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 6,850 Documents
 573   574   575   576   577 
Purwarupa Pelaporan Kecelakaan Kendaraan Menggunakan Akselerometer MPU-6050 Berbasis Arduino Uno ALFATH, ANASHRULLAH FAIZAL; Primananda, Rakhmadhany; Setyawan, Gembong Edhi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Saat korban kecelakaan, informasi lokasi terjadinya kecelakaan kurang cepat dilaporkan, menyebabkan korban terlambat mendapat bantuan kecelakaan.Permasalahan bagaimana kinerja purwarupa pelaporan kecelakaan kendaraan menggunakan akselerometer MPU-6050 berbasis arduino uno. Tujuan penelitian implementasi kinerja purwarupa dapat mendeteksi benturan kecelakaan dan mengirim notifikasi SMS ke user yang dituju. Metodologi penelitian ini adalah pengembangan implementatif. Hasil Pengujian, Terimplementasi purwarupa pelaporan kecelakaan kendaraan yang dapat mendeteksi percepatan benturan kecelakaan dengan menghasilkan klasifikasi Status benturan mencapai 18.500G dan nilai puncak 21.562G melampaui threshold G>8 dengan status telah terjadi kecelakaan kendaraan dan mengirim notifikasi SMS ke user yang dituju. Kesimpulan, Purwarupa telah beroperasi sesuai yang diharapkan, dengan menampilkan data percepatan benturan. Kecepatan kinerja waktu komputasi purwarupa maksimum 1.3685 Detik dan waktu minimum 0.9384 Detik dan rata-rata 1.9455 Detik, waktu komputasi tersebut tergolong cukup rendah. Rencana kedepan, Pengembangkan akurasi pembacaan status kecelakaan perlu mempertimbangkan kualitas sensor lebih baik, menambah sensor untuk meningkatkan nilai guna pemanfaatan. memperhatikan kestabilan jaringan satelit, menyiapkan catu daya cadangan.
Kombinasi Hasil Inferensi Algoritma YOLOv8 dan Faster R-CNN dalam Isnpeksi Kualitas Underbody Mobil (Studi Kasus Pada Perusahaan Otomotif Indonesia) Abilo, Nelson Alfons; Indriati; Perdana, Rizal Setya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Konferensi Internasional SIET
Pengaruh Media Pembelajaran IDE Replit menggunakan Problem Based Learning terhadap Hasil Belajar dan Motivasi Belajar Peserta Didik pada Informatika SMAN 3 Malang Herawati, Serra Nadya Indi; Herlambang, Admaja Dwi; Wijoyo, Satrio Hadi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pembelajaran yang efektif memerlukan metode, media dan model pembelajaran yang tepat guna menghasilkan hasil pembelajaran terbaik di ranah kognitif, psikomotorik, dan afektif motivasi. Pembelajaran berbasis masalah melibatkan pelajar dalam memecahkan persoalan nyata serta mengembangkan keterampilan berpikir kritis dan kolaborasi. Tujuan penelitian dilakukan menyelidiki pengaruh media Replit terhadap hasil belajar dan motivasi belajar pelajar. Pendekatan penelitian adalah kuantitatif dengan metode penelitian Weak Experiment Static Group Pretest Posttest untuk memperoleh hasil belajar kognitif dan Weak Experiment Static Group Comparison untuk memperoleh hasil belajar psikomotorik dan motivasi belajar. Purposive sampling digunakan dalam sampel penelitian, dan dua kelas dari kelas XI di SMA Negeri 3 Malang digunakan untuk membandingkan hasil pembelajaran. Penelitian menggunakan analisis uji prasyarat yaitu normalitas dan homogenitas untuk menentukan uji hipotesis. Pada aspek kognitif, psikomotorik, dan motivasi tidak memenuhi uji asumsi sehingga menggunakan uji nonparametrik Mann Whitney U. Hasil penelitian menyatakan bahwa nilai hasil belajar terdapat perbedaan yang signifikan pada kelas eksperimen, dan nilai motivasi belajar terdapat perbedaan yang signifikan pada kelas eksperimen. Untuk itu, media IDE Replit memengaruhi hasil belajar dan motivasi belajar siswa.
