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 bandung,
Jawa barat
INDONESIA
MIND (Multimedia Artificial Intelligent Networking Database) Journal
Published by Institut Teknologi Nasional Bandung
ISSN : 25280015     EISSN : 25280902     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 9 Documents
 1 
Search results for , issue "Vol 7, No 2 (2022): MIND Journal" : 9 Documents clear
Penerapan Data Standardization dan Multilayer Perceptron pada Identifikasi Website Phishing YUSUP MIFTAHUDDIN; MOHAMAD MUQIIT FATURRAHMAN
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 2 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i2.111-123

Abstract

AbstrakWebsite phishing adalah salah satu masalah utama dalam bidang keamanan website. Website phishing dibuat oleh orang yang tidak bertanggungjawab untuk mengambil informasi pribadi seseorang contohnya seorang hacker atau cracker. Teknik umum yang digunakan pada phishing yaitu manipulasi Uniform Resource Locator (URL), pemalsuan halaman situs web, dan pop up window. Pada tahun 2019, APWG (Anti-Phishing Working Group) mendeteksi kasus phishing sebanyak 162.155 kasus di dunia. Pada penelitian ini, melakukan eksperimen dengan menerapkan metode Data Standardization dan Multilayer Perceptron (MLP) untuk mendeteksi website phishing. Eksperimen dilakukan menggunakan 2 model yaitu model A dan model B. Untuk melihat performa dari model MLP yang dihasilkan dapat dilihat menggunakan tingkat accuracy, recall, precision, f1-score dan specificity. Selain itu juga dapat dilihat menggunakan confusion matrix untuk melihat kinerja pada model MLP. Pada penelitian ini menghasilkan bahwa model B merupakan model terbaik dengan mendapatkan tingkat accuracy 95.7% , recall 97.3%, precision 94.0%, f1-score 95.6% dan specificity 97.3%.Kata kunci: multilayer perceptron, data standardization, website phishingAbstractPhishing websites are one of the main problems in the field of website security. Phishing websites are created by people who are not responsible for taking someone's personal information. Common techniques used in phishing are Uniform Resource Locator (URL) manipulation, website page spoofing, and pop up windows. In 2019, APWG (Anti-Phishing Working Group) detected 162,155 cases of phishing in the world. In this study, conducting experiments by using Data Standardization and Multilayer Perceptron (MLP) methods to detect phishing websites. Experiments were carried out using 2 models, namely model A and B. To see the performance of MLP model, it can be seen using score of accuracy, recall, precision, f1-score and specificity. In addition, it can also be seen using the confusion matrix to see the performance of the MLP model. This research shows that model B is the best model with 95.7% accuracy, 97.3% recall, 94.0% precision, 95.6% f1-score and 97.3% specificity.Keywords: multilayer perceptron, data standardization, website phishing
Penentuan Ukuran Citra Minimal Sistem Konversi Aksara Sunda dengan Metode Template Matching Correlation UUNG UNGKAWA; RACHMAT FAUZI; NYAI ROHAETI
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 2 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i2.177-187

