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
 640   641   642   643   644 
Sistem Wearable untuk Deteksi Postur Bungkuk Ketika Berjalan Menggunakan Metode Random Forest Firza Zamzani, Muhammad; Syauqy, Dahnial; Rekyan Regasari Mardi Putri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Postur tubuh saat berjalan merupakan salah satu aspek penting yang memengaruhi kesehatan tulang belakang dan kenyamanan dalam beraktivitas. Kebiasaan berjalan dengan postur bungkuk yang tidak disadari dalam jangka waktu lama dapat menyebabkan gangguan struktural pada tulang belakang, nyeri punggung kronis, serta penurunan kualitas hidup. Oleh karena itu, dibutuhkan suatu sistem yang mampu memantau dan mengenali postur tubuh pengguna secara berkelanjutan untuk mencegah terjadinya permasalahan tersebut. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem wearable yang dapat mendeteksi postur bungkuk saat berjalan menggunakan sensor gerak serta metode klasifikasi berbasis kecerdasan buatan. Sistem ini memanfaatkan tiga buah sensor MPU6050 yang dipasang pada bagian punggung atas, tengah, dan bawah untuk menangkap data gerakan berupa akselerasi dan kecepatan sudut. Data tersebut kemudian diolah menjadi fitur statistik menggunakan nilai rata-rata (mean) dan standar deviasi, yang merepresentasikan pola gerakan pengguna. Fitur-fitur ini diklasifikasikan menggunakan algoritma Random Forest untuk membedakan antara postur tegak dan postur bungkuk. Hasil pengujian menunjukkan bahwa model klasifikasi Random Forest mampu mengenali postur tubuh dengan akurasi sebesar 99,50% pada model. Selain itu, sistem wearable yang dikembangkan juga menunjukkan kinerja yang baik dalam mendeteksi perubahan postur tubuh pengguna saat berjalan dengan akurasi keseluruhan sebesar 100% dari 12 kali percobaan. Waktu komputasi yang dibutuhkan untuk memproses satu prediksi hanya sebesar 0,4447 milidetik. Sistem ini juga dilengkapi dengan peringatan berupa bunyi buzzer apabila postur bungkuk terdeteksi secara terus-menerus dalam periode tertentu. Dengan demikian, sistem ini berpotensi digunakan sebagai alat bantu untuk membentuk kebiasaan postur berjalan yang lebih ergonomis dan sehat.
Analisis Penggunaan Teknologi Ai Gemini Terhadap Kemampuan Kognitif Dan Perilaku Belajar Siswa Khususnya Keterampilan Problem Solving Berbasis Pembelajaran Problem Based Learning Di SMK Adiastuti, Lintang Eka; Hariyanti, Uun; Suharsono, Aswin
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 artikel ini akan diterbitkan di SIET 2025
Analisis Hubungan Antara Confirmation, System Quality, dan Information Quality Terhadap Continuance Intention Pengguna Alfagift Nanda Riska Dewi; Satrio Hadi Wijoyo; Admaja Dwi Herlambang
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan teknologi digital mendorong perusahaan ritel untuk mengembangkan platform e-commerce, termasuk PT. Sumber Alfaria Trijaya dengan aplikasi Alfagift. Meskipun banyak diunduh, tidak semua pengguna melanjutkan penggunaan secara berkelanjutan. Penelitian ini bertujuan menganalisis hubungan antara Confirmation, System Quality, dan Information Quality terhadap Continuance Intention pengguna Alfagift menggunakan Expectation-Confirmation Model (ECM) dan DeLone & McLean IS Success Model. Penelitian kuantitatif ini melibatkan 61 responden pengguna Alfagift dengan teknik purposive sampling. Data dikumpulkan melalui kuesioner online dan dianalisis menggunakan uji korelasi Pearson dengan SPSS. Hasil penelitian menunjukkan hanya System Quality yang memiliki hubungan signifikan terhadap Continuance Intention (r = 0.270, p < 0.05), sedangkan Confirmation (r = 0.184, p > 0.05) dan Information Quality (r = 0.157, p > 0.05) tidak menunjukkan hubungan signifikan. Temuan ini memberikan implikasi bahwa pengembang aplikasi perlu memprioritaskan peningkatan kualitas sistem untuk menjaga keberlanjutan penggunaan aplikasi.
