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
 679   680   681   682   683 
Implementasi EfficientNetB2 untuk Sistem Sortir Otomatis Buah Jeruk Keprok Berbasis Raspberry Pi 4B Meryandha, Afra Naima; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Jeruk keprok merupakan salah satu komoditas hortikultura unggulan di Indonesia dengan nilai ekonomi yang tinggi dan permintaan pasar yang terus meningkat. Data Direktorat Jenderal Hortikultura tahun 2024 menunjukkan bahwa produksi jeruk siam atau keprok pada tahun 2023 mencapai 2,83 juta ton atau sekitar 9,8 persen dari total produksi buah nasional. Kualitas jeruk keprok tentunya memengaruhi harga jual dan kepercayaan konsumen. Namun, proses sortasi di lapangan masih dilakukan secara manual melalui pengamatan visual petani. Metode ini bergantung pada subjektivitas dan perbedaan persepsi setiap individu, sehingga hasil sortir sering tidak konsisten. Penelitian ini bertujuan mengembangkan sistem sortir otomatis buah jeruk keprok berdasarkan tingkat kualitas dengan empat kelas, yaitu Grade Super, Grade A, Grade B, dan Defect menggunakan EfficientNetB2 berbasis Raspberry Pi 4B. Sistem diintegrasikan dengan perangkat keras berupa webcam sebagai input citra serta motor servo dan stepper motor sebagai aktuator untuk proses sortir fisik. Hasil pengujian menunjukkan bahwa model EfficientNetB2 memiliki performa klasifikasi dengan nilai macro average accuracy 98,2%, macro average precision 95,2%, macro average recall 96,4%, dan macro average F1-score 95,6%. Pengujian integrasi sistem menghasilkan rata-rata akurasi 80%, dengan keterbatasan pada kelas yang memiliki kemiripan fitur visual. Rata-rata waktu inferensi adalah 0,7639 detik per objek dengan waktu total sistem 8,2648 detik.
Penyelarasan Large Language Model terhadap Respon Tidak Etis menggunakan Reinforcement Learning from Human Feedback (RLHF) Hilmi, Fadhilah; Fatyanosa, Tirana Noor; Siagian, Al Hafiz Akbar Maulana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

LLM atau Large Language Model telah menunjukkan kemampuan luar biasa dalam berbagai tugas pemrosesan bahasa alami, namun masih menghadapi tantangan terkait aspek etika dan keamanan output yang dihasilkan. Supervised Fine-Tuning yang umum digunakan untuk mengatasi masalah ini memiliki keterbatasan dalam hal fleksibilitas dan kemampuan generalisasi terhadap konteks baru. Oleh karena itu penelitian ini bertujuan mengimplementasikan metode Reinforcement Learning from Human Feedback untuk meningkatkan keselarasan model bahasa besar berbahasa Indonesia dengan preferensi dan nilai-nilai manusia. Implementasi RLHF dilakukan melalui tiga tahap: Supervised Fine-Tuning (SFT), pelatihan Reward Model, dan optimasi kebijakan menggunakan Proximal Policy Optimization (PPO). Hasil evaluasi menunjukkan bahwa Reward Model mencapai Pairwise Accuracy 0,80 dan Kendall’s Tau 0,60 dengan kemampuan generalisasi yang baik tanpa mengalami overfitting. Model hasil pelatihan PPO mencapai nilai Harmlessness 0,75 dengan Refusal Rate 0%, mengindikasikan bahwa model tidak lagi memberikan penolakan eksplisit seperti pada penelitian sebelumnya. Respon penolakan tersebut diganti dengan respons yang informatif, kontekstual, dan mengarahkan pengguna pada alternatif yang etis dan aman. Visualisasi SHAP mengonfirmasi perubahan karakteristik respons dari penolakan eksplisit dengan token seperti "tidak dapat menjawab" menjadi arahan informatif dengan token seperti "alternatif" dan "platform legal". Perbandingan dengan model baseline menunjukkan bahwa model hasil RLHF mampu menghasilkan respons dengan nilai Reward yang lebih tinggi pada sebagian besar skenario evaluasi. Meskipun demikian, model masih menunjukkan kelemahan dalam beberapa kasus, khususnya dalam menolak permintaan terkait informasi pribadi yang sensitif. Secara keseluruhan, implementasi RLHF berhasil meningkatkan keselarasan model dengan nilai-nilai keamanan dan kebermanfaatan tanpa mengorbankan kualitas interaksi yang konstruktif.
