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 6,923 Documents
 689   690   691   692   693 
Evaluasi Kualitas Aplikasi M-Paspor Dengan Quality in Use Effectiveness dan Satisfaction Berdasarkan Ulasan Pengguna Putra, Muhammad Ishadireza; Setiawan, Nanang Yudi; Saputra, Mochamad Chandra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 3 (2026): Maret 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Digitalisasi layanan publik mendorong pengembangan aplikasi M-Paspor sebagai sarana permohonan paspor secara daring di Indonesia. Namun, rendahnya rating dan banyaknya ulasan negatif pengguna di Google Play Store mengindikasikan adanya permasalahan pada kualitas penggunaan aplikasi tersebut. Penelitian ini bertujuan untuk mengevaluasi kualitas penggunaan aplikasi M-Paspor berdasarkan karakteristik Quality in Use, khususnya aspek Effectiveness dan Satisfaction, dengan memanfaatkan ulasan pengguna sebagai sumber data. Data yang digunakan berupa 3.193 ulasan berbahasa Indonesia yang dikumpulkan dari Google Play Store pada periode Maret 2024 hingga Maret 2025. Ulasan diproses melalui tahapan pembersihan data dan text preprocessing, kemudian dilakukan pelabelan aspek menggunakan pendekatan text similarity berbasis TF-IDF dan cosine similarity dengan acuan kamus Quality in Use. Pelabelan sentimen dilakukan menggunakan metode lexicon-based dengan InSet Lexicon, dan keandalan hasil pelabelan dievaluasi melalui validasi manual menggunakan confusion matrix. Hasil analisis menunjukkan bahwa mayoritas ulasan pengguna didominasi oleh sentimen negatif pada aspek Effectiveness dan Satisfaction. Pada aspek Effectiveness, sentimen negatif berkaitan dengan ketidakstabilan sistem dan kegagalan fungsi aplikasi, sedangkan pada aspek Satisfaction mencerminkan ketidakpuasan pengguna terhadap pengalaman penggunaan aplikasi secara keseluruhan. Temuan ini menunjukkan bahwa aplikasi M-Paspor belum sepenuhnya mendukung keberhasilan penyelesaian tugas dan kenyamanan penggunaan, serta dapat menjadi dasar evaluasi dan rekomendasi perbaikan konseptual layanan publik berbasis ulasan pengguna.
Analisis Sentimen Publik Terhadap Magang Berdampak 2025 di Platform X/Twitter Menggunakan Model Indobert Brigitta Mery Rosarie Eufra Nilapaksi; Tirana Noor Fatyanosa; Putra Pandu Adikara
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Media sosial menjadi sarana diskursus publik bagi masyarakat untuk menyampaikan pandangan terhadap berbagai kebijakan, termasuk pendidikan tinggi. Program Magang Berdampak 2025 sebagai kelanjutan kebijakan Merdeka Belajar Kampus Merdeka menimbulkan beragam respons di platform X, sehingga diperlukan analisis sentimen untuk memahami persepsi publik secara sistematis. Penelitian ini ditujukan dlam rangka menganalisis sentimen publik terhadap Program Magang Berdampak 2025 menggunakan model IndoBERT serta mengevaluasi pengaruh konfigurasi hyperparameter terhadap performa klasifikasi. Data penelitian berupa unggahan berbahasa Indonesia dari platform X yang dikelompokkan dalam klasifikasi sentimen positif, negatif, dan netral. Perolehan pengujian mengindikasikan, model terbaik diperoleh pada epoch ke-6 dengan konfigurasi learning rate 2e-5 dan batch size 32, menghasilkan accuracy 0,7481, precision 0,7720, recall 0,7481, dan f1-score 0,7562. Temuan analisis memperlihatkan dominasi sentimen netral, diikuti negatif dan positif, yang mengindikasikan diskursus bersifat informatif disertai kritik terhadap implementasi program. Temuan ini menegaskan pentingnya pemilihan hyperparameter serta tantangan analisis sentimen pada data media sosial yang tidak seimbang dan kontekstual