Sistem Deteksi Kualitas Susu Menggunakan Metode Gray Level Co-occurrence Matrix dan Random Forest Simangunsong, Bryan Nicholas Josephin Hotlando; Utaminingrum, Fitri; Sari, Yuita Arum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penjaminan mutu susu merupakan aspek penting dalam rantai pasok produk susu, terutama untuk memastikan keamanan dan kualitas konsumsi. Namun, di tingkat peternak kecil, implementasinya masih menghadapi tantangan dalam konsistensi dan keterbatasan sumber daya. Metode Total Plate Count (TPC) yang umum digunakan membutuhkan waktu lama dan fasilitas khusus, sehingga tidak efisien untuk pemeriksaan cepat. Penelitian ini bertujuan mengembangkan sistem klasifikasi kualitas susu berbasis citra digital menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dan Random Forest, serta diimplementasikan pada Raspberry Pi 4, sebagai alternatif praktis terhadap metode TPC. GLCM digunakan untuk mengekstraksi lima fitur tekstur dari citra susu, sedangkan Random Forest melakukan klasifikasi ke dalam tiga kelas: Baik, Rusak, dan Rusak Berat. Hasil pengujian menunjukkan bahwa konfigurasi terbaik dicapai dengan 100 pohon keputusan, jarak GLCM 4 piksel, dan sudut 135°, menghasilkan akurasi validasi 84,65%. Pada pengujian akhir terhadap 75 sampel, sistem mencapai akurasi 86,66%, dengan akurasi 100% untuk kelas Baik, serta 80% untuk Rusak dan Rusak Berat. Sistem terbukti efisien dengan rata-rata waktu pelatihan 0,2835 detik dan klasifikasi 0,6651 detik. Hasil ini menunjukkan bahwa sistem mampu melakukan deteksi kualitas susu secara cepat dan akurat, serta berpotensi menjadi alternatif praktis dari metode konvensional.
Analisis Sentimen Ulasan Pengguna Aplikasi Mypertamina Pada Google Play Store Menggunakan Metode Xgboost dan Word2Vec Embedding Wardana, Dzaky Ahmadin Berkah; Muflikhah, Lailil; Perdana, Rizal Setya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dalam era digital, penggunaan aplikasi layanan publik semakin meningkat seiring dengan kebutuhan masyarakat akan kemudahan akses layanan. Salah satu contohnya adalah aplikasi MyPertamina, yang menjadi syarat utama pembelian BBM bersubsidi sejak Juli 2022. Kebijakan ini mendorong lonjakan jumlah pengguna dan tingginya volume ulasan di Google Play Store. Ulasan-ulasan tersebut mencerminkan berbagai persepsi masyarakat, baik berupa apresiasi maupun keluhan, yang dapat dimanfaatkan untuk mengevaluasi kualitas layanan secara lebih objektif. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi MyPertamina ke dalam tiga kategori, yaitu negatif, netral, dan positif, dengan mengombinasikan algoritma Extreme Gradient Boosting (XGBoost) dan metode representasi teks Word2Vec Embedding. Data dikumpulkan melalui teknik web scraping dan diproses melalui tahapan text preprocessing. Representasi kata dibentuk menggunakan dua pendekatan Word2Vec, yaitu CBOW dan Skip-gram, sebelum diklasifikasikan menggunakan XGBoost. Pengujian dilakukan dalam dua tahap, yaitu baseline dan setelah tuning hyperparameter menggunakan GridSearchCV. Hasil awal menunjukkan bahwa kedua pendekatan menghasilkan akurasi yang sama, yaitu 78%, dengan CBOW lebih baik dalam mengenali sentimen positif dan Skip-gram lebih baik dalam mengenali sentimen negatif dan netral. Setelah tuning, kombinasi Skip-gram dan XGBoost menghasilkan akurasi terbaik sebesar 83%, serta peningkatan nilai precision, recall, dan f1-score. Hasil ini menunjukkan bahwa pendekatan tersebut mampu mengidentifikasi sentimen pengguna secara efektif, dan dapat digunakan untuk mendukung evaluasi layanan publik.
