam Menghasilkan Mockup Otomatis Berdasarkan Preferensi Pengguna: Studi Kasus pada Aplikasi Jasa Laundry Yusuf Ahmadi, Muhammad; Fanani, Lutfi; Tri Ananta, Mahardeka
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan kecerdasan buatan (Artificial Intelligence/AI) telah memberikan dampak signifikan dalam bidang desain antarmuka pengguna (User Interface/UI) dan pengalaman pengguna (User Experience/UX), khususnya dalam proses perancangan wireframe dan mockup aplikasi. Penelitian ini bertujuan untuk menganalisis efektivitas penggunaan AI dalam menghasilkan mockup otomatis berdasarkan preferensi pengguna pada studi kasus aplikasi jasa laundry. Metode penelitian yang digunakan adalah non-implementatif analitik dengan pendekatan observasi dan eksperimen. Proses penelitian meliputi pengumpulan kebutuhan pengguna melalui wawancara mendalam, perancangan wireframe dan mockup oleh penulis serta dua platform AI (ChatGPT dan Visily), serta pengujian preferensi dan usability menggunakan kuesioner skala Likert. Data yang diperoleh dianalisis menggunakan statistik deskriptif dan uji inferensial t-test untuk mengetahui perbedaan rata-rata penilaian antar mockup. Hasil penelitian menunjukkan bahwa tidak terdapat perbedaan yang signifikan secara statistik antara mockup yang dihasilkan oleh AI dan mockup yang dirancang secara manual oleh penulis (p-value > 0,05). Temuan ini mengindikasikan bahwa AI mampu menghasilkan mockup dengan kualitas yang setara dengan perancangan manual serta berpotensi meningkatkan efisiensi waktu dalam proses desain. Dengan demikian, AI dapat dimanfaatkan sebagai alat bantu yang efektif dalam perancangan UI/UX tanpa mengurangi kualitas desain yang dihasilkan.
Pengembangan Wearable Device untuk Deteksi Postur Duduk dan Kepala Berbasis Sensor MPU6050 dengan Metode Support Vector Machine Rabbani, Dzaki; Rosana Widasari, Edita; Kurniawan, Wijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Postur duduk yang tidak ergonomis, terutama kondisi membungkuk dan menundukkan kepala dalam waktu lama, berpotensi menimbulkan gangguan muskuloskeletal seperti nyeri punggung bawah, ketegangan otot leher, dan penurunan kenyamanan kerja. Penelitian ini mengembangkan sebuah sistem wearable berbasis tiga sensor MPU6050 yang ditempatkan pada punggung atas, punggung bawah, dan belakang kepala untuk mendeteksi postur duduk secara real-time. Data enam sumbu (3-sumbu akselerometer dan 3-sumbu giroskop) dari tiap sensor digabungkan menjadi 18 fitur dan diklasifikasikan menggunakan metode Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF). Pengambilan data dilakukan pada lima subjek dengan total 1.248 sampel, kemudian dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian menunjukkan bahwa model SVM mencapai akurasi 99,6% pada data uji, dengan performa merata pada tiga kelas postur: tegak, bungkuk, dan menunduk. Implementasi model pada perangkat ESP32-S3 juga diuji pada skenario penggunaan nyata, menghasilkan akurasi 100% dalam mengklasifikasikan postur dan memberikan peringatan melalui buzzer untuk kondisi tidak ergonomis. Selain itu, waktu komputasi rata-rata untuk satu siklus prediksi adalah 11,5 ms, yang memenuhi kebutuhan respon real-time dengan interval sampling 300 ms. Hasil ini menunjukkan bahwa sistem wearable yang dikembangkan mampu melakukan deteksi postur duduk secara presisi, responsif, dan stabil, serta berpotensi diterapkan sebagai alat bantu koreksi postur bagi pengguna yang duduk dalam durasi panjang. 