Topic Modeling dan Analisis Sentimen Ulasan Google Maps untukMendukung Daya Saing Taman Nasional di Pulau Jawa Arij, Zahrina; Sianturi, Riswan Septriayadi; Aryadita, Himawat
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 TEKNOSI
Klasifikasi Perilaku Mengemudi Sepeda Motor Berdasarkan Data Accelerometer Menggunakan Long Short-Term Memory Rifky Akhsanul Hadi; Budi Darma Setiawan; Fitra Abdurrachman Bachtiar
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 JTIIK
Implementasi dan Optimisasi DepthAnythingV2 Berbasis ONNX pada Aplikasi Mobile untuk Bantuan Navigasi Tunanetra Hashfi Firjatullah, Ilmam; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyandang tunanetra menghadapi tantangan dalam mobilitas mandiri akibat terbatasnya persepsi spasial terhadap lingkungan sekitar. Teknologi Monocular Depth Estimation (MDE) berbasis Deep Learning, khususnya model DepthAnythingV2, menawarkan solusi persepsi kedalaman yang akurat dan berpotensi melengkapi alat bantu konvensional. Penelitian ini berfokus pada implementasi dan optimisasi model DepthAnythingV2 menggunakan format ONNX (Open Neural Network Exchange) agar dapat beroperasi secara efisien pada smartphone Android. Metode optimisasi yang diterapkan meliputi konversi model ke format ONNX FP32 dan Dynamic INT8 Quantization untuk efisiensi komputasi pada perangkat dengan sumber daya terbatas. Evaluasi kinerja dilakukan menggunakan dataset standar KITTI dan NYU Depth V2, serta pengujian langsung pada perangkat Infinix Hot 20S. Hasil pengujian menunjukkan model Quantized INT8 mampu memberikan peningkatan kecepatan inferensi signifikan hingga 10,70x dibandingkan model asli PyTorch pada lingkungan CPU. Pada implementasi aplikasi mobile, sistem berhasil mengintegrasikan model untuk memberikan umpan balik navigasi berupa suara dan getaran adaptif secara fungsional. Kinerja aplikasi pada perangkat uji tercatat mencapai rata-rata 1 FPS dengan waktu inferensi sekitar 515 ms. Berdasarkan validasi jarak, sistem menunjukkan akurasi yang baik pada rentang 0-3 meter, dengan error 0.1 meter pada jarak dekat dan jauh, menjadikan aplikasi ini berfungsi efektif sebagai sistem pendeteksi rintangan dini untuk meningkatkan kewaspadaan pengguna terhadap lingkungan sekitar.
Analisis Perbandingan Performa RecyclerView dan LazyColumn dalam Menampilkan Koleksi Data pada Aplikasi Android Buana, Jordy Cahya; Kharisma, Agi Putra; Priyambadha, Bayu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dalam ekosistem pengembangan Android, efisiensi menampilkan daftar data (list) adalah aspek krusial. Saat ini terjadi transisi teknologi dari pendekatan imperatif (RecyclerView) menuju pendekatan deklaratif (Jetpack Compose LazyColumn). Penelitian ini bertujuan untuk membandingkan performa antara RecyclerView dan LazyColumn dalam menampilkan koleksi data. Pengujian dilakukan menggunakan Macrobenchmark dan Android Profiler pada tiga skenario kompleksitas tampilan (Simple, Medium, Complex) dengan dataset 500 item. Parameter yang diuji meliputi waktu startup, performa scrolling (waktu render), penggunaan memori, penggunaan CPU, dan jumlah baris kode (SLOC). Hasil penelitian menunjukkan bahwa RecyclerView lebih unggul dalam efisiensi sumber daya saat aktivitas scrolling, dengan penggunaan CPU rata-rata ~25% berbanding ~45% pada LazyColumn, serta penggunaan memori yang lebih rendah (~143 MB vs ~156 MB). Dari sisi stabilitas render, RecyclerView mencatat durasi frame rata-rata 4 ms (tanpa jank), sedangkan LazyColumn mencapai 29 ms. Namun, pada skenario startup dengan kompleksitas menengah, LazyColumn mampu menyamai performa RecyclerView. Penelitian menyimpulkan bahwa RecyclerView tetap menjadi pilihan terbaik untuk performa tinggi dan efisiensi baterai pada daftar data yang kompleks.  
