cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rikie Kartadie
Contact Email
rikie@stkippgritulungagung.ac.id
Phone
+6282178785546
Journal Mail Official
jipi@stkippgritulungagung.ac.id
Editorial Address
Jl. Major Sujadi Timur 7, Plosokandang, Kedungwaru, Tulungagung, Kabupaten Tulungagung, Jawa Timurr
Location
Kab. tulungagung,
Jawa timur
INDONESIA
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Published by STKIP PGRI Tulungagung
ISSN : -     EISSN : 25408984     DOI : http://dx.doi.org/10.29100/jipi
Core Subject : Science, Education,
Computer Science & IT Education
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) e-ISSN: 2540 - 8984 was made to accommodate the results of scientific work in the form of research or papers are made in the form of journals, particularly the field of Information Technology. JIPI is a journal that is managed by the Information Technology Program PGRI STKIP Tulungagung. Journal has been indexed by Google Scholar, DOAJ, Academic Keys and others. JIPI has been supervised by RJI (Relawan Jurnal Indonesia).
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 70 Documents
 2   3   4   5   6 
Search results for , issue "Vol 9, No 4 (2024)" : 70 Documents clear
OPTIMALISASI PREDIKSI KEHILANGAN KARYAWAN MENGGUNAKAN TEKNIK RFE, SMOTE, DAN ADABOOST Setiyadi, Prambudi; Prayogi, Muhamad Nur; Solichin, Achmad
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5642

Abstract

Kehilangan karyawan menjadi isu vital dalam dinamika organisasi karena dampaknya yang signifikan terhadap produktivitas dan stabilitas tenaga kerja. Penelitian ini menerapkan teknik machine learning untuk mengantisipasi pergantian karyawan dengan menggabungkan seleksi fitur, oversampling, dan algoritma ensemble. Empat pendekatan yang dibandingkan adalah RFE-SMOTE-ADABOOST, RFE-ADABOOST, SMOTE-ADABOOST, dan SMOTE-ADABOOST dengan Hyperparameter. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa SMOTE-ADABOOST dengan Hyperparameter mencapai kinerja tertinggi, dengan akurasi 0,907, presisi 0,912, recall 0,898, dan F1-score 0,905. Model ini mengidentifikasi 10 faktor kunci yang mempengaruhi prediksi pergantian karyawan, seperti Education Field, Business Travel, dan Monthly Income. Kesimpulannya, model SMOTE-ADABOOST dengan Hyperparameter terbukti paling efektif dalam memprediksi kehilangan karyawan. Implikasi dari hasil evaluasi ini menunjukkan bahwa organisasi dapat secara proaktif mengidentifikasi dan mengelola faktor-faktor kunci yang mempengaruhi retensi karyawan, sehingga meningkatkan stabilitas tenaga kerja dan produktivitas keseluruhan.
ANALISIS PENERIMAAN SISTEM E-LEARNING INFORMATIKA MENGGUNAKAN MODEL INTEGRASI TAM DAN EUCS Iskandar, Joko; Rozi, Fahrur; Kusumaningtyas, Cecilia Putri; Panggayuh, Vertika
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.7063

Abstract

Pentingnya sebuah sistem dilakukan evaluasi penerimaan pengguna untuk mengidentifikasi user satisfaction, sehingga pengembang dalam melakukan update dan system maintenance yang sesuai dengan harapan penggunanya. Sistem e-learning Informatika (ELEARIF) sebagai salah satu media pembelajaran bagi mahasiswa Program Studi Informatika yang sangat penting untuk meningkatkan minat dan hasil belajar mahasiswa. Penelitian ini bertujuan untuk menganalisis penerimaan sistem e-learning Informatika menggunakan model integrasi Technology Acceptance Model (TAM) dan End User Computing Satisfaction (EUCS). Metode yang digunakan pada penelitian ini adalah metode penelitian kuantitatif menggunakan model integrasi TAM dan EUCS. Populasi pada penelitian ini ialah mahasiswa aktif Prodi Informatika angkatan 2020-2023 sebanyak 587 orang dan sampelnya sebanyak 85 orang dengan teknik purposive sampling. Teknik analisis data yang digunakan adalah Software SmartPLS 3.3.3. Hasil pada penelitian ini terdapat 4 hipotesis yang diterima yaitu perceived of usefullness, per-ceived ease of use, content, dan attitude toward using dengan masing-masing nilai yakni 2.972, 2.480, 2.848 dan 20.951 1.96. Pada variabel yang ditolak terdapat pada variabel accuracy, format, ease dan timeless, dengan masing-masing nilai yaitu t-statistic masing-masing sebesar 0.657, 1.614, 1.261, dan 0.316 1.96.
PREDIKSI KUALITAS GENTENG MANTILI BERDASARKAN KOMPOSISI BAHAN BAKU MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Bahtiar, Yusuf; Maulindar, Joni; Yuliana, Margaretha Evi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5589

