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 7,248 Documents
 721   722   723   724   725 
Persepsi Siswa dan Guru: Studi Naratif Peran Chatbot AI dalam Pengerjaan Tugas Proyek di SMA Brawijaya Smart School Rafli Pradipta, Muhammad; Hariyanti, Uun; Amalia, Faizatul
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan Chatbot berbasis kecerdasan buatan (Chatbot AI) telah mengubah cara siswa dan guru berinteraksi dengan teknologi dalam konteks pembelajaran. Meskipun demikian, pemahaman tentang siswa dan guru memaknai pengalaman menggunakan teknologi ini dalam tugas proyek masih terbatas, khususnya di jenjang sekolah menengah atas di Indonesia. Penelitian ini bertujuan untuk mengeksplorasi persepsi siswa terhadap pengalaman menggunakan Chatbot AI sebelum, saat, dan sesudah pengerjaan tugas proyek, serta persepsi guru terhadap peran mereka dalam mendampingi siswa yang menggunakan teknologi tersebut. Penelitian ini menggunakan pendekatan kualitatif dengan metode penelitian naratif. Partisipan terdiri atas delapan siswa dan dua guru yang dipilih secara purposif di SMA Brawijaya Smart School Malang. Data dikumpulkan melalui wawancara semi-terstruktur dan dianalisis menggunakan kerangka Three-Dimensional Space Narrative Structure dengan dukungan perangkat lunak NVivo 14. Hasil penelitian menunjukkan bahwa siswa mengadopsi Chatbot AI dengan pola yang beragam, mulai dari penggunaan terbatas hingga integrasi multi-platform. Penelitian ini menemukan adanya spektrum ketergantungan yang bervariasi beserta strategi verifikasi yang berbeda. Guru menerapkan strategi pedagogi yang menekankan pendekatan etis dan kreatif dalam mengintegrasikan AI. Temuan ini mengimplikasikan pentingnya pengembangan literasi AI kritis dan panduan penggunaan AI yang bertanggung jawab di lingkungan sekolah menengah.
Pengembangan Kakas Bantu Pendeteksi Feature Envy Pada Source Code PHP Menggunakan Analisis Statis Berbasis Abstract Syntax Tree Reyhansyah, Dymi Kavindra; Priyambadha, Bayu
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Feature Envy merupakan salah satu code smell yang ditandai oleh tingginya ketergantungan suatumethod terhadap data atau perilaku milik kelas lain sehingga dapat menurunkan kualitas desainperangkat lunak dan meningkatkan kompleksitas pemeliharaan. Dukungan kakas untuk mendeteksiFeature Envy pada bahasa pemrograman PHP masih terbatas. Penelitian ini bertujuan mengembangkankakas bantu berbasis web untuk mendeteksi Feature Envy pada source code PHP menggunakan analisisstatis berbasis Abstract Syntax Tree (AST). Sistem dikembangkan menggunakan Laravel pada sisibackend dan React.js pada sisi frontend. Proses deteksi dilakukan melalui parsing source code menjadiAST, ekstraksi struktur program, perhitungan metrik Access to Foreign Data (ATFD), Locality ofAttribute Accesses (LAA), dan Foreign Data Providers (FDP), kemudian penerapan aturan deteksiberdasarkan ketiga metrik tersebut. Sistem dievaluasi menggunakan pengujian unit, integrasi, validasifungsional, serta studi kasus sebelum dan sesudah refaktorisasi. Hasil evaluasi menunjukkan bahwaseluruh fungsi sistem berjalan sesuai kebutuhan, mampu mendeteksi Feature Envy secara otomatis,menampilkan nilai metrik pendukung, serta menghasilkan laporan analisis dalam format PDF. Kakasyang dikembangkan dapat mendukung identifikasi dini Feature Envy pada source code PHP secara lebihcepat, konsisten, dan terstruktur.
