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 50 Documents
 1   2   3   4   5 
Search results for , issue "Vol 8 No 9 (2024): September 2024" : 50 Documents clear
Pengembangan Aplikasi Penyedia Lowongan Magang Remote Berbasis Android untuk Mahasiswa Universitas Brawijaya Putra, Nanda Aditya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Magang merupakan aktivitas pembelajaran yang dilakukan diluar lingkup universitas atau kampus supaya mendapatkan pengalaman dan meningkatkan keterampilan kerja agar bisa siap terjun ke dunia kerja. Kegiatan ini bisa dilakukan dengan kerja di kantor ataupun kerja dari rumah atau work from home. Magang menjadi salah satu mata kuliah wajib yang ditempuh mahasiswa di Universitas, termasuk di Fakultas Ilmu Komputer Universitas Brawijaya, sebagaimana yang diungkapkan melalui wawancara dengan mahasiswa Teknik Informatika di Fakultas Ilmu Komputer Universitas Brawijaya. Penelitian ini mengidentifikasi permasalahan utama yang meliputi ketersediaan lowongan magang yang minim di internet serta informasi mengenai magang yang tidak sesuai minat yang mengakibatkan mahasiswa kesulitan mencari lowongan magang remote. Walaupun di media sosial maupun di platform pencari kerja sudah ada, akan tetapi jumlahnya kurang. Pada penelitian ini, peneliti mengembangkan aplikasi penyedia lowongan magang remote berbasis Android dengan menerapkan metode prototyping dan KNN. Persona, skenario dan user story digunakan dalam mendefinisikan kebutuhan aplikasi. Kemudian, penelitian menghasilkan satu buah prototipe dengan satu kali iterasi dan satu aplikasi yang berbasis Android. Hasil pengujian usabilitas menggunakan metode SUS menunjukkan bahwa aplikasi masuk dalam kategori excellent dengan menghasilkan nilai kepuasan pengguna mencapai 84.64285.
Analisis Sentimen Terhadap Program Merdeka Belajar Kampus Merdeka Pada Sosial Media Twitter Menggunakan K-Means Clustering, Support Vector Machine (SVM) dan Syntethic Minority Oversampling Technique (SMOTE) Pryono, Muhammad Adam; Wijoyo, Satrio Hadi; Bachtiar, Fitra Abdurrachman
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Program Merdeka Belajar Kampus Merdeka (MBKM) merupakan inisiatif dari Kementerian Pendidikan dan Kebudayaan Republik Indonesia untuk memberikan fleksibilitas kepada mahasiswa dalam menentukan jalur pembelajaran sesuai minat dan bakat mereka. Sejak diluncurkan, program ini telah menerima berbagai tanggapan dari masyarakat, baik positif maupun negatif. Dengan perkembangan teknologi informasi dan penggunaan media sosial yang meningkat, khususnya Twitter, analisis sentimen dapat memberikan wawasan tentang persepsi publik terhadap program MBKM. Penelitian ini bertujuan untuk menganalisis opini masyarakat yang tertampung dalam sosial media Twitter. Penelitian ini menggunakan metode klasifikasi dengan algoritme Support Vector Machine (SVM) dan klasterisasi dengan K-Means Clustering. Terdapat 5 proses utama meliputi pelabelan data, text preprocessing, pembobotan TF-IDF, klasifikasi, dan klasterisasi. Hasil akurasi terbaik sebesar 88% yang didapat menggunakan kernel sigmoid, menggunakan rasio 90% data latih dan 10% data uji, dan menerapkan teknik resampling Syntethic Minority Oversampling Technique (SMOTE). Teknik SMOTE meningkatkan recall dan f1-score untuk kelas minoritas, meskipun precision sedikit menurun. Klasterisasi dengan K-Means menghasilkan 4 cluster menggunakan metode elbow dengan dominasi sentimen negatif pada setiap cluster, menyoroti berbagai aspek yang perlu ditingkatkan dalam program MBKM untuk meningkatkan kepuasan peserta. Penelitian ini memberikan dasar untuk evaluasi dan pengembangan lebih lanjut dari program MBKM.
