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 7,163 Documents
 710   711   712   713   714 
Sistem Deteksi Pola Berkendara Agresif pada Sepeda Motor Berbasis Sensor Inersia dan Support Vector Machine Maulana, Ahmad Fajar; Setiawan, Eko
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perilaku berkendara agresif seperti akselerasi mendadak, pengereman keras, dan perubahan arah ekstrem merupakan salah satu faktor yang meningkatkan risiko kecelakaan sepeda motor. Penelitian ini bertujuan mengembangkan sistem deteksi perilaku berkendara agresif berbasis sensor inersia dan algoritma Support Vector Machine (SVM) yang dapat diimplementasikan pada perangkat embedded system. Data diperoleh dari sensor akselerometer dan giroskop, kemudian melalui tahapan preprocessing, ekstraksi fitur statistik, normalisasi, dan reduksi dimensi menggunakan Principal Component Analysis (PCA). Algoritma SVM dipilih karena memiliki kemampuan klasifikasi yang baik serta kebutuhan komputasi yang relatif rendah sehingga sesuai untuk mikrokontroler ESP32. Model yang telah dilatih dikonversi dan diimplementasikan pada ESP32 untuk melakukan klasifikasi perilaku berkendara. Hasil pengujian model menggunakan Google Colab menunjukkan akurasi sebesar 93,33% dengan nilai F1-score sebesar 0,93. Pengujian implementasi pada sepeda motor menghasilkan akurasi klasifikasi sebesar 70%. Selain itu, waktu komputasi yang dibutuhkan untuk satu proses klasifikasi kurang dari 3 ms. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mendeteksi perilaku berkendara agresif dan memiliki kinerja yang cukup baik untuk diterapkan pada perangkat embedded system sebagai pendukung keselamatan berkendara.
Evaluasi Aspek Learnability Antarmuka Aplikasi Komunitas Olahraga Menggunakan Cognitive Walkthrough: Studi Kasus Reclub dan Playtomic Nur, M Bintang; Hanggara, Buce Trias; Afrianto, Tri
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Transformasi digital pada komunitas olahraga mendorong munculnya aplikasi seperti Reclub dan Playtomic untuk mendukung penjadwalan, pencarian partner, dan pengelolaan aktivitas. Namun demikian, adopsi kedua aplikasi ini kerap terhambat oleh rendahnya learnability, yaitu kemudahan pengguna baru mempelajari sistem, yang berpotensi menyebabkan user abandonment. Penelitian ini bertujuan mengevaluasi dan membandingkan tingkat learnability antarmuka Reclub dan Playtomic serta merumuskan rekomendasi perbaikan desain. Evaluasi dilakukan menggunakan metode Cognitive Walkthrough (CW) yang melibatkan 30 evaluator sebagai proxy pengguna baru. Sepuluh skenario tugas disusun berdasarkan fitur inti komunitas olahraga, masing-masing diberi bobot task importance, dan hasilnya dianalisis secara kualitatif berdasarkan problem type dan tingkat keparahan. Hasil menunjukkan Playtomic unggul pada tahap awal penggunaan berkat desain minimalis dan pola global, namun lemah pada lokalisasi metode pembayaran. Sebaliknya, Reclub lebih familiar bagi konteks lokal namun terkendala ambiguitas istilah dan antarmuka yang padat. Hambatan kritis penyebab abandonment teridentifikasi pada ketiadaan payment gateway terintegrasi di Reclub dan keterbatasan metode pembayaran di Playtomic. Penelitian ini menghasilkan usulan desain perbaikan bagi pengembang kedua aplikasi guna meningkatkan learnability dan mengurangi potensi pengabaian pengguna. 
