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
 593   594   595   596   597 
Pengembangan Aplikasi Pelaporan Tindak Kekerasan Seksual Di Lingkungan Universitas Brawijaya Berbasis Website Adhli Falah, Putra; Putra Kharisma, Agi; Santoso, Edy
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 10 (2024): Oktober 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Tindak kekerasan seksual di lingkungan kampus memerlukan sistem pelaporan yang efektif dan efisien. Berdasarkan survei terhadap 12 mahasiswa Universitas Brawijaya (UB), sebanyak 83,3% responden sudah mengetahui sistem pelaporan tindak kekerasan seksual yang disediakan oleh Eksekutif Mahasiswa (EM) UB Tahun 2024. Dari mereka yang sudah mengetahui sistem tersebut, seluruhnya mengalami masalah dengan proses pelaporan karena alur yang rumit dan kurang efisien. Saat ini, belum tersedia platform khusus untuk pelaporan tindak kekerasan seksual di lingkungan UB. Layanan Jaga Batin yang disediakan EM UB Tahun 2024 masih mengandalkan Google Form dengan tahapan tambahan menghubungi hotline setelah pengisian formulir. Untuk mengatasi permasalahan tersebut, dikembangkan website pelaporan bernama Saling Jaga Brawijaya (SAGARA) menggunakan metode Software Development Life Cycle (SDLC) Waterfall. Website ini dibangun menggunakan bahasa pemrograman JavaScript, framework React.js, serta integrasi Jotform dan IFTTT untuk pelaporan dan notifikasi real-time ke Person In Charge (PIC) Kementerian Pemberdayaan Perempuan Progresif (P3) EM UB. Pengujian website dilakukan menggunakan black box testing, usability testing (efektivitas), efisiensi, dan yes-no question. Black box testing menggunakan scenario-based testing yang diuji kepada pengembang. Usability testing dilakukan kepada responden dengan mengukur tingkat efektivitasnya. Pengujian efisiensi menghitung perbedaan waktu pelaporan antara metode pelaporan sebelumnya dan website SAGARA. Yes-no question digunakan untuk mengukur kepuasan subjektif pengguna. Hasil pengujian menunjukkan tingkat keberhasilan 100% pada black box testing dan efektivitas 100% pada usability testing. Pengujian efisiensi menunjukkan peningkatan efisiensi hingga 100%. Selain itu, seluruh responden menyatakan setuju bahwa website SAGARA lebih praktis dibandingkan Layanan Jaga Batin EM UB Tahun 2024 yang hanya menggunakan Google Form. Berdasarkan hasil tersebut, dapat disimpulkan bahwa website SAGARA berhasil mengurangi ketidakpraktisan dalam proses pelaporan tindak kekerasan seksual.
Analisis Pengaruh Ekstraksi Fitur Suara Bernoise Pada Kinerja Model Deep Learning Untuk Kendali Smart Wheelchair Vikorian, Eldad; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 10 (2024): Oktober 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dari data yang diterbitkan oleh (Kementerian Koordinator Bidang Pembangunan Manusia Dan Kebudayaan, 2023) mencatat terdapat sekitar 22,97 juta penyandang disabilitas, jumlah tersebut merupakan sekitar 8,5% dari populasi penduduk secara keseluruhan. Dari bermacam jenis disabilitas, disabilitas fisik paling sering dijumpai, penyandang disabilitas fisik seperti kehilangan fungsi pada kaki seringkali mengalami kesulitan dalam melakukan mobilisasi karena kehilangan salah satu fungsi anggota gerak tubuh. Untuk membantu mobilitas sehari-hari kursi roda telah menjadi alat bantu bagi individu yang mengalami keterbatasan gerak. Akan tetapi, di era modern seperti saat ini, kursi roda dituntut untuk semakin pintar dan responsif sehingga dapat menjadikan penggunanya lebih mandiri dalam mengoperasikannya. Oleh karena itu, penulis mengusulkan penelitian dengan metode analisis untuk mengetahui pengaruh antara kombinasi ekstraksi fitur (MFCC, GFCC, BFCC, dan LPCC) dengan arsitektur model (Transformer, ResNet50V2, dan U-Net) pada smart wheelchair. Penelitian ini bersifat non implementatif (analisis) difokuskan pada pelatihan model dan analisis uji statistik menggunakan metode ANOVA. Hasil menunjukkan bahwa kombinasi U-Net dan GFCC menghasilkan akurasi tertinggi, mencapai 98% pada data uji. Uji ANOVA mengindikasikan bahwa kombinasi arsitektur model dan ekstraksi fitur mempengaruhi akurasi secara signifikan, dengan nilai F rows (model) dan F columns (fitur) lebih besar dari nilai kritisnya, menunjukkan pengaruh signifikan dalam klasifikasi suara.