Abstract

Permasalahan yang dialami pada industri genteng saat ini adalah fluktuasi harga bahan baku dan ketersediaan bahan baku yang tidak menentu. Proses penentuan komposisi yang tepat melalui uji coba manual memerlukan waktu dan sumber daya yang dapat menghabiskan tenaga dan biaya. Oleh karena itu, diperlukan sebuah sistem yang dapat memprediksi kualitas genteng mantili. Tujuan penelitian ini untuk memprediksi kualitas genteng mantili berdasarkan bahan baku menggunakan algoritma K-Nearest Neighbor (K-NN). Komponen bahan baku yang digunakan yaitu tanah liat lempung, tanah liat hitam, tanah liat merah, tanah liat padas, tanah pasir sungai, dan kaolin. Klasifikasi prediksi yang digunakan dalam penelitian ini adalah "bagus" dan "tidak bagus". Data yang digunakan sebanyak 36, kemudian dipisahkan menjadi 26 data latih dan 10 data uji. Penelitian dimulai dengan memodelkan perhitungan K-NN menggunakan RapidMiner, kemudian dilanjutkan dengan mengembangkan sistem menggunakan bahasa pemrograman PHP dengan basis data MySQL. Pengujian pertama dilakuakan dengan nilai k=5 menggunakan 26 data latih dan 10 data uji, didapatkan hasil nilai akurasi sebesar 80% dan nilai error mencapai 20%. Pengujian kedua dilakukan dengan memasukkan data aktual yang diperoleh di lapangan menunjukkan hasil prediksi yang sesuai. Oleh karena itu, dapat disimpulkan bahwa sistem ini dapat digunakan untuk memprediksi kualitas genteng mantili.
PENGGABUNGAN METODE SYSTEM USABILITY SCALE DAN USER EXPERIENCE QUESTIONNAIRE UNTUK EVALUASI USABILITY SISTEM INFORMASI MBKM UNIVERSITAS TADULAKO DENGAN PENDEKATAN USER EXPERIENCE Sahril, Sahril; Ardiansyah, Rizka; Wirdayanti, Wirdayanti; Angreni, Dwi Shinta; Yudhaswana, Yuri
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5548

Abstract

Usability merupakan apsek penting dalam mengukur kualitas sebuah sistem. Tingkat Usability sangat dipengaruhi oleh pengalaman pengguna dimana hal ini dapat diukur dengan menilai seberapa cepat dan mudah pengguna mempelajari serta menyelesaikan tugas. Evaluasi usability dikategorikan menjadi pendekatan empiris dan non-empiris. Penelitian ini bertujuan mengevaluasi tingkat usability Sistem Informasi MBKM  dengan pendekatan empiris menggabungkan system usability scale (SUS) dan User Experience Questionnaire (UEQ) sehingga evaluasi yang dilakukan tidak hanya mengukur tingkat usability sebuah sistem namun juga dapat mengidentifikasi  masalah usability berdasarkan aspek pengalaman pengguna. Hasil evaluasi menggunakan SUS menunjukan skor SUS Sistem Informasi MBKM berada pada angka 63 menunjukan skor SUS untuk tingkat adjective scale  pada kategori “OK”, grade scale kategori “C-”, serta acceptability scale berada pada kategori “MARGINAL” dengan net promoter scores kategori “Passive”.  Hasil pengukuran menggunakan UEQ yang telah diadaptasi menunjukan aspek attractiveness (1.20), perspicuity (1.49), efficiency (1.06), stimulation (1.14), dan novelty (0.82) mendapatkan evaluasi positif di atas rata-rata sedangkan aspek dependability (0.88) mendapatkan evaluasi positif namun di bawah rata-rata. Penelitian selanjutnya dapat dilakukan menggunakan pendekatan dan non-empiris dengan melibatkan para ahli (evaluator) untuk menilai tingkat kegunaan serta ngidentifikasi letak masalah dari sebuah sistem
SISTEM INFORMASI RAPORT DIGITAL SD BERBASIS WEB PADA SEKOLAH DASAR NEGERI KEMIRI Wahyudi, Mochamad Alief Satria; Sumarno, Sumarno; Rahmawati, Yunianita
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5482