Studi Metode Agregasi FedProx dan FedCluster pada sistem Federated Learning untuk Data EKG Non-IID Dananjaya, Made Narayan; Sakti Pramukantoro, Eko; Ali Fauzi, Muhammad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penerapan Deep Learning untuk diagnosis otomatis aritmia jantung menghadapi kendala fundamental terkait privasi data pasien dan isolasi data medis antar-institusi (data silos). Federated Learning (FL) menawarkan solusi arsitektur yang memungkinkan pelatihan model secara kolaboratif tanpa pertukaran data mentah. Namun, tantangan utama muncul akibat heterogenitas data (Non-Independent and Identically Distributed/Non-IID) dan ketidakseimbangan kelas ekstrem pada sinyal Elektrokardiogram (EKG), yang sering kali menyebabkan degradasi kinerja model global. Penelitian ini bertujuan mengevaluasi efektivitas strategi agregasi FedProx dan FedCluster dalam menangani data EKG Non-IID yang diintervensi dengan teknik Local Random Over Sampling (ROS). Metodologi melibatkan simulasi FL pada sepuluh klien menggunakan arsitektur 1D-CNN dengan dataset gabungan MIT-BIH dan PTB-XL yang didistribusikan menggunakan partisi Dirichlet (α = 0,5). Hasil eksperimen menunjukkan bahwa FedCluster mengalami overfitting akibat amplifikasi derau statistik dari ROS (akurasi uji ~54%), sedangkan FedProx menunjukkan stabilitas superior (akurasi uji 66,21%) dengan kemampuan memulihkan sensitivitas deteksi penyakit langka Hypertrophy hingga 28,49%. Penelitian ini menyimpulkan bahwa integrasi FedProx dengan ROS merupakan pendekatan yang paling layak untuk menyeimbangkan privasi dan keselamatan pasien.
Pengembangan Sistem Informasi Berbasis Web Pada Koperasi Simpan Pinjam Danesa Dengan Framework Laravel Hatane, Julian; Tibyani; Purnomo, Welly
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Transformasi digital dalam pengelolaan koperasi diperlukan untuk meningkatkan efisiensi dan keakuratan data. Koperasi Simpan Pinjam (KSP) Danesa masih menggunakan pencatatan manual yang berpotensi menimbulkan kesalahan, keterlambatan informasi, dan risiko kehilangan data. Penelitian ini bertujuan mengembangkan sistem informasi koperasi berbasis web untuk mendukung pengelolaan administrasi dan keuangan secara terintegrasi. Sistem dikembangkan menggunakan metode Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, dan pengujian. Perancangan sistem dilakukan dengan pemodelan UML dan diimplementasikan menggunakan framework Laravel dengan arsitektur MVC serta basis data MySQL. Hasil penelitian menunjukkan bahwa sistem mampu mengelola data anggota, simpanan, pinjaman, angsuran, investasi, dan SHU secara terstruktur. Pengujian Black Box menunjukkan seluruh fitur berjalan sesuai kebutuhan. Implementasi sistem meningkatkan efisiensi operasional dan transparansi informasi bagi pengurus dan anggota KSP Danesa.
