cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muhammad Najib Habibie
Contact Email
najib.habibie@gmail.com
Phone
+6285693191211
Journal Mail Official
jurnal.mg@gmail.com
Editorial Address
Jl. Angkasa 1 No. 2 Kemayoran, Jakarta Pusat 10720
Location
Kota adm. jakarta pusat,
Dki jakarta
INDONESIA
JURNAL METEOROLOGI DAN GEOFISIKA
Published by Badan Meteorologi, Klimatologi, dan Geofisika
ISSN : 14113082     EISSN : 25275372     DOI : https://www.doi.org/10.31172/jmg
Core Subject : Science,
Earth & Planetary Sciences Energy Physics
Jurnal Meteorologi dan Geofisika (JMG) is a scientific research journal published by the Research and Development Center of the Meteorology, Climatology and Geophysics Agency (BMKG) as a means to publish research and development achievements in Meteorology, Climatology, Air Quality and Geophysics.
Arjuna Subject : Ilmu Bumi dan Planet (semua kategori) - Ilmu Bumi dan Planet (Lain-Lain)
Articles 7 Documents
 1 
Search results for , issue "Vol 16, No 1 (2015)" : 7 Documents clear
VALIDASI PEMODELAN TSUNAMI BERDASARKAN SOFTWARE L-2008 MENGGUNAKAN DATA SUMBER GEMPABUMI USGS, IRIS, CMT DAN GFZ UNTUK STUDI KASUS TSUNAMI NIAS 28 MARET 2005 Wiko Setyonegoro; Sayyidatul Khoiridah; M. Ikhyaul Ibad
Jurnal Meteorologi dan Geofisika Vol 16, No 1 (2015)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (17281.477 KB) | DOI: 10.31172/jmg.v16i1.264

Abstract

Telah terjadi gempabumi di Nias, pada tanggal 28 Maret 2005 yang menyebabkan korban meninggal dunia sebanyak 1.000 jiwa, 300 orang terluka, dan 300 bangunan rusak. Berdasarkan hal tersebut dilakukan pemodelan tsunami dari pengolahan data mekanisme sumber gempabumi dengan menggunakan softwere Tsunami L-2008. Penelitian ini bertujuan untuk mengetahui hasil perhitungan mekanisme sumber gempabumi melalui persamaan empiris scaling law untuk menvalidasi antara nilai run up hasil simulasi dengan run up dari beberapa skenario sumber gempa yaitu data USGS, IRIS, Global CMT, dan GFZ. Berdasarkan data USGS gempa Nias terjadi pada jam 16:10:31.8 UTC dengan lokasi episenter 1,64o LU 96,98o BT, pada kedalaman 30 km, Mw 8,6 SR, strike 130o, dan dip 83o. Persamaan scaling law berdasarkan hubungan rumus empiris dimana panjang fault 369,83 km, lebar fault 82,41 km, dan slipnya sebesar 11,063 m dengan tipe sesar naik. Hasil validasi tinggi run-up yang dilakukan dengan membandingkan antara run-up hasil simulasi dengan run-up hasil survey menunjukkan bahwa data GFZ dengan menggunakan panjang dan lebar fault hasil perhitungan lebih mendekati hasil survey. Sedangkan berdasarkan hasil regresi menunjukkan bahwa data USGS yang lebih mendekati hasil survey, hal ini ditunjukkan dengan  kedekatan titik-titik terhadap linearitas yang memiliki nilai 0.6588 dengan nilai regresinya yaitu y=0,8223x+0,2966. Berdasarkan hasil keseksamaan yang mendekati survey adalah data dari instansi GFZ menggunakan panjang dan lebar fault hasil perhitungan dengan nilai keseksamaan sebesar 87.58%. Dan berdasarkan uji korelasi data  yang mendekati suvey adalah data dari instansi USGS dengan nilai korelasi 0,81. There was an earthquake in Nias, on March 28, 2005. Based on this, tsunami modeling of earthquake source mechanism of data processing by using software Tsunami L-2008. This study aims to determine the results of the calculation of earthquake source mechanism through empirical equation scaling law to validate the value of the run-up simulation results, with the run-up of some of the scenarios that earthquake sources of data. The result of the validation of high run-up is done by comparing the run-up simulation results with the run-up based on the regression results indicate that the USGS data closer to the results of the survey, as shown by the proximity of the points against linearity regression 0.658. Based on the results of the survey are approaching the precision of the data from the GFZ agencies using fault length and width of the calculation results with the value of 87.58% accuracy. And based on the correlation data in-depth approach is data from USGS agency with a correlation value of 0.81.
PENENTUAN KOEFISIEN UNTUK PERHITUNGAN SUHU UDARA RATA-RATA HARIAN DATA STASIUN KLIMATOLOGI PALEMBANG Arsali Arsali; Octavianus Cakra Satya; Supardi Supardi; Indra Purna
Jurnal Meteorologi dan Geofisika Vol 16, No 1 (2015)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (15467.21 KB) | DOI: 10.31172/jmg.v16i1.260

