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
Jl. Udayana, Kampus Tengah, Singaraja-Bali
Location
Kota denpasar,
Bali
INDONESIA
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) ISSN: 2252-9063
Published by Universitas Pendidikan Ganesha
ISSN : 22529063     EISSN : 26857006     DOI : -
Core Subject : Science, Education,
Computer Science & IT Education
Arjuna Subject : Ilmu Sosial - Pendidikan
Articles 1,237 Documents
 116   117   118   119   120 
PENGEMBANGAN VIDEO ANIMASI 3 DIMENSI UPACARA KHITANAN PADA TRADISI SUKU BUGIS DI JEMBRANA Icha Alinda; Made Susi Lissia Andayani; I Gede Partha Sindu
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114087

Abstract

Penelitian ini bertujuan untuk mengembangkan video animasi tiga dimensi tentang upacara khitan dalam tradisi Suku Bugis di Jembrana, khususnya di Desa Pengambengan, sebagai media edukasi budaya. Penelitian ini dilatarbelakangi oleh rendahnya pemahaman masyarakat, khususnya generasi muda, terhadap tahapan dan nilai budaya dalam upacara khitan tradisi Bugis di Desa Pengambengan. Metode yang digunakan dalam penelitian ini adalah Multimedia Development Life Cycle (MDLC) yang terdiri atas enam tahap, yaitu concept, design, material collecting, assembly, testing, dan distribution. Pada tahap concept, peneliti merumuskan tujuan dan skenario animasi. Tahap design mencakup perancangan karakter, latar, serta storyboard. Tahap material collecting dilakukan melalui pengumpulan referensi budaya dan data visual yang relevan. Selanjutnya, tahap assembly merupakan proses pembuatan animasi 3 dimensi, sedangkan tahap testing dilakukan untuk menguji kualitas serta efektivitas penyampaian pesan dalam media yang dikembangkan. Tahap terakhir, yaitu distribution, dilakukan dengan menyebarkan media kepada responden dan masyarakat. Hasil uji respons menunjukkan bahwa 97,5% responden memberikan penilaian sangat positif dan 2,5% positif, dengan rata-rata skor sebesar 38,15. Hasil tersebut menunjukkan bahwa video animasi yang dikembangkan diterima dengan sangat baik dan layak digunakan sebagai media edukasi budaya serta sebagai sarana pelestarian tradisi Suku Bugis.
E-Promosi Taman Budaya Uluan Nughik Berbasis Virtual Tour Dengan Metode MDLC Astri Agustiani; Muhammad Said Hasibuan; Fitria; Hariyanto Wibowo
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114091

Abstract

Penelitian ini bertujuan untuk merancang dan membangun media e-promosi Taman Budaya Uluan Nughik berbasis Virtual Tour sebagai sarana informasi, edukasi, dan promosi wisata budaya di Kabupaten Tulang Bawang Barat. Pengembangan sistem menggunakan metode Multimedia Development Life Cycle(MDLC) yang meliputi tahap konsep, perancangan, pengumpulan bahan, pembuatan, pengujian, dan distribusi. Media yang dihasilkan berupa website interaktif yang menampilkan panorama foto 360°, informasi tata letak kawasan, serta fitur pendukung seperti peta lokasi dan video dokumentasi. Pengujian sistem menggunakan pengujian black box menunjukkan bahwa seluruh fungsi berjalan dengan baik. Sementara itu, evaluasi menggunakan User Experience Questionnaire (UEQ) terhadap 22 responden menunjukkan hasil dengan kategori baik. Dengan demikian, Virtual Tour yang dikembangkan layak digunakan sebagai media e-promosi dan sarana pengenalan Taman Budaya Uluan Nughik secara digital.
Pengembangan Aplikasi Mobile Berbasis Android untuk Pembelajaran Basita Paribasa Bali Melalui Permainan Kuis Dua Pemain (QuizDuel) I Kadek Diwa Anjapuryana; Dewa Gede Hendra Divayana; Ida Bagus Nyoman Pascima
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114400