Abstract

ABSTRAKAksara Sunda banyak ditemui di banyak tempat. Untuk itu, dibutuhkan sistem yang dapat menerjemahkan aksara Sunda ke dalam huruf latin. Dalam penelitian ini dibangun sebuah sistem yang mampu membantu orang memahaminya. Penelitian ini bertujuan untuk menentukan ukuran citra minimal yang masih dapat dikenali dengan akurasi di atas 50%. Untuk itu dalam eksperimen ini dibuat tiga ukuran: kecil (5x5 pixel), sedang (10x10 pixel), besar (15x15 pixel). Sistem menggunakan algoritma Template Matching Correlation. Tahapan pertama yaitu proses akuisisi citra digital kedalam sistem, dilanjut dengan tahapan pre-processing. Sistem kemudian melakukan tahapan segmentasi baris, kata, dan huruf lalu dilakukan normalisasi. Citra hasil normalisasi diklasifikasi sesuai dengan label yang memiliki nilai korelasi terbesar. Hasil pengujian untuk citra yang dinormalisasi dengan ukuran besar didapat nilai akurasi sebesar 83,66%, untuk citra dengan ukuran sedang didapat akurasi sebesar 33,66%, dan untuk ukuran kecil didapat akurasi sebesar 8,33%.Kata kunci: Pengolahan Citra, Aksara Sunda, Template Matching CorrelationABSTRACKSundanese script can be found in many places. For this reason, we need a system that can translate Sundanese script into Latin letters. In this research, we build a system for helping people understand it. This study aims to determine the minimum image size that can still be recognized with accuracy more than 50%. For this reason, we normalize three image sizes: large (15x15 pixels), medium (10x10 pixels), small (5x5 pixels). The system uses the Template Matching Correlation algorithm. The first stage is the process of acquiring digital images into the system, followed by the pre-processing stage. The system then performs line, word, and letter segmentation stages and then normalizes them. The normalized image is classified according to the label that has the highest correlation value. The results for normalized images with large sizes obtained an accuracy of 83.66%, for medium sizes obtained an accuracy of 33.66%, and for small sizes have an accuracy of 8.33%.Keywords: Image Processing, Sundanese Script, Template Matching Correlation
Implementasi Arsitektur InceptionResNet-v2 dan Squared Hinge Loss (Studi Kasus Klasifikasi Pose Yoga) MUHAMMAD ICHWAN; ANNISA OLGA ZERLINDA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 2 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i2.124-138

Abstract

ABSTRAKAplikasi computer vision dapat digunakan untuk mengurangi kecelakaan yang terjadi ketika melakukan yoga akibat postur tubuh saat melakukan yoga yang tidak tepat. Pada penelitian, dilakukan sebagai langkah awal dalam penentuan model klasifikasi yang digunakan pada aplikasi yang dapat melakukan koreksi postur tubuh saat yoga. Penelitian dilakukan dengan mengklasifikasikan 11 studi kasus pose yoga dengan mengimplementasikan arsitektur InceptionResnet-v2 dan Squared Hinge Loss. Pada hasil yang didapatkan, model dengan kinerja terbaik diperoleh pada learning rate 0.0001, epoch  200, scaling residual InceptionResnet blok A 0.15, blok B 0.1, dan blok C 0.2, serta blok InceptionResnet 5 iterasi, B 10 iterasi, dan C 5 iterasi dengan kinerja arsitektur berdasarkan hasil evaluasi performa model didapatkan 89.98% accuracy, 90.38% precision, 89.79% recall, 89.83% F1 score, and 99% specificity pada pengujian 888 data uji dengan 11 pose yoga berbeda. Rata-rata pengujian waktu klasifikasi 1.301s dan loss 0.9494.Kata kunci: CNN, InceptionResnet-v2, Klasifikasi Citra, Squared Hinge Loss, YogaABSTRACTComputer vision applications can be used to reduce accidents caused by improper posture while doing yoga. In this study, it was carried out as a first step in determining the classification model used in applications that can make corrections to a body posture while doing yoga. The research was conducted to classify 11 case studies of yoga poses by implementing the InceptionResnet-v2 architecture and Squared Hinge Loss. In the results, the model with the best performance was obtained at a learning rate of 0.0001, epoch 200, scaling residual InceptionResnet block A 0.15, block B 0.1, and block C 0.2, and 5 iteration of InceptionResnet block A, 10 iterations of block B, and 5 iterations of block C. The results of the model performance evaluation obtained 89.98% accuracy, 90.38% precision, 89.79% recall, 89.83% F1 score, and 99% specificity in the test of 888 test data with 11 different yoga poses and 1.301s average testing time of the classification model and loss 0.9494.Keywords: CNN, Image Classification, InceptionResnet-v2, Squared Hinge Loss, Yoga
Fuzzy Tsukamoto untuk Memprediksi Estimasi Persediaan Darah NOVIANTI PUSPITASARI; ANTON PRAFANTO; AHMAD ANSYORI; MASNA WATI; ANINDITA SEPTIARINI
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 2 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i2.188-203