Analisis Sentimen Layanan PT Kereta Api Indonesia pada Twitter Menggunakan Fine-Tuned IndoBERTweet Zaki, Ahmad; Muflikhah, Lailil; Fatyanosa, Tirana Noor
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan layanan digital pada sektor transportasi publik mendorong meningkatnya interaksi pengguna melalui media sosial, khususnya Twitter. Umpan balik pengguna dalam bentuk opini dan keluhan menjadi sumber informasi penting untuk mengevaluasi kualitas layanan, namun volume data yang besar dan bersifat tidak terstruktur menyulitkan analisis secara manual. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap layanan PT Kereta Api Indonesia berdasarkan tweet berbahasa Indonesia menggunakan model fine-tuned IndoBERTweet. Penelitian ini menggunakan pendekatan studi kasus dengan data tweet berbahasa Indonesia yang dikumpulkan melalui proses crawling dan dilabeli ke dalam tiga kelas sentimen, yaitu positif, netral, dan negatif. Model IndoBERTweet dilatih dan dievaluasi pada beberapa skenario preprocessing, meliputi baseline tanpa stopword removal dan stemming, penerapan stopword removal, stemming, serta kombinasi keduanya. Selain itu, dilakukan analisis terhadap pengaruh ketidakseimbangan distribusi data melalui penerapan beberapa teknik penanganan data tidak seimbang, yaitu random oversampling, class weighting, text augmentation, dan random undersampling, yang diterapkan pada skenario dengan performa terbaik. Evaluasi kinerja model dilakukan menggunakan metrik accuracy, precision, recall, macro F1-score, dan confusion matrix. Hasil eksperimen menunjukkan bahwa skenario baseline tanpa stopword removal dan stemming memberikan performa terbaik dengan nilai macro F1-score sebesar 0.7702 dan akurasi 0.8333. Penerapan preprocessing tambahan tidak memberikan peningkatan kinerja yang signifikan dan cenderung menurunkan performa, khususnya pada kelas minoritas. Teknik penanganan data tidak seimbang mampu meningkatkan sensitivitas terhadap kelas positif, namun belum melampaui performa baseline secara keseluruhan. Temuan ini menunjukkan bahwa pendekatan preprocessing minimal dengan perhatian terhadap distribusi data lebih sesuai untuk analisis sentimen berbasis IndoBERTweet pada data Twitter.
Prediksi Harga Saham Menggunakan Pendekatan Llm Hibridasi Lag-Llama Dan Raf Adhiyasa, Yanuar
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pasar saham modern ditandai oleh volatilitas tinggi dan pola nonlinier yang kompleks, sehingga memerlukan metode peramalan probabilistik yang andal untuk mendukung pengambilan keputusan investasi. Model Deep Learning (DL) tradisional mampu mencapai akurasi tinggi, namun sering kali memiliki keterbatasan dalam kemampuan generalisasi zero-shot pada data pasar yang belum pernah dilihat sebelumnya. Oleh karena itu, penelitian ini mengusulkan pendekatan hibrida yang mengombinasikan Time Series Foundation Model (TSFM) Lag-Llama dengan kerangka kerja Retrieval-Augmented Forecasting (RAF). Secara empiris, Lag-Llama menunjukkan kemampuan generalisasi zero-shot yang kuat dalam berbagai domain. Namun, pada data pasar saham spesifik—seperti Bursa Efek Indonesia—pendekatan berbasis optimisasi parameter sering kali menghadapi trade-off antara peningkatan akurasi deterministik (Mean Squared Error) dan penurunan kualitas kalibrasi probabilistik (Continuous Ranked Probability Score). Dalam konteks ini, RAF berperan sebagai memori eksternal yang secara eksplisit mengambil segmen historis paling relevan untuk memperkaya konteks prediksi, tanpa melakukan pembaruan bobot model. Pendekatan ini memungkinkan pemanfaatan informasi historis di luar batasan context window Lag-Llama. Penelitian ini bertujuan untuk mengevaluasi efektivitas kombinasi Lag-Llama–RAF dalam mempertahankan akurasi prediksi sekaligus menstabilkan nilai CRPS melalui penyuntikan konteks historis yang terkalibrasi. Hasil penelitian diharapkan menunjukkan peningkatan reliabilitas prediksi deret waktu finansial.