Abstract

Stasiun pengamatan cuaca Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) menggunakan data pengukuran suhu udara pada pukul 07.00 (T07), 13.00 (T13), dan 18.00 (T18) waktu setempat setiap hari untuk keperluan data sinoptik meteorologi/klimatologinya. Data tersebut ditetapkan sebagai Kelompok Data Utama (KDU) guna menentukan suhu udara rata-rata harian (operasional), berdasarkan formula Top = ½ T07 + ¼ T13 + ¼ T18, di mana bilangan  ½, ¼, dan ¼ adalah Kumpulan Nilai Koefisien (KNK) dengan urutan dan nilai masing-masing komponennya menyatakan bobot yang bersesuaian dengan urutan dari komponen data pada KDU terkait. Perumusan ulang formula di atas menggunakan metoda Least Square ternyata memunculkan lebih banyak pilihan KNK yang mungkin. Sementara itu, dari data suhu udara tiap jam yang terukur pada Automatic Weather Station (AWS) di Stasiun Klimatologi BMKG Kota Palembang selama tahun 2007 dan dari Desember 2010 sampai dengan Nopember 2011 formula Least square mengusulkan KNK = {0.46, 0.23, 0.31} yang, bila dibandingkan dengan nilai rata-rata sebenarnya, menghasilkan nilai suhu udara rata-rata harian lebih baik daripada hasil perhitungan dengan formula di atas, dengan koefisien korelasi = 0.87±0.05 terhadap 0.85±0.06, simpangan rata-rata = (0.01±0.09)°C terhadap (0.03±0.09)°C, simpangan mutlak rata-rata = (0.35±0.05)°C terhadap (0.37±0.06)°C, dan simpangan akar kuadrat rata-rata = (0.44±0.07)°C terhadap (0.47±0.08)°C.Agency for Meteorology, Climatology, and Geophysics (BMKG) weather stations use three times daily air temperature measurements at 07.00 (T07), 13.00 (T13), and 18.00 (T18) local times for their synoptic meteorological or climatological data. These measured data are assigned as a Primary Data Set (KDU) and used to determine (operational) daily mean air temperature (Top,) based on a formula (mentioned as BMKG formula) Top = ½ T07 + ¼ T13 + ¼ T18, where ½, ¼, and ¼ are a Collection of Coefficient Values (KNK). The orders and values of each component of KNK state weights which are suitable to the sequence of data components from related KDU. Reformulation of the formula above using the least square method gave more options for possible KNK. Applying the least square method to hourly air temperature data measured by Automatic Weather Station (AWS) in Palembang Climatological Station during 2007 and from December 2010 to November 2011 produced a KNK of {0.46, 0.23, 0.31} which gave values of daily mean air temperature closer to the true mean than the Top obtained by formula above (BMKG formula). Comparisons of correlation coefficients, mean errors, absolute mean errors and root mean square errors between the results of a proposed formula against a BMKG formula were: 0.87±0.05 vs 0.85±0.06; (0.01±0.09)°C vs (0.03±0.09)°C; (0.35±0.05)°C vs (0.37±0.06)°C; and (0.44±0.07)°C vs (0.47±0.08)°C, respectively. 
RESPON PERILAKU USAHATANI PADI TERHADAP RESIKO IKLIM EKSTRIM DAN SERANGAN OPT Woro Estiningtyas; Adang Hamdani
Jurnal Meteorologi dan Geofisika Vol 16, No 1 (2015)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (18960.012 KB) | DOI: 10.31172/jmg.v16i1.261