Abstract

ABSTRAKUnit Transfusi Darah (UTD) Palang Merah Indonesia (PMI) selama ini kesulitan menyediakan jumlah kantong darah yang sesuai dengan permintaan rumah sakit karena jumlah permintaan darah lebih tinggi daripada ketersediaan darah. Kondisi persediaan darah yang tidak selalu tersedia sesuai dengan jumlah permintaan darah menjadi masalah serius bagi UTD PMI dalam pengelolaan ketersediaan darah. Oleh karena itu UTD harus mengetahui persediaan darah dalam satu tahun ke depan. Informasi tentang persediaan darah dimasa yang akan datang dapat dilakukan menggunakan Fuzzy Tsukamoto. Fuzzy Tsukamoto memprediksi estimasi persediaan darah menggunakan data penerimaan dan permintaan darah dari Golongan A+, O+, B+ dan AB+. Berdasarkan hasil perhitungan akurasi menggunakan Mean Absolute Percentage Error (MAPE) didapatkan nilai akurasi rata-rata untuk prediksi estimasi persediaan darah berada dibawah 10%. Hasil tersebut menunjukkan bahwa prediksi persediaan darah menggunakan Fuzzy Tsukamoto memiliki nilai kepercayaan yang sangat baik karena kurang dari 20% berdasarkan ketentuan MAPE.Kata kunci: darah, Fuzzy Tsukamoto, prediksi, MAPE, persediaanABSTRACTThe Indonesian Red Cross Blood (PMI) of Transfusion Unit (UTD) has had difficulty providing the number of blood bags by the hospital's request because the number of requests for blood is higher than the availability of blood. The condition of blood supply that is not always available following the blood demand is a severe problem for UTD PMI in managing blood availability. Therefore the Blood Transfusion Unit must know the blood supply for the next year. Future blood supply information can be done using the Fuzzy Tsukamoto method. Fuzzy Tsukamoto predicts the estimation of blood supply using data on receipts and requests for blood from Groups A+, O+, B+ and AB+. Based on the results of the calculation of accuracy using Mean Absolute Percentage Error (MAPE), the average accuracy value for predicting the estimated blood supply is below 10%. These results indicate that the prediction of blood supply using Fuzzy Tsukamoto has an excellent confidence value because it is less than 20% based on the MAPE.Keywords: blood, Fuzzy Tsukamoto, prediction, MAPE, stock
Arsitektur Resnet-152 dengan Perbandingan Optimizer Adam dan RMSProp untuk Mendeteksi Penyakit Paru – Paru SITI ASY SYIFA; IRMA AMELIA DEWI
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 2 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i2.139-150