Abstract

Seiring dengan kemajuan teknologi informasi yang merambah ke berbagai sektor, termasuk pendidikan, keperluan akan informasi yang tepat dan cepat menjadi sangat penting. Saat ini, proses pembuatan rapor di SDN Kemiri masih dilakukan secara manual. Metode ini rentan terhadap berbagai risiko, seperti kehilangan atau kerusakan berkas akademik, serta kesulitan dalam pencarian dokumen yang efektif dan efisien untuk sejumlah siswa. Untuk mengatasi tantangan tersebut, penelitian ini ditujukan untuk merancang dan membangun sistem Raport Digital berbasis web di SDN Kemiri. Metode yang digunakan dalam pengembangan sistem ini adalah metode WDLC (Web Development Life Cycle), yang meliputi tahapan planning, analysis, design and development, testing, implementation, dan maintenance. Sistem ini dikembangkan menggunakan bahasa pemrograman PHP dengan basis desktop. Sistem ini menyediakan modul untuk nilai rapor murid, data guru, data murid, dan data mata pelajaran. Implementasi sistem ini di SDN Kemiri diharapkan dapat membantu dalam manajemen administrasi akademik. Pengujian pada sistem dilaksanakan menggunakan metode black-box testing untuk memastikan antarmuka pengguna mudah digunakan oleh pengguna akhir. Hasil dari studi pustaka ini menunjukkan bahwa sistem rapor online memberikan kemudahan bagi pendidik dalam pengolahan data nilai peserta didik, yang dapat diakses oleh peserta didik dan orang tua secara mudah dan efisien.
IMPLEMENTASI SIMPLE ADDITIVE WEIGHTING PADA SISTEM PENUNJANG KEPUTUSAN SEBAGAI REKOMENDASI PENETAPAN KETUA ORGANISASI Anggita, Sharazita Dyah; Fauzi, Ahmad
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5662

Abstract

Unit Kegiatan Mahasiswa (UKM) merupakan organisasi mahasiswa yang menjadi wadah berhimpunnya mahasiswa yang memiliki kesamaan minat, bakat, kreativitas, dan orientasi. Pengurus dan anggota Unit Kegiatan Mahasiswa (UKM) berasal dari mahasiswa aktif pada perguruan tinggi yang menaunginya. Sebuah organisasi pada setiap periode membutuhkan proses reorganisasi pengurus. Reorganisasi pengurus yang paling krusial diantaranya adalah reorganisasi Ketua Organisasi. Proses pemilihan ketua sebaiknya dilakukan dengan objektif untuk dapat menghindari perdebatan pada organisasi. Pemilihan pengurus diawali dengan pemilihan ketua yang kemudian dilanjutkan dengan pemilihan pengurus level di bawahnya. Musyawarah yang dilakukan pada pemilihan pengurus tentunya akan memiliki banyak alternatif yang membutuhkan pikiran dan waktu yang banyak dalam penentuan keputusannya Sistem Pendukung Keputusan dapat dijadikan solusi untuk membantu dalam menentukan calon ketua yang tepat dan sesuai dengan kriteria yang telah ditentukan. Sistem pendukung keputusan mampu membantu pengurus untuk memberikan rekomendasi dari beberapa alternatif berdasarkan atribut yang ditentukan. Metode Simple Additive Weighting merupakan salah satu metode yang dapat melakukan penentuan kriteria dan bobot untuk membantu memberikan rekomendasi penetapan calon ketua organisasi. Penerapan metode SAW pada penelitian ini mampu menghasilkan nilai recall, accuracy dan precision sebesar 80% . Hasil dari penerapan metode ini kemudian di implementasikan pada sebuah sistem penunjang keputusan pemilihan ketua organisasi.
PERBANDINGAN METODE KLASIFIKASI RANDOM FOREST DAN SUPPORT VECTOR MACHINE DALAM MEMPREDIKSI CAPAIAN STUDI MAHASISWA Novianto, Enggar; Suhirman, Suhirman; Prasetyo, Damar
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5423