Klasifikasi Stress Dengan Menggunakan Audio Spectrogram Transformer Dan Ekstraksi Fitur Mel-Spectrogram Purnomohadi Erfitra, Rochmanu; Abdurrachman Bachtiar, Fitra; Dewi, Candra Dewi
Jurnal Pengembangan Teknologi 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 JITECS
Analisis Literasi Informasi Siswa Kelas XI dalam Pemanfaatan Generative AI pada Mata Pelajaran Informatika Hartanto, Choirul Nisa Akhiri; Batita, Maurish Sofie Rahmi; Prima Zulvarina
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan teknologi Generative Artificial Intelligence (AI) seperti ChatGPT dan Google Gemini semakin banyak dimanfaatkan siswa dalam pembelajaran, termasuk pada mata pelajaran Informatika. Kualitas dan akurasi informasi yang dihasilkan teknologi tersebut dapat bervariasi sehingga menuntut kemampuan literasi informasi siswa agar dapat digunakan secara kritis dan bertanggung jawab. Penelitian ini bertujuan menganalisis literasi informasi siswa kelas XI SMA Negeri 9 Malang dalam memanfaatkan Generative AI pada mata pelajaran Informatika, mendeskripsikan pemanfaatannya dalam mengakses, mengevaluasi, dan menggunakan informasi, serta mengidentifikasi kendala yang dihadapi. Penelitian menggunakan pendekatan kualitatif deskriptif dengan lima siswa kelas XI sebagai informan yang dipilih melalui purposive sampling. Data dikumpulkan melalui wawancara semi-terstruktur dan observasi, lalu dianalisis menggunakan model Miles dan Huberman dengan bantuan ATLAS.ti. Hasil penelitian menunjukkan siswa telah menerapkan literasi informasi pada tiga dimensi, yaitu Access, Evaluation, dan Use. Pada dimensi Access, siswa aktif menggali informasi melalui pertanyaan lanjutan, namun strategi pencarian yang terstruktur belum banyak diterapkan. Pada dimensi Evaluation, siswa terbiasa membandingkan jawaban AI dengan materi guru, tetapi verifikasi kredibilitas informasi masih jarang dilakukan. Pada dimensi Use, siswa memanfaatkan Generative AI sebagai alat bantu pemahaman dan menyusun kembali jawaban dengan kalimat sendiri. Kendala yang ditemukan bersifat insidental, meliputi jawaban AI yang sulit dipahami, terlalu umum, dan berbeda dengan materi guru. Secara keseluruhan, siswa telah memiliki literasi informasi yang cukup memadai, meskipun penguatan lebih lanjut masih diperlukan agar penggunaan Generative AI berlangsung merata, bijak, dan bertanggung jawab.
Analisis Perbandingan API Berbasis REST API dengan gRPC Studi Kasus: Aplikasi Jual Beli Berbasis Web Haditama, Muhammad Rizqullah; Hanggara, Buce Trias; Pradana, Fajar
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan aplikasi jual beli berbasis web menuntut layanan backend yang dapat memproses permintaan secara cepat, stabil, dan efisien. REST API sendiri banyak digunakan karena kesederhanaannya, mudah pengimplementasiannya, dan memiliki kompatibilitas yang luas dengan berbagai web client. Di sisi lain, gRPC memberikan komunikasi berbasis HTTP/2 dengan Protocol Buffers yang memiliki potensi performa lebih baik pada skenario tertentu. Penelitian ini bertujuan untuk mengimplementasikan dan membandingkan performa REST API dengan gRPC pada aplikasi jual beli berbasis web. Pengujiannya sendiri berfokus pada fungsi penampilan produk, dengan dataset 1000 produk. Skenario pengujian menggunakan variasi jumlah users 10, 25, 50, dan 100. Serta dengan produk per_page 10, 50, dan 100. Setiap scenario dijalankan selama 120 detik dengan value ramp-up 10 detik dan diulang sebanyak tiga kali run. Metrik yang dianalisis pada penelitian ini meliputi samples, response time, P95, throughput, bandwidth, dan error rate. Hasil pengujian menunjukkan bahwa gRPC memiliki rata-rata sample lebih tinggi, yaitu dengan 13579 samples setiap kali run, dibandingkan REST API yang hanya memiliki 586 samples. gRPC juga menghasilkan rata-rata response time lebih rendah, yaitu 607 ms, dibanding dengan REST API sebesar 9680 ms. Pada tail latency P95, gRPC mendapatkan nilai rata-rata 740 ms, sedangkan REST API mencapai 11881 ms. Selain itu, rata-rata throughput gRPC mencapai 114 req/s, dibanding dengan REST API sebesar 4,89 req/s. Hasil uji signifikansi dengan Mann-Whitney U Test sendiri menunjukkan perbedaan signifikan pada metrik samples, response time, tail latency P95, dan throughput dengan nilai p < 0,001. Namun, pada metrik bandwidth tidak menunjukkan adanya signifikansi dengan nilai p = 0,500. Kedua API memiliki hasil error 0%. Sehingga dapat disimpilkan bahwa gRPC lebih unggul untuk kebutuhan performa tinggi pada sisi kapasitas pemrosesan, waktu respon, dan kestabilan. Namun, REST API tetap dapat digunakan pada aplikasi web yang hanya mengutamakan kompatibilitas, kemudahan pengimplementasian, dan kemudahan dalam integrasi.