Abstract

Penelitian ini difokuskan pada pengembangan QuizDuel, sebuah aplikasi mobile berbasis Android yang dirancang untuk mengatasi rendahnya minat dan keterlibatan peserta didik pada mata pelajaran muatan lokal Bahasa Bali, khususnya materi Basita Paribasa Bali. Fenomena ini diidentifikasi sebagai dampak dari dominasi metode konvensional yang cenderung statis. Guna menciptakan pengalaman belajar yang dinamis, QuizDuel mengintegrasikan konsep game edukasi melalui mekanisme kuis kompetitif dua pemain secara real-time. Penelitian Research and Development (R&D) ini mengadopsi model Agile, dengan mengintegrasikan ekosistem teknologi modern meliputi framework Flutter untuk antarmuka, Laravel sebagai backend, serta Supabase untuk sinkronisasi data instan. Kualitas sistem divalidasi melalui pengujian BlackBox dan WhiteBox, serta terbukti memperoleh koefisien validitas sempurna (1,00) berpredikat “Sangat Valid” dari ahli isi dan media. Evaluasi pengalaman pengguna menggunakan instrumen User Experience Questionnaire (UEQ) terhadap 30 siswa mencetak hasil yang didominasi predikat Excellent (daya tarik 2,21; kejelasan 2,06; efisiensi 2,22; stimulasi 2,14; kebaruan 1,93) dan Good pada aspek ketepatan (1,68). Didukung oleh respons guru yang mencapai skor 49,0 (Sangat Praktis), QuizDuel dinyatakan sangat layak dan efektif diimplementasikan sebagai inovasi media interaktif yang mampu mendongkrak partisipasi aktif siswa dalam melestarikan budaya lokal melalui teknologi digital.
Integrasi Algoritma K-Means untuk Clustering Data Kuesioner Kepribadian Mahasiswa Gede Ngurah Dananjaya Kajeng; I Made Agus Wirawan; I Kadek Dwi Arta Putra; Rama Ngurah Putera Pinatih
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114413

Abstract

Abstrak – Artikel ini menyajikan pendekatan terintegrasi untuk pengelompokan berbasis kepribadian mahasiswa menggunakan algoritma K-Means yang ditingkatkan dengan optimasi Opposition and Dimensional-Based Modified Firefly Algorithm (ODFA). Penelitian ini menangani tantangan dalam mengolah data kepribadian berbasis skala Likert yang bersifat tidak presisi dengan menerapkan pipeline praproses yang komprehensif, meliputi medical filtering, normalisasi Z-score, dan Principal Component Analysis (PCA). Algoritma K-Means dioptimalkan dengan inisialisasi ODFA untuk mengatasi masalah local optima yang sering terjadi pada pendekatan K-Means standar. Data diperoleh dari 114 mahasiswa melalui kuesioner Big Five Personality Traits yang terdiri dari 28 item. Validasi klaster dilakukan menggunakan metode Elbow dan metrik Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah klaster optimal adalah K = 2, dengan nilai Silhouette Score sebesar 0,22, yang mengindikasikan adanya profil kepribadian yang berbeda antar mahasiswa dengan pemisahan spasial yang cukup jelas. Integrasi ODFA dengan K-Means terbukti efektif dengan peningkatan kualitas klasterisasi dibandingkan K-Means standar. Pendekatan hibrida ini berhasil menangani kompleksitas data psikologis yang multidimensi serta menyediakan kerangka kerja otomatis dan objektif untuk segmentasi mahasiswa berdasarkan kepribadian. Temuan ini mendukung penggunaan K-Means yang dioptimalkan dengan inisialisasi ODFA sebagai teknik praproses yang efektif.
Analisis Clustering Kepribadian Mahasiswa Berdasarkan Data Kuesioner Menggunakan Self-Organizing Map I Kadek Dwi Arta Putra; I Made Agus Wirawan; Gede Ngurah Dananjaya Kajeng; Rama Ngurah Putera Pinatih
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114414