Sistem Pendeteksi Depresi Melalui Pola Suara Menggunakan Metode Formant Analysis ghaliba elfauzan, albar fawwazi; Barlian Henryranu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 10 (2024): Oktober 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Depresi adalah gangguan suasana hati yang memiliki dampak signifikan terhadap individu, yang ditandai dengan perasaan sedih yang mendalam dan kehilangan minat terhadap kegiatan sehari-hari. Dengan prevalensi yang tinggi di Indonesia, seperti yang tercatat dalam Riset Kesehatan Dasar tahun 2018, prevalensi depresi pada penduduk umur diatas 15 tahun di Indonesia mencapai 706.689 dengan 1.800 orang melakukan bunuh diri setiap tahunnya. Hal ini menjadi fokus yang penting untuk mencari solusi untuk melakukan identifikasi dini dan penanganan depresi. Sehingga diperlukan pengembangan metode deteksi yang objektif dan efisien. Penelitian ini bertujuan mengembangkan sistem tersebut menggunakan Analisis Formant untuk mengekstrak karakteristik akustik dari ucapan yang berkaitan dengan emosi. Penelitian ini menggunakan Algoritma CNN (Convolution Neural Network) untuk tahap klasifikasi, apabila data yang ada telah melalui ekstraksi fitur. Hasil pengujian penelitian ini menunjukkan bahwa sistem dapat melakukan deteksi dengan tingkat ketepatan sebesar 73%, menunjukkan bahwa analisis formant adalah metode yang efektif dalam mengidentifikasi suara depresi, walaupun masih terdapat tantangan dalam meningkatkan akurasi untuk kelas depresi. Dengan demikian, penelitian ini menawarkan wawasan penting tentang kemampuan dan keterbatasan teknologi pendeteksi depresi berbasis suara dan menegaskan potensinya sebagai alat bantu dalam diagnosis dan intervensi dini depresi.
Implementasi Metode Pan-Tompkins pada Treadmill Stress Test untuk Deteksi Gangguan Irama Jantung Menggunakan Shimmer Electrocardiogram Hanafi, Muhammad Imam; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyakit jantung adalah penyebab utama kematian di Indonesia, dengan 12,9% kematian terkait penyakit ini. Peningkatan prevalensi penyakit jantung dipengaruhi oleh pola hidup tidak sehat, tekanan darah tinggi, kolesterol tinggi, dan diabetes. Aritmia, gangguan pada frekuensi detak jantung, sering terjadi pada pasien penyakit jantung. Pemantauan jantung melalui elektrokardiografi (EKG) sangat penting untuk diagnosis aritmia. Treadmill stress test adalah metode umum di rumah sakit untuk memantau detak jantung selama aktivitas fisik. Namun, tes ini mahal dan memerlukan kunjungan ke rumah sakit, yang mengurangi efisiensi dan waktu. Penelitian ini mengusulkan penggunaan metode Pan-Tompkins pada treadmill stress test untuk deteksi aritmia menggunakan shimmer electrocardiogram sebagai alternatif yang lebih terjangkau dan efisien. Metode ini sesuai dengan standar operasional prosedur di rumah sakit. Sinyal EKG dari shimmer diproses menggunakan algoritma Pan-Tompkins untuk deteksi detak jantung secara real-time. Hasil uji menunjukkan akurasi deteksi puncak R rata-rata 89,15%, akurasi heart rate 88,60%, waktu komputasi rata-rata 0,44 detik, dan rata-rata penggunaan memori 0,86 MB. Evaluasi ini menunjukkan bahwa sistem ini dapat menjadi alternatif treadmill stress test yang lebih low cost dan efisien, serta meningkatkan aksesibilitas pemantauan detak jantung untuk pasien.