Implementasi Wearable Device Untuk Sistem Pendeteksi Kelelahan Otot Biceps Menggunakan Metode Support Vector Machine Dasamuka, Tetron; Widasari, Edita
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kelelahan adalah gejala umum yang dialami oleh banyak orang dan berhubungan dengan banyak kondisi kesehatan. Ini adalah kondisi dimana seseorang mengalami perasaan lemah, kekurangan energi yang signifikan dan merasa sulit untuk melakukan aktivitas sehari-hari. Kelelahan otot adalah penurunan kekuatan maksimal atau produksi tenaga karena aktivitas kontraktil, dan dapat disebabkan oleh berbagai gangguan neurologis, otot, kardiovaskular, penuaan, dan kelemahan. Tujuan dari penelitian ini adalah mengevaluasi tingkat akurasi pembacaan Myoware Muscle Sensor dalam membaca aktivitas otot untuk mendeteksi kelelahan otot. Evaluasi akurasi sensor dibutuhkan karena hasil pembacaan sensor akan langsung mempengaruhi validitas temuan serta efektivitas keseluruhan sistem yang digunakan pada penelitian ini. Hasil penelitian menunjukkan Myoware Muscle Sensor mampu membaca aktivitas otot biceps dengan baik sebesar 100%, mengandalkan elektromyografi (EMG) untuk mendeteksi sinyal listrik yang dihasilkan oleh kontraksi otot. Penggunaan algoritma Support Vector Machine (SVM) dengan fitur Root Mean Square (RMS) dalam sistem pendeteksi kelelahan otot biceps menunjukkan tingkat akurasi yang tinggi sebesar 84%. Waktu komputasi mikrokontroler dalam mengolah data EMG dan menjalankan algoritma SVM cukup efisien untuk kebutuhan real-time dengan rata-rata 650ms. Sistem keseluruhan yang dirancang untuk mendeteksi kelelahan otot, mulai dari sensor input, pemrosesan sinyal, hingga output hasil klasifikasi, 100% bekerja dengan baik dan sesuai harapan.
Analisis Pengaruh Live streaming Shopee oleh Influencer terhadap Minat Beli Konsumen di Kalangan Mahasiswa Permana, Adib; Wijoyo, Satrio; Perdanakusuma, Andi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Layanan belanja interaktif online khususnya live streaming e-commerce, telah muncul sebagai tren yang berkembang pesat dengan popularitas yang meluas di seluruh dunia. Live streaming di Shopee oleh para influencer telah terbukti menjadi strategi yang sangat efektif untuk meningkatkan penjualan di Indonesia dan berhasil menjual ribuan produk dalam sesi live mereka. Penelitian ini mengadopsi kerangka kerja SOR (Stimulus, Organism, Response) yang menjelaskan bagaimana lingkungan eksternal dapat memengaruhi kondisi internal dan perilaku seseorang. Penelitian ini menerapkan metode deskriptif kuantitatif dengan menyebarkan kuesioner, menggunakan teknik non-probability sampling, dengan jenis purposive sampling. Data dikumpulkan melalui survei yang melibatkan 140 responden. Responden yang dipilih adalah mahasiswa aktif angkatan 2019-2023 yang berdomisili di Pulau Jawa dengan tingkat ekonomi menengah keatas. Hasil analisis menemukan bahwa keahlian (expertise) pada influencer dan layanan purna jual (post-sales service) berdampak signifikan pada kepercayaan (trust) konsumen. Disisi lain keahlian (expertise) dan jadwal live streaming (live streaming schedule) memiliki pengaruh yang signifikan pada impulsivitas (impulsiveness) konsumen. Kepercayaan (trust) dan impulsivitas (impulsiveness) merupakan dua variabel pemicu respon berupa minat pembelian (purchasing intention) di kalangan mahasiswa. Melalui analisis pengaruh live streaming Shopee oleh influencer terhadap minat beli konsumen di kalangan mahasiswa, penelitian ini membantu memahami peran strategi pemasaran baru dalam memengaruhi perilaku konsumen.