Prediksi Software Defect Menggunakan Random Forest Pada Dataset Nasa Sdp Dengan Interpretasi Fitur Berbasis Shap Wiliska, Dea Naila
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Software defect merupakan permasalahan penting dalam pengembangan perangkat lunak karena dapat menurunkan kualitas sistem dan meningkatkan biaya pemeliharaan. Penelitian ini menerapkan model Random Forest untuk memprediksi software defect serta mengidentifikasi fitur yang paling berpengaruh terhadap hasil prediksi. Dataset yang digunakan adalah NASA Software Defect Prediction (SDP) dengan tahapan pra-pemrosesan data, penanganan ketidakseimbangan kelas menggunakan Synthetic Minority Over-sampling Technique (SMOTE), serta seleksi fitur menggunakan Recursive Feature Elimination (RFE). Kinerja model dianalisis menggunakan Stratified 10-Fold Cross-Validation berdasarkan metrik Accuracy, Precision, Recall, F1-Score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa model Random Forest memiliki kinerja yang stabil dengan nilai Accuracy sebesar 0,8001 dan ROC-AUC sebesar 0,7948. Interpretasi model menggunakan SHapley Additive Explanations (SHAP) menunjukkan bahwa metrik berbasis Halstead dan ukuran kode merupakan faktor yang paling dominan dalam memengaruhi prediksi software defect.
Sistem Kendali Jarak Jauh Fiber Optic Change Over Berbasis Mikrokontroler ESP32 Fanani, Aulia Putri; Putri, Rekyan Regasari Mardi; Budi, Agung Setia
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dalam bidang jaringan fiber optik dan telekomunikasi, keandalan infrastruktur jaringan menjadi salah satu yang perlu diperhatikan secara khusus. Penyebab gangguan jaringan dianalisis dengan mempertimbangkan banyak faktor mulai dari kerusakan fisik, masalah dalam penyambungan hingga faktor lingkungan sekitarnya. Dalam operasional jaringan, redundansi sangat penting untuk menjaga pelayanan tetap berjalan meskipun terjadi gangguan pada jalur utama. Redundansi ini biasanya diwujudkan melalui penggunaan jalur backup yang dapat diaktifkan saat jalur utama mengalami kerusakan. Ketika terjadi gangguan pada jalur utama, diperlukan sistem change over untuk mengalihkan jalur utama ke jalur cadangan. Proses change over yang kerap kali dilakukan secara manual menyebabkan waktu pemulihan layanan bisa memakan waktu lama dan berdampak pada kualitas layanan. Penelitian ini memanfaatkan konsep IoT dengan konfigurasi web server dengan ESP32 sehingga setiap perangkat dan komponen dapat saling terhubung bertukar data informasi yang diperlukan tanpa memerlukan campur tangan manusia. Pendekatan ini sangat relevan dengan kebutuhan sistem untuk pengendalian jarak jauh yang memungkinkan pengguna mengatur perangkat yang berjauhan sehingga memungkinkan pengguna dapat merespon kondisi dengan cepat. Sistem yang dikembangkan ini diharapkan dapat mengurangi waktu respon terhadap gangguan jaringan sehingga dapat meningkatkan efisiensi dan mencegah kerugian finansial maupun operasional lebih lanjut.