Evaluasi Kesuksesan Platform E-Learning Dibimbing Learning Center Menggunakan Model DeLone dan McLean Abdurrahman, Ikzaaz Bakhtar; Wijoyo, Satrio Hadi; Aryadita, Himawat
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Seiring meningkatnya pemanfaatan layanan e-learning, Dibimbing Learning Center perlu memastikan platform yang digunakan mampu memberikan pengalaman belajar yang efektif serta manfaat yang nyata bagi pengguna. Penelitian ini mengevaluasi kesuksesan platform e-learning Dibimbing Learning Center menggunakan model kesuksesan sistem informasi DeLone dan McLean. Data dikumpulkan melalui survei daring terhadap 170 pengguna aktif pada periode 25 Oktober–03 November 2025. Variabel yang dianalisis meliputi Kualitas Informasi (KI), Kualitas Sistem (KS), Kualitas Layanan (KL), Penggunaan (P), Kepuasan Pengguna (KP), dan Manfaat Bersih (MB). Instrumen (18 indikator, skala Likert) memenuhi uji validitas dan reliabilitas, serta data memenuhi asumsi normalitas. Hasil regresi menunjukkan KI, KS, dan KL berpengaruh positif terhadap P (B=0,117; 0,176; 0,198; Sig≤0,007) dan terhadap KP (B=0,114; 0,336; 0,256; Sig≤0,003). Selanjutnya, P (B=0,448; Sig<0,001) dan KP (B=0,347; Sig<0,001) berpengaruh positif terhadap MB. Hal ini menunjukkan bahwa peningkatan kualitas platform mendorong intensitas penggunaan dan kepuasan pengguna yang pada akhirnya meningkatkan manfaat pembelajaran yang dirasakan. Oleh karena itu, perbaikan layanan perlu diprioritaskan pada respons dukungan (KL) dan performa teknis platform (KS), serta penguatan kejelasan informasi pembelajaran (KI) sebagai bagian dari peningkatan berkelanjutan.
Evaluasi Kinerja Mikrokontroler Low-Power dalam Penerapan Convolutional Neural Network untuk Kendali Lengan Prostetik Bionik Vebrianto, Yudaneru; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyandang disabilitas dengan keterbatasan fungsi tangan memerlukan perangkat bantu untuk mendukung aktivitas sehari-hari secara mandiri, salah satunya melalui pengembangan lengan prostetik bionik berbasis sinyal electromyography (EMG). Di Indonesia, prevalensi penyandang disabilitas mencapai sekitar 1,43% dari populasi, dengan 1,17% mengalami gangguan fungsi jari dan tangan, sehingga diperlukan sistem prostetik yang efektif dan adaptif. Sistem kendali prostetik konvensional umumnya masih menghasilkan gerakan yang terbatas dan bersifat statis, sehingga belum mampu merepresentasikan gerakan tangan manusia secara kompleks. Perkembangan metode machine learning, khususnya Convolutional Neural Network (CNN), memungkinkan peningkatan kemampuan kendali, namun implementasinya pada perangkat tertanam menghadapi keterbatasan sumber daya berupa konsumsi daya, waktu komputasi, dan penggunaan memori. Penelitian ini bertujuan mengevaluasi kinerja tiga mikrokontroler low-power, yaitu ESP32-S3, ESP32-S2, dan Arduino Nano 33 BLE Sense, dalam mengimplementasikan model CNN terkuantisasi INT8 untuk sistem kendali lengan prostetik bionik berbasis EMG. Sinyal EMG diperoleh menggunakan sensor OYMotion gForce200 dan diekstraksi menjadi fitur Waveform Length (WL), Mean Absolute Value (MAV), Root Mean Square (RMS), dan Amplitude of the First Burst (AFB). Evaluasi dilakukan berdasarkan konsumsi daya, waktu komputasi, dan penggunaan memori. Hasil pengujian menunjukkan bahwa Arduino Nano 33 BLE Sense memiliki konsumsi daya terendah sebesar 5,07 Wh pada pengujian satu jam, waktu komputasi tercepat sebesar 41 ms dan penggunaan memori (ROM) sebesar 385 KB, sehingga menjadi platform paling efisien.

Page 692 of 693 | Total Record : 6923

 689   690   691   692   693 

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 4 (2026): April 2026 Vol 10 No 3 (2026): Maret 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