Analisis Penerimaan Aplikasi Jogo Malang Presisi Menggunakan Model Unified Model of Electronic Government Adoption (UMEGA) Girsang, Elisabet Dahlia; Pradana , Fajar; Saputra , Mochamad Chandra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Polresta Malang Kota telah meluncurkan aplikasi Jogo Malang Presisi untuk mempermudah masyarakat dalam mengakses layanan publik atau kepolisian termasuk pelaporan kejadian darurat dan gangguan layanan publik. Meskipun menawarkan berbagai manfaat, tingkat adopsi aplikasinya masih tergolong rendah, yaitu hanya sekitar 1.54%. Oleh karena itu, penelitian dilakukan untuk mengidentifikasi berbagai faktor yang berkontribusi pada penerimaan aplikasi Jogo Malang Presisi. Penelitian ini memanfaatkan model Unified Model of E-government Adoption (UMEGA) yang dirancang khusus untuk mengkaji penerimaan layanan e-government. Data penelitian diperoleh melalui distribusi kuesioner yang diisi oleh 57 responden, lalu dianalisis dengan memanfaatkan teknik Partial Least Squares SEM (PLS-SEM) dan pendekatan Importance-Performance Analysis (IPA) guna menyusun rekomendasi yang relevan. Hasil temuan menekankan bahwa Effort Expectancy dan Social Influence menjadi faktor penting yang secara positif memengaruhi Attitude atau sikap masyarakat dalam menggunakan aplikasi Jogo Malang Presisi. Kemudian Behavioral Intention secara positif dipengaruhi oleh Attitude, Facilitating Conditions dan Trust in Government. Facilitating Conditions juga terbukti berdampak positif terhadap Effort Expectancy. Di sisi lain, baik Performance Expectancy dan Perceived Risk keduanya tidak memiliki pengaruh terhadap Attitude, begitu juga dengan Trust in Government terhadap Perceived Risk.
Penerapan Domain Generalization dengan Mixture Of Multiple Latent Domains untuk Mengatasi Domain Shifting Dalam Network Intrusion Detection System Malik, Dzaki Rafif; Perdana, Rizal Setya; Yahya, Widhi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Efektivitas network intrusion detection system (NIDS) secara konsisten menurun ketika model yang telah dilatih di satu lingkungan harus beroperasi di jaringan dengan karakteristik berbeda. Fenomena domain shift ini menyebabkan hilangnya kemampuan generalisasi sehingga celah keamanan baru muncul. Penelitian ini memperkenalkan kerangka domain generalization berbasis mixture of multiple latent domains (MoMLD) untuk menghasilkan NIDS yang adaptif tanpa mengakses data dari domain target. Dalam MoMLD, data sumber terlebih dahulu dikelompokkan menggunakan algoritma K-Means untuk menghasilkan label domain semu yang merepresentasikan struktur laten, kemudian label tersebut diintegrasikan ke dalam skema pelatihan adversarial dengan Gradient Reversal Layer agar jaringan mempelajari representasi fitur yang invarian antar-domain. Eksperimen pada tiga benchmark NIDS (ToN-IoT, UNSW-NB15, CIC-IDS2018) menunjukkan peningkatan F1-Score pada domain target dari 0,3529 menjadi 0,6798 (+92,7%) dan penurunan kesenjangan performa hingga 99,9%. Bahkan ketika baseline sudah tinggi, kesenjangan tetap berhasil ditekan lebih dari 61%. Analisis ablatif menegaskan bahwa pemilihan jumlah klaster yang sesuai sangat menentukan keberhasilan, sekaligus bertindak sebagai regularisasi yang mencegah overfitting terhadap domain sumber. Dengan overhead komputasi moderat, kerangka ini memberikan solusi praktis dan skalabel bagi penyebaran NIDS pada infrastruktur jaringan yang dinamis.
