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 310 Documents
 20   21   22   23   24 
SELEKSI PREDIKTOR DATA GLOBAL CLIMATE MODEL DENGAN TEKNIK SINGULAR VALUE DECOMPOTITION UNTUK PREDIKSI CURAH HUJAN DI PANTAI UTARA JAWA BARAT Trinah Wati; Aji Hamim Wigena
Jurnal Meteorologi dan Geofisika Vol 15, No 3 (2014)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2444.403 KB) | DOI: 10.31172/jmg.v15i3.219

Abstract

Pemilihan prediktor terbaik untuk curah hujan di 18 pos hujan periode 1980-2005 di Wilayah Pantai Utara di kabupaten Karawang, Indramayu dan Subang dilakukan menggunakan Teknik Singular Value Decomposition (SVD) menggunakan data presipitasi bulanan luaran GPCP dan CMAP, serta data tekanan udara, sea level pressure, precipitable water, suhu udara, kelembaban udara, kecepatan angin luaran NCEP/NCAR reanalisis sebagai input. Prediktor terbaik untuk memprediksi rata-rata curah hujan bulanan di 18 stasiun hujan di wilayah pantai utara adalah kecepatan angin luaran NCEP/NCAR reanalisis. Selanjutnya prediktor terbaik digunakan untuk memprediksi curah hujan bulanan tahun 2006-2007 menggunakan pemodelan Statistical Downscaling Multiple Linear Regression (MLR) dan Partial Least Square Regression (PLS). Hasil validasi curah hujan prediksi dengan aktual menggunakan PLS memiliki korelasi yang lebih tinggi dan RMSEP yang lebih kecil dibandingkan MLR. Selection for best predictor of 18 rain gauge stations from 1980 to 2005 in Northern Coastal Area in Karawang, Indramayu and Subang District has been investigated with The Singular Value Decomposition technique using monthly rainfall data from GPCP and CMAP, and air pressure, sea level pressure, precipitable water, relative humidity temperature, wind speed from NCEP/NCAR reanalysis as the input. The best predictor for monthly rainfall prediction of 18 rain gauges is wind speed from NCEP/NCAR reanalysis. Further, this best predictor was used to predict monthly rainfall from 2006 to 2007 using the Multiple Linear Regression (MLR) Statistical Downscaling model and Partial Least Square (PLS) Regression. These methods showed that the validation results using PLS have higher correlation and smaller RMSEP than the MLR method.
Pemodelan Bahaya Tsunami dan Evaluasi Strategi Evakuasi di Tanjung Benoa Bali untuk mendukung upaya Safe-Tourism Bali Kembali Nuraini Rahma Hanifa; Nurul Sri Rahatiningtyas; Iman Fatchurochman; Endra Gunawan; Dwi Hartanto; Ida Bagus Oka Agastya; I Nyoman Putera Indrawan; Giovanni Cynthia Pradipta; Tomy Gunawan; Yogha Mahardikha Putra
Jurnal Meteorologi dan Geofisika Vol 23, No 1 (2022)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (711.114 KB) | DOI: 10.31172/jmg.v23i1.837

Abstract

Salah satu upaya untuk mendorong Bali Kembali dalam era normal baru pasca pandemi Covid-19 yaitu menekan disrupsi dari bencana, diantaranya ancaman gempa dan tsunami. Penelitian ini bertujuan untuk memutakhirkan pemodelan bahaya tsunami, mengevaluasi tempat dan jalur evakuasi, menggali sejauh mana masyarakat dan wisatawan memahami informasi peringatan tsunami dari BMKG dan BNPB, dan perintah evakuasi dari BPBD. Melalui penelitian ini diharapkan dapat memberikan manfaat bagi sektor kesehatan, pariwisata, ekonomi dan sosial budaya secara langsung kepada masyarakat di Provinsi Bali. Penelitian ini meliputi delapan tahap yaitu, 1) identifikasi sumber dan bahaya gempa pemicu tsunami; 2) identifikasi parameter sumber gempa; 3) pemodelan tsunami; 4) survei lapangan; 5) analisis data eksposur; 6) network analysis closest facility, 7) gap analysis, dan 8) analisis pemahaman masyarakat terhadap tsunami dan evakuasi mandiri. Hasil dari penelitian ini menunjukkan bahwa seluruh area Tanjung Benoa memiliki potensi terdampak tsunami. Estimasi tinggi tsunami di sisi Timur berkisar 10-14 m , estimasi tinggi tsunami di sisi Barat berkisar 3-6 m dan estimasi waktu tiba tsunami berkisar 20-25 menit. Hasil penelitian ini mengindikasikan bahwa perlu mempertimbangkan untuk amendemen Peraturan Gubernur, terkait estimasi waktu kedatangan tsunami, yang tertulis 30 menit.  Saat ini terdapat 8 hotel terdistribusi di sepanjang pantai sisi timur sebagai tempat evakuasi. Namun hanya dapat  menampung setengah penduduk, di luar jumlah wisatawan. Sehingga perlu penambahan tempat evakuasi di wilayah Tanjung Benoa, dengan tinggi minimal 20 meter. Mengingat peraturan batas tinggi bangunan di wilayah Bali, maka direkomendasikan adanya pengecualian untuk kasus ini, dan bisa dipertimbangkan adanya Pura di bagian atas dari tempat evakuasi.
PERINGATAN DINI DAN DIAGNOSIS MUNCULNYA TURBULENSI CUACA CERAH DAN DAMPAKNYA PADA PESAWAT Achmad Sasmito
Jurnal Meteorologi dan Geofisika Vol 12, No 3 (2011)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (267.342 KB) | DOI: 10.31172/jmg.v12i3.111