Abstract

ABSTRAKPenyakit paru-paru pada manusia sering terjadi di seluruh dunia umumnya terjadi karena polusi udara dan asap rokok. Untuk mendeteksi penyakit paru-paru manusia ini diperlukan kemampuan secara tepat dengan menggunakan Chest X-Rays (CXR). CXR umumnya sulit dibedakan oleh manusia, maka dari itu pada penelitian ini menerapkan model Deep Learning sebagai sarana untuk mendeteksi penyakit paru-paru manusia melalui citra CXR. Eksperimen dilakukan dengan menggunakan model arsitektur yaitu ResNet-152 serta 2 optimizer yaitu Adam dan RMSProp. Selain itu, pengujian model dilakukan dengan menggunakan accuracy, precision, recall, f1-score, specitifity dan grafik Receiver Operating Characteristic (ROC). Pada penelitian ini menunjukkan bahwa model ResNet-152-R10 yang memiliki tingkat accuracy, precision, recall, f1-score dan specitifity terbaik yaitu masing-masing 92%, 94%, 92%, 93% dan 96,75%.Kata kunci: adam optimizer, rmsprop optimizer, resnet-152, penyakit paru-paru, pneumonia, lung opacityABSTRACTLung disease in humans often occurs throughout the world generally occurs due to air pollution and cigarette smoke. To detect human lung disease, it requires the ability to be precise using Chest X-Rays (CXR). CXR is generally difficult to distinguish by humans, therefore this study applies the Deep Learning model as a means of detecting human lung disease through CXR imagery. Experiments were carried out using the architectural model, namely ResNet-152 and 2 optimizers, namely Adam and RMSProp. In addition, model testing is carried out using accuracy, precision, recall, f1-score, specificity and Receiver Operating Characteristic (ROC) graphs. This study shows that the ResNet-152-R10 model has the best levels of accuracy, precision, recall, f1-score and specificity, namely 92%, 94%, 92%, 93% and 96.75% respectively.Keywords: adam optimizer, rmsprop optimizer, resnet-152, lung disease, pneumonia, lung opacity
Pengelompokan Status Ekonomi Keluarga Desa Tanjungsari menggunakan Metode K-Means Clustering FIQRI FAKHRUL GUNAWAN; FAJRI RAKHMAT UMBARA; FATAN KASYIDI
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 2 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i2.204-217

Abstract

ABSTRAKPada tahun 2020 hingga sampai saat ini tahun 2022 telah terjadi fenomena pandemi yang menyebabkan penuruan ekonomi yang cukup signifikan sehingga perubahan ekonomi masyarakat berubah, pengelompokan data harus dilakukan dengan teknik yang baik karena akan berpengaruh terhadap hasil akhir pengelompokan. Sehingga penelitan ini dilakukan untuk menginterpretasi kelompok yang terbentuk dari implementasi k-means clustering menggunakan 3 teknik similarity yaitu Euclidean, Manhattan dan Minkowski Distances yang memiliki nilai kemurnian tinggi berdasarkan nilai dari silhouette coefficient serta nilai cluster yang ditentukan pada penelitian ini menggunakan Teknik elbow method. Penelitian ini menghasilkan 5 claster yang dihasilkan dari elbow method. Dengan menghasilkan nilai silhoutte coeficient dari euclidean 0.059, manhattan 0.0946, dan minkowski 0.059. Kata kunci: status ekonomi, data mining, K-mean Clustering, silhouette coefficient, Euclidean Distance, Manhattan Distance, Minkowski DistanceABSTRACTIn 2020 until now in 2022 there has been a pandemic phenomenon which has caused a significant economic decline so that changes in the community's economy have changed, data grouping must be done with good technique because it will affect the final result of the grouping. So this research was conducted to interpret the groups formed from the implementation of k-means clustering using 3 similarity techniques namely Euclidean, Manhattan and Minkowski Distances which have a high purity value based on the value of the silhouette coefficient and the cluster values determined in this study using the elbow method technique. This study produced 5 clusters resulting from the elbow method. By producing a silhoutte coeficient value of euclidean 0.059, manhattan 0.0946, and minkowski 0.059.Keywords: economic status, data mining, K-mean Clustering, silhouette coefficient, Euclidean Distance, Manhattan Distance, Minkowski Distance
Prediksi Awal Penyakit Stroke Berdasarkan Rekam Medis menggunakan Metode Algoritma CART(Classification and Regression Tree) AGIEL FADILLAH HERMAWAN; FAJRI RAKHMAT UMBARA; FATAN KASYIDI
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 2 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i2.151-164