Personalisasi Genre Playlist Musik Berdasarkan Ritme dan Tempo Menggunakan Deteksi Onset dan Spectral Contrast Septino, Fernando; Henryranu Prasetio, Barlian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Musik memiliki berbagai genre yang terus berkembang seiring dengan kemajuan teknologi digital. Perkembangan ini memunculkan tantangan ketika pengguna mencoba untuk mengklasifikasikan genre musik yang sering kali menggunakan elemen dari berbagai genre berbeda, seperti musik rock yang menggunakan pola permainan musik pop, musik metal yang menggunakan pola permainan musik klasik. Hal ini dapat menyulitkan proses personalisasi musik sesuai preferensi pengguna. Dalam mengatasi tantangan ini, perlu adanya solusi yang mampu mengklasifikasikan genre musik secara otomatis berdasarkan karakteristik dalam musik seperti ritme, tempo, dan pola beat yang dapat menjadi pembeda genre satu dengan genre lainnya. Metode yang digunakan untuk penelitian ini mencakup deteksi onset dan spectral contrast untuk mengekstraksi fitur ritme dan tempo dari sinyal suara. Deteksi onset digunakan untuk mengidentifikasi awal dari ketukan dalam musik, sementara spectral contrast membantu dalam mengidentifikasi perbedaan intensitas di berbagai frekuensi dari sebuah lagu. Setelah fitur diekstraksi, algoritma decision tree digunakan untuk mengklasifikasikan genre musik berdasarkan ritme dan tempo yang diekstraksi. Hasil penelitian menunjukkan bahwa algoritma deteksi onset dan spectral contrast dapat mengekstraksi fitur dari berkas suara yang direkam dan memprediksi genre musik dengan akurasi sebesar 41 persen. Dengan demikian, implementasi sistem ini diharapkan dapat membantu meningkatkan pengalaman pengguna dalam mendengarkan musik dengan menyediakan rekomendasi playlist berdasarkan genre dan ritme mereka.
Sistem Klasifikasi Kondisi Laboratorium Medis Berdasarkan Suhu Dan Kelembapan Menggunakan Algoritma Jaringan Syaraf Tiruan (JST) Nabila Eka Putri, Alisya; Syauqy, Dahnial; Hazbiy Shaffan, Nur
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Laboratorium medis memberikan pelayanan pengujian dan diagnosa penyakit melalui pemeriksaan spesimen, dengan menjaga parameter standar baku mutu laboratorium melalui pemantauan suhu dan kelembapan udara. Pengelolaan laboratorium yang kurang baik dapat berdampak pada penyebaran mikroorganisme, kerusakan spesimen dan kualitas alat, serta hasil diagnosa. Pemantauan dilakukan oleh tenaga medis secara manual menggunakan thermohygrometer. Keterbatasan kemampuan tenaga medis menjadi kendala dalam pemantauan laboratorium secara berkelanjutan. Penelitian ini mengembangkan sistem klasifikasi kondisi laboratorium medis berdasarkan suhu dan kelembapan menggunakan algoritma Jaringan Syaraf Tiruan (JST) untuk melakukan pemantauan secara otomatis dan berkelanjutan. Sistem dirancang multinode, terdiri dari node master dan slave dengan NodeMCU ESP8266 dan sensor DHT22 sebagai komponen penyusun. Sistem mengakuisisi suhu dan kelembapan dan mengklasifikasikan laboratorium menjadi kelas layak dan tidak layak. Proses klasifikasi menggunakan 200 data sebagai dataset untuk membangun model dengan library TensorFlow. Pengujian dilakukan dengan menempatkan node pada titik berbeda dalam satu ruangan laboratorium. Hasil pengujian menunjukkan rata-rata error sensor DHT22 pada node master dalam akuisisi suhu sebesar 0.71% dan kelembapan sebesar 2.29%. Serta pada node slave rata-rata error sensor dalam akuisisi suhu sebesar 0.67% dan kelembapan sebesar 2.11%. Sistem mendapatkan tingkat akurasi 80% dalam mengklasifikasikan kondisi laboratorium medis dengan waktu komputasi rata-rata mencapai 174.4 ms pada 25 data uji. Kata kunci: Laboratorium Medis, Pemantauan Standar Laboratorium, Suhu, Kelembapan, Klasifikasi, Jaringan Syaraf Tiruan (JST)
Sistem Deteksi Stres Menggunakan Metode Support Vector Machine dengan Fitur RMSSD dan pNN50 Prakoso, Raihan; Widasari, Edita Rosana; Nurfarida, Ika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan pada JTIIK.
Analisis Perbandingan Efisiensi Metode Trigger, Timestamp dan Log-based dalam Implementasi Change Data Capture (CDC) pada Database PostgreSQL dan MySQL Ardiansyah, Rafli; Pinnandito, Aryo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 4 (2025): April 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan integrasi sistem informasi mendorong kebutuhan sinkronisasi data secara real-time. Change Data Capture (CDC) merupakan solusi untuk menangkap dan mereplikasi perubahan data pada database relasional. Penelitian ini bertujuan untuk mengetahui metode yang lebih baik dalam hal efisiensi tiga metode CDC, yaitu trigger-based, timestamp-based, dan log-based, pada dua sistem manajemen basis data (DBMS), yaitu PostgreSQL dan MySQL. Evaluasi dilakukan terhadap waktu eksekusi, penggunaan memori, dan latensi dalam berbagai skenario operasi data (INSERT, UPDATE, dan DELETE) dengan ukuran kueri yang berbeda, yaitu 100, 300, dan 500. Penelitian ini menggunakan pendekatan eksperimen dengan mengimplementasikan setiap metode CDC pada dataset yang sama, diikuti oleh pengukuran metrik kinerja secara terpisah untuk setiap skenario. Pengujian dilakukan sebanyak 100 kali per skenario untuk memastikan hasil yang representatif. Data dianalisis menggunakan statistik deskriptif serta uji statistik non-parametrik guna mengevaluasi perbedaan kinerja antar metode. Hasil penelitian menunjukkan bahwa metode log-based unggul dalam efisiensi waktu eksekusi, penggunaan memori, dan latensi pada mayoritas skenario pengujian yang dilakukan. Keunggulan ini tercermin dalam kemampuannya menyelesaikan proses transaksi dengan lebih cepat, mengoptimalkan alokasi sumber daya memori selama operasi berlangsung, dan memberikan respons sistem yang lebih rendah dalam hampir semua kondisi pengujian, baik pada skala data kecil maupun besar, serta pada berbagai jenis operasi.