Pengembangan Wearable Device Untuk Deteksi Postur Duduk Manusia Berbasis Data Sensor MPU6050 Menggunakan Metode Support Vector Machine Kurnia, Yudisthira Dwi; Syauqy, Dahnial; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Manusia era modern cenderung melakukan laptop, smartphone dan komputer untuk mengerjakanpekerjaannya. Penggunaan komputer saat ini sudah banyak dan menyebar luas dikalangan masyarakatkarena kemampuannya dalam mengerjakan tugas-tugas manusia. Memiliki postur duduk yang baik tentumemiliki dampak positif dalam menjaga kesehatan tulang belakang, namun masih banyak juga yangmengabaikannya. Dengan semakin majunya perkembangan teknologi, penerapan sistem wearable device yang di desain pada sebuah rompi untuk dapat memberikan peringatan terkait postur duduk pengguna yang bersifat portabel sehingga dapat dikenakan dimana saja. Penerapan sistem menggunakan dua buah sensor MPU6050 untuk melihat nilai-nilai yang dihasilkan oleh akselerometer dan giroskop yang terintegrasi ke dalam mikrokontroler ESP32 dengan metode Support Vector Machine (SVM) untuk melakukan klasifikasi atau prediksi, sistem mendapatkan hasil akurasi sebesar 100% pada pelatihan model serta keseluruhan sistemnya. Sistem yang dirancang memiliki waktu komputasi yang baik yaitu selama 0,127 s untuk pelatihan model dan 111,1 ms untuk memprediksi postur menggunakan sistem wearable device. Sistem yang dikembangkan juga menggunakan output berupa peringatan bunyi buzzer yang apabila postur duduk pengguna terdeteksi postur yang membungkuk.
Penerapan Metode Formant Analysis Dalam Sistem Analisis Pola Suara Untuk Deteksi Dini Penyakit Parkinson Nur, Farhan Marwandi; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyakit Parkinson adalah kondisi degeneratif yang berkembang secara bertahap dan mempengaruhi gerakan tubuh, menyebabkan gejala seperti tremor, kekakuan, dan gangguan bicara. Deteksi dini penyakit ini sangat penting untuk memungkinkan intervensi medis yang lebih efektif dan manajemen gejala yang lebih baik. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini penyakit Parkinson yang memiliki sifat portabel dan dapat digunakan kapan saja dan dimana saja. Sistem tersebut dirancang dengan menggunakan metode Formant Analysis yang diimplementasikan pada Raspberry Pi 4 Model B. Penelitian ini menggunakan dataset dari IEEE DataPort yang bernama Italian Parkinson’s Voice and Speech, kemudian dimodifikasi sehingga hanya berdurasi sebanyak 4 detik per data sampel agar pengolahan data menjadi lebih akurat. Setelah ekstraksi selesai, setiap kelas akan diklasifikasikan menggunakan Convolutional Neural Network (CNN). Alat ini kemudian akan dioperasikan melalui layar LCD dan Graphical User Interface (GUI). Penerapan metode Formant Analysis dalam menganalisis frekuensi formant telah berhasil menunjukkan bahwa model CNN yang dibuat dapat mendeteksi penyakit Parkinson dengan tingkat akurasi sebesar 96%. Sementara itu akurasi yang dihasilkan sistem adalah 85% dari 20 pengujian dimana kelas Non-Parkinson mendapatkan akurasi 100% dan kelas Parkinson mendapatkan akurasi 70%. Dengan hasil ini, sistem yang dikembangkan menunjukkan potensi besar dalam mendukung diagnosa awal penyakit Parkinson, serta membuka peluang untuk pengembangan lebih lanjut guna meningkatkan akurasi dan fungsionalitasnya di masa mendatang.