Abstract

Penelitian ini bertujuan untuk mengelompokkan profil kepribadian mahasiswa menggunakan algoritma Self-Organizing Map berdasarkan data kuesioner yang mengacu pada Big Five Personality Traits. Dataset yang digunakan terdiri dari 114 responden yang diperoleh setelah proses preprocessing dari 131 responden awal, dengan 28 item pernyataan skala Likert yang merepresentasikan lima dimensi kepribadian. Tahap preprocessing meliputi pembersihan data, penyaringan, transformasi ke bentuk numerik, serta normalisasi menggunakan metode Min-Max scalling. Algoritma Self-Organizing Map diimplementasikan dengan berbagai kombinasi parameter, yaitu Learning Rate sebesar 0,1, 0,3, dan 0,5, serta jumlah iterasi 50, 100, 150, dan 200, sehingga menghasilkan 12 skenario percobaan. Kualitas klaster dievaluasi menggunakan Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index. Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh pada Learning Rate 0,3 dan iterasi 50 dengan dimensi lattice 1×2 yang menghasilkan dua klaster, dengan nilai Silhouette Score sebesar 0,180, Davies-Bouldin Index sebesar 1,979, dan Calinski-Harabasz Index sebesar 25,238. Hasil ini menunjukkan bahwa klaster yang terbentuk memiliki tingkat kekompakan dan pemisahan yang baik dibandingkan konfigurasi lainnya. Dengan demikian, algoritma Self-Organizing Map terbukti efektif dalam mengidentifikasi pola tersembunyi pada data kepribadian berdimensi tinggi dan mampu menghasilkan pengelompokan yang lebih stabil dibandingkan metode clustering konvensional.
Perbandingan Metode Euclidean Distance dan Support Vector Machine pada Klasifikasi Identitas Tanda Tangan Menggunakan Ekstraksi Fitur Histogram of Oriented Gradien Kadek Ryan Maeda Alfarezza; I Made Agus Wirawan
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114468

Abstract

Tanda tangan merupakan salah satu bentuk identitas personal yang masih banyak digunakan dalam berbagai proses administrasi, akademik, perbankan, dan legal. Namun, proses pengenalan tanda tangan secara manual memiliki keterbatasan karena bergantung pada ketelitian pengamat dan berpotensi menimbulkan subjektivitas. Penelitian ini bertujuan untuk membandingkan performa metode Euclidean Distance dan Support Vector Machine dalam klasifikasi identitas tanda tangan berbasis citra digital. Dataset yang digunakan terdiri atas 900 citra tanda tangan yang merepresentasikan 30 identitas berbeda, dengan masing-masing identitas memiliki 30 sampel citra. Tahapan penelitian meliputi preprocessing citra, ekstraksi fitur, klasifikasi, dan evaluasi performa. Pada tahap preprocessing, citra diproses melalui konversi grayscale, penyesuaian ukuran, thresholding, dan normalisasi. Selanjutnya, fitur citra diekstraksi menggunakan Histogram of Oriented Gradients yang dikombinasikan dengan proyeksi horizontal dan vertikal untuk merepresentasikan pola goresan serta distribusi bentuk tanda tangan. Metode Euclidean Distance digunakan sebagai pendekatan berbasis jarak, sedangkan Support Vector Machine digunakan sebagai pendekatan pembelajaran mesin terawasi. Evaluasi dilakukan menggunakan Stratified K-Fold Cross Validation dengan metrik accuracy, precision, recall, F1-score, confusion matrix, dan waktu komputasi. Hasil pengujian menunjukkan bahwa SVM Linear dengan fitur HOG dan proyeksi pada ukuran citra 128×128 memperoleh performa terbaik dengan accuracy sebesar 97,33%, precision sebesar 98,06%, recall sebesar 97,33%, dan F1-score sebesar 97,19%. Dengan demikian, SVM Linear dinilai sebagai metode yang paling efektif dalam klasifikasi identitas tanda tangan pada dataset penelitian ini.
Studi Komparasi Fungsi Jarak Euclidean, Manhattan, dan Minkowski Pada K-Nearest Neighbor Untuk Analisis Sentimen Komentar Judi Online pada Platform YouTube I Gede Agoes Oka Wijana; I Made Agus Wirawan
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114479