Abstract

ABSTRAKSeiring perkembangan zaman bidang teknologi dapat membantu banyak hal salah satu contoh nya dapat membantu bidang kesehatan, teknologi seperti machine learning dan data mining dapat membantu dalam melakukan prediksi penyakit stroke. Oleh karena itu, penelitian kali ini akan menerapkan salah satu metode data mining klasifikasi untuk memprediksi penyakit stroke dengan tujuan dapat mengetahui model dari algoritma yang akan digunakan yaitu Algoritma Classification and Regression Tree atau CART. Metode ini melakukan perhitungan menggunakan nilai ginigain dan giniindex untuk membuat sebuah pohon keputusan. Dengan menggunakan Stroke Prediction Dataset dan dilakukan beberapa eksperimen didapatkan hasil akurasi terbesar sebesar 89,83% pada split data 80/20. Pohon keputusan dapat dipangkas untuk mengidentifikasi dan membuang cabang pohon yang tidak diperlukan, pada penelitian kali ini dilakukan pemangkasan untuk dilihat seberapa berpengaruh pemangkasan pada akurasi algoritma ini dan didapatkan hasil akurasi terbesar sebesar 74,73% maka pemangkasan dinilai kurang berpengaruh pada akurasi algoritma ini.Kata kunci: Stroke, Prediksi, Klasifikasi, Data Mining, CARTABSTRACTAlong with the times, technology can help many things, one example of which can help the health sector, technology such as machine learning and data mining can help in predicting stroke. Therefore, this study will apply one of the classification data mining methods to predict stroke with the aim of knowing the model of the algorithm to be used, namely the Classification and Regression Tree Algorithm or CART. This method performs calculations using the Ginigain and Ginindex values to create a decision tree. By using the Stroke Prediction Dataset and conducting several experiments, the highest accuracy results were 89.83% in the 80/20 data split. In this study pruning was carried out to see how much pruning had an effect on the accuracy of this algorithm and the highest accuracy result was 74.73%, so pruning was considered to have less effect on the accuracy of this algorithm.Keywords: Stroke, Prediction, Classification, Data Mining, CART
Evaluasi Aplikasi Aksara Sunda Mobile menggunakan API Gesture SITI YULIYANTI; AHMAD RIZKY FAUZI; PUSPA CITRA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 2 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i2.218-228

Abstract

ABSTRAKAksara sunda merupakan kebudayaan yang hampir terlupakan di kalangan anak-anak ataupun remaja milenial dan generasi Z, belum banyaknya media interaktif yang menjadi trigger dalam belajar aksara, sehingga aksara Sunda kurang diminati, sehingga objek yang diangkat dalam penelitian adalah aksara sunda. Pemanfaatan API Gesture dengan media android dalam aplikasi aksara sunda menjembatani pembelajaran yang interaktif dan komunikatif sehingga menjadi daya tarik bagi pengguna khususnya usia sekolah. Materi pada aplikasi menampilkan sejarah dan filosofi aksara Sunda, aksara ngalagena, rarangken, swara, aksara rekaan, angka, serta evaluasi. Secara keseluruhan menyatakan rata-rata kualitas aplikasi adalah 3.59 point atau sebesar 89.83% yang memenuhi aspek uji kehandalan sebesar 91.67%, uji kebergunaan sebesar  88.33%, uji efisiensi sebesar 90.83%, uji fungsionalitas sebesar 85.25% dan uji umum sebesar 92.50%.Kata Kunci: aksara sunda, API gesture, interaktif, polaABSTRACTThe Sundanese script is a culture that has been almost forgotten among millennial and generation Z children or youth, not many interactive media have become triggers in learning the script, so that the Sundanese script is less attractive, so the object raised in this research is the Sundanese script. Utilization of the Gesture API with Android media in the Sundanese script application bridges interactive and communicative learning so that it becomes an attraction for users, especially school age. The material in the application displays the history and philosophy of the Sundanese script, the ngalagena script, rarangken, swara, fictional script, numbers, and evaluation. Overall stated that the average application quality is 3.59 points or 89.83% which fulfills the reliability test aspect of 91.67%, the usability test is 88.33%, the efficiency test is 90.83%, the functionality test is 85.25% and the general test is 92.50%.Keywords: sundanese script, API gesture, interactive, pattern
Klasifikasi Tumor Payudara Berbasis Ciri Tekstur pada Citra Mammografi Menggunakan Metode Naive Bayes BELLA JULIA; HENI SUMARTI; HAMDAN HADI KUSUMA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 2 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i2.165-176

