cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muhammad Nur Akbar
Contact Email
muhammad.akbar@uin-alauddin.ac.id
Phone
+6285242044250
Journal Mail Official
instek@uin-alauddin.ac.id
Editorial Address
Jl. H. M. Yasin Limpo No. 36 Samata, Gowa, Sulawesi Selatan
Location
Kab. gowa,
Sulawesi selatan
INDONESIA
JURNAL INSTEK (Informatika Sains dan Teknologi)
Published by Universitas Islam Negeri Alauddin Makassar
ISSN : 25411179     EISSN : 25811711     DOI : https://doi.org/10.24252/instek.v6i2
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering
The Scope topics include, but are not limited to : Agent System and Multi-Agent Systems Analysis & Design of Information System Artificial Intelligence Big Data and Data Mining Cloud & Grid Computing Computer Vision Cryptography Decision Support System DNA Computing E-Government E-Business E-Learning Embedded System Enterprise System Green software development Green computing Green Information Technology Human Computer Interaction Image Processing & Computer Vision Informatics Theory Information System IT for Education IT for Industry IT for Chemical Mechatronics Mobile Computing & Applications Natural Language Processing Network & Data Communications Open Source System Semantic Web Social Networking & Application Soft Computing Software Engineering Software Entrepreneurship Web Engineering Wireless Communication Mikrokontroller elektronic and telecomonunication
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 24 Documents
 1   2   3 
Search results for , issue "Vol 11 No 1 (2026): APRIL" : 24 Documents clear
PENGEMBANGAN SISTEM KEHADIRAN MAGANG BERBASIS FACE RECOGNITION DAN GEOLOCATION MENGGUNAKAN METODE SDLC WATERFALL Anca, Muh. Gufransah Jamaluddin; Faisal; A. Muhammad Syafar
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.62426

Abstract

CV. Afila Media Karya merupakan salah satu perusahaan yang sedang berkembang di bidang konsultan IT di Kabupaten Gowa. Selain itu, perusahaan ini juga menjadi lokasi kegiatan magang bagi sejumlah siswa SMK dan mahasiswa dari berbagai perguruan tinggi di Provinsi Sulawesi Selatan. Sejak perusahaan ini memberikan kesempatan sebagai tempat kerja praktek dan magang, sudah tercatat lebih dari ratusan siswa dan mahasiswa yang telah melakukan magang. sistem absensi yang digunakan saat ini masih mengandalkan metode chat grup WhatsApp, yang memiliki kekurangan dalam validasi lokasi kehadiran dan ketepatan pencatatan waktu, pencatatan kehadiran, keteraturan pelaporan, serta efisiensi dalam pengelolaan data kehadiran. Penelitian ini bertujuan mengembangkan sistem absensi magang berbasis Face Recognition dan Geolocation guna meningkatkan efisiensi, akurasi, dan transparansi pencatatan kehadiran. Sistem dirancang untuk memverifikasi identitas peserta melalui deteksi wajah dan memastikan proses absensi hanya dapat dilakukan pada lokasi magang yang telah ditentukan. Pengujian sistem dilakukan menggunakan metode Black Box Testing untuk menilai keandalan dan fungsionalitas aplikasi. Hasil penelitian menunjukkan bahwa sistem mampu mengenali wajah pengguna secara tepat serta memvalidasi lokasi kehadiran sesuai ketentuan. Implementasi sistem ini terbukti dapat mengurangi potensi kecurangan dan meningkatkan akuntabilitas manajemen kehadiran peserta magang di CV. Afila Media Karya.
PREDICTING SUCCESSFUL TIMELY ORDER COMPLETION IN E-COMMERCE USING XGBOOST AND CATBOOST MODELS Nuryana, Muhammad Risqi; Muhammad Nur Aulia Rahman; Hadikusuma, Ridwan Satrio
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.63315