Abstract

Maraknya komentar promosi judi online pada platform YouTube menimbulkan ancaman serius terhadap keamanan digital pengguna, khususnya kelompok muda yang rentan. Aktivitas ini melanggar Undang-Undang ITE Nomor 19 Tahun 2016 Pasal 27 Ayat 2 yang melarang distribusi konten perjudian di ruang digital. Penelitian ini bertujuan untuk menganalisis sentimen komentar judi online berbahasa Indonesia menggunakan algoritma K-Nearest Neighbor (KNN) dengan membandingkan tiga fungsi jarak, yaitu Euclidean, Manhattan, dan Minkowski. Dataset yang digunakan berasal dari Kaggle sebanyak 18.426 komentar setelah proses pembersihan data, dengan dua kelas sentimen yaitu positif (komentar judi online) dan negatif (komentar non-judol). Representasi teks dilakukan menggunakan TF-IDF dengan maksimum 1500 fitur, serta penanganan ketidakseimbangan data menggunakan SMOTE. Eksperimen dilakukan terhadap 150 kombinasi parameter yang melibatkan variasi fungsi jarak, nilai K (3, 5, 7, 9, 11), data split, dan penerapan SMOTE. Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh pada Manhattan distance dengan K = 3, data split 90:10, dan SMOTE, yang menghasilkan F1-score sebesar 96,31%. Selain itu, seluruh fungsi jarak menunjukkan pola konsisten di mana performa menurun seiring meningkatnya nilai K. Manhattan distance terbukti paling sensitif terhadap perubahan nilai K, sedangkan Euclidean menunjukkan kestabilan performa, dan Minkowski memberikan kompromi antara keduanya. Temuan ini menunjukkan bahwa pemilihan fungsi jarak dan nilai K memiliki pengaruh signifikan terhadap performa KNN dalam klasifikasi sentimen komentar judi online.
Pengembangan Film Pendek Animasi 3 Dimensi Tradisi Megoak-Goakan Desa Panji Arif Samsul Hadi; I Gede Bendesa Subawa; I Nyoman Indhi Wiradika
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114486

Abstract

Penelitian ini dilatarbelakangi oleh kurangnya media informasi yang menarik untuk memperkenalkan tradisi Megoak-goakan kepada generasi muda. Penelitian ini bertujuan film pendek mengembangkan animasi tiga dimensi (3D) tradisi Megoak-goakan serta mengetahui tingkat kelayakan dan respon pengguna terhadap media yang dikembangkan. Metode yang digunakan adalah Research and Development (R&D) dengan model Multimedia Development Life Cycle (MDLC) yang meliputi tahapan konsep, desain, pengumpulan material, perakitan, pengujian, dan distribusi. Subjek penelitian terdiri dari ahli isi, ahli media, dan responden pengguna. Teknik pengumpulan data menggunakan wawancara, dan angket, sedangkan analisis data menggunakan deskriptif kualitatif dan kuantitatif. Hasil penelitian menunjukkan bahwa film animasi 3D tradisi Megoak-goakan berhasil dikembangkan dan mampu merepresentasikan nilai sejarah, filosofi, dan sosial melalui elemen visual dan alur cerita. Hasil uji ahli dan respon pengguna menunjukkan kategori sangat baik sehingga media dinyatakan layak digunakan sebagai media informasi dan edukasi budaya lokal.
Penerapan Algoritma K-Nearest Neighbors (KNN) Dengan Optimasi PCA untuk Klasifikasi Genre Musik Berdasarkan Fitur Audio Spotify I Wayan Iswara Pranidana; I Made Agus Wirawan
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114510