Pengembangan Sistem Informasi Manajemen Kos Berbasis Web (Studi Kasus: Kos Putri Landungsari F40-A) FAJAR PRATAMA PUTRA, SATRIA
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Usaha Kos Landungsari F40-A merupakan salah satu usaha kos yang masih menerapkan proses pengelolaan secara manual, mulai dari promosi, pendataan penghuni, pencatatan pembayaran, hingga pelaporan keluhan fasilitas. Kondisi tersebut menimbulkan berbagai permasalahan, seperti data yang tidak terkelola dengan baik, potensi kesalahan pencatatan, keterlambatan pembayaran, serta kesulitan calon penghuni dalam memperoleh informasi kos secara lengkap. Selain itu, keterbatasan waktu dan lokasi pemilik kos menyebabkan proses komunikasi dengan penghuni menjadi kurang efektif. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem informasi manajemen kos berbasis website yang mampu meningkatkan efisiensi pengelolaan data, kemudahan akses informasi, serta fleksibilitas pembayaran dan komunikasi. Penelitian ini menggunakan metode pengembangan perangkat lunak dengan pendekatan Waterfall (System Development Life Cycle) yang meliputi tahapan identifikasi masalah, rekayasa kebutuhan, perancangan, implementasi, dan pengujian. Sistem dikembangkan menggunakan framework Laravel dengan basis data MySQL. Hasil rekayasa kebutuhan menghasilkan 38 kebutuhan fungsional dan 1 kebutuhan nonfungsional yang dimodelkan dalam 50 use case scenario dengan melibatkan tiga aktor sistem. Tahap perancangan menghasilkan sembilan class controller, enam class model, enam tabel basis data, serta 24 halaman antarmuka sistem.Pengujian sistem dilakukan menggunakan basis path testing untuk pengujian unit dan use case testing untuk pengujian validasi. Dari 103 kasus uji yang dilakukan, diperoleh 103 kasus uji valid, sehingga tingkat keberhasilan implementasi kebutuhan sistem mencapai 100%. Namun, hasil pengujian compatibility menunjukkan masih terdapat permasalahan keamanan dan kompatibilitas pada beberapa browser, khususnya terkait penggunaan protokol HTTP pada kolom password. Secara keseluruhan, sistem informasi manajemen kos yang dikembangkan telah mampu memenuhi kebutuhan pengelolaan kos Landungsari F40-A, meskipun masih diperlukan peningkatan pada aspek keamanan dan kompatibilitas. 
Implementasi Multi-Goal Conflict-Based Search Untuk Multi-Agent Path Finding Pada Lingkungan Gudang Logistik Bimasakti, Abraar; Setia Budi, Agung
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

naskah ini akan diterbitkan di jurnal: Recent Innovations in Mechatronics
Implementasi Lightweight 1D-CNN berbasis Spatio-Temporal Feature Set pada ESP32-S3 untuk Pengenalan Gesture Tangan Prostetik Trido, Pradytia; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kehilangan anggota tubuh, khususnya tangan, dapat menurunkan kemandirian dan kualitas hidup penyandang disabilitas. Di Indonesia tercatat sekitar 22,97 juta jiwa penyandang disabilitas (8,5% penduduk), sehingga dibutuhkan teknologi lengan prostetik bionik yang nyaman dan mudah dikendalikan. Salah satu pendekatan yang banyak digunakan adalah pemanfaatan sinyal surface electromyography (sEMG) sebagai masukan untuk mengenali gesture tangan, namun penelitian sebelumnya dengan ekstraksi fitur konvensional dan model CNN berukuran besar masih menghadapi keterbatasan akurasi real-time dan beban komputasi yang tinggi. Penelitian ini mengusulkan sistem pengenalan gesture tangan