Penerapan Arsitektur Seq2Seq dan Bidirectional Long Short-Term Memory pada Sistem Tanya Jawab Fakultas Ilmu Komputer Universitas Brawijaya Sintiya, Karena; Fitra Abdurrachman Bachtiar; Budi Darma Setiawan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Di era digital, teknologi terus berkembang untuk mempermudah akses informasi dan layanan. Untuk mendukung hal ini, Fakultas Ilmu Komputer Universitas Brawijaya (FILKOM UB) mengimplementasikan helpdesk bernama HaloFilkom. HaloFilkom melayani pertanyaan dan keluhan dari komunitas akademik FILKOM. Namun, waktu operasional yang terbatas membuat pengguna harus menunggu untuk mendapat jawaban. Masalah ini diatasi dengan chatbot yang mampu berinteraksi secara online 24 jam, sehingga pengguna bisa mendapat jawaban dengan cepat. Chatbot dibuat menggunakan model Bidirectional Long Short-Term Memory (BiLSTM) agar dapat memahami konteks percakapan lebih akurat. Selain itu, word embedding juga digunakan untuk memahami hubungan makna antar kata. Dataset yang digunakan bersifat closed domain dan berisi pasangan pertanyaan dan jawaban terkait FILKOM. Proses implementasi meliputi studi literatur, eksplorasi data, persiapan dan pemrosesan data, embedding, perancangan model, eksperimen, dan evaluasi. Kombinasi hyperparameter terbaik yang dihasilkan dari hyperparameter tuning adalah hidden size 64, batch size 8, learning rate 0,001, epoch 30, dan dropout 0,3. Model terbaik adalah BiLSTM dengan arsitektur Seq2Seq dan embedding GloVe, dengan rata-rata validation loss 3,641. Model ini juga meraih BLEU Score tinggi dengan skor BLEU 1-gram 0,6373, BLEU 2-gram 0,5563, BLEU 3-gram 0,5153, dan BLEU 4-gram 0,4433 pada data latih. Pengujian prompt testing memperoleh skor rata-rata BLEU 0,3310. Kata kunci: chatbot, Seq2Seq, Bi-LSTM, word embedding, hyperparameter tuning
Analisis Perbandingan Metode Autoscaling Vertikal dan Horizontal Kubernetes untuk Aplikasi Inferensi Real-Time Streaming Nurdewanto, Abimanyu Danu; Yahya, Widhi; Basuki, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Peningkatan adopsi kecerdasan buatan (AI) menimbulkan tantangan signifikan pada aplikasi inferensi dengan karakter beban kerja real-time streaming. Fluktuasi beban kerja yang intens, ditambah dengan sifat inferensi model yang compute-intensive, menciptakan risiko overload yang dapat menurunkan kualitas layanan, padahal waktu respons rendah adalah suatu keharusan. Skalabilitas menjadi krusial untuk mempertahankan kualitas layanan saat fluktuasi beban kerja. Kubernetes menawarkan solusi melalui HorizontalPodAutoscaler (HPA) yang mengubah jumlah replika pod, dan VerticalPodAutoscaler (VPA) yang menyesuaikan alokasi sumber daya pod. Meskipun begitu, keunggulan dan kelemahan masing-masing saat diterapkan pada aplikasi inferensi real-time streaming masih belum banyak dianalisis. Penelitian ini bertujuan menganalisis perbandingan kinerja VPA dan HPA dengan model You Only Look Once (YOLO) sebagai representasi aplikasi inferensi real-time streaming. Penskalaan dipicu oleh metrik penggunaan CPU, dan kedua metode dievaluasi dari aspek waktu respons penskalaan serta dampaknya terhadap kualitas layanan—waktu respons dan kegagalan request. Hasil menunjukkan HPA lebih responsif dalam bereaksi terhadap perubahan beban dibandingkan VPA. Dalam hal kualitas layanan, HPA juga berhasil menangani seluruh permintaan tanpa adanya kegagalan dengan tetap menjaga rata-rata waktu respons yang lebih rendah pada beban puncak. Mekanisme pembuatan ulang pod pada VPA menyebabkan tingkat kegagalan request yang sangat tinggi dan memicu lonjakan waktu respons maksimum ekstrem akibat warming-up ulang model lebih lama.
Perbandingan Kinerja Algoritme RNN dan LSTM dalam Prediksi Harga Saham BBCA dengan Variasi Periode Data Widianti, Lovrisca Pritania; Ratnawati, Dian
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  artikel ini akan diterbitkan di SENTRIN

Page 642 of 685 | Total Record : 6850

 640   641   642   643   644 

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