cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Andy Sapta
Contact Email
saptaandy@gmail.com
Phone
-
Journal Mail Official
lppm_stmik@royal.ac.id
Editorial Address
-
Location
,
INDONESIA
JOURNAL OF SCIENCE AND SOCIAL RESEARCH
Published by Smart Education
ISSN : 26154307     EISSN : 26153262     DOI : -
Core Subject : Economy, Science, Education, Social,
Computer Science & IT Economics, Econometrics & Finance Education Social Sciences
Journal of Science and Social Research is accepts research works from academicians in their respective expertise of studies. Journal of Science and Social Research is platform to disclose the research abilities and promote quality and excellence of young researchers and experienced thoughts towards Change for Development. The journal releases on February and July.
Arjuna Subject : -
Articles 4,061 Documents
 235   236   237   238   239 
ANALISIS POLA TIDUR MAHASISWA UINSU DAN PENGARUHNYA TERHADAP PERFORMA AKADEMIK Afif Ananta
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3629

Abstract

Pola tidur yang sehat berperan penting dalam menjaga keseimbangan fisik, emosional, dan fungsi kognitif mahasiswa. Dalam lingkungan akademik yang padat, gangguan tidur seperti kurang tidur dan kebiasaan begadang berpotensi menurunkan performa akademik. Metode yang digunakan adalah deskriptif kuantitatif, dengan 43 mahasiswa sebagai responden. Data dikumpulkan melalui kuesioner daring dan dianalisis menggunakan statistik deskriptif. Hasil menunjukkan mayoritas mahasiswa tidur kurang dari 6 jam per malam dan mengalami insomnia sesekali. Sebagian besar merasakan dampak negatif terhadap konsentrasi, rasa lelah, dan produktivitas belajar. Penelitian ini juga menemukan bahwa sebagian besar mahasiswa menyadari adanya pengaruh pola tidur terhadap aktivitas akademik. Sebanyak 74,4% menyatakan bahwa tidur memengaruhi konsentrasi belajar, 67,4% merasa lelah saat beraktivitas akibat kurang tidur, dan 76,7% merasa lebih produktif jika tidur cukup. Temuan ini menunjukkan bahwa meskipun mahasiswa menyadari pentingnya tidur yang cukup, gaya hidup dan tekanan akademik masih menjadi kendala dalam penerapan pola tidur sehat. Penggunaan gawai sebelum tidur juga menjadi salah satu faktor penyebab gangguan tidur yang signifikan.
ANALISIS FAKTOR KECENDERUNGAN PERILAKU MEROKOK MAHASISWA SISTEM INFORMASI UINSU ANGKATAN 2023 DENGAN MODEL REGRESI LOGISTIK BINER Dianita Liasna Depari
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3630

Abstract

Regresi logistik biner yaitu metode statistik yang dipakai untuk memodelkan hubungan dari variabel independen dengan variabel dependen yang memiliki sifat dikotomik. Penelitian ini mempunyai tujuan yaitu untuk mendapatkan model regresi logistik biner, memperoleh pemahaman lebih mendalam mengenai faktor faktor yang membentuk kebiasaan merokok pada mahasiswa, serta menentukan tingkat akurasi dari pendekatan regresi logistik biner yang telah didapat. Data yang dipakai dalam penelitian ini yaitu data mahasiswa aktif Prodi Sistem Informasi UINSU Angkatan 2023 dengan sampel 50 orang, dengan 1 variabel dependen yaitu status merokok dan 10 variabel independen yaitu usia (𝑋1), jenis kelamin (𝑋2), penerapan KTR (𝑋3), edukasi bahaya merokok (𝑋4), status keluarga merokok (𝑋5), status senior merokok (𝑋6), status dosen merokok (𝑋7), status teman dekat merokok (𝑋8), status bekerja dinotasikan (X9), dan merokok dapat menghilangkan stres (X10). Hasil penelitian memperlihatkan bahwa model regresi logistik biner telah diperoleh, dengan jenis kelamin sebagai faktor yang berpengaruh signifikan dengan tingkat akurasi sebesar 88%.
PERAN MASYARAKAT MELALUI SUBTRACK DALAM PENGEMBANGAN KAWASAN WISATA AMPEL SURABAYA BERBASIS SEJARAH Diah Novita Evi Sari; Aditha Agung Prakoso; Moch Nur Syamsu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3640