Pemodelan Topik Risiko Bunuh Diri Berdasarkan Konten Media Sosial dengan Latent Dirichlet Allocation Walady Putra, Khairul; Pandu Adikara, Putra; Darma Setiawan, Budi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Bunuh diri merupakan masalah kesehatan yang serius. Tidak hanya menyebabkan hilangnya nyawa secara sia-sia, bunuh diri juga dapat meninggalkan dampak yang berkepanjangan bagi mereka yang ditinggalkan. Meskipun begitu, stigma dan kekhawatiran akan perlakuan diskriminatif masih menjadi penghambat dalam upaya pencegahan bunuh diri. Mereka yang memiliki pemikiran bunuh diri cenderung memilih media sosial sebagai tempat bercerita. Pemahaman terhadap topik yang mereka bicarakan dapat menjadi salah satu langkah dalam peningkatan upaya pencegahan bunuh diri. Oleh karena itu, pada penelitian ini dilakukan pemodelan topik menggunakan metode Latent Dirichlet Allocation untuk mendapatkan gambaran mengenai topik yang dibicarakan dalam subreddit r/SuicideWatch. Pengujian terhadap pemodelan topik yang dilakukan menghasilkan nilai coherence tertinggi sebesar 0,2947. Nilai tersebut diperoleh menggunakan parameter α = 1/T, β = 1/T, dan T = 9. Walaupun memiliki nilai coherence tertinggi dibanding pengujian lain, pengujian tersebut menghasilkan topik yang sulit diinterpretasi karena banyaknya kata umum yang muncul. Pengujian lain yang menggunakan parameter α = 50/T, β = 1/T, dan T = 5 memberikan nilai coherence yang lebih rendah, tetapi topik yang dihasilkan lebih mudah untuk diinterpretasi. Beberapa topik yang dihasilkan, antara lain, rasa ketidakberdayaan, kondisi emosional, hubungan sosial, serta pemikiran atau perencanaan bunuh diri.
Sistem Deteksi Dini Penyakit Parkinson Melalui Speech Pattern Menggunakan Metode Recurrence Quantification Analysis Alhafizh, Muhammad Adam; Henryranu, Barlian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Saat ini, total pengidap penyakit Parkinson di seluruh dunia sudah melebihi 10 juta orang. Penyakit Parkinson adalah gangguan neurodegenerative yang dapat mengganggu kemampuan kognitif dan motorik penderita. Penelitian ini bertujuan untuk mengembangkan suatu sistem yang dapat melakukan pendeteksian dini penyakit Parkinson melalui pola suara. Metode Recurrence Quantification Analysis (RQA) terpilih sebagai metode ekstraksi fitur dikarenakan kemampuannya untuk menganalisis dan mengidentifikasi karakteristik nonlinier dan kompleksitas dalam pola bicara. RQA memungkinkan pemeriksaan menyeluruh terhadap komponen sistem nonlinier seperti pola bicara pasien Parkinson dibandingkan dengan orang sehat. Metode tersebut nantinya diimplementasikan ke dalam Raspberry Pi 4 Model B yang akan didukung oleh komponen lainnya. Selain itu, pendekatan berbasis deep learning, khususnya Convolutional Neural Network (CNN) juga digunakan untuk menemukan pola-pola yang dapat dipelajari untuk melakukan klasifikasi. Dataset yang digunakan diambil dari internet. Dari hasil ekstraksi fitur yang dilakukan oleh RQA, diketahui bahwa terdapat pola yang berbeda dari pengidap penyakit Parkinson dan non-parkinson. Hasil dari penilitian menunjukkan bahwa sistem yang menggunakan RQA sebagai ekstraksi fitur dan CNN sebagai model neural network dapat menghasilkan tingkat ketepatan klasifikasi hingga 86%. Oleh karena itu, sistem ini memiliki potensi sebagai perangkat pembantu pendeteksian dini penyakit Parkinson.
Sistem Deteksi Deteksi Depresi Melalui Pengenalan Pola Suara Dengan Mengimplementasikan Metode Voice Quality Analysis Pratamaatmadja, Aditya; Henryranu Prasetio, Barlian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Komunikasi adalah aspek penting dalam kehidupan manusia, dengan ucapan menjadi cara utama untuk mengekspresikan emosi. Emosi berperan krusial dalam interaksi sosial, dan kemampuan mendeteksi emosi seperti depresi melalui suara dapat membantu memahami kondisi mental seseorang. Depresi adalah gangguan suasana hati yang ditandai dengan perasaan sedih mendalam dan kehilangan minat terhadap aktivitas sehari-hari, yang dapat menurunkan produktivitas, mengganggu hubungan sosial, dan menyebabkan keinginan bunuh diri. Menurut Riset Kesehatan Dasar 2018, lebih dari 19 juta penduduk Indonesia berusia lebih dari 15 tahun mengalami gangguan mental emosional, dengan lebih dari 12 juta di antaranya mengalami depresi. Oleh karena itu, pengembangan teknologi pendeteksi emosi depresi berbasis suara sangat penting. Penelitian ini bertujuan mengembangkan sistem pendeteksi depresi berbasis suara menggunakan metode Voice Quality Analysis (VQA) dengan parameter jitter, shimmer, dan Harmonics-to-Noise Ratio (HNR). Metodologi penelitian meliputi analisis, perancangan, implementasi, dan pengujian sistem deteksi depresi menggunakan Raspberry Pi 4B. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan suara depresi dengan akurasi 97% dan F1-score 97%. Implementasi pada perangkat keras juga menunjukkan hasil baik, dengan tingkat keberhasilan prediksi suara non-depresi sebesar 85% dan suara depresi sebesar 75%. Penelitian ini diharapkan dapat berkontribusi dalam pengembangan teknologi deteksi emosi, khususnya dalam mendeteksi depresi melalui analisis kualitas suara.