Abstract

Keberhasilan Universitas, swasta dan negeri bergantung pada mahasiswa dan untuk mengurangi tingkat kegagalan akademik, diperlukan sistem yang dapat memprediksi mahasiswa berdasarkan data akademik serta membuat penilaian untuk memprediksi seberapa baik capaian studi mahasiswa. Data program studi dapat diolah dengan cepat dan akurat, dan data mining adalah proses penambangan data untuk membuat prediksi capaian studi berdasarkan data tentang mahasiswa. Kebaharuan dari penelitian ini adalah menggunakan proses untuk mengoptimalkan model RF dan SVM serta menghasilkan atribut yang berpengaruh terhadap akurasi dalam memprediksi capaian studi mahasiswa program studi S1 Ilmu Hukum Fakultas Hukum Universitas Sebelas Maret dengan seleksi fitur menggunakan Forward Selection. Pemodelan menggunakan RF sebelum dilakukan seleksi fitur mendapatkan hasil akurasi sebesar 97,67%, sedangkan pemodelan menggunakan SVM mendapatkan hasil akurasi sebesar 91,47% dengan menggunakan data mahasiswa angkatan tahun 2021 sejumlah 433 data dengan pembagian 70% data latih dan 30% data uji. Penggunaan seleksi fitur menggunakan metode Forward Selection tidak dapat meningkatkan hasil akurasi pada algoritma RF serta menghasilkan empat atribut yang berpengaruh pada klasifikasi prediksi capaian studi mahasiswa. Pada pemodelan SVM, seleksi fitur dapat meningkatkan nilai akurasi sebesar 6,2%, sehingga hasil akurasi SVM setelah dilakukan seleksi fitur adalah sebesar 97,67% dengan menghasilkan satu atribut yang berpengaruh pada klasifikasi prediksi capain studi mahasiswa. Perbandingan metode klasifikasi RF dan SVM setelah dilakukan seleksi fitur mendapatkan akurasi yang sama yaitu 97,67%, oleh karena itu, hasil penelitian ini termasuk dalam kategori model yang cukup. Hasil penelitian dapat menjadi acuan bagi pengelola program studi dalam memberikan perlakuan khusus kepada mahasiswa yang diprediksi tidak tercapai pembelajarannya. The success of universities, private and public depends on students and to reduce the rate of academic failure, a system is needed that can predict students based on academic data and make assessments to predict how well students will achieve in their studies. Study program data can be processed quickly and accurately, and data mining is a data mining process to make predictions about study outcomes based on data about students. The novelty of this research is that it uses a process to optimize the RF and SVM models and produces attributes that influence accuracy in predicting study outcomes for undergraduate students in the Legal Sciences study program, Faculty of Law, Sebelas Maret University by selecting features using Forward Selection. Modeling using RF before feature selection got an accuracy result of 97.67%, while modeling using SVM got an accuracy result of 91.47% using 433 student data from the class of 2021 with a division of 70% training data and 30% test data. The use of feature selection using the Forward Selection method cannot improve the accuracy results of the RF algorithm and produces four attributes that influence the classification of student study achievement predictions. In SVM modeling, feature selection can increase the accuracy value by 6.2%, so that the SVM accuracy result after feature selection is 97.67% by producing one attribute that influences the prediction classification of student study achievement. Comparison of the RF and SVM classification methods after feature selection obtained the same accuracy, namely 97.67%, therefore, the results of this study are included in the adequate model category. The results of the research can be a reference for study program managers in providing special treatment to students whose learning is predicted to fail.
APLIKASI PENCATATAN KEUANGAN BERBASIS WEB PADA RUMAH MAKAN AYAM BALTIM Julialdi, Deni; Beeh, Yos Richard
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5568

Abstract

Pengelolaan keuangan yang kurang baik merupakan salah satu permasalahan yang sering dialami oleh pelaku Usaha Mikro, Kecil, dan Menengah (UMKM). Hal ini disebabkan oleh kurangnya pemahaman pelaku UMKM tentang pentingnya pengelolaan keuangan. Akibatnya, sering terjadi ketidaksesuaian antara pemasukan dan pengeluaran, yang dapat menyebabkan kehabisan modal usaha. Rumah Makan Ayam Baltim merupakan salah satu pelaku UMKM yang mengalami permasalahan pengelolaan keuangan. Pengelola Rumah Makan Ayam Baltim hanya mengandalkan ingatannya untuk menghitung pemasukan dan pengeluaran sehingga hasilnya kurang akurat. Berdasarkan masalah yang ada maka diperlukan aplikasi pencatatan keuangan untuk mengatasi permasalahan yang ada. Tujuan dari penelitian ini adalah menghasilkan sebuah aplikasi pencatatan keuangan yang akurat dan terintegrasi sehingga diharapkan dapat membantu pengelola untuk mengelola keuangannya. Metode pengembangan yang digunakan adalah model extreme programming. Hasil penelitian menunjukkan bahwa aplikasi pencatatan keuangan berbasis web yang terintegrasi dengan proses bisnis pada Rumah Makan Ayam Baltim dapat menghasilkan catatan transaksi, menampilkan pemasukan dan pengeluaran secara akurat, serta menghasilkan laporan keuangan yang sesuai standar EMKM.
IMPLEMENTASI RULE-BASED REASONING DALAM PENCEGAHAN STUNTING (STUDI KASUS: DINAS KESEHATAN KABUPATEN KLATEN) Noorhadi, Delfindra Faiz; Mulyati, Sri
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5631