Analisis Sentimen Aplikasi Glints Berdasarkan Ulasan Google Play Store Menggunakan Metode Support Vector Machine Sukmawati, A'inun; Eka Ratnawati, Dian; Yudi Setiawan, Nanang
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Aplikasi Glints merupakan aplikasi yang bergerak di bidang jasa penyedia lowongan kerja dan pengembangan karir. Aplikasi Glints menyediakan informasi mengenai lowongan pekerjaan baik full-time, internship, dan freelance. Banyaknya platform lowongan kerja yang ada di Indonesia memberikan tantangan pada aplikasi Glints agar tidak kalah dengan pesaingnya. Meningkatkan layanan aplikasi dengan mengetahui persepsi pengguna aplikasi merupakan salah satu cara untuk mempertahankan popularitas aplikasi. Persepsi pengguna aplikasi dapat dianalisis menggunakan analisis sentimen kemudian dapat diketahui akar permasalahan dari sentimen pengguna. Penelitian ini menggunakan metode SVM atau Support Vector Machine untuk melakukan klasifikasi sentimen pada ulasan pengguna aplikasi di Google Play Store. Tahapan dalam proses analisis sentimen diantaranya seperti pengumpulan data dengan web scraping, pelabelan data, text preprocessing, pembobotan kata dengan TF-IDF (Term Frequency-Inverse Document Frequency), klasifikasi menggunakan Support Vector Machine, dan evaluasi kinerja model dengan Confusion Matrix. Analisis dilakukan pada data berjumlah 738 data ulasan aplikasi. Hasil pengujian dengan parameter nilai C = 1 menunjukkan nilai accuracy sebesar 87,12%, precision 87,49%, recall 87,13%, dan f1-score 87,08%. Hasil klasifikasi negatif kemudian dianalisis menggunakan diagram fishbone. Analisis diagram fishbone menunjukkan bahwa aplikasi Glints memerlukan perbaikan pada layanan pencarian lowongan kerja, update aplikasi, dan fungsionalitas aplikasi.
Perbandingan Naïve Bayes Dan K-Nearest Neighbor Untuk Analisis Sentimen Terhadap Ulasan Aplikasi Threads Berton, Freddy Toranggi; Eka Ratnawati, Dian; Rahman, Muh. Arif
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Indonesia telah memasuki era digitalisasi. Penggunaan internet oleh masyarakat telah meningkat karena pertumbuhan teknologi yang cepat. Aplikasi threads adalah aplikasi media sosial berbasis aplikasi mobile apps yang diluncurkan pada tahun 2023. Konten yang menghibur membuat aplikasi threads banyak diunduh, dari banyaknya unduhan terdapat ulasan yang beragam. Tujuan dari penelitian ini ialah untuk mengklasifikasikan ulasan yang diberikan oleh pengguna aplikasi threads dengan membandingkan dua metode algoritme seperti Naive Bayes dan K-Nearest Neighbor dengan tujuannya untuk melihat teknik mana yang memberikan hasil yang lebih baik ketika diterapkan pada ulasan di aplikasi Threads. Data yang dimanfaatkan berupa ulasan aplikasi Threads dari Google Playstore, yang mencakup 500 ulasan positif dan 500 ulasan negative. Hasil pengujian pada 1000 data yang kemudian dibagi dengan rasio 80% untuk data training dan 20% untuk data testing, dengan memastikan distribusi label yang seimbang. Performa metode Naïve Bayes mengungguli di bandingkan K-Nearest Neighbors. Metode dari Naïve Bayes mempunyai nilai F1-Score mencapai 84%, Accuracy sebesar 84%, Recall sebesar 84%, dan Precision sebesar 85%. Sedangkan metode K-Nearest Neighbors memiliki nilai F1-Score sebesar 73%, Accuracy sebesar 73%, Recall sebesar 73%, dan Precision sebesar 73%.