Sistem Deteksi Dini Penyakit Parkinson Melalui Voice Pattern Menggunakan Fitur Jitter dan Shimmer Ghifari, Ahmad; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyakit Parkinson, yang merupakan gangguan sistem syaraf yang progresif dan ditandai oleh kerusakan pada sel-saraf penghasil dopamin, dibutuhkan metode deteksi dini yang efektif agar pasien dapat segera mendapatkan penanganan yang lebih cepat dan tepat. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini penyakit Parkinson melalui analisis pola suara, dengan fokus pada penggunaan fitur Jitter dan Shimmer. Jitter mengukur variasi waktu antara siklus getaran suara, menunjukkan ketidakstabilan dalam produksi suara, sedangkan Shimmer mengukur variasi amplitude pada gelombang suara mengindikasikan perubahan dalam kualitas suara. Implementasi dilakukan pada Raspberry Pi 4 Model B, mengintegrasikan teknologi deep learning dengan arsitektur Convolutional Neural Network (CNN) untuk mengklasifikasikan rekaman suara menjadi kategori Parkinson dan non-Parkinson. Sistem ini dioperasikan dengan LCD dan GUI untuk memudahkan interaksi pengguna dan memastikan bahwa hasil analisis dapat ditampilkan secara efisien dan intuitif. Penelitian ini menggunakan Dataset dari IEEE DataPort dengan durasi rekaman suara yang telah disesuaikan menjadi 4 detik untuk memastikan keakuratan pengolahan data. Penerapan fitur Jitter dan Shimmer pada analisis variasi dalam frekuensi suara dan kestabilan amplitudo berhasil menunjukkan bahwa sistem dapat mendeteksi penyakit Parkinson dengan tingkat ketepatan prediksi hingga 89%. Kinerja alat dan sistem yang baik menunjukkan adanya kesempatan besar untuk pengembangan lebih lanjut.
Sistem Deteksi Penyakit Parkinson Melalui Speech Pattern Menggunakan Fitur Speech Rate, Pause Duration dan Mean Energy Ash-Shadiq, Aqsath Muhammad; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pengembangan metode deteksi gangguan suara menggunakan Speech Rate, Pause Duration, dan Mean Energy dengan memanfaatkan Convolutional Neural Network (CNN). Gangguan suara dapat signifikan mempengaruhi komunikasi dan kualitas hidup seseorang. Metode ini mengintegrasikan teknologi CNN untuk mengklasifikasikan suara sebagai normal atau terganggu berdasarkan berbagai fitur akustik yang telah terbukti efektif dalam analisis suara. Penelitian ini bertujuan untuk menerapkan dan mengevaluasi akurasi sistem deteksi berbasis Speech Rate, Pause Duration, dan Mean Energy dalam menganalisis pola suara. Metodologi penelitian mencakup tahapan implementasi pra-pemrosesan sinyal suara, ekstraksi fitur, dan penggunaan perangkat keras seperti Raspberry Pi 4 Model B untuk implementasi dan pengujian sistem secara portable. Evaluasi hasil pengujian menunjukkan bahwa sistem mencapai akurasi sebesar 97% dalam mengklasifikasikan suara sebagai Parkinson atau non-Parkinson, menunjukkan potensi besar aplikasi dalam deteksi dini gangguan suara untuk pemantauan kesehatan jarak jauh.

Page 575 of 685 | Total Record : 6850

 573   574   575   576   577 

Filter by Year

2017 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 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