Abstract

Keberhasilan penyelesaian pesanan tepat waktu merupakan aspek penting dalam operasional e-commerce karena kinerja pengiriman berpengaruh langsung terhadap kepuasan pelanggan dan kualitas layanan. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor utama yang memengaruhi ketepatan waktu pengiriman serta mengevaluasi kinerja model XGBoost dan CatBoost dalam melakukan prediksi. Analisis dilakukan menggunakan dataset transaksi e-commerce publik yang mencakup karakteristik produk, waktu pemesanan, dan informasi pengiriman. Tahapan pra-pemrosesan data meliputi penanganan missing values, normalisasi fitur, serta feature engineering berbasis waktu. Optimasi hyperparameter dilakukan menggunakan framework Optuna untuk meningkatkan performa model. Hasil penelitian menunjukkan bahwa product_length_cm, product_weight_g, dan order_purchase_timestamp merupakan fitur yang paling berpengaruh terhadap keberhasilan pengiriman. Model CatBoost lebih sensitif terhadap karakteristik fisik produk, sedangkan XGBoost lebih menekankan pola pemesanan berbasis waktu, khususnya pada skala bulanan. Selain itu, penerapan Optuna terbukti mampu meningkatkan akurasi prediksi kedua model. Temuan ini dapat membantu platform e-commerce dalam mengoptimalkan manajemen persediaan, strategi logistik, dan penjadwalan pengiriman. Penelitian selanjutnya disarankan untuk mempertimbangkan faktor eksternal seperti kondisi cuaca, kepadatan pengiriman, dan lalu lintas guna meningkatkan akurasi prediksi dan efisiensi operasional.
PENGEMBANGAN SISTEM INFORMASI PEMINJAMAN BUKU MASSAL BERBASIS WEB MENGGUNAKAN METODE RAPID APPLICATION DEVELOPMENT UNTUK MENDUKUNG TRANSFORMASI LAYANAN PERPUSTAKAAN DAERAH Atika Fadhillah Rusdhi; Eny Jumiati; Wahyu Setianto
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.63821

Abstract

Layanan peminjaman buku dalam jumlah besar di perpustakaan daerah hingga kini masih banyak dilakukan secara manual dan belum sepenuhnya didukung oleh sistem otomasi perpustakaan yang tersedia. Kondisi tersebut menyebabkan proses layanan kurang efisien, berpotensi menimbulkan kesalahan pencatatan, serta menyulitkan pengelolaan dan penelusuran data peminjaman kolektif. Penelitian ini bertujuan untuk mengembangkan sistem informasi peminjaman buku massal berbasis web sebagai bagian dari upaya transformasi digital layanan perpustakaan daerah. Kebaruan penelitian ini terletak pada pengembangan sistem yang secara khusus dirancang untuk mengakomodasi peminjaman buku secara kolektif melalui integrasi pengelolaan paket koleksi, mekanisme pengajuan peminjaman secara daring, proses verifikasi oleh petugas, pemantauan status peminjaman, serta pembuatan dokumen berita acara peminjaman dan pengembalian secara otomatis dalam satu platform terpusat. Pengembangan sistem dilakukan menggunakan metode Rapid Application Development (RAD). Evaluasi sistem dilakukan melalui pengujian fungsional menggunakan metode black-box testing dan User Acceptance Test (UAT). Hasil pengujian menunjukkan bahwa seluruh fungsi utama sistem berjalan sesuai dengan kebutuhan layanan peminjaman buku massal. Selain itu, hasil UAT yang melibatkan 22 responden memperoleh tingkat penerimaan pengguna sebesar 88,09% dengan kategori sangat baik. Temuan ini menunjukkan bahwa sistem yang dikembangkan mampu meningkatkan efisiensi layanan, menyederhanakan proses peminjaman buku secara kolektif, serta mendukung pengelolaan data peminjaman buku massal secara terstruktur dan terdokumentasi.
DETEKSI ANOMALI TEKSTURAL PADA GAMBAR GENERATIF AI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR EFFICIENTNETB2 Farhan Muhammad; Marcelia Anggiriani; Ahmad Yusuf Roky; Tri Tia Fahada; Andre Pratama
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.64122