Abstract

Abstract: This study aims to analyze the management of the Sunan Ampel tourist area in Surabaya by highlighting the role of the community in the spatial, cultural, and historical context of the area. The phenomena that occur in this area include the pressure of modernization that threatens the spatial uniqueness of the cultural heritage area, as well as the imbalance between the great potential of the site as a cultural heritage and suboptimal management. Other problems include land use density, low accessibility, overlapping land functions, and minimal attention to environmental sustainability and balanced spatial management. In addition, tourism management that is not integrated enough between the community, government, and private sector is also an obstacle. Through a qualitative approach, data were collected using field observations, in-depth interviews, and documentation, which were then analyzed using NVivo and a theory-based spatial approach. The findings show that the role of local communities through subtracks—micro paths resulting from social adaptation—plays an important role in maintaining the continuity of historical functions and tourism activities. This study concludes that management of history-based areas requires active collaboration between the community, government, and local business actors with an adaptive and sustainable spatial approach.Keywords: Spatial Planning, Community Participation Abstrak: Penelitian ini bertujuan untuk menganalisis pengelolaan kawasan wisata Sunan Ampel di Surabaya dengan menyoroti peran masyarakat dalam konteks spasial, budaya, dan sejarah kawasan. Fenomena yang terjadi di kawasan ini mencakup tekanan modernisasi yang mengancam keunikan spasial kawasan warisan budaya, serta ketimpangan antara potensi besar situs sebagai warisan budaya dan pengelolaan yang belum optimal. Permasalahan lainnya meliputi kepadatan penggunaan lahan, aksesibilitas yang rendah, tumpang tindih fungsi lahan, serta minimnya perhatian terhadap keberlanjutan lingkungan dan pengelolaan ruang yang seimbang. Selain itu, pengelolaan wisata yang kurang terintegrasi antara masyarakat, pemerintah, dan sektor swasta juga menjadi kendala. Melalui pendekatan kualitatif, data dikumpulkan menggunakan observasi lapangan, wawancara mendalam, dan dokumentasi, yang kemudian dianalisis menggunakan NVivo dan pendekatan spasial berbasis teori. Temuan menunjukkan bahwa peran masyarakat lokal melalui subtrack—jalur mikro hasil adaptasi sosial—berperan penting dalam menjaga kelangsungan fungsi historis dan aktivitas wisata. Penelitian ini menyimpulkan bahwa pengelolaan kawasan berbasis sejarah memerlukan kolaborasi aktif antara masyarakat, pemerintah, dan pelaku usaha lokal dengan pendekatan spasial yang adaptif dan berkelanjutan. Kata kunci: Perencanaan Spasial, Partisipasi Masyarakat
IMPLEMENTASI METODE EXTREME LEARNING MACHINE UNTUK MENGKLASIFIKASI CELANA PANJANG, CELANA PENDEK DAN ROK Dede Pratama; Taufik Masri; Agung Ramdhanu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3645

Abstract

Abstract: Klasifikasi jenis pakaian merupakan salah satu aplikasi penting dalam bidang computer vision yang dapat diterapkan dalam berbagai sektor, seperti e-commerce, sistem inventory fashion, dan aplikasi berbelanja online. Identifikasi manual terhadap jenis pakaian seperti celana panjang, celana pendek, dan rok memerlukan waktu yang lama dan rentan terhadap kesalahan subjektif. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis menggunakan metode Extreme Learning Machine (ELM) untuk mengklasifikasi tiga kategori pakaian berdasarkan fitur morfologi yang diekstraksi dari citra. Sistem ini menggunakan preprocessing dengan konversi ruang warna HSV, thresholding, median filter, dan operasi morfologi untuk menghasilkan citra biner yang optimal. Ekstraksi fitur dilakukan dengan menganalisis karakteristik bentuk menggunakan regionprops yang menghasilkan lima parameter utama: Area, Perimeter, Eccentricity, MajorAxisLength, dan MinorAxisLength. Model ELM dikonfigurasi dengan 5 input neuron, 60 hidden neuron, dan fungsi aktivasi sinusoidal. Pengujian dilakukan menggunakan 30 data latih dan 12 data uji yang terdiri dari 10 sampel untuk setiap kategori pakaian. Hasil evaluasi menunjukkan sistem berhasil mencapai akurasi klasifikasi sebesar 83.333% pada data uji, membuktikan efektivitas metode ELM dalam klasifikasi jenis pakaian berdasarkan fitur morfologi.
GEOGRAPHIC INFORMATION SYSTEM APPLICATION FOR TRADITIONAL MARKET MAPPING IN PADANG CITY BASED ON ANDROID Melladia Melladia; Fadila Afriansyah
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3656