Abstract

Salah satu informasi meteorologi yang sulit diprakirakan diantaranya yaitu terjadinya turbulensi pada saat cuaca cerah (TCC), sedangkan metoda yang lazim digunakan untuk mengetahui daerah TCC yaitu dengan menghitung bilangan Richardson (Ri).Untuk menduga lokasi terjadinya TCC yang  dialami oleh pesawat China Air Line, pada tanggal 20 September 2008 sekitar pukul 12.50 WIB yang terbang dari Taipe menuju Bali digunakan analisis data udara atas, satelit cuaca, dan prakiraan cuaca numerik model JMA (Numerical Weather Prediction/NWP). Hasil analisis data meteorologi tanggal 20 September 2008, pukul 11.00-13.00 WIB bahwa pesawat China Air Line diduga mengalami TCC lokasinya di sekitar Pulau Lulbu (Philipina/ posisi 7 - 15° LU, 115° - 120° BT), pada paras 300 - 400 mb, nilai bilangan Ri yaitu sekitar 200-290, ditengarai berada di daerah pertemuan dua (2) masa udara yaitu bagian bawah berasal dari barat kecepatan angin 10-15 knot, sedang bagian atas berasal dari timur kecepatan angin 15-25 knot, suhu puncak awan -70° C, sedang disebelahnya suhu + 10° C. Keadaan cuaca tersebut berkaitan dengan munculnya siklon tropis Hagupit di Philipina. One of the difficult forecasted meteorological information such as the occurrence of Clear air turbulence (TCC). The methods commonly used to determine the TCC region that is by calculating the Richardson number (Ri). To infer the location of the TCC aircraft experienced by China Air Line, on 20 September 2008 at around 04:00 to 06:00 UTC flying from Taipei to Bali used the analysis of upper air data, weather satellites and numerical weather Prediction JMA model (Numerical Weather Prediction/NWP). The results of the analysis of meteorological data on September 20, 2008, at 04:00 to 06:00 UTC show that China Air Line occurred TCC loTCCion around the Lulbu island (Philipine), positions 7°-15° N, 115°-120° E, at 300-400 mb, the Ri number is about 200-290, which are loTCCed in areas suspected to be the confluence of two (2) the air mass, is coming from the bottom of the west wind speed 10-15 knots, while the top comes from the east 15-25 knots wind speed, cloud top temperature of -70° C, on the other side the air temperature of + 10° C. The weather conditions associated with the emergence of a tropical cyclone Hagupit in Philipine island.
Sampul Jurnal MG JMG BMKG
Jurnal Meteorologi dan Geofisika Vol 17, No 3 (2016)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ESTIMASI DATANGNYA KEMARAU PANJANG 2012/2013 BERBASIS HASIL ANALISIS KOMBINASI DATA ESPI DAN DMI Eddy Hermawan
Jurnal Meteorologi dan Geofisika Vol 12, No 1 (2011)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v12i1.79