Klasifikasi Stadium Chronic Kidney Disease Menggunakan Citra Fundus Berbasis YOLO-CLS Arianto, Dawud Rizky; Dewi, Candra; Yudistira, Novanto
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyakit ginjal kronis (Chronic Kidney Disease/CKD) memerlukan deteksi dini untuk mencegah penurunan fungsi ginjal. Citra fundus retina berpotensi dimanfaatkan sebagai media skrining non-invasif karena mencerminkan perubahan mikrovaskular akibat diabetes dan CKD. Penelitian ini menganalisis pengaruh preprocessing citra (Wavelet Transform dan Gaussian Filter) serta strategi pelatihan (augmentasi data, regularisasi, dan penyetelan hyperparameter) terhadap kinerja model YOLO-CLS dalam klasifikasi stadium CKD menggunakan 273 citra fundus yang terdiri atas kelas DM_Only, DM+CKD_III, dan DM+CKD_V. Eksperimen dilakukan dengan grouped ablation study menggunakan validation set untuk pemilihan pipeline dan test set untuk evaluasi akhir. Hasil menunjukkan bahwa preprocessing dan augmentasi tidak meningkatkan performa model, sedangkan regularisasi (dropout 0,3 dan weight decay 0,001) serta batch size 16 memberikan hasil terbaik. Pipeline akhir menghasilkan Precision Macro 70,97%, Recall Macro 67,09%, F1-score Macro 66,95%, dan AUPRC Macro 76,01%. Temuan ini menunjukkan bahwa optimasi strategi pelatihan lebih berpengaruh terhadap generalisasi model dibandingkan modifikasi citra masukan.
Penerapan Metode Kalman Filter State Estimation untuk Demand Driven Predictive Autoscaling pada Kubernetes Romero Putra Pratama, Naufal; Yahya, Widhi; Andria Siregar, Reza
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Efisiensi pengelolaan sumber daya menjadi tantangan krusial di lingkungan cloud-native yang dinamis, terutama karena Horizontal Pod Autoscaler (HPA) berbasis metrik CPU yang reaktif kerap gagal mengantisipasi lonjakan beban, memicu keterlambatan respons dan thrashing yang berulang (yaitu osilasi jumlah replika), serta representasi beban yang keliru karena CPU hanyalah metrik supply-side, bukan sinyal permintaan aktual pengguna. Penelitian ini mengusulkan autoscaler proaktif berbasis Kalman Filter (selanjutnya disebut KF Proactive) yang bersifat training-free dan lightweight, memanfaatkan metrik Requests Per Second (RPS) untuk mengestimasi sekaligus memprediksi beban kerja secara real-time. Empat varian autoscaler diuji pada klaster Kubernetes single-node menggunakan trace replay dataset NASA HTTP Log 13 Juli 1995, dengan 6 kali pengulangan per varian. Hasil pengujian menunjukkan KF Proactive unggul signifikan dalam efisiensi sumber daya, hanya mengonsumsi 37,65 pod-hours atau 60,7% lebih rendah dibandingkan HPA berbasis CPU yang mencapai 95,77 pod-hours, sekaligus mencatatkan availability sempurna tanpa satu pun error 5xx selama pengujian. Meskipun demikian, efisiensi tersebut menghadirkan trade-off yang perlu dicermati, yaitu SLO compliance latensi P95 KF Proactive tercatat 96,39%, lebih rendah dibandingkan HPA berbasis CPU sebesar 99,84%, sebagai konsekuensi langsung dari konfigurasi parameter yang secara sengaja diarahkan untuk memprioritaskan efisiensi sumber daya.
Implementasi Wearable Device Untuk Klasifikasi Gerakan Hammer Curl Otot Biceps Menggunakan Algoritma Random Forest Latifa, Hasna Najla; Budi, Agung Setia
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Gerakan hammer curl merupakan salah satu latihan beban yang umum dilakukan untuk melatih otot biceps. Namun, kesalahan teknik saat melakukan gerakan tersebut dapat mengurangi efektivitas latihan dan meningkatkan risiko cedera. Pengawasan teknik latihan umumnya masih bergantung pada personal trainer, sehingga diperlukan suatu sistem yang mampu membantu pengguna melakukan evaluasi gerakan secara mandiri. Penelitian ini bertujuan mengimplementasikan wearable device berbasis tiga sensor MPU6050 dan algoritma Random Forest untuk mengklasifikasikan gerakan hammer curl secara real-time. Sistem menggunakan tiga modul LILYGO T-OI Plus (ESP32-C3), terdiri atas dua perangkat sender pada pergelangan tangan dan lengan atas serta satu perangkat receiver pada punggung. Data gerakan diproses melalui tahapan segmentasi per repetisi menggunakan metode peak detection, normalisasi Min-Max, dan ekstraksi 21 fitur statistik sebelum digunakan untuk pelatihan model Random Forest. Model yang telah dilatih kemudian diimplementasikan pada mikrokontroler ESP32-C3 untuk melakukan klasifikasi secara real-time dengan umpan balik berupa bunyi buzzer. Pengujian model dilakukan menggunakan 200 segmen data yang terdiri atas 100 gerakan benar dan 100 gerakan salah dengan pembagian data latih dan data uji sebesar 80:20. Hasil pengujian menunjukkan bahwa model Random Forest memperoleh akurasi sebesar 97,50%, sedangkan implementasi pada sistem wearable menghasilkan akurasi keseluruhan sebesar 95,00% pada enam partisipan. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mengklasifikasikan gerakan hammer curl secara real-time dan memberikan umpan balik secara langsung kepada pengguna, sehingga dapat digunakan untuk mendukung evaluasi teknik latihan beban secara mandiri.