Abstract

Stunting merupakan masalah gizi kronis yang disebabkan oleh asupan gizi yang tidak memadai dalam waktu yang lama, terutama pada 1000 hari pertama kehidupan. Untuk menentukan seorang anak mengalami stunting cukup sulit, dikarenakan terdapat beberapa faktor yang mempengaruhinya. Sehingga dapat membuat diagnosis menjadi tidak akurat dan mengakibatkan penanganan yang tidak tepat. Permasalahan lainnya adalah belum ada pemetaan kondisi status gizi pada suatu wilayah sehingga untuk penanganan di suatu wilayah menjadi kurang efisien. Untuk menjawab permasalah tersebut maka dibangun Sistem Pencegahan Stunting Menggunakan Metode Rule-Based Reasoning untuk memudahkan petugas kesehatan dalam mengambil keputusan terkait intervensi yang tepat pada anak dan wilayah yang memiliki tingkat stunting yang tinggi. Metode yang diterapkan pada penelitian ini adalah Rule-Based Reasoning yang mana output penelitian ini adalah status gizi anak dan intervensi yang diberikan, selanjutnya status gizi tersebut dipetakan menjadi per wilayah. Pengujian sistem dilakukan dilakukan di Dinas Kesehatan Kabupaten Klaten. Pada pengujian didapatkan hasil untuk tingkat akurasi pengukuran BB/U (berat badan per umur) sebesar 84%, untuk TB/U (tinggi badan per umur) sebesar 100% dan untuk keseluruhan sistem sebesar 92%. 
A LOW CODE APPROACH TO Q&A ON CARE RECORDS USING FLOWISE AI WITH LLM INTEGRATION AND RAG METHOD Hamdhana, Defry
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.6978

Abstract

Care records are vital for monitoring patient conditions and supporting clinical decision-making, but their diverse formats—such as tables, narrative sentences, checklists, and fill-in-the-blank fields—present challenges for efficient information retrieval. Traditional retrieval methods are often time-consuming and error-prone, while automated systems struggle with contextual accuracy in complex medical language. This study proposes a low-code approach to develop a question-and-answer (QA) system for care records using Flowise AI integrated with Retrieval-Augmented Generation (RAG) methodology. By utilizing LangChain and OpenAI’s language models, Flowise AI provides a framework for constructing a QA system that retrieves information accurately across different documentation formats. The system employs components such as Recursive Character Text Splitter, PDF processing, OpenAI Embeddings, In-Memory Vector Store, and a Conversational Retrieval QA Chain, ensuring efficient retrieval with contextual relevance. Our results demonstrate high accuracy in aligning the QA responses with ground truth data, validating the system's effectiveness in healthcare documentation retrieval. This low-code solution not only enhances accessibility for non-technical users but also empowers healthcare professionals with a scalable tool for quick access to critical patient data. The findings underscore the potential of low-code AI systems like Flowise AI, utilizing RAG, to improve information retrieval in healthcare, supporting more accurate and timely clinical decisions.

Page 4 of 7 | Total Record : 70

 2   3   4   5   6 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 10, No 3 (2025) Vol 10, No 2 (2025) Vol 10, No 1 (2025) Vol 9, No 4 (2024) Vol 9, No 3 (2024) Vol 9, No 2 (2024) Vol 9, No 1 (2024) Vol 8, No 4 (2023) Vol 8, No 3 (2023) Vol 8, No 2 (2023) Vol 8, No 1 (2023) Vol 7, No 4 (2022) Vol 7, No 3 (2022) Vol 7, No 2 (2022) Vol 7, No 1 (2022) Vol 6, No 2 (2021) Vol 6, No 1 (2021) Vol 5, No 2 (2020) Vol 5, No 1 (2020) Vol 4, No 2 (2019) Vol 4, No 1 (2019) Vol 3, No 2 (2018) Vol 3, No 1 (2018) Vol 2, No 2 (2017) Vol 2, No 1 (2017) Vol 1, No 02 (2016) Vol 1, No 01 (2016) More Issue