Abstract

Posisi Indonesia di antara dua benua dan samudera merupakan salah satu faktor yang menyebabkan kondisi iklimnya sangat dinamis dan kompleks. Kejadian iklim ekstrim seperti banjir, kekeringan dan serangan OPT juga menjadi bagian yang harus dihadapi oleh petani dalam keseharian usahataninya. Survey dan wawancara dilakukan di Kecamatan Sliyeg dan Cantigi, Kabupaten Indramayu dalam rangka mengetahui dinamika iklim serta respon dan adaptasi petani pada kejadian iklim ekstrim. Diantara banjir, kekeirngan dan OPT, kejadian kekeringan masih menjadi penyebab utama (70%) kerugian dan gagal panen sebagian besar petani padi di Kabupaten Indramayu. Kekeringan pada umumnya berlangsung selama 1-6 bulan. Identifikasi tahun terburuk selama periode 1992-2012 sebagian besar berhubungan dengan kejadian El-Nino, banjir dan OPT. Empat tahun terburuk di Kecamatan Cantigi adalah tahun 2012, 2011, 2010 dan 2009 , sedangkan di Kecamatan Sliyeg tahun 2012, 2007, 2008 dan 2003. Respon dan adaptasi petani terhadap kejadian iklim ekstrim antara lain dengan pompanisasi, sumur bor dan penggantian tanaman. Sebagian besar Petani belum memiliki cara untuk mengetahui kondisi kekeringan ke depan. Kearifan lokal masih diandalkan oleh petani dalam melihat dan memperkirakan kejadian alam terkait dengan usahataninya selain juga informasi dari instansi terkait seperti BMKG, Dinas dan juga penyuluh. Indonesia's position between two continents and oceans is one of the factors that cause climate conditions very dynamic and complex. Extreme climate events such as floods, drought and pest attacks also become part of the situation that must be faced by farmers in farmer system. Surveys and interviews were conducted in Sliyeg and Cantigi Sub-district, Indramayu district to determine the dynamics of the climate as well as the response and adaptation of farmers to extreme climate events. Amongst floods, drought, and pests, it showed that drought event is still the main cause (70%) of harvest failure in Indramayu district. Drought generally lasts for 1-6 months. Identification of the worst year during the period 1992-2012 was largely due to El-Nino events, floods, and pests. Four worst extreme climate years in Cantigi are in 2012, 2011, 2010 and 2009, whilst in Sliyeg District are in 2012, 2007, 2008 and 2003. Response and adaptation of farmers to extreme climate events in those sub-districts were shown by pumping, drilling wells and replacement of the plants. Most of the farmers have not yet had a way to know the future drought conditions. Local wisdom is still relied upon by farmers to see and predict natural events associated with farming as well as information from relevant agencies such as BMKG, local Government and extension worker.
KARAKTERISTIK LAPISAN TANAH BERPOTENSI LIKUIFAKSI BERDASARKAN RESISTIVITAS BATUAN DI DAERAH CILACAP Thomas Hardy; Boko Nurdiyanto; Drajat Ngadmanto; Pupung Susilanto
Jurnal Meteorologi dan Geofisika Vol 16, No 1 (2015)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (16243.499 KB) | DOI: 10.31172/jmg.v16i1.262