Implementasi Sistem Deteksi Stress berbasis Machine Learning berdasarkan Sinyal Photoplethysmogram dari Polar Verity Sense Ady Firmanda, Dwi; Sakti Pramukantoro, Eko; Henryranu Prasetio, Barlian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Stress merupakan kondisi tubuh yang terjadi akibat perubahan kondisi tubuh. Kondisi stress dapat mempengaruhi kondisi fisiologis tubuh yang dapat dideteksi sinyal biologis tubuh. Oleh karena itu, untuk mengetahui kondisi stress digunakan sensor Photoplethysmogram (PPG) yang menunjukkan perubahan volume darah yang dapat digunakan untuk mengetahui perubahan kondisi jantung berupa Heart Rate Variability (HRV). Pada penelitian ini dilakukan implementasi sistem deteksi stress menggunakan metode Machine Learning pada Raspberry Pi 4 Model B dengan menggunakan sinyal PPG yang diukur menggunakan sensor Polar Verity Sense dan model Machine Learning yang sudah dirancang. Penelitian ini menunjukkan bahwa sistem dapat diimplementasikan pada Raspberry Pi 4 Model B dengan kinerja sistem menununjukkan throughput, waktu pemrosesan, serta kinerja klasifikasi yang baik dan mampu memproses data stream dari sensor Polar Verity Sense. Hasil pengukuran throughput penerimaan paket dari sensor Polar Verity Sense menunjukkan nilai rata-rata 670,74 Bps dan nilai rata-rata throughput pemrosesan data 670,73 Bps dengan waktu perbedaan throughput yang kecil dan waktu pemrosesan keseluruhan data memiliki rata-rata 6,06 ms dan penggunaan CPU pada klasifikasi data menggunakan Machine Learning dengan nilai 10,76% hingga 14,88% dan waktu pemrosesan 7,98 ms hingga 8,25 ms.
Implementasi Metode Kalman Filter Dan Model YOLOv8n Untuk Fitur Human-Following Pada Kursi Roda Pintar Rizky Yuztiawan, Fachrie; Fitri Utaminingrum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kursi roda telah lama menjadi solusi bagi penyandang disabilitas dengan keterbatasan mobilitas untuk mendukung aktivitas sehari-hari. Pada kasus disabilitas fisik ganda, kursi roda seringkali membutuhkan bantuan pemandu. Pengoperasian kursi roda konvensional atau elektrik berbasis joystick memiliki kekurangan, seperti kursi roda konvensional yang membutuhkan tenaga pendorong, dan kursi roda elektrik yang hanya mengandalkan joystick sehingga masih sulit dioperasikan oleh beberapa penyandang disabilitas ganda. Dengan perkembangan teknologi, banyak opsi dalam mengembangkan kursi roda pintar dengan berbagai fitur, salah satunya adalah fitur yang memungkinkan kursi roda mengikuti arah gerak pemandu. Penelitian ini mengembangkan fitur tersebut menggunakan model computer vision YOLOv8n dan algoritma Kalman Filter pada kondisi cahaya normal (100-400 lux). Sebanyak 939 gambar objek manusia dikumpulkan sebagai dataset dan dilakukan proses pre-trained YOLOv8N. Hasil pre-trained menunjukkan model terbaik pada epoch ke-90 dengan parameter confusion matrix data testing memiliki akurasi 0.9619, presisi 1.00, recall 0.9619, dan F1-Score 0,9805. Model ini kemudian diintegrasikan pada sistem deteksi objek menggunakan YOLOv8n dan algoritma kalman filter pada lingkungan dengan banyak objek dan pencahayaan normal, mendapatkan akurasi keseluruhan sekitar 91.66% Waktu proses komputasi rata-rata untuk tiap objek yang dideteksi per frame adalah 0,095485052 detik.

Page 595 of 685 | Total Record : 6850

 593   594   595   596   597 

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