Perancangan User Experience Penyewaan Studio Shooting Berbasis Website dengan Metode Design Thinking (Studi Kasus: PT Produksi Film Negara) Hanifah, Hana Syifa; Tolle, Herman; Maghfiroh, Intan Sartika Eris
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dalam era digitalisasi yang semakin pesat, pemilihan lokasi shooting untuk produksi film menjadi tantangan tersendiri bagi para pelaku industri perfilman. Penelitian ini bertujuan untuk merancang antarmuka penyewaan lokasi shooting berbasis website dengan metode design thinking. Selain itu, penelitian ini juga bertujuan untuk memecahkan masalah yang dihadapi oleh pelaku industri perfilman dalam menyewa studio shooting yang masih dilakukan secara konvensional dan memakan waktu. Metodologi penelitian menggunakan lima tahapan design thinking, yaitu: empathize, define, ideate, prototype, dan test. Tahap pertama adalah empathize, yang melibatkan wawancara dengan pengguna, mitra kerja, dan pihak PT Produksi Film Negara untuk menggali kendala yang dialami. Pada tahap define, dilakukan analisis kebutuhan berdasarkan wawancara. Tahap ideate menghasilkan berbagai ide solusi, yang kemudian diimplementasikan dalam bentuk prototype dan diuji pada tahap test. Hasil penelitian menunjukkan bahwa digitalisasi proses penyewaan dapat mempermudah pelaku industri dalam menemukan dan memesan studio secara efisien. Website yang dirancang juga memiliki fitur transparansi pembayaran dan manajemen pemesanan yang dapat meningkatkan koordinasi antara penyewa dan pemilik lokasi. Evaluasi terhadap prototype menunjukkan peningkatan kepuasan pengguna dan efisiensi dalam proses penyewaan. Hasil pengujian pengguna memperoleh tingkat efektif sebesar 92,94%, tingkat efisien sebesar 0,279 goals/sec, dan tingkat kepuasaan sebesar 93,676 yang menunjukkan hasil yang sangat baik dengan rasa kepuasan yang tinggi dari hasil desain solusi yang dirancang.
Pembangkitan Respons pada Model Seq2seq Chatbot Berbahasa Indonesia dengan Multimodal Learning (Intensi dan Entitas) Baliyamalkan, Mohammad Nafi'; Perdana, Rizal Setya; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Helpdesk TIK UB adalah layanan helpdesk daring untuk membantu menyelesaikan permasalahan mengenai teknologi informasi di Universitas Brawijaya (UB). Helpdesk TIK UB dapat digunakan oleh seluruh civitas academica Universitas Brawijaya. Pelayanan Helpdesk TIK UB tersedia selama hari dan jam kerja, sehingga permasalahan yang mendesak di luar jam kerja tidak langsung dilayani. Salah satu bentuk teknologi yang dapat menyelesaikan permasalahan tersebut adalah penerapan chatbot pada Helpdesk TIK UB. Salah satu model chatbot adalah Sequence to Sequence (Seq2seq) Model yang dikembangkan oleh Sutskever, Vinyals, dan Le pada tahun 2014. Permasalahan yang ditemukan dari Seq2seq Model adalah model ini lebih berfokus pada generasi kata serta kurang memperhitungkan maksud dan konteks dari pengguna (Mustapha et al., 2008; Vinyals and Le, 2015; Dudy, Bedrick and Webber, 2021). Penelitian ini berupaya untuk mengatasi masalah tersebut dengan menambahkan modalitas intensi dan entitas serta menerapkan multimodal learning menggunakan Seq2seq Modality Translation Model. Hasil dari penelitian ini adalah penggunaan multimodal learning dengan modalitas intensi dan entitas membuat BLEU Score yang dihasilkan model menurun. Namun, kombinasi multimodal yang tepat justru dapat membuat model menangkap konteks kalimat lebih tepat sehingga dapat menghasilkan keluaran yang lebih baik. Hasil penelitian ini menunjukkan bahwa multimodal learning dengan modalitas intensi dan entitas dapat diterapkan pada pembangkitan respons model Seq2seq chatbot berbahasa Indonesia.