Abstract

Salah satu metode geofisika yang dapat mengetahui profil penampang bawah permukaan untuk mengetahui potensi likuifaksi adalah metode resistivitas geolistrik. Penelitian ini bertujuan untuk mengetahui gambaran resistivitas lapisan tanah yang memiliki potensi likuifaksi di daerah Cilacap. Penelitian ini menggunakan 33 titik pengukuran resistivitas geolistrik dimana hasil analisis resistivitas ditampilkan dalam bentuk penampang melintang lapisan bawah permukaan. Analisis potensi likuifaksi berdasarkan resistivitas batuan dilakukan dengan mempertimbangkan informasi tingkat kepadatan relatif dan uji kekuatan (N-SPT) serta karakteristik batuan lepas. Nilai resistivitas di daerah penelitian berkisar antara 0.09 – 585Wm. Berdasarkan informasi geologi maka nilai resistivitas yang terukur di daerah penelitian menunjukkan litologi aluvium berupa pasir, kerikil dan kerakal (100 – 585 Wm), aluvium berupa lempung dan lanau (14 – 85 Wm), akuifer air (1.6 – 15 Wm), lapisan lempung (0.09 – 1.5 Wm), napal tufaan (6 – 95 Wm) serta pasir tufaan sisipan batupasir (1.3 – 8 Wm), yang merupakan satuan batuan dari Formasi Halang. Daerah Cilacap mempunyai potensi likufaksi yang relatif tinggi dikarenakan memiliki karakteristik fisik yang tersusun oleh endapan Kuarter dengan tingkat kepadatan dan sifat keteknikan tanah bawah permukaan dicirikan material sangat lepas hingga agak padat, memiliki muka air tanah yang dangkal, secara fisiografi berhadapan langsung dengan laut yang menyebabkan sedimen penyusunnya jenuh air, dan berada di lokasi yang rawan gempabumi besar. One of the geophysical methods to determine subsurface cross-section profiles to determine the liquefaction potential is the geoelectric resistivity method. This study aims to describe the resistivity layer of soil liquefaction potential in Cilacap. This study uses 33 measurement points where the geoelectric resistivity analysis results are displayed in the subsurface cross-section profile. Analysis of liquefaction potency based on the resistivity of rock performed by considering relative density level information and strength test (N-SPT) and unconsolidated rock characteristics. Resistivity value in the study area ranged from 0.09 - 585 Wm. Based on geological information, the resistivity values measured in research area show lithology of alluvium i.e. sand, granule and pebble (100-585 Wm), alluvium i.e. clay and silt (14-85 Wm), aquifers (1.6 - 15 Wm), layer of clay (0.09 - 1.5 Wm), tuffaceous marl (6-95 Wm), inserted tuffaceous sandstone (1.3 - 8 Wm), all of which are Halang formation lithology. Cilacap area has the relative high liquefaction potential due to the physical characteristics composed by Quaternary sediment with density and subsurface soil engineering that very loose until rather dense, has a shallow groundwater-surface, in the physiographic located near the coast which water-saturated sediments constituent, and located in a great earthquake-prone location.
POLA DAN DISTRIBUSI FREKUENSI CURAH HUJAN DI PULAU MOROTAI BERBASIS DATA SATELIT TROPICAL RAINFALL MEASURING MISSION (TRMM) Juniarti Visa; Teguh Harjana
Jurnal Meteorologi dan Geofisika Vol 16, No 1 (2015)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v16i1.258

Abstract

Telah dilakukan penelitian mengenai pola dan distribusi frekuensi curah hujan di Pulau Morotai (0,2o 19' LU; 128o 32' BT) dengan menggunakan data curah hujan dari satelit Tropical Rainfall Measuring Mission (TRMM) periode data 1998-2012. Dengan menganalisis data rata-rata curah hujan dasarian dan bulanan dapat diketahui pola curah hujan. Sedangkan untuk mengetahui keadaan ekstrim digunakan metode Peak Over Threshold (POT). Hasil menunjukkan bahwa curah hujan di Pulau Morotai mempunyai pola curah hujan monsunal, yang mempunyai dua puncak curah hujan pada bulan Januari dan Juni. Selanjutnya distribusi frekuensi curah hujan harian memiliki frekuensi tertinggi pada interval intensitas curah hujan antara (0-6) mm sebanyak 3170 kali. Untuk curah hujan dasarian frekuensi tertinggi sebesar 145 kali untuk interval intensitas curah hujan antara (0-25) mm, sedangkan untuk curah hujan bulanan memiliki frekuensi sebesar 41 dengan intensitas intensitas curah hujan (149-196) mm. Study on the pattern and frequency distribution of rainfall in the Morotai island (0.2019' N; 1280 32' E) has been carried out using satellite rainfall data from the Tropical Rainfall Measuring Mission (TRMM) from 1998 to 2012. The 10-days and monthly rainfall data have been analyzed to obtain the rainfall pattern of the area. Furthermore, to study the extreme rainfall, Peak Over Threshold (POT) method was used. The result showed that Morotai Island has a monsoonal rainfall pattern, with two peaks of rainfall, January and June. Moreover, the frequency distribution of daily rainfall had the highest frequency of rainfall intensity between the (0-6) mm by 3170 times. For 10-days analysis, the highest was 145 times with rainfall intensity between (0-25) mm, while for monthly data was 41 with the intensity of rainfall (149-196) mm. 
ANALISIS KECEPATAN GELOMBANG GESER (Vs) DI CILACAP, JAWA TENGAH SEBAGAI UPAYA MITIGASI BENCANA GEMPABUMI Pupung Susilanto; Drajat Ngadmanto
Jurnal Meteorologi dan Geofisika Vol 16, No 1 (2015)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v16i1.263