Evaluasi Kualitas Aplikasi Fintech Berdasarkan Aspek Usability dan Reliability Menggunakan IndoBERT (Studi Kasus: OVO) Febia Santhika Adrin; Yudi Setiawan, Nanang; Dian Eka Ratnawati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan financial technology (fintech) mendorong peningkatan penggunaan aplikasi dompet digital di Indonesia, sehingga ulasan pengguna pada Google Play Store merepresentasikan pengalaman nyata terhadap kualitas aplikasi sebagai produk perangkat lunak. Peningkatan jumlah pengguna tidak selalu diikuti oleh peningkatan kualitas aplikasi, terutama pada aspek usability dan reliability yang berpengaruh terhadap kenyamanan dan kepercayaan pengguna. Penelitian ini bertujuan mengevaluasi kualitas aplikasi fintech sebagai software product berdasarkan standar ISO/IEC 25010 pada dimensi product quality dengan penekanan pada aspek usability dan reliability, serta menganalisis kinerja model IndoBERT dalam klasifikasi sentimen. Penelitian ini menggunakan aplikasi dompet digital OVO sebagai objek kajian dengan sumber data berupa ulasan pengguna di Google Play Store. Pendekatan Aspect-Based Sentiment Analysis (ABSA) diterapkan pada level kalimat-aspek menggunakan model IndoBERT hasil fine-tuning. Hasil analisis menunjukkan dominasi sentimen negatif sebesar 83,4% dari total 2.635 pasangan kalimat-aspek. Aspek usability menunjukkan sentimen negatif sebesar 82,76%, sedangkan aspek reliability menunjukkan sentimen negatif sebesar 86,98%. Model IndoBERT hasil fine-tuning mencapai akurasi sebesar 90,43% dan menunjukkan kinerja yang reliabel dalam analisis sentimen berbasis aspek. Temuan penelitian menunjukkan efektivitas pemanfaatan ulasan pengguna untuk evaluasi empiris kualitas aplikasi fintech secara objektif dan terukur.
Perbaikan Pengalaman Pengguna untuk Pembentukan Kebiasaan Menabung Melalui Fitur Celengan Aplikasi Superbank dyanti, nabila Nafilia; Rachmadi, Aditya; Zulvarina, Prima
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan bank digital menjadi peluang bagi generasi Z untuk membangun kebiasaan menabung dengan pengalaman yang sederhana, adaptif, dan mudah dipahami. Namun, fitur celengan pada aplikasi superbank memiliki ketidakoptimalan dalam mendukung pembentukan kebiasaan menabung tersebut. Penelitian ini dilakukan untuk mengidentifikasi permasalahan dalam pengalaman pengguna fitur celengan, mengembangkan usulan perbaikan desain menggunakan pendekatan design thinking dan teori habit formation, serta mengevaluasi peningkatan nilai guna desain baru. Penelitian menggunakan pendekatan kualitatif melalui tahapan empathize, define, ideate, prototype, dan test. Pengujian dilakukan melalui wawancara mendalam dan diolah berdasarkan kerangka Digital Behavior Change Interventions (DBCIs). Temuan utama menunjukkan empat kategori masalah, yaitu rendahnya pemahaman terhadap alur kerja fitur, kurangnya keterlibatan pasif dalam aktivitas menabung, cara menabung yang terbatas, dan kurangnya fleksibilitas nominal dan frekuensi menabung. Berdasarkan temuan tersebut, solusi desain diimplementasikan dalam bentuk prototype high fidelity yang menerapkan laws of UX. Desain perbaikan diuji menggunakan metode contextual inquiry dengan dua tahap, yaitu observasi dan wawancara mendalam selama 14 hari. Hasil evaluasi menunjukkan bahwa desain perbaikan berhasil meningkatkan transparansi proses menabung, memperkuat keterlibatan pasif melalui notifikasi dan gamifikasi, serta cara menabung adaptif melalui pembulatan transaksi. Selain itu, desain perbaikan juga meningkatkan efisiensi dalam mencapai tujuan. Penelitian ini menunjukkan bahwa design thinking yang dikombinasikan dengan teori habit formation dapat meningkatkan value pada perbaikan desain fitur yang mendukung pembentukan kebiasaan menabung pada generasi Z