Evaluasi dan Perbaikan Desain Antarmuka Aplikasi “AyoDonor” Palang Merah Indonesia Menggunakan Metode Human Centered Design Rizky Nurwachid, Hafiz; Kharisma, Agi Putra; Fanani, Lutfi
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Palang Merah Indonesia (PMI) mengembangkan aplikasi AyoDonor untuk mempermudah masyarakat mengakses informasi donor darah, transfusi darah, dan penyaluran donasi. Berdasarkan ulasan pengguna, aplikasi ini memperoleh rating 3,9 dari 315 ulasan, dengan keluhan seputar data yang tidak tersinkronisasi, alur yang membingungkan, serta fitur donasi dan kontak darurat yang sulit ditemukan. Penelitian ini bertujuan mengevaluasi dan memperbaiki antarmuka AyoDonor menggunakan pendekatan Human centered design (HCD). Evaluasi awal dilakukan dengan Heuristic evaluation oleh tiga evaluator dan berhasil mengidentifikasi 51 temuan permasalahan usability pada sembilan dari sepuluh prinsip heuristik Nielsen, dengan Help Users Recognize, Diagnose, and Recover from Errors sebagai prinsip dengan rerata severity tertinggi (3,40). Temuan dengan severity 3–4 dijadikan dasar perancangan solusi antarmuka baru yang kemudian diuji pada 12 partisipan menggunakan desain within- group. Hasil pengujian menunjukkan Task Success Rate meningkat dari 93,33% menjadi 100%, Time on Task menurun 52,18% (86,17 detik menjadi 41,21 detik) secara signifikan (p = 0,003), dan seluruh dimensi USE Questionnaire meningkat signifikan (p < 0,001), dari rerata 2,58 menjadi 4,59. Solusi desain kemudian diimplementasikan sebagai Proof of Concept berbasis React Native. Hasil ini membuktikan bahwa pendekatan HCD efektif meningkatkan efisiensi dan kepuasan pengguna aplikasi layanan publik berbasis kesehatan
Implementasi Model Mobilenet dan Algoritma Machine Learning Pada Aplikasi Android untuk Klasifikasi Jenis Kelamin Telur Prasetyo, Fahrudin; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penentuan jenis kelamin telur ayam secara dini merupakan kebutuhan penting dalam industri perunggasan untuk menekan biaya inkubasi dan pemeliharaan anak ayam jantan, khususnya pada sektor ayam petelur. Metode konvensional seperti vent sexing dan feather sexing hanya dapat dilakukan setelah telur menetas dan rentan terhadap kesalahan, sehingga dibutuhkan metode non-invasif berbasis citra yang ringan untuk perangkat bergerak. Penelitian ini mengembangkan sistem klasifikasi jenis kelamin telur berbasis aplikasi Android dengan pendekatan hibrida, yaitu mengombinasikan tiga versi arsitektur MobileNet (V2, V3, dan V4) sebagai ekstraktor fitur dengan lima algoritma machine learning (SVM, KNN, Decision Tree, Random Forest, dan XGBoost) sehingga menghasilkan 15 skenario kombinasi model. Setiap skenario dievaluasi berdasarkan confusion matrix, kompleksitas komputasi (latensi dan ukuran model), dan skor efisiensi, lalu kombinasi terbaik diimplementasikan ke aplikasi. Hasil pengujian menunjukkan akurasi tertinggi 62,16% oleh kombinasi MobileNetV2 + Random Forest dan MobileNetV3 + XGBoost dengan latensi inferensi rendah (2-8 ms per citra). Kombinasi MobileNetV2 + SVM memperoleh skor efisiensi tertinggi (0,9240) sehingga dipilih untuk diimplementasikan pada perangkat Android. Pengujian aplikasi terhadap 16 citra menghasilkan akurasi implementasi 62,50% yang konsisten dengan hasil pada lingkungan Python, sehingga memvalidasi keberhasilan reimplementasi pipeline pada perangkat seluler.

Page 724 of 725 | Total Record : 7248

 721   722   723   724   725 

Filter by Year

2017 2026


Reset
Filter By Issues
All Issue Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026 Vol 10 No 08 (2026): Agustus 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