Abstract

Cilacap merupakan daerah yang sering merasakan dampak guncangan gempabumi. Populasi penduduk yang besar dan keberadaan obyek penting pemerintah menjadi suatu pertimbangan diperlukannya kajian efek guncangan gempabumi. Tujuan penelitian ini adalah untuk memetakan daerah yang memiliki potensi mengalami kerusakan akibat guncangan gempabumi berdasarkan jenis tanah hasil analisis kecepatan gelombang geser (Vs) sebagai salah satu upaya mitigasi bencana gempabumi. Nilai Vs didapatkan dari pengukuran Multichannel Analysis of Surface Wave (MASW) pada 14 lokasi dan pengolahan menggunakan perangkat lunak WinMASW untuk mendapatkan profil Vs 1D. Selanjutnya dibuat sayatan selatan – utara dan barat daya–timur laut untuk mendapatkan gambaran Vs secara 2D. Hasil penelitian menunjukkan bahwa daerah penelitian memiliki nilai Vs rata-rata (0-30 m) antara 153 m/s – 355 m/s. Berdasarkan sayatan 2D tersusun oleh jenis tanah lunak (Vs ≤ 175 m/s), jenis tanah sedang (175 < Vs ≤ 350m/s), dan jenis tanah keras (Vs ≥ 350 m/s), dengan dominasi utama adalah tanah sedang dengan endapan sedimen yang cukup tebal. Hal ini menyebabkan daerah penelitian terutama di bagian selatan, tengah, dan barat berpeluang besar mengalami guncangan yang lebih besar ketika terjadi gempabumi, sehingga berpotensi mengalami kerusakan yang lebih besar. Sedangkan daerah yang relatif aman untuk pengembangan wilayah berada di sisi utara dan timur daerah penelitian karena tersusun atas endapan sedimen tipis dan tanah yang keras. Cilacap is an area that often suffers earthquake shocks impact. A large population and the existence of important government object becomes a consideration for a study related to earthquake shocks effect. This study aims to map areas that have potential damages due to earthquake, based on soil type from shear wave velocity (Vs) analysis, as an effort to earthquake disaster mitigation. Vs obtained from Multichannel Analysis of Surface Wave(MASW) at 14 locations and processed using WinMASW software to obtain a 1D velocity profile. Further, a 2D incision was made for south-north (A-A') and southwest-northeast (B-B') to obtain a 2D Vs profile. The results showed an average value of Vs (0-30m) between 153 - 355 m/s. Based on 2D incision result, the soil is arranged in layers by soft soil (Vs ≤ 175 m/s), medium soil (175 <Vs ≤ 350 m/s), and hard soil (Vs ≥ 350 m/s), with major dominant is the medium soil with a fairly thick sediment deposition. It causes research areas in the south, central, and west areas will have a greater shocks impact when an earthquake occurs, thus potentially suffer greater damages. Whilst, relatively safe areas for rural development are in North and East sides because they are composed of thin sediments and hard soils.
STATISTICAL DOWNSCALING DENGAN PERGESERAN WAKTU BERDASARKAN KORELASI SILANG Aji Hamim Wigena
Jurnal Meteorologi dan Geofisika Vol 16, No 1 (2015)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v16i1.259