Abstract

Perkembangan teknologi image generation berbasis Artificial Intelligence (AI) membuat batas antara gambar buatan AI dan gambar Non-AI semakin sulit dibedakan. Kondisi ini mendorong kebutuhan akan sistem deteksi otomatis yang akurat. Penelitian ini bertujuan mengembangkan model klasifikasi citra untuk membedakan gambar AI dan Non-AI menggunakan arsitektur EfficientNet-B2. Evaluasi model dilakukan menggunakan dataset CIFAKE yang terdiri dari citra REAL dan FAKE sebagai representasi gambar non-AI dan AI. Model dibangun dengan memanfaatkan bobot pretrained sebagai feature extractor dan menambahkan lapisan klasifikasi dua kelas. Pelatihan dilakukan dalam dua tahap menggunakan Adam optimizer untuk meningkatkan stabilitas dan kemampuan generalisasi. Hasil penelitian menunjukkan bahwa EfficientNet-B2 mampu mengekstraksi fitur visual secara efektif. Pada pelatihan tahap awal, model memperoleh akurasi validasi 85,37%, kemudian meningkat menjadi 86,11% setelah optimisasi, dan mencapai performa terbaik pada tahap fine-tuning dengan akurasi 86,67%. Evaluasi pada data pengujian menghasilkan akurasi 87,12% dengan nilai precision, recall, dan f1-score yang seimbang pada kedua kelas. Secara keseluruhan, model yang dibangun menunjukkan performa yang stabil dan akurat dalam mendeteksi gambar AI. Studi ini membuktikan bahwa pendekatan transfer learning dan fine-tuning dengan EfficientNet-B2 merupakan metode yang efektif untuk tugas klasifikasi gambar dua kelas.
KLASIFIKASI TINGKAT PEMROSESAN MAKANAN BERBASIS TEKS KOMPOSISI MENGGUNAKAN STRATEGI WEIGHTED ENSEMBLE LARGE LANGUAGE MODELS Khairul Hudha Nasution; Indra Budi
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.64305

Abstract

Klasifikasi tingkat pemrosesan makanan merupakan langkah krusial dalam mitigasi risiko kesehatan global akibat konsumsi makanan ultra-proses. Meskipun label komposisi tersedia pada kemasan, penulisan yang kecil, tidak terstruktur, typo serta terminologi kimia yang kompleks memiliki kecenderungan menyulitkan penilaian manual oleh konsumen. Pemanfaatan Large Language Models (LLM) menawarkan potensi efisiensi deteksi otomatis, namun mengandalkan satu arsitektur model tunggal memiliki risiko tinggi akibat variabilitas performa. Penelitian ini bertujuan untuk mengevaluasi efektivitas strategi Weighted Ensemble Learning dibandingkan model tunggal dalam memprediksi skor pemrosesan makanan (FPro) pada dataset GroceryDB. Eksperimen dilakukan menggunakan lima arsitektur LLM dengan skala parameter kecil hingga sedang (Gemma-3-4B, Llama-3.2-3B, Qwen3-4B, R1-Distill-1.5B, dan Phi-2) melalui pendekatan Weighted Voting berbasis kinerja historis. Hasil evaluasi menunjukkan adanya disparitas ekstrem pada kinerja model tunggal, di mana model berkapasitas rendah (Phi-2) mengalami kegagalan penalaran dengan F1-score hanya 10%, sementara model dengan kemampuan instruksi tinggi (Gemma) mencapai 68%. Penerapan strategi Ensemble berhasil memitigasi kelemahan model individual melalui mekanisme koreksi silang, meningkatkan akurasi F1-score menjadi 70% dan menghasilkan prediksi yang lebih stabil serta robust dibandingkan jika hanya mengandalkan satu model terbaik sekalipun.
CLASSIFICATION OF HUMAN AND AI-GENERATED INDONESIAN POP SONGS BASED ON SPECTROGRAM USING CONVOLUTIONAL NEURAL NETWORK Faris Nur Tsani; Wahyu Syaifullah Jauharis Saputra; Alfan Rizaldy Pratama
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.65432

Abstract

Pesatnya perkembangan teknologi kecerdasan buatan (AI) memicu lonjakan produksi lagu generatif yang menyerupai karya manusia, sehingga menghadirkan tantangan signifikan terhadap orisinalitas dan hak cipta musik. Penelitian ini bertujuan mengklasifikasikan lagu Pop Indonesia kategori human-generated dan AI-generated menggunakan pendekatan Convolutional Neural Network (CNN) berbasis arsitektur ResNet-18. Dataset terdiri dari 100 lagu berformat MP3 yang terbagi seimbang antara karya manusia dan karya AI dari platform Suno dan Udio. Data audio diproses melalui teknik segmentasi overlapping window berdurasi 10 detik dengan overlap 5 detik, kemudian diekstraksi menjadi citra spektrogram Short-Time Fourier Transform (STFT). Total data yang dihasilkan mencapai 4.282 segmen audio. Hasil pelatihan selama 100 epoch menunjukkan bahwa model mencapai konvergensi dengan train accuracy 100% dan validation accuracy 95,09%. Pada tahap pengujian menggunakan data yang belum pernah dilihat sebelumnya, model menunjukkan performa unggul dengan tingkat akurasi 93,01%. Temuan ini mengonfirmasi bahwa penggunaan representasi spektogram dalam arsitektur CNN mampu menangkap perbedaan fitur frekuensi dan temporal secara efektif untuk mengidentifikasi musik berbasis AI pada genre Pop Indonesia.
MODEL DETEKSI DDOS BERBASIS MACHINE LEARNING YANG EFISIEN, INTERPRETABLE, DAN SIAP IMPLEMENTASI OPERASIONAL Andri Yudha Pratama; Khalifatur Rauf; Enny Itje Sela
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.65922