Analisis Sentimen Publik Terhadap Magang Berdampak 2025 di Platform X/Twitter Menggunakan Model Indobert Brigitta Mery Rosarie Eufra Nilapaksi; Tirana Noor Fatyanosa; Putra Pandu Adikara
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Media sosial menjadi sarana diskursus publik bagi masyarakat untuk menyampaikan pandangan terhadap berbagai kebijakan, termasuk pendidikan tinggi. Program Magang Berdampak 2025 sebagai kelanjutan kebijakan Merdeka Belajar Kampus Merdeka menimbulkan beragam respons di platform X, sehingga diperlukan analisis sentimen untuk memahami persepsi publik secara sistematis. Penelitian ini ditujukan dlam rangka menganalisis sentimen publik terhadap Program Magang Berdampak 2025 menggunakan model IndoBERT serta mengevaluasi pengaruh konfigurasi hyperparameter terhadap performa klasifikasi. Data penelitian berupa unggahan berbahasa Indonesia dari platform X yang dikelompokkan dalam klasifikasi sentimen positif, negatif, dan netral. Perolehan pengujian mengindikasikan, model terbaik diperoleh pada epoch ke-6 dengan konfigurasi learning rate 2e-5 dan batch size 32, menghasilkan accuracy 0,7481, precision 0,7720, recall 0,7481, dan f1-score 0,7562. Temuan analisis memperlihatkan dominasi sentimen netral, diikuti negatif dan positif, yang mengindikasikan diskursus bersifat informatif disertai kritik terhadap implementasi program. Temuan ini menegaskan pentingnya pemilihan hyperparameter serta tantangan analisis sentimen pada data media sosial yang tidak seimbang dan kontekstual
Implementasi dan Optimisasi DepthAnythingV2 Berbasis ONNX pada Aplikasi Mobile untuk Bantuan Navigasi Tunanetra Hashfi Firjatullah, Ilmam; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyandang tunanetra menghadapi tantangan dalam mobilitas mandiri akibat terbatasnya persepsi spasial terhadap lingkungan sekitar. Teknologi Monocular Depth Estimation (MDE) berbasis Deep Learning, khususnya model DepthAnythingV2, menawarkan solusi persepsi kedalaman yang akurat dan berpotensi melengkapi alat bantu konvensional. Penelitian ini berfokus pada implementasi dan optimisasi model DepthAnythingV2 menggunakan format ONNX (Open Neural Network Exchange) agar dapat beroperasi secara efisien pada smartphone Android. Metode optimisasi yang diterapkan meliputi konversi model ke format ONNX FP32 dan Dynamic INT8 Quantization untuk efisiensi komputasi pada perangkat dengan sumber daya terbatas. Evaluasi kinerja dilakukan menggunakan dataset standar KITTI dan NYU Depth V2, serta pengujian langsung pada perangkat Infinix Hot 20S. Hasil pengujian menunjukkan model Quantized INT8 mampu memberikan peningkatan kecepatan inferensi signifikan hingga 10,70x dibandingkan model asli PyTorch pada lingkungan CPU. Pada implementasi aplikasi mobile, sistem berhasil mengintegrasikan model untuk memberikan umpan balik navigasi berupa suara dan getaran adaptif secara fungsional. Kinerja aplikasi pada perangkat uji tercatat mencapai rata-rata 1 FPS dengan waktu inferensi sekitar 515 ms. Berdasarkan validasi jarak, sistem menunjukkan akurasi yang baik pada rentang 0-3 meter, dengan error 0.1 meter pada jarak dekat dan jauh, menjadikan aplikasi ini berfungsi efektif sebagai sistem pendeteksi rintangan dini untuk meningkatkan kewaspadaan pengguna terhadap lingkungan sekitar.