Abstract

Pergeseran waktu (time lag) dalam analisis data deret waktu diperlukan terutama untuk analisis hubungan dua peubah (variable), seperti dalam statistical downscaling. Pergeseran waktu ini ditentukan berdasarkan korelasi silang tinggi yang setara dengan hubungan yang kuat antar kedua peubah tersebut sehingga dapat digunakan dalam pemodelan untuk prakiraan yang lebih akurat. Makalah ini mengenai statistical downscaling dengan memperhatikan korelasi silang antara data curah hujan dengan data presipitasi Global Circulation Model (GCM) dari Climate Model Inter Comparison Project (CMIP5). Salah satu syarat dalam statistical downscaling adalah peubah  skala lokal dan global berkorelasi tinggi. Kedua tipe peubah tersebut berupa data deret waktu sehingga fungsi korelasi silang diterapkan untuk memperoleh pergeseran waktu. Korelasi silang yang tinggi menentukan pergeseran waktu pada luaran GCM yang menghasilkan hubungan fungsional lebih kuat antara kedua tipe peubah. Model regresi komponen utama dan regresi kuadrat terkecil parsial digunakan dalam makalah ini. Model-model dengan pergeseran waktu menduga curah hujan lebih baik daripada model-model tanpa pergeseran waktu. Time lag in time series data analysis is required especially to analyze the relationship of two variables, such as in statistical downscaling. Time lag is determined based on high cross correlation which is equivalent to strong relationship between the two variables and can be used in modeling for a more accurate forecast. This paper is about  statistical downscaling by considering the cross correlation between rainfall data and precipitation data from Global Circulation Model (GCM) of Climate Model Inter Comparison Project (CMIP5). One of the conditions in statistical downscaling is that local scale and global scale variables are highly correlated. Both types of variables are time series data, thus cross correlation function is applied to find time lags. High cross correlation determines time lags in GCM output which was resulted in higher functional relation between both types of variables. Principal Component Regression and Partial Least Square Regression model were used in this paper. Models with time lags had forecasted rainfall better than those without time lags.Time lag in time series data analysis is required especially to analyze the relationship of two variables, such as in statistical downscaling. The time lag is determined based on high cross-correlation which is equivalent to a strong relationship between the two variables and can be used in modeling for a more accurate forecast. This paper is about statistical downscaling by considering the cross-correlation between rainfall data and precipitation data from the Global Circulation Model (GCM) of Climate Model Inter Comparison Project (CMIP5). One of the conditions in statistical downscaling is that local scale and global scale variables are highly correlated. Both types of variables are time series data, thus cross-correlation function is applied to find time lags. High cross-correlation determines time lags in GCM output which was resulted in higher functional relation between both types of variables. Principal Component Regression and Partial Least Square Regression model were used in this paper. Models with time lags had forecasted rainfall better than those without time lags. 

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2015 2015


Reset
Filter By Issues
All Issue Vol 23, No 3 (2022): Special Issue Vol 23, No 2 (2022) Vol 23, No 1 (2022) Vol 22, No 2 (2021) Vol 22, No 1 (2021) Vol 21, No 2 (2020) Vol 21, No 1 (2020) Vol 20, No 2 (2019) Vol 20, No 1 (2019) Vol 19, No 2 (2018) Vol 19, No 1 (2018) Vol 18, No 3 (2017) Vol 18, No 2 (2017) Vol 18, No 1 (2017) Vol 17, No 3 (2016) Vol 17, No 2 (2016) Vol 17, No 1 (2016) Vol 16, No 3 (2015) Vol 16, No 2 (2015) Vol 16, No 1 (2015) Vol 15, No 1 (2014) Vol 14, No 2 (2013) Vol 10, No 2 (2009) Vol 15, No 3 (2014) Vol 15, No 2 (2014) Vol 9, No 1 (2008) Vol 14, No 3 (2013) Vol 14, No 1 (2013) Vol 13, No 3 (2012) Vol 13, No 2 (2012) Vol 13, No 1 (2012) Vol 12, No 3 (2011) Vol 12, No 2 (2011) Vol 12, No 1 (2011) Vol 11, No 2 (2010) Vol 11, No 1 (2010) Vol 10, No 1 (2009) Vol 9, No 2 (2008) Vol 8, No 2 (2007) Vol 8, No 1 (2007) More Issue