Abstract

This study aims to develop an Android-based Geographic Information System (GIS) application for mapping traditional markets in Padang City. The main issue addressed is the lack of accessible spatial information regarding market locations for the general public. The research employed field observations, interviews with the Trade Office and market vendors, and literature study. The system development followed the waterfall model, comprising requirement analysis, system design, implementation, testing, and maintenance. The application was built using Android Studio, LeafletJS, and QGIS. The results show that the application successfully presents market location information in an interactive map format, displays detailed market data, and facilitates administrative data management. This application is expected to assist users in locating traditional markets and support local government efforts in spatial data management more efficiently.Keyword: Georaphic Information System, Padang City, QGIS, Leaflet, Android
IMPLEMENTASI ALGORITMA MULTIPLE LINEAR REGRESSION DALAM MENGESTIMASI HASIL PANEN TANAMAN TEMBAKAU Diah nawang wulan; Mula Agung Barata; Ita Aristia Sa'ida
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3662

Abstract

Penilitian ini bertujuan untuk menaksir panen tembakau petani di Desa Balongrejo menggunakan algoritma regresi linier khusus. Data yang digunakan terdiri dari empat variabel dasar: jumlah bit, jumlah pembelian, jumlah transaksi, dan jumlah jam. Analisis dilakukan secara manual dan dengan bantuan alat statistik. Hasil analisis data menunjukkan bahwa model regresi dapat menjelaskan 95,5% varians dalam data. Selain itu, uji F menunjukkan semua variabel memiliki pengaruh yang signifikan secara bersamaan, sedangkan uji t mengidentifikasi tiga variabel yang memiliki pengaruh signifikan secara terpisah.
PARATE EKSEKUSI PERSPEKTIF ECONOMIC ANALYSIS OF LAW Ahmad Muhris; Muhammad Taufiqurrohman
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3711

Abstract

Parate eksekusi berdasarkan pasal 6 UUHT masih banyak dipakai di dunia perbankan, namun menggunakan parate eksekusi disatu sisi sebagai perlindungan kreditur tapi disisi lain masih mengorbankan nasabah. Problem hukum nyata di lapangan bagi debitur terdapat ketidakadilan, disebabkan: 1) harga limit di jual di bawah standart. 2) potensi moral hazard. Metode penelitian ini adalah studi kepustakaan (library research) dengan menggunakan metode penelitian yuridis-normatif.  Hasil penelitian adalah Penggunaan parate eksekusi berdasarkan pasal 6 dan pasal 20 huruf a UUHT dapat dilakukan oleh kreditur apabila debitur dinyatakan wanprestasi dengan  syarat pada APHT terdapat janji eksekusi hak tanggungan secara mendiri apabila debitur wanpresatasi. Adapun dapun prosedur pelaksanaan parate eksekusi jika debitur sudah dinyatakan wanprestasi, maka proses eksekusi dilakukan berdasarkan 6 tahapan yaitu : 1) Tahap persiapan, 2) Tahap pelaksaan lelang, 3)  Tahap penawaran, 4) Tahap pembayaran, 5)  Tahap Penyerahan Dokumen Kepemilikan Barang, 6) pembutan risalah lelang, Sedangkan parate eksekusi dari analisi teori efisiensi (economic analysis of law) terlepas dari adanya moral hazard dan limit dibawah standart adalah sudah termasuk efisiensi, karena hal demikian sudah memenuhi kriteria efisiensi dimana dalam pengunaan parate eksekusi ini tidak ada pihak yang merasa lebih berbahagia (kreditur, karena assetnya kembali) tanpa ada satu pihak yang merasa lebih menderita (debitur yang tanggungannya dijual dengan harga normal). Dengan terciptanya afisiensi ini menunjukkan adanya keadilan diantra pihak, karena adil dalam teori ini apabila mencapai efisiensi
ANALISIS SENTIMEN ULASAN APLIKASI SHOPEE PARTNER DAN TOKOPEDIA SELLER PADA GOOGLEPLAYSTORE MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Bakti Ladispa Reanjani; Muhammad Adie Syaputra
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3712