Abstract

Industri musik digital mengalami pertumbuhan pesat, dengan platform seperti Spotify yang kini menyimpan lebih dari 80 juta lagu. Pengelompokan genre musik secara manual tidak lagi efisien, sehingga diperlukan sistem klasifikasi otomatis. Penelitian ini bertujuan untuk mengklasifikasikan 6 genre musik (EDM, Rap, Pop, R&B, Latin, dan Rock) dari 32.833 lagu pada Spotify Songs Dataset menggunakan algoritma K-Nearest Neighbors (KNN). Untuk mengatasi tumpang tindih pada fitur multidimensi, diterapkan Principal Component Analysis (PCA) sebagai tahap reduksi dimensi guna mereduksi noise sekaligus mempertahankan 95% varians informasi data aslinya. Selain itu, pencarian parameter optimal dilakukan secara komprehensif menggunakan Grid Search dengan 5-fold Cross-Validation untuk membandingkan metrik jarak Euclidean dan Cosine Similarity pada berbagai nilai K ganjil. Hasil optimasi menemukan bahwa KNN berkinerja terbaik menggunakan metrik jarak Cosine Similarity dengan jumlah tetangga K=15. Evaluasi menunjukkan akurasi model meningkat menjadi 48,38% dibandingkan baseline KNN standar. Genre Rock (F1-Score 0,61) dan EDM (F1-Score 0,60) memiliki performa klasifikasi terbaik, sementara Pop paling sering salah diklasifikasi (F1-Score 0,29) akibat tumpang tindih fitur yang dibuktikan melalui visualisasi sebaran PCA. Batasan akurasi ini mengonfirmasi bahwa pendekatan berbasis jarak memiliki kendala intrinsik pada dataset fitur audio numerik yang berdistribusi rapat dan saling tumpang tindih antar kelas.
Analisis Klasifikasi Tingkat Stres Mahasiswa Menggunakan Gaussian Naive Bayes dan Fisher’s Discriminant Ratio Sanciko Romora Karo Karo; I Made Agus Wirawan
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.114513

Abstract

Tingkat stres mahasiswa merupakan isu kesehatan mental yang semakin kritis di lingkungan pendidikan tinggi. Penelitian ini menerapkan algoritma Gaussian Naive Bayes untuk mengklasifikasikan tingkat stres mahasiswa ke dalam tiga kategori — rendah, sedang, dan tinggi — berdasarkan 20 faktor multidimensional yang mencakup aspek psikologis, fisik, lingkungan, akademik, dan sosial. Dataset yang digunakan adalah Student Stress Factors Dataset dari Kaggle yang terdiri dari 1.100 rekaman data, dengan pembagian pelatihan dan pengujian menggunakan rasio 80:20. Metodologi penelitian mengacu pada kerangka CRISP-DM (Cross-Industry Standard Process for Data Mining), yang memungkinkan pengelolaan proses klasifikasi secara terstruktur mulai dari pemahaman bisnis hingga evaluasi model. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 87,73%, dengan weighted average precision 0,89, recall 0,88, dan F1-Score 0,88. Analisis fitur menggunakan Fisher’s Discriminant Ratio (FDR) mengungkapkan bahwa tekanan darah (blood_pressure), kepercayaan diri (self_esteem), dan bullying merupakan tiga faktor paling berpengaruh terhadap tingkat stres mahasiswa. Temuan ini sejalan dengan penelitian dosen-dosen Universitas Pendidikan Ganesha yang menekankan pentingnya pendekatan berbasis data dalam mendeteksi kondisi mental dan performa mahasiswa. Penelitian ini membuktikan bahwa Naive Bayes yang sederhana secara komputasi mampu menghasilkan klasifikasi yang kompetitif pada data multidimensional dan berpotensi diimplementasikan sebagai alat deteksi dini kondisi mental mahasiswa di institusi pendidikan tinggi.