Analisis Kinerja Akselerasi Perangkat Keras Untuk Inferensi Pose Estimation Pada Aplikasi Kebugaran Android Ardana, Arvan Yudhistia; Al Huda, Fais; Yudistira, Novanto
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pertumbuhan aplikasi kebugaran berbasis kecerdasan buatan pada perangkat mobile meningkatkan kebutuhan sistem pose estimation yang efisien pada perangkat Android dengan sumber daya terbatas. Penelitian ini menganalisis pengaruh konfigurasi delegate TensorFlow Lite terhadap kinerja inferensi pose estimation serta menentukan konfigurasi model dan delegate dengan keseimbangan terbaik antara kecepatan, efisiensi sumber daya, dan ketepatan penghitungan repetisi. Penelitian menggunakan desain eksperimen faktorial penuh 3×2×2 dengan faktor delegate, model, dan jenis latihan. Konfigurasi yang diuji meliputi CPU Baseline, XNNPACK, dan GPU Delegate pada model MoveNet Lightning FP16 dan BlazePose Lite FP16. Pengujian dilakukan pada Samsung Galaxy A06 dan Samsung Galaxy A33 5G menggunakan pendekatan controlled video replay untuk gerakan squat dan push-up, dengan total 240 sesi pengujian. Metrik yang dianalisis meliputi latensi inferensi, FPS pipeline aplikasi, utilisasi CPU, penggunaan memori, dan akurasi repetisi. Hasil menunjukkan bahwa delegate menjadi faktor utama yang memengaruhi performa inferensi. GPU Delegate menghasilkan latensi terendah dan menurunkan utilisasi CPU pada kedua perangkat. Namun, konfigurasi optimal tidak bersifat universal. XNNPACK menunjukkan anomali pada Galaxy A06, tetapi menjadi alternatif kompetitif pada Galaxy A33 5G. Sistem mencapai akurasi repetisi rata-rata 99,4% pada A06 dan 98,3% pada A33. Temuan ini menunjukkan bahwa pemilihan delegate perlu dievaluasi secara empiris pada perangkat target.
Perbandingan Metode Optimasi Hyperparameter Pada Model XGBoost Untuk Prediksi Nilai Magnitudo Gempa Bumi Di Indonesia Berbasis Data Time-Series Alif Hidayatullah, Akmal Nur; Hadi Wijoyo, Satrio; Purnomo, Welly
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Optimasi hyperparameter merupakan salah satu tahapan penting dalam meningkatkan performa model machine learning, khususnya pada pemodelan data gempa bumi yang memiliki pola kompleks dan bersifat time series. Penelitian ini bertujuan untuk menganalisis penerapan metode Grid Search, Random Search, dan Bayesian Optimization dalam optimasi hyperparameter model Extreme Gradient Boosting (XGBoost), serta membandingkan pengaruhnya terhadap performa model berdasarkan metrik Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan koefisien determinasi (R²). Penelitian dilakukan menggunakan data historis gempa bumi Indonesia yang diperoleh dari katalog BMKG periode 2018–2024. Sebelum proses pemodelan, dilakukan penyetaraan nilai magnitudo ke dalam skala Moment Magnitude (Mw) untuk memperoleh target yang konsisten, kemudian optimasi hyperparameter dilakukan melalui eksperimen komputasional dengan menerapkan TimeSeriesSplit sebagai metode validasi silang guna mempertahankan urutan kronologis data. Hasil penelitian menunjukkan bahwa Random Search menghasilkan performa terbaik dengan nilai RMSE sebesar 0,600102 dan R² sebesar 0,209975, diikuti oleh Bayesian Optimization dengan RMSE sebesar 0,600226 dan R² sebesar 0,209648, sedangkan Grid Search memperoleh performa yang sedikit lebih rendah dibandingkan model baseline. Perbedaan performa antara Random Search dan Bayesian Optimization relatif kecil, sehingga kedua metode menunjukkan efektivitas yang hampir setara dalam meningkatkan performa model XGBoost. Dengan demikian, Random Search merupakan metode optimasi hyperparameter yang paling efektif pada ruang pencarian dan dataset yang digunakan dalam penelitian ini.