Abstract

Abstract: This study focuses on sentiment analysis of user reviews for the Shopee Partner and Tokopedia Seller applications on Google Play Store using the Naïve Bayes Classifier method. A total of 20,000 user reviews were collected, with 10,000 reviews for each application. The research process included data collection, sentiment labeling, data cleaning, text preprocessing, and classification using Multinomial Naïve Bayes. The analysis results indicate that Shopee Partner reviews were dominated by negative sentiments, achieving an accuracy of 84%, precision of 87%, recall of 92%, and an f1-score of 90%. Conversely, Tokopedia Seller reviews were primarily positive, with an accuracy of 85%, precision of 92%, recall of 83%, and an f1-score of 87%. Data visualization revealed that Shopee Partner had 6,455 negative reviews and 2,324 positive reviews, while Tokopedia Seller recorded 3,728 negative reviews and 5,441 positive reviews. This study concludes that Tokopedia Seller better meets user expectations compared to Shopee Partner. Furthermore, it reaffirms the effectiveness of the Naïve Bayes Classifier as a tool for sentiment analysis. Keyword: Sentiment Analysis, Shopee Partner, Tokopedia Seller, Naïve Bayes Classifier.  Abstrak: Studi ini berfokus pada analisis sentimen ulasan pengguna terhadap aplikasi Shopee Partner dan Tokopedia Seller di Google Play Store dengan menggunakan metode Naïve Bayes Classifier. Sebanyak 20.000 ulasan pengguna dikumpulkan, masing-masing 10.000 ulasan untuk setiap aplikasi. Proses penelitian mencakup pengumpulan data, pelabelan sentimen, pembersihan data, praproses teks, dan klasifikasi menggunakan Multinomial Naïve Bayes. Hasil analisis menunjukkan bahwa ulasan untuk Shopee Partner didominasi oleh sentimen negatif, dengan akurasi sebesar 84%, presisi 87%, recall 92%, dan f1-score 90%. Sebaliknya, ulasan Tokopedia Seller didominasi oleh sentimen positif, dengan akurasi 85%, presisi 92%, recall 83%, dan f1-score 87%. Visualisasi data menunjukkan bahwa Shopee Partner memiliki 6.455 ulasan negatif dan 2.324 ulasan positif, sedangkan Tokopedia Seller mencatat 3.728 ulasan negatif dan 5.441 ulasan positif. Studi ini menyimpulkan bahwa Tokopedia Seller lebih mampu memenuhi harapan pengguna dibandingkan Shopee Partner. Selain itu, penelitian ini menegaskan efektivitas metode Naïve Bayes Classifier sebagai alat analisis sentimen. Kata kunci: Analisis Sentimen, Shopee Partner, Tokopedia Seller, Naïve Bayes Classifier.
IMPLEMENTASI METODE EXTREME LEARNING MACHINE UNTUK KLASIFIKASI JENIS MOBIL muhammad idris; Charisman Fajri Saputra; Agung Ramadhanu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3714