Sistem Wearable Deteksi Postur Pada Pelatihan Otot Biceps Dan Triceps Berbasis Angkat Beban Dengan Algoritma Random Forest Alghifari, Muhammad Ghaly
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Di tengah masyarakat yang semakin memperhatikan gaya hidup sehat dan citra tubuh atletis serta ideal, latihan angkat beban, terutama dengan dumbbell, telah menjadi pilihan utama bagi pemula yang ingin mencapai tujuan kebugaran. Biasanya, pemula menggunakan teknik standing dumbbell curl dalam latihan angkat beban mereka. Namun, banyak dari mereka tidak menyadari bahwa gerakan yang mereka lakukan adalah standing dumbbell curl, dan mereka mungkin juga tidak memahami bahwa latihan ini secara khusus menargetkan otot Biceps. Ketidaktahuan ini dapat mengurangi efektivitas latihan dan, lebih buruk lagi, dapat menyebabkan cedera, sehingga peran pelatih sangat penting dalam memberikan panduan dan koreksi teknik. Namun, tidak semua orang memiliki akses ke pelatih.Penelitian ini mengembangkan sistem bantu Wearable yang bertujuan membantu individu menggantikan peran pelatih dalam latihan angkat beban menggunakan dumbbell dengan dua teknik: standing dumbbell curl untuk otot Biceps dan overhead triceps extension untuk otot Triceps. Sistem ini dirancang untuk mendeteksi gerakan yang benar atau salah selama latihan berdasarkan data akselerometer dan giroskop yang diperoleh dari sensor MPU6050 yang terintegrasi dengan ESP32 dalam rangkaian, dan diolah menggunakan algoritma Random Forest. Rangkaian ini ditempatkan di tiga posisi penting untuk kedua teknik latihan ini: pergelangan tangan, lengan atas, dan dada.Dalam penelitian ini, algoritma Random Forest berhasil mencapai akurasi sebesar 96,3%, sementara sistem secara keseluruhan mencapai akurasi 85% dari 20 kali pengujian dalam mengklasifikasikan gerakan yang benar dan salah dengan rata-rata waktu komputasi sebesar 2 ms. Hasil klasifikasi berupa identifikasi gerakan benar dan salah ditampilkan melalui buzzer: jika gerakan benar, buzzer diaktifkan; jika gerakan salah, buzzer dimatikan. Sistem bantu Wearable ini memungkinkan pengguna untuk melakukan latihan angkat beban dengan dumbbell menggunakan teknik standing dumbbell curl dan overhead triceps extension di mana saja dengan panduan yang akurat.   Kata kunci: akselerometer, Random Forest, MPU6050, dumbbell, giroskop, otot Triceps, otot Biceps, sistem bantu Wearable.
Perancangan Antarmuka Pengguna Situs Cucci Malang Menggunakan Human-Centered Design (HCD) Yudha S, Ardika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Cucci malang adalah suatu usaha pencucian dan reparasi sepatu yang berdiri sejak 2020, yang bertempat di malang. Selama ini, bisnis dikelola secara daring (dalam jaringan) melalui platform Instagram dan WhatsApp, serta secara luring (luar jaringan) di Malang. Sejak adanya PPKM (Pemberlakuan Pembatasan Kegiatan Masyarakat) usaha ini sangat terdampak. Terdapat permasalahan yang dihadapi yaitu kesalahan manusia akibat tidak dipisahnya pesan pribadi dan bisnis, waktu tunggu admin dalam merespon pesanan yang berkisar antara 30 menit hingga 1 jam pada saat sibuk, serta terbatasnya jumlah staf admin yang hanya terdiri dari satu orang. Berdasarkan masalah yand terjadi, selanjutnya dilakukan perancangan antarmuka pengguna situs Cucci Malang dengan menggunakan human centered design (HCD). Tahapan dalam human centered design (HCD) meliputi pemahaman dan penentuan konteks penggunaan, penentuan kebutuhan pengguna, pengembangan desain solusi, serta evaluasi desain solusi tersebut. Evaluasi dilakukan melalui pengujian usability terhadap 8 partisipan. Hasil pengujian menunjukkan bahwa aspek efektivitas mencapai nilai success rate sebesar 100%, aspek efisiensi diukur dengan time-based efficiency mencapai nilai 1185.6 sec/goals, dan aspek kepuasan yang diukur menggunakan system usability scale (SUS) mendapatkan nilai rata-rata 79.4. Nilai ini dikonversi ke dalam kategori system usability scale (SUS) dengan adjective ratings "good" dan grade scale C, yang menunjukkan bahwa desain solusi dapat diterima.

Page 2 of 5 | Total Record : 50

 1   2   3   4   5 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 9 No 13 (2025): Publikasi Khusus Tahun 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