Abstract

Serangan Distributed Denial of Service (DDoS) menjadi ancaman serius bagi kontinuitas bisnis digital, sehingga membutuhkan sistem deteksi yang akurat, responsif, dan dapat diinterpretasikan. Sebagian besar penelitian terdahulu berfokus pada maksimalisasi akurasi melalui model kompleks, namun kerap mengabaikan efisiensi komputasi dan actionability yang esensial bagi implementasi real-time. Penelitian ini mengevaluasi sembilan skenario deteksi pada dataset CIC-DDoS2019 melalui kombinasi metode seleksi fitur (Pearson, ANOVA, RFE) dan algoritma machine learning (Decision Tree, Random Forest, Logistic Regression). Hasilnya mengungkapkan adanya trade-off signifikan antara kompleksitas model dan latensi deteksi. Penelitian ini mengidentifikasi Skenario E4 (RFE + Decision Tree) sebagai model terbaik berdasarkan trade-off akurasi, latensi, dan memori, dengan recall serangan 0,9999, latensi 900 µs (sekitar 38 kali lebih cepat dari Random Forest), dan efisiensi memori 5.760 Byte. Kontribusi utama penelitian ini mencakup evaluasi multi-objektif yang mengintegrasikan akurasi, latensi, memori, interpretabilitas, dan robustness; pemetaan fitur SHAP ke dalam matriks mitigasi Defense-in-Depth; serta bukti empiris trade-off antara efisiensi operasional dan ketahanan model terhadap serangan adaptif. Analisis SHAP menunjukkan keputusan model didasarkan pada fitur identitas, anomali TCP flag, dan pola idle time. Namun, uji robustness mengindikasikan kerentanan terhadap manipulasi input, menegaskan perlunya strategi mitigasi tambahan dalam kerangka Defense-in-Depth agar model tidak hanya unggul secara statistik, tetapi juga operasional dan adaptif terhadap ancaman cerdas.
USER CONTINUANCE INTENTION IN THE TRAVELOKA MOBILE APPLICATION: A MODIFIED UTAUT2–ECM MODEL Adhitya Eka Putra; Achmad Luthfi; Samidi
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.66084

Abstract

Pertumbuhan pesat aplikasi perjalanan berbasis mobile meningkatkan persaingan antar platform online travel agent serta mendorong pentingnya pemahaman terhadap faktor-faktor yang memengaruhi keberlanjutan penggunaan aplikasi. Meskipun Traveloka memiliki posisi pasar yang kuat di Indonesia, penelitian empiris yang mengkaji perilaku penggunaan berkelanjutan dengan model teoretis terintegrasi masih terbatas. Penelitian ini menganalisis continuance intention pengguna menggunakan model integrasi Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) dan Expectation Confirmation Model (ECM) yang diperluas dengan konstruk Trust dan Application Quality sebagai faktor kunci. Data dikumpulkan dari 277 pengguna aktif melalui survei daring dan dianalisis menggunakan Partial Least Squares Structural Equation Modeling (PLS-SEM). Hasil penelitian menunjukkan bahwa Habit dan Trust berpengaruh signifikan terhadap continuance intention, sedangkan Performance Expectancy dan Application Quality tidak berpengaruh signifikan secara langsung. Confirmation berpengaruh signifikan terhadap Performance Expectancy dan Satisfaction yang selanjutnya berkontribusi terhadap pembentukan Trust. Temuan ini menegaskan bahwa kebiasaan dan kepercayaan pengguna memiliki peran lebih dominan dibandingkan persepsi kinerja dalam mempertahankan penggunaan aplikasi, sementara Trust dan Application Quality tetap menjadi konstruk penting dalam model yang dikembangkan.
MODEL SISTEM PENDUKUNG KEPUTUSAN HYBRID MCDM (AHP-SAW) UNTUK PENENTUAN PRIORITAS FORMASI JABATAN CALON APARATUR SIPIL NEGARA DAERAH Cahyani, Almaun Tri; Saraswati, Galuh Wilujeng; Mahmud, Wildan
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.66147