Abstract

ABSTRAKKanker payudara adalah jenis kanker yang terjadi pada sebagian besar wanita. Kanker payudara terjadi akibat pertumbuhan berlebih atau perkembangan sel jaringan payudara yang tidak terkendali. Mammografi merupakan metode terbaik untuk deteksi dini kanker payudara karena dapat menunjukkan lesi secara dini. Namun, analisis terhadap mammogram ini masih dilakukan secara manual oleh ahli medis, sehingga perlu perangkat tambahan. Telah banyak penelitian tentang olah citra untuk deteksi kanker secara otomatis. Pada penelitian ini digunakan metode Naive Bayes untuk klasifikasi citra tumor jinak dan tumor ganas. Tujuan dari penelitian ini untuk mengklasifikasi citra mammografi berdasarkan dua kelas yaitu tumor jinak dan tumor ganas dengan berbasis ciri tekstur menggunakan histogram dan Gray Level Co-occurrence Matrix  (GLCM). Penelitian ini menunjukkan hasil akurasi sebesar 80%, sensitivitas sebesar 90%, dan spesifitas sebesar 70%. Oleh karena itu, penelitian ini bisa dijadikan perangkat tambahan untuk klasifikasi tumor payudara ganas dan jinak.Kata kunci: Tumor Payudara, Mammografi, Klasifikasi Naive Bayes.ABSTRACTBreast cancer is a type of cancer that occurs in most women. Breast cancer occurs due to overgrowth or uncontrolled development of breast tissue cells. Mammography is the best method for early detection of breast cancer because it can show lesions early. However, the analysis of this mammogram is still done manually by medical experts, so additional devices are needed. There have been many studies on image processing for automatic detection. In this study, the Naive Bayes method was used to classify images of benign tumors and malignant tumors. The purpose of this study is to classify mammographic images based on two classes, namely benign and malignant tumors based on histogram textures and Gray Level Co-occurrence Matrix (GLCM). This study showed an accuracy of 80%, sensitivity of 90%, and specificity of 70%. Therefore, this study can be used as an additional tool to classify malignant and benign tumors.Keywords: Breast Cancer, Mammografi, Naive Bayes Classification

Page 1 of 1 | Total Record : 9

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol 10, No 2 (2025): MIND Journal Vol 10, No 1 (2025): MIND Journal Vol 9, No 2 (2024): MIND Journal Vol 9, No 1 (2024): MIND Journal Vol 8, No 2 (2023): MIND Journal Vol 8, No 1 (2023): MIND Journal Vol 7, No 2 (2022): MIND Journal Vol 7, No 1 (2022): MIND Journal Vol 6, No 2 (2021): MIND Journal Vol 6, No 1 (2021): MIND Journal Vol 5, No 2 (2020): MIND Journal Vol 5, No 1 (2020): MIND Journal Vol 4, No 2 (2019): MIND Journal Vol 4, No 1 (2019): MIND Journal Vol 3, No 2 (2018): MIND Journal Vol 3, No 2 (2018): MIND Journal Vol 3, No 1 (2018): MIND Journal Vol 3, No 1 (2018): MIND Journal Vol 2, No 2 (2017): MIND Journal Vol 2, No 2 (2017): MIND Journal Vol 2, No 1 (2017): MIND Journal Vol 2, No 1 (2017): MIND Journal Vol 1, No 2 (2016): MIND Journal Vol 1, No 2 (2016): MIND Journal Vol 1, No 1 (2016): MIND Journal Vol 1, No 1 (2016): MIND Journal More Issue