berbasis Spatio-Temporal Feature Set (STFS) dan lightweight satu dimensi Convolutional Neural Network (1-D CNN) yang diimplementasikan pada mikrokontroler ESP32-S3 untuk mengendalikan lengan prostetik bionik. Data sEMG delapan kanal direkam menggunakan gelang OyMotion gForce200 dari lima subjek untuk sepuluh gesture tangan, kemudian diproses melalui windowing, full-wave rectification, moving RMS, ekstraksi fitur STFS, dan normalisasi sebelum digunakan untuk melatih model lightweight 1-D CNN. Model terbaik dikonversi ke bentuk int8 dan dijalankan menggunakan TensorFlow Lite Micro pada ESP32-S3 untuk menggerakkan lima servo jari lengan prostetik. Hasil pengujian menunjukkan bahwa keluaran tegangan sensor yang diperoleh dari konversi ADC 8-bit berada pada rentang 0–3,3 V sehingga sesuai dengan spesifikasi modul gForceJoint, sedangkan sistem klasifikasi menghasilkan rata-rata akurasi sebesar 84% pada lima subjek. Rata-rata waktu komputasi inferensi sekitar 58,4 ms per window dengan penggunaan flash memory 581.737 byte, SRAM 38.464 byte, dan sisa memori heap dinamis sekitar 353.116 byte. Dengan demikian, kombinasi STFS dan lightweight 1-D CNN dinilai layak untuk diimplementasikan pada mikrokontroler berdaya rendah sebagai sistem pengenalan gesture lengan prostetik bionik secara mendekati real-time, meskipun masih terdapat keterbatasan dalam membedakan gesture dengan pola aktivasi otot yang sangat mirip.
Sistem Pendeteksi Tingkat Stadium Katarak Menggunakan Metode Convolutional Neural Network (CNN) dengan Raspberry PI 4 amiruddin, muhammad dzaky; Putri, Rekyan Regasari Mardi; Setiawan, Eko
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Katarak adalah penyebab utama kebutaan di seluruh dunia, khususnya katarak senilis ketika kondisi mata mengalami kekeruhan yang terjadi seiring bertambahnya usia. Deteksi dini sangat penting dalam mencegah kebutaan permanen. Akses terbatas terhadap tenaga medis dan peralatan yang mahal merupakan kendala yang dapat menghambat pemeriksaan dini di daerah terpencil. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksi tingkat stadium katarak menggunakan metode Convolutional Neural Network (CNN), yang diimplementasikan pada perangkat Raspberry Pi 4 sebagai solusi komputasi mini yang efisien dan terjangkau. Sistem ini beroperasi dengan mengambil gambar mata menggunakan kamera USB, melakukan pre-processing, dan mengekstraksi fitur melalui arsitektur CNN untuk mengklasifikasikan tingkat stadium katarak, terutama pada stadium imatur dan matur. Model CNN dilatih menggunakan data yang sudah di augmentasi menggunakan Google Colab dan Roboflow untuk meningkatkan kemampuan generalisasi, kemudian dioptimalkan agar dapatberjalan secara real-time di perangkatedge computing. Hasil penelitian menunjukkanbahwapenerapanmetodeCNNpada RaspberryPi4dapatmencapai akurasi hingga 85,00% dengan waktu komputasi rata-rata 0,0423 detik per citra. Pengujian menemumakan bahwa variasi jarak pengambilan citra dan penggunaan kacamata dapat mempengaruhi akurasi dan kinerja sistem. Namun, dengan keunggulan berupa portabilitas dan kemampuan beroperasi secara offline, sistem ini berpotensi menjadisolusi deteksi dinikatarak yang efektif khususnya di wilayah dengan keterbatasan sarana layanan kesehatan guna mengurangi angka kebutaan.

Page 681 of 685 | Total Record : 6850

 679   680   681   682   683 

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