Analisis Perbandingan Performa RecyclerView dan LazyColumn dalam Menampilkan Koleksi Data pada Aplikasi Android Buana, Jordy Cahya; Kharisma, Agi Putra; Priyambadha, Bayu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dalam ekosistem pengembangan Android, efisiensi menampilkan daftar data (list) adalah aspek krusial. Saat ini terjadi transisi teknologi dari pendekatan imperatif (RecyclerView) menuju pendekatan deklaratif (Jetpack Compose LazyColumn). Penelitian ini bertujuan untuk membandingkan performa antara RecyclerView dan LazyColumn dalam menampilkan koleksi data. Pengujian dilakukan menggunakan Macrobenchmark dan Android Profiler pada tiga skenario kompleksitas tampilan (Simple, Medium, Complex) dengan dataset 500 item. Parameter yang diuji meliputi waktu startup, performa scrolling (waktu render), penggunaan memori, penggunaan CPU, dan jumlah baris kode (SLOC). Hasil penelitian menunjukkan bahwa RecyclerView lebih unggul dalam efisiensi sumber daya saat aktivitas scrolling, dengan penggunaan CPU rata-rata ~25% berbanding ~45% pada LazyColumn, serta penggunaan memori yang lebih rendah (~143 MB vs ~156 MB). Dari sisi stabilitas render, RecyclerView mencatat durasi frame rata-rata 4 ms (tanpa jank), sedangkan LazyColumn mencapai 29 ms. Namun, pada skenario startup dengan kompleksitas menengah, LazyColumn mampu menyamai performa RecyclerView. Penelitian menyimpulkan bahwa RecyclerView tetap menjadi pilihan terbaik untuk performa tinggi dan efisiensi baterai pada daftar data yang kompleks.  
Studi Metode Agregasi FedProx dan FedCluster pada sistem Federated Learning untuk Data EKG Non-IID Dananjaya, Made Narayan; Sakti Pramukantoro, Eko; Ali Fauzi, Muhammad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penerapan Deep Learning untuk diagnosis otomatis aritmia jantung menghadapi kendala fundamental terkait privasi data pasien dan isolasi data medis antar-institusi (data silos). Federated Learning (FL) menawarkan solusi arsitektur yang memungkinkan pelatihan model secara kolaboratif tanpa pertukaran data mentah. Namun, tantangan utama muncul akibat heterogenitas data (Non-Independent and Identically Distributed/Non-IID) dan ketidakseimbangan kelas ekstrem pada sinyal Elektrokardiogram (EKG), yang sering kali menyebabkan degradasi kinerja model global. Penelitian ini bertujuan mengevaluasi efektivitas strategi agregasi FedProx dan FedCluster dalam menangani data EKG Non-IID yang diintervensi dengan teknik Local Random Over Sampling (ROS). Metodologi melibatkan simulasi FL pada sepuluh klien menggunakan arsitektur 1D-CNN dengan dataset gabungan MIT-BIH dan PTB-XL yang didistribusikan menggunakan partisi Dirichlet (α = 0,5). Hasil eksperimen menunjukkan bahwa FedCluster mengalami overfitting akibat amplifikasi derau statistik dari ROS (akurasi uji ~54%), sedangkan FedProx menunjukkan stabilitas superior (akurasi uji 66,21%) dengan kemampuan memulihkan sensitivitas deteksi penyakit langka Hypertrophy hingga 28,49%. Penelitian ini menyimpulkan bahwa integrasi FedProx dengan ROS merupakan pendekatan yang paling layak untuk menyeimbangkan privasi dan keselamatan pasien.
Pengembangan Sistem Informasi Berbasis Web Pada Koperasi Simpan Pinjam Danesa Dengan Framework Laravel Hatane, Julian; Tibyani; Purnomo, Welly
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Transformasi digital dalam pengelolaan koperasi diperlukan untuk meningkatkan efisiensi dan keakuratan data. Koperasi Simpan Pinjam (KSP) Danesa masih menggunakan pencatatan manual yang berpotensi menimbulkan kesalahan, keterlambatan informasi, dan risiko kehilangan data. Penelitian ini bertujuan mengembangkan sistem informasi koperasi berbasis web untuk mendukung pengelolaan administrasi dan keuangan secara terintegrasi. Sistem dikembangkan menggunakan metode Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, dan pengujian. Perancangan sistem dilakukan dengan pemodelan UML dan diimplementasikan menggunakan framework Laravel dengan arsitektur MVC serta basis data MySQL. Hasil penelitian menunjukkan bahwa sistem mampu mengelola data anggota, simpanan, pinjaman, angsuran, investasi, dan SHU secara terstruktur. Pengujian Black Box menunjukkan seluruh fitur berjalan sesuai kebutuhan. Implementasi sistem meningkatkan efisiensi operasional dan transparansi informasi bagi pengurus dan anggota KSP Danesa.