Abstract

Penelitian ini dibuat dengan tujuan utamanya menganalisis perilaku fenomena baru atmosfer yang merupakan hasil silang antara fenomena El-Niño yang diwakili oleh data ESPI (ENSO Precipitation Index) dengan DMI (Dipole Mode Index) sebagai mini ENSO-nya Indonesia untuk kawasan Pasifik Barat selama 29 tahun pengamatan periode Januari1979 hingga Desember 2008. Berbasis kepada hasil analisis dengan menggunakan teknik analisis wavelet dan juga FFT (Fast Fourier Transform), kami mendapatkan bahwa osilasi baru tersebut berkisar sekitar 180 bulanan (~ 15 tahunan). Jika siklus ini berjalan sempurna(tanpa ada faktor lain yang mengganggunya), maka berbasis kejadian tahun 1982 dan 1997, diperkirakan tahun 2012/2013 nanti, kita akan mengalami musim kering yang berkepanjangan seperti kejadian tahun 1997. Hasil ini tentunya masih perlu dipertajam lagi, seperti analisis siklus ke-24 matahari, selain pemanfaatan data emisi CO2 Indonesia.Satu hal yang menarik dari penelitian ini adalah bahwa kawasan Sumatera Utara bagian utara, khususnya Aceh dan Medan, mereka nampaknya akan relatif aman dari bahaya (dampak) kering yang panjang, mengingat kawasan ini relatif basah sepanjang tahun hasilanalisis data GPCP (Global Precipitation Climatology Project) untuk analisis waktu pengamatan yang sama. This research was made with the main objective is to analyze the behavior of new atmospheric phenomena as the result of the crossing between El-Niño phenomenon represented by the data ESPI with DMI for 29 years observation for period of January 1979 to December 2008. Based on the results of analysis using wavelet analysis techniques as wellas FFT, we find that the new oscillation ranges for about 180 monthly (~ 15 years). If the cycle is running perfectly (without any other factors that bothered it), then based on events in 1982 and 1997, estimated the year 2012/2013, we will experience a prolonged dry season like the 1997 incident. These results are of course still need to be sharpened again, such as the analysis of the 24 solar cycles, in addition to the utilization of CO2 emission data in Indonesia. One thing the interesting point of this research is that the northern part of North Sumatra region, especially Aceh and Medan, they appear to be relatively safe from harm (impact) the long dry, since this region is relatively wet throughout the year results of data analysis GPCP for the same time observation of data analysis.
PENGARUH TOPOGRAFI DAN LUAS DARATAN MODEL WRF TERHADAP HASIL PREDIKSI TEMPERATUR PERMUKAAN DI WILAYAH KEPULAUAN INDONESIA Thahir Daniel F. Hutapea; Roni Kurniawan; Wido Hanggoro
Jurnal Meteorologi dan Geofisika Vol 16, No 3 (2015)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v16i3.288

Abstract

Model Weather Research and Forecasting (WRF) telah digunakan dalam simulasi dan prediksi cuaca dengan cara melakukan downscaling dari resolusi rendah (global) ke resolusi yang lebih tinggi. Karena pengaruh dari topografi Indonesia, banyak proses atmosfer terjadi dalam skala yang lebih kecil dibandingkan dengan resolusi horizontal model atmosfer, sehingga diperlukan pendekatan fisik dalam melakukan down scaling. Tujuan penelitian ini adalah untuk mengetahui pengaruh perbedaan topografi pada model WRF terhadap hasil prediksi temperatur permukaan di Indonesia yang merupakan negara kepulauan. Verifikasi terhadap perfoma model WRF dilakukan dalam perioda monsunal. Verifikasi variabel Temperatur dilakukan berdasarkan nilai mean error atau bias, korelasi, standart deviasi dan bias relatif. Hasil dari analisis mean error menunjukkan nilai  yang bervariasi di setiap daerah dan di setiap musimnya. Pada daerah yang terletak wilayah pegunungan menunjukkan nilai mean error yang besar, untuk wilayah yang lainnya pada umumnya menunjukkan nilai mean error yang kecil. Stasiun-stasiun dengan nilai mean error yang besar disebabkan karena perbedaan antara elevasi pada model dan elevasi stasiun observasi. Hasil analisis korelasi secara umum menunjukkan nilai korelasi yang cukup baik  disetiap daerah dan musimnya. Perbedaan hasil luaran antara model dengan data obervasi disebabkan karena perbedaan ketinggian topografi antara model dan stasiun observasi yang cukup besar. Sedangkan hasil verifikasi prediksi model WRF untuk pulau pulau kecil diperoleh nilai korelasi yang sangat rendah dengan nilai standart deviasi dan bias relatif yang besar, kondisi ini disebabkan resolusi 25 km yang digunakan model WRF dalam penelitian ini masih terlalu kasar, sehingga luas daratan tidak tergambarkan dengan baik oleh model. Weather Research and Forecasting (WRF) model has been applied to weather simulation and prediction by performing downscaling of global resolution to high resolution. The impact of Indonesian topography, caused many atmospheric processes to occur on smaller scales than the horizontal resolution of atmospheric models, some physical component approach is needed in the downscaling process. The purpose of this study is to know the effect of WRF models on topography and land area to the surface temperature parameter in Indonesia. The verification of the WRF model performance has been conducted in the monsoonal period. Temperature variable verification is done based on the value of the mean error and correlation. The analyses indicate that the mean error values were varying in each region and each season. In areas located in the mountainous area showed a high mean error value. In other areas, it generally showed a low mean error value. Stations with high mean error values were caused by the difference between model elevation and station elevation. Model and observation data differences were caused by the large difference of topographic height between model and observation. While the verification result of model prediction for small islands shows very low correlation value, with big value in the standard deviation and relative bias; this condition is caused by 25 km resolutions used by the model in this study was too rough, hence the land area is not well represented by the model.
Pengantar dan Daftar Isi JMG BMKG
Jurnal Meteorologi dan Geofisika Vol 8, No 1 (2007)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengantar dan Daftar Isi Jurnal