Page 118 of 124 | Total Record : 1237

 116   117   118   119   120 

Filter by Year

2012 2026


Reset
Filter By Issues
All Issue Vol. 15 No. 2 (2026): Karmapati Vol 15 No 2 Tahun 2026 Vol. 15 No. 1 (2026): Karmapati Vol 15 No 1 Tahun 2026 Vol. 14 No. 3 (2025) Vol. 14 No. 2 (2025) Vol. 14 No. 1 (2025) Vol. 13 No. 3 (2024) Vol. 13 No. 2 (2024) Vol. 13 No. 1 (2024) Vol. 12 No. 3 (2023) Vol. 12 No. 2 (2023) Vol. 12 No. 1 (2023) Vol. 11 No. 3 (2022) Vol. 11 No. 2 (2022) Vol. 11 No. 1 (2022) Vol. 10 No. 3 (2021) Vol 10, No 3 (2021) Vol 10, No 2 (2021) Vol. 10 No. 2 (2021) Vol. 10 No. 1 (2021) Vol 10, No 1 (2021) Vol 9, No 3 (2020) Vol. 9 No. 3 (2020) Vol. 9 No. 2 (2020) Vol 9, No 2 (2020) Vol. 9 No. 1 (2020) Vol 9, No 1 (2020) Vol 8, No 3 (2019) Vol. 8 No. 3 (2019) Vol. 8 No. 2 (2019) Vol 8, No 2 (2019) Vol 8, No 1 (2019) Vol. 8 No. 1 (2019) Vol. 7 No. 3 (2018) Vol 7, No 3 (2018) Vol. 7 No. 2 (2018) Vol 7, No 2 (2018) Vol 7, No 1 (2018) Vol. 7 No. 1 (2018) Vol 6, No 3 (2017) Vol. 6 No. 3 (2017) Vol 6, No 2 (2017) Vol. 6 No. 2 (2017) Vol. 6 No. 1 (2017) Vol 6, No 1 (2017): Vol 5, No 3 (2016): Vol. 5 No. 3 (2016) Vol 5, No 2 (2016): Vol. 5 No. 2 (2016) Vol. 5 No. 1 (2016) Vol 5, No 1 (2016) Vol. 4 No. 5 (2015) Vol 4, No 5 (2015) Vol 4, No 4 (2015) Vol. 4 No. 4 (2015) Vol. 4 No. 3 (2015) Vol 4, No 3 (2015) Vol 4, No 2 (2015) Vol. 4 No. 2 (2015) Vol. 4 No. 1 (2015) Vol 4, No 1 (2015) Vol. 3 No. 7 (2014) Vol 3, No 7 (2014) Vol 3, No 6 (2014) Vol. 3 No. 6 (2014) Vol 3, No 5 (2014) Vol. 3 No. 5 (2014) Vol 3, No 4 (2014) Vol. 3 No. 4 (2014) Vol 3, No 3 (2014) Vol. 3 No. 3 (2014) Vol 3, No 2 (2014) Vol. 3 No. 2 (2014) Vol. 3 No. 1 (2014) Vol 3, No 1 (2014) Vol 2, No 8 (2013) Vol. 2 No. 8 (2013) Vol. 2 No. 7 (2013) Vol 2, No 7 (2013) Vol. 2 No. 6 (2013) Vol 2, No 6 (2013) Vol. 2 No. 5 (2013) Vol 2, No 5 (2013) Vol 2, No 4 (2013) Vol. 2 No. 4 (2013) Vol 2, No 3 (2013) Vol. 2 No. 3 (2013) Vol. 2 No. 2 (2013) Vol 2, No 2 (2013) Vol 2, No 1 (2013) Vol. 2 No. 1 (2013) Vol 1, No 5 (2012) Vol. 1 No. 5 (2012) Vol 1, No 4 (2012) Vol. 1 No. 4 (2012) Vol. 1 No. 3 (2012) Vol 1, No 3 (2012) Vol 1, No 2 (2012) Vol. 1 No. 2 (2012) Vol. 1 No. 1 (2012) Vol 1, No 1 (2012) More Issue