Perbandingan Pengaruh Genre Musik Berbeda Terhadap Respons Fisiologis yang Berkaitan dengan Stres Menggunakan PPG (Photoplethysmography) Annisah, Dinda Rahma; Barlian Henryranu Prasetio
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Stres merupakan permasalahan kesehatan yang umum dialami masyarakat modern sehingga memerlukan metode deteksi yang objektif, terjangkau, dan tidak invasif. Musik dikenal sebagai salah satu intervensi non-farmakologis yang dapat memengaruhi respons fisiologis tubuh melalui sistem saraf otonom yang mampu membantu relaksasi. Namun, belum terdapat informasi yang objektif mengenai pengaruh berbagai genre musik terhadap respons fisiologis tubuh. Penelitian ini merancang sistem akuisisi sinyal Photoplethysmography (PPG) berbasis Arduino Uno, Pulse Sensor, dan OLED Display, serta menganalisis kecenderungan pengaruh lima genre musik (Pop, Rock, Jazz, Klasik, dan Hip-Hop) terhadap perubahan respons fisiologis terkait stres melalui parameter Heart Rate (HR) dan estimasi HRV-PPG sehingga dapat menjadi dasar pemanfaatan musik sebagai pendekatan pendukung relaksasi dan pengelolaan stres secara nonfarmakologis melalui hubungan antara musik dan perubahan respons fisiologis tubuh. Metode yang digunakan adalah eksperimental kuantitatif dengan desain within-subject terhadap 20 responden, yang masing-masing diukur pada kondisi baseline dan setelah paparan tiap genre musik selama 5 menit. Sinyal PPG diproses menggunakan filter bandpass Butterworth orde 4 (0,5–5 Hz), dilanjutkan deteksi puncak sistolik, validasi interval RR, serta perhitungan HR dan estimasi HRV-PPG (RMSSD). Hasil pengujian menunjukkan sistem berfungsi sesuai kebutuhan fungsional. Analisis deskriptif menunjukkan genre Klasik cenderung mengarah pada pola relaksasi (penurunan HR rata-rata 5,9%, peningkatan estimasi HRV-PPG rata-rata 24,5%), sedangkan Rock cenderung mengarah pada pola peningkatan aktivitas simpatis (peningkatan HR rata-rata 6,5%, penurunan estimasi HRV-PPG rata-rata 20,5%). Jazz dan Pop menunjukkan pola perubahan yang lebih moderat. Kata kunci: Photoplethysmography, Heart Rate, HRV-PPG, genre musik, stres, Arduino Uno
Penerapan Quantum Neural Network Berbasis Qubit Encoding Pada Sinyal Audio Untuk Identifikasi Tingkat Kebisingan Kurniansyah, Mohammad Amrizal; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Polusi suara merupakan ancaman laten yang dapat memicu kerusakan pendengaran permanen (Noise-Induced Hearing Loss). Perangkat pemantau konvensional seperti Sound Level Meter (SLM) memiliki keterbatasan karena hanya mengukur intensitas desibel total tanpa mampu mengidentifikasi sumber spesifik pembawa bising. Penelitian ini merancang purwarupa sistem pemantau kebisingan lingkungan kerja cerdas berbasis edge computing pada Raspberry Pi 5 menggunakan sensor mikrofon digital INMP441 I2S. Sistem ini dirancang untuk menghitung Tingkat Kebisingan Ekuivalen (Leq dBA) sekaligus mengklasifikasikan 5 jenis sumber kebisingan (air conditioner, drilling, engine idling, jackhammer, dan siren). Metode klasifikasi yang diterapkan adalah Quantum Neural Network (QNN) berbasis Qubit Encoding (Amplitude Encoding) pada sirkuit 6-qubit, dengan membandingkan kinerjanya terhadap Convolutional Neural Network (CNN) klasik. Ekstraksi fitur menggunakan Log-Mel Spectrogram 64x64 piksel. Hasil pengujian menunjukkan bahwa model CNN unggul dengan akurasi 95,91% (waktu latih 790,63 detik), sedangkan QNN mencapai akurasi 65,88% (waktu latih 5918,55 detik). Pengujian kalibrasi perangkat keras menunjukkan tingkat galat pembacaan dBA hanya sebesar 1,11 dBA terhadap SLM referensi. Purwarupa ini berhasil mengintegrasikan prediksi kelas cerdas dengan kalkulasi desibel untuk memicu peringatan keselamatan kerja secara real-time berdasarkan Nilai Ambang Batas Keselamatan dan Kesehatan Kerja (K3) regulasi Permenaker No. 5 Tahun 2018.