Evaluasi Kesuksesan Platform E-Learning Dibimbing Learning Center Menggunakan Model DeLone dan McLean Abdurrahman, Ikzaaz Bakhtar; Wijoyo, Satrio Hadi; Aryadita, Himawat
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Seiring meningkatnya pemanfaatan layanan e-learning, Dibimbing Learning Center perlu memastikan platform yang digunakan mampu memberikan pengalaman belajar yang efektif serta manfaat yang nyata bagi pengguna. Penelitian ini mengevaluasi kesuksesan platform e-learning Dibimbing Learning Center menggunakan model kesuksesan sistem informasi DeLone dan McLean. Data dikumpulkan melalui survei daring terhadap 170 pengguna aktif pada periode 25 Oktober–03 November 2025. Variabel yang dianalisis meliputi Kualitas Informasi (KI), Kualitas Sistem (KS), Kualitas Layanan (KL), Penggunaan (P), Kepuasan Pengguna (KP), dan Manfaat Bersih (MB). Instrumen (18 indikator, skala Likert) memenuhi uji validitas dan reliabilitas, serta data memenuhi asumsi normalitas. Hasil regresi menunjukkan KI, KS, dan KL berpengaruh positif terhadap P (B=0,117; 0,176; 0,198; Sig≤0,007) dan terhadap KP (B=0,114; 0,336; 0,256; Sig≤0,003). Selanjutnya, P (B=0,448; Sig<0,001) dan KP (B=0,347; Sig<0,001) berpengaruh positif terhadap MB. Hal ini menunjukkan bahwa peningkatan kualitas platform mendorong intensitas penggunaan dan kepuasan pengguna yang pada akhirnya meningkatkan manfaat pembelajaran yang dirasakan. Oleh karena itu, perbaikan layanan perlu diprioritaskan pada respons dukungan (KL) dan performa teknis platform (KS), serta penguatan kejelasan informasi pembelajaran (KI) sebagai bagian dari peningkatan berkelanjutan.

Page 1 of 2 | Total Record : 13

 1   2 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026 Vol 10 No 01 (2026): Januari 2026 Vol 10 No 4 (2026): April 2026 Vol 10 No 3 (2026): Maret 2026 Vol 10 No 2 (2026): Februari 2026 Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025 Vol 9 No 12 (2025): Desember 2025 Vol 9 No 11 (2025): November 2025 Vol 9 No 10 (2025): Oktober 2025 Vol 9 No 9 (2025): September 2025 Vol 9 No 8 (2025): Agustus 2025 Vol 9 No 7 (2025): Juli 2025 Vol 9 No 6 (2025): Juni 2025 Vol 9 No 5 (2025): Mei 2025 Vol 9 No 4 (2025): April 2025 Vol 9 No 3 (2025): Maret 2025 Vol 9 No 2 (2025): Februari 2025 Vol 9 No 1 (2025): Januari 2025 Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024 Vol 8 No 10 (2024): Oktober 2024 Vol 8 No 9 (2024): September 2024 Vol 8 No 8 (2024): Agustus 2024 Vol 8 No 7 (2024): Juli 2024 Vol 8 No 6 (2024): Juni 2024 Vol 8 No 5 (2024): Mei 2024 Vol 8 No 4 (2024): April 2024 Vol 8 No 3 (2024): Maret 2024 Vol 8 No 2 (2024): Februari 2024 Vol 8 No 1 (2024): Januari 2024 Vol 7 No 13 (2023): Publikasi Khusus Tahun 2023 Vol 7 No 9 (2023): September 2023 Vol 7 