Abstract

Abstract: The rapid development of automotive technology has led to a wide variety of car types with increasingly complex features and characteristics. Alongside this advancement, the need for fast and accurate automatic classification systems has become essential, particularly in the field of vehicle image recognition. This study aims to implement the Extreme Learning Machine (ELM) method to classify vehicle types based on digital images. The research focuses on classifying three types of vehicles (Bus, Pickup, and SUV), using a dataset of 10 images per class. The test results show that ELM is capable of classifying vehicle types with competitive accuracy compared to conventional methods, while offering significantly more efficient computation time. This research demonstrates the potential of ELM as a practical solution to support intelligent vehicle recognition systems in the modern automotive industry. The classification achieved an accuracy rate of 91.67%. Keywords: Extreme Learning Machine (ELM), Vehicle Type Classification, Image Processing, Pattern Recognition. Abstrak: Perkembangan teknologi otomotif yang pesat telah menghasilkan beragam jenis mobil dengan fitur dan karakteristik yang semakin kompleks. Seiring dengan kemajuan ini, kebutuhan akan sistem klasifikasi otomatis yang cepat dan akurat menjadi sangat penting, terutama dalam bidang pengenalan citra kendaraan. Tujuan penelitian ini untuk mengimplementasikan metode Extreme Learning Machine (ELM) dalam mengklasikasi jenis mobil berdasarkan citra digital. Penelitian ini mengklasifikasikan 3 jenis mobil (BUS, Pickup dan SUV) dengan dataset masing masing 10 gambar. Hasil pengujian menunjukkan bahwa ELM mampu melakukan klasifikasi jenis mobil dengan akurasi yang kompetitif dibandingkan metode konvensional, dengan waktu komputasi yang jauh lebih efisien. Penelitian ini menunjukkan potensi ELM sebagai solusi praktis dalam mendukung sistem cerdas berbasis pengenalan kendaraan dalam dunia otomotif modern. Hasil yang didapat dari penelitian ini adalah sebesar 91,67% untuk tingkat akurasinya. Kata kunci: Extreme Learning Machine (ELM), Klasifikasi Jenis Kendaraan, Pemrosesan Citra, Pengenalan Pola.
PENERAPAN METODE TEOREMA BAYES DALAM IDENTIFIKASI DAN PENANGANAN PENYAKIT KANDUNGAN Nopi Purnomo; Bendra Wardana; Devi Yuliana; M. Rasyid; Riska Ardilla Hasibuan
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3734

Abstract

Abstract: Expert systems, a branch of Artificial Intelligence (AI), are designed to represent expert knowledge within a computer system, allowing users to receive solutions as if consulting a human expert. In developing expert systems, an appropriate method is required, one of which is the Bayes Theorem. This method is used to calculate the probability of an event based on available observational data, enabling more accurate disease diagnosis based on patient symptoms. This study applies the Bayesian approach to address uncertainty in identifying gynecological diseases through conditional probability calculations. The data processing results show the probability distribution of various gynecological conditions, including: Anemia (75.38%), Hypertension (14.77%), Placenta Previa (5.00%), Premature Birth (3.00%), Hypotension (0.92%), Hyperemesis Gravidarum (0.63%), Ectopic Pregnancy (0.17%), Ovarian Cyst (0.12%), Uterine Cancer (0.002%), and Endometriosis (0.001%). Based on the findings, anemia is the most commonly experienced condition among pregnant women. Anemia can lead to fatigue, dizziness, fetal developmental disorders, and even premature labor. Therefore, it is recommended to consume iron-rich foods and undergo regular prenatal check-ups to monitor hemoglobin levels and prevent further complications. Keywords: Expert Systems, Identification, obstetric disease, Bayes Theorem. Abstrak: Sistem pakar, yang merupakan bagian dari cabang kecerdasan buatan (Artificial Intelligence), dirancang untuk merepresentasikan pengetahuan seorang pakar ke dalam sistem komputer sehingga pengguna dapat memperoleh solusi seolah-olah berkonsultasi langsung dengan pakar. Dalam pengembangan sistem pakar, dibutuhkan metode yang tepat, salah satunya adalah metode Teorema Bayes. Metode ini digunakan untuk menghitung probabilitas suatu kejadian berdasarkan data observasi yang tersedia, sehingga proses diagnosis penyakit dapat dilakukan secara lebih akurat berdasarkan gejala yang dialami pasien. Penelitian ini menerapkan pendekatan Teorema Bayes untuk menangani ketidakpastian dalam proses identifikasi penyakit kandungan melalui perhitungan probabilitas bersyarat. Hasil pengolahan data menunjukkan distribusi probabilitas beberapa jenis penyakit kandungan, di antaranya: Anemia (75,38%), Hipertensi (14,77%), Plasenta Previa (5,00%), Prematur (3,00%), Hipotensi (0,92%), Hyperemesis Gravidarum (0,63%), Kehamilan Ektopik (0,17%), Kista Ovarium (0,12%), Kanker Rahim (0,002%), dan Endometriosis (0,001%). Dari hasil tersebut, anemia merupakan kondisi paling dominan yang dialami ibu hamil. Anemia berisiko menyebabkan kelelahan, pusing, hambatan perkembangan janin, hingga kelahiran prematur. Oleh karena itu, penanganan yang disarankan meliputi konsumsi makanan kaya zat besi serta pemeriksaan kehamilan secara rutin untuk memantau kadar hemoglobin dan mencegah komplikasi lebih lanjut. Kata kunci: Sistem Pakar, Identifikasi, Penyakit Kandungan, Teorema Bayes.