Abstract

Penentuan formasi jabatan Calon Aparatur Sipil Negara (CASN) di pemerintah daerah sering bersifat subjektif dan belum terintegrasi dengan data analisis beban kerja dan analisis jabatan. Kondisi ini menyebabkan ketimpangan distribusi pegawai serta ketidakefisienan dalam perencanaan sumber daya manusia. Penelitian ini bertujuan merancang Sistem Pendukung Keputusan (SPK) untuk menentukan prioritas formasi jabatan secara objektif dan berbasis data. Metode yang digunakan adalah pendekatan Multi-Criteria Decision Making (MCDM) dengan mengintegrasikan Analytic Hierarchy Process (AHP) untuk pembobotan tujuh kriteria dan Simple Additive Weighting (SAW) untuk perangkingan 168 alternatif jabatan dari 62 unit organisasi (OPD). Data penelitian bersumber dari analisis jabatan, analisis beban kerja, serta data kepegawaian aktual. Hasil penelitian menunjukkan bahwa model menghasilkan bobot kriteria yang konsisten dengan nilai Consistency Ratio (CR) sebesar 0,0453. Jabatan Pemadam Kebakaran Pemula pada OPD-62 memperoleh nilai preferensi tertinggi (Vi = 0,5973) sebagai prioritas utama. Implementasi sistem dalam bentuk dashboard analitik dapat mendukung pengambilan keputusan yang lebih objektif, transparan, dan berbasis data.
PENERAPAN MODEL DEEP LEARNING BILSTM UNTUK KLASIFIKASI MULTI-KELAS PADA DATA ADUAN MASYARAKAT Garda, Kautsa Adi; Saraswati, Galuh Wilujeng; Lutfina, Erba
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.66293

Abstract

Layanan Pengaduan Masyarakat merupakan suatu kanal layanan yang dipergunakan masyarakat untuk melaporkan suatu kejadian pelanggaran dan masalah yang tidak sesuai dengan aturan tertulis maupun tidak tertulis. Pemerintah Kota Kediri melalui Dinas Komunikasi dan Informatika mempunyai suatu sistem layanan pengaduan online untuk menampung keluhan, saran, serta aspirasi masyarakat. Keberagaman dan tingginya volume aduan menuntut operator untuk meneruskan laporan kepada banyak pilihan instansi terkait sekaligus. Oleh karena itu, perlu adanya sistem yang mampu melakukan klasifikasi otomatis terhadap teks aduan masyarakat. Penelitian ini bertujuan untuk otomatisasi klasifikasi teks aduan menggunakan algoritma Bidirectional Long Short-Term Memory (BiLSTM) dengan skema multiclass sebanyak 21 kelas. Pembagian data dilakukan dengan rasio 80:20 untuk data training dan testing, kemudian 10% dari data pelatihan digunakan sebagai data validation. Penelitian ini menggunakan Word2Vec untuk pembobotan kata, Random Oversampling untuk balancing data serta membandingkan uji parameter batch size dan optimizer. Berdasarkan hasil dari 8 skenario pengujian, diperoleh skenario model dengan akurasi tertinggi sebesar 0,6977 (70%). Nilai tersebut tergolong cukup baik mengingat jumlah kelas yang relatif banyak dan variasi penggunaan bahasa daerah dan slang pada data aduan. Secara keseluruhan, BiLSTM menunjukkan kinerja yang memadai untuk klasifikasi teks multiclass.

Page 1 of 3 | Total Record : 24

 1   2   3 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol 11 No 1 (2026): APRIL Vol 10 No 2 (2025): OCTOBER Vol 10 No 1 (2025): APRIL Vol 9 No 2 (2024): OCTOBER Vol 9 No 1 (2024): APRIL Vol 8 No 2 (2023): OCTOBER Vol 8 No 1 (2023): APRIL Vol 7 No 2 (2022): OCTOBER Vol 7 No 1 (2022): APRIL Vol 6 No 2 (2021): OCTOBER Vol 6 No 1 (2021): APRIL Vol 5 No 2 (2020): OCTOBER Vol 5 No 1 (2020): APRIL Vol 4 No 2 (2019): OCTOBER Vol 4 No 1 (2019): APRIL Vol 3 No 1 (2018): Volume.3, Nomor.1.April 2018 Vol 3 No 2 (2018): OCTOBER Vol 2 No 2 (2017): Volume 2, Nomor 2, oktober 2017 Vol 2 No 1 (2017): Volume 2, Nomor 1, April 2017 Vol 1 No 1 (2016): Volume.1, Nomor.1, Oktober 2016 More Issue