No 8 (2023): Agustus 2023 Vol 7 No 7 (2023): Juli 2023 Vol 7 No 6 (2023): Juni 2023 Vol 7 No 5 (2023): Mei 2023 Vol 7 No 4 (2023): April 2023 Vol 7 No 3 (2023): Maret 2023 Vol 7 No 2 (2023): Februari 2023 Vol 7 No 1 (2023): Januari 2023 Vol 7 No 14 (2023): Antrian Publikasi Vol 6 No 13 (2022): Publikasi Khusus Tahun 2022 Vol 6 No 12 (2022): Desember 2022 Vol 6 No 11 (2022): November 2022 Vol 6 No 10 (2022): Oktober 2022 Vol 6 No 9 (2022): September 2022 Vol 6 No 8 (2022): Agustus 2022 Vol 6 No 7 (2022): Juli 2022 Vol 6 No 6 (2022): Juni 2022 Vol 6 No 5 (2022): Mei 2022 Vol 6 No 4 (2022): April 2022 Vol 6 No 3 (2022): Mei 2022 Vol 6 No 2 (2022): Februari 2022 Vol 6 No 1 (2022): Januari 2022 Vol 5 No 13 (2021): Publikasi Khusus Tahun 2021 Vol 5 No 12 (2021): Desember 2021 Vol 5 No 11 (2021): November 2021 Vol 5 No 10 (2021): Oktober 2021 Vol 5 No 9 (2021): September 2021 Vol 5 No 8 (2021): Agustus 2021 Vol 5 No 7 (2021): Juli 2021 Vol 5 No 6 (2021): Juni 2021 Vol 5 No 5 (2021): Mei 2021 Vol 5 No 4 (2021): April 2021 Vol 5 No 3 (2021): Maret 2021 Vol 5 No 2 (2021): Februari 2021 Vol 5 No 1 (2021): Januari 2021 Vol 5 No 13 (2021) Vol 4 No 13 (2020): Publikasi Khusus Tahun 2020 Vol 4 No 12 (2020): Desember 2020 Vol 4 No 11 (2020): November 2020 Vol 4 No 10 (2020): Oktober 2020 Vol 4 No 9 (2020): September 2020 Vol 4 No 8 (2020): Agustus 2020 Vol 4 No 7 (2020): Juli 2020 Vol 4 No 6 (2020): Juni 2020 Vol 4 No 5 (2020): Mei 2020 Vol 4 No 4 (2020): April 2020 Vol 4 No 3 (2020): Maret 2020 Vol 4 No 2 (2020): Februari 2020 Vol 4 No 1 (2020): Januari 2020 Vol 3 No 12 (2019): Desember 2019 Vol 3 No 11 (2019): November 2019 Vol 3 No 10 (2019): Oktober 2019 Vol 3 No 9 (2019): September 2019 Vol 3 No 8 (2019): Agustus 2019 Vol 3 No 7 (2019): Juli 2019 Vol 3 No 6 (2019): Juni 2019 Vol 3 No 5 (2019): Mei 2019 Vol 3 No 4 (2019): April 2019 Vol 3 No 3 (2019): Maret 2019 Vol 3 No 2 (2019): Februari 2019 Vol 3 No 1 (2019): Januari 2019 Vol 2 No 12 (2018): Desember 2018 Vol 2 No 11 (2018): November 2018 Vol 2 No 10 (2018): Oktober 2018 Vol 2 No 9 (2018): September 2018 Vol 2 No 8 (2018): Agustus 2018 Vol 2 No 7 (2018): Juli 2018 Vol 2 No 6 (2018): Juni 2018 Vol 2 No 5 (2018): Mei 2018 Vol 2 No 4 (2018): April 2018 Vol 2 No 3 (2018): Maret 2018 Vol 2 No 2 (2018): Februari 2018 Vol 2 No 1 (2018): Januari 2018 Vol 2 No 8 (2018) Vol 2 No 6 (2018) Vol 1 No 12 (2017): Desember 2017 Vol 1 No 11 (2017): November 2017 Vol 1 No 10 (2017): Oktober 2017 Vol 1 No 9 (2017): September 2017 Vol 1 No 8 (2017): Agustus 2017 Vol 1 No 7 (2017): Juli 2017 Vol 1 No 6 (2017): Juni 2017 Vol 1 No 5 (2017): Mei 2017 Vol 1 No 4 (2017): April 2017 Vol 1 No 3 (2017): Maret 2017 Vol 1 No 2 (2017): Februari 2017 Vol 1 No 1 (2017): Januari 2017 More Issue