Page 237 of 407 | Total Record : 4061

 235   236   237   238   239 

Filter by Year

2018 2026


Reset
Filter By Issues
All Issue Vol. 9 No. 4 (2026): August 2026 (1) Vol. 9 No. 3 (2026): June 2026 Vol. 9 No. 2 (2026): April 2026 Vol 9, No 1 (2026): February 2026 Vol. 9 No. 1 (2026): February 2026 Vol. 8 No. 4 (2025): November 2025 Vol 8, No 4 (2025): November 2025 Vol. 8 No. 3 (2025): August 2025 Vol 8, No 3 (2025): August 2025 Vol. 8 No. 2 (2025): May 2025 Vol 8, No 2 (2025): May 2025 Vol. 8 No. 1 (2025): February 2025 Vol 8, No 1 (2025): February 2025 Vol 7, No 4 (2024): November 2024 Vol. 7 No. 4 (2024): November 2024 Vol 7, No 3 (2024): August 2024 Vol. 7 No. 3 (2024): August 2024 Vol 7, No 2 (2024): May 2024 Vol. 7 No. 2 (2024): May 2024 Vol. 7 No. 1 (2024): February 2024 Vol 7, No 1 (2024): February 2024 Vol 6, No 3 (2023): October 2023 Vol. 6 No. 3 (2023): October 2023 Vol. 6 No. 2 (2023): June 2023 Vol 6, No 2 (2023): June 2023 Vol. 6 No. 1 (2023): February 2023 Vol 6, No 1 (2023): February 2023 Vol 5, No 3 (2022): October 2022 Vol. 5 No. 3 (2022): October 2022 Vol 5, No 2 (2022): June 2022 Vol. 5 No. 2 (2022): June 2022 Vol. 5 No. 1 (2022): February 2022 Vol 5, No 1 (2022): February 2022 Vol. 4 No. 3 (2021): October 2021 Vol 4, No 3 (2021): October 2021 Vol 4, No 2 (2021): June 2021 Vol. 4 No. 2 (2021): June 2021 Vol. 4 No. 1 (2021): February 2021 Vol 4, No 1 (2021): February 2021 Vol 3, No 2 (2020): August 2020 Vol. 3 No. 2 (2020): August 2020 Vol. 3 No. 1 (2020): February 2020 Vol 3, No 1 (2020): February 2020 Vol 2, No 2 (2019): August 2019 Vol. 2 No. 2 (2019): August 2019 Vol 2, No 1 (2019): February 2019 Vol. 2 No. 1 (2019): February 2019 Vol. 1 No. 2 (2018): August 2018 Vol 1, No 2 (2018): August 2018 Vol 1, No 2 (2018): August 2018 Vol 1, No 1 (2018): February 2018 Vol 1, No 1 (2018): February 2018 Vol. 1 No. 1 (2018): February 2018 More Issue