Analisis Ulasan Pengguna Aplikasi myBCA Berdasarkan Klasifikasi Sentimen Menggunakan Metode Support Vector Machine dan Analisis SWOT Kirana, Melshita Ardia; Setiawan, Nanang Yudi; Wicaksono, Satrio Agung
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

PT Bank Central Asia Tbk (BCA) menghadirkan aplikasi myBCA sebagai platform perbankan digital berkonsep super app. Tingginya volume ulasan pengguna menuntut pendekatan komputasi untuk mengekstraksi opini secara otomatis. Penelitian ini bertujuan menganalisis sentimen ulasan myBCA berbasis aspek menggunakan standar ISO/IEC 25010 (Product Quality), berfokus pada karakteristik Performance Efficiency (Efisiensi Performa) dan Security (Keamanan). Metode yang digunakan meliputi web scraping, pra-pemrosesan teks, perluasan leksikon berbasis Word2Vec dengan koreksi pakar, pelabelan sentimen melalui weak supervision, pembobotan fitur TF-IDF n-gram, serta klasifikasi menggunakan Support Vector Machine (SVM). Sebanyak 7.952 ulasan valid dikumpulkan dari Google Play Store, di mana 7.049 ulasan biner (positif/negatif) digunakan dalam proses klasifikasi. Hasil evaluasi menunjukkan model LinearSVC (C = 0,1) mencapai akurasi 85,82% dengan recall kelas Negatif 0,96. Validasi pelabelan memperoleh Cohen's Kappa 0,86 dan Fleiss' Kappa 0,91. Aspek Security didominasi sentimen negatif (88,9%), sedangkan Performance Efficiency berkomposisi 41,1% positif dan 58,9% negatif. Temuan dipetakan ke analisis SWOT guna menghasilkan rekomendasi strategis pengembangan aplikasi, terutama penguatan modul login, OTP, dan verifikasi wajah.
Sistem Estimasi Tingkat Kebisingan dan Klasifikasi Sumber Suara pada Android Menggunakan Dataset UrbanSound8K Iskandar, Abdul Hanif; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kebisingan lingkungan dapat memengaruhi kenyamanan dan kesehatan pendengaran, sehingga diperlukan sistem pemantauan yang tidak hanya menampilkan tingkat kebisingan, tetapi juga memberikan informasi mengenai sumber suara. Penelitian ini mengembangkan aplikasi Android untuk menghasilkan dB(A) estimasi berbasis mean-square dan offset kalibrasi serta mengklasifikasikan lima kelas UrbanSound8K, yaitu air_conditioner, drilling, engine_idling, jackhammer, dan siren, dengan total 4.929 audio. Model utama berupa Tiny 1D-CNN menerima raw waveform berdurasi 1 detik pada 16 kHz dan dikonversi ke TensorFlow Lite. Sebagai pembanding, digunakan baseline MFCC + Random Forest pada lingkungan Python. Tiny 1D-CNN memperoleh accuracy 71,00% dan macro F1-score 71,00% pada data uji fold 10, sedangkan baseline memperoleh accuracy 72,46% dan macro F1-score 73,20%. Pada 468 file pengujian implementasi, emulator menghasilkan Top-1 accuracy 44,66% dan Top-2 hit 84,40%, sedangkan Android langsung menghasilkan Top-1 accuracy 32,50%. Sistem berhasil dijalankan secara on-device, tetapi keluaran dB(A) belum merupakan pengukuran standar dan performa klasifikasi pada perangkat nyata masih rendah. Oleh karena itu, sistem diposisikan sebagai prototipe awal.
Perbandingan Performa Sistem Deteksi Kantuk Berbasis Fitur Geometri Wajah dengan dan tanpa CLAHE pada Berbagai Smartphone Android Herdikaputra, Daffa Aprilian; Utaminingrum, Fitri; Wihandika, Randy Cahya
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kondisi kantuk saat berkendara dapat menurunkan kewaspadaan dan meningkatkan risiko kecelakaan. Penelitian ini membandingkan performa sistem deteksi kantuk berbasis fitur geometri wajah dengan dan tanpa Contrast Limited Adaptive Histogram Equalization (CLAHE) pada smartphone Android. Sistem menggunakan Eye Aspect Ratio (EAR) untuk mendeteksi kondisi mata dan Mouth Aspect Ratio (MAR) untuk mendeteksi aktivitas menguap. Pengujian dilakukan pada tiga smartphone Android yang merepresentasikan perangkat spesifikasi rendah, sedang, dan tinggi. Evaluasi mencakup akurasi pada tiga kondisi pencahayaan, FPS, latensi, penggunaan CPU dan RAM yang dianalisis menggunakan rata rata dan deviasi standar, serta perubahan suhu perangkat selama 30 menit. Hasil menunjukkan bahwa CLAHE tidak selalu meningkatkan akurasi. Pada kondisi redup, CLAHE meningkatkan akurasi perangkat spesifikasi sedang sebesar 4,16% dan perangkat spesifikasi tinggi sebesar 2,09%, sedangkan perangkat spesifikasi rendah lebih baik tanpa CLAHE. Penggunaan CLAHE menurunkan FPS dan meningkatkan latensi pada seluruh perangkat, dengan dampak terbesar pada perangkat spesifikasi rendah, yaitu FPS menurun sebesar 10,44 FPS dan latensi meningkat sebesar 113,40 ms. Rata-rata penggunaan RAM tertinggi sebesar 250,27 MB terjadi pada perangkat spesifikasi tinggi dengan CLAHE, sedangkan perubahan suhu tertinggi sebesar 12,2°C terjadi pada perangkat spesifikasi sedang. Hasil ini menunjukkan trade-off antara peningkatan akurasi pada kondisi tertentu dan peningkatan beban pemrosesan.
Pengembangan Aplikasi Mobile Simpan Pinjam Badan Usaha Milik Desa (BUMDes) Tirto Landungsari Berbasis QR Ruchiyat, Ghifari Adil; Purnomo, Welly; Hanggara, Buce
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Unit Simpan Pinjam BUMDes Tirto USP Arto Rahayu masih menggunakan pencatatan manual dan file Excel dalam proses pengelolaan data setoran. Proses tersebut berisiko menimbulkan kesalahan pencatatan, keterlambatan pembaruan data, dan kesulitan pemantauan transaksi harian. Penelitian ini bertujuan untuk mengembangkan aplikasi mobile simpan pinjam berbasis QR Code guna membantu petugas dalam mengidentifikasi anggota dan mencatat transaksi setoran secara digital. Metode pengembangan sistem menggunakan model waterfall yang terdiri atas studi literatur, analisis kebutuhan, perancangan sistem, implementasi sistem, pengujian sistem, dan analisis usability. Aplikasi dikembangkan pada platform Android menggunakan bahasa pemrograman Kotlin, PostgreSQL sebagai basis data, serta MLKit dan CameraX untuk mendukung pemindaian QR Code. Hasil penelitian menghasilkan aplikasi QR.ArtoRahayu dengan fitur login, pemindaian QR Code, pencatatan setoran, daftar transaksi harian, pengelolaan petugas, dan ekspor laporan. Pengujian fungsional menggunakan black-box testing menunjukkan bahwa seluruh skenario utama berjalan valid. Pengujian usability menggunakan System Usability Scale terhadap delapan responden menghasilkan skor rata-rata 73,75. Skor tersebut menunjukkan bahwa aplikasi berada pada kategori acceptable dan layak digunakan dalam operasional Unit Simpan Pinjam BUMDes Tirto USP Arto Rahayu.

Page 712 of 717 | Total Record : 7163

 710   711   712   713   714 

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 7 (2026): Juli 2026 Vol 10 No 6 (2026): Juni 2026 Vol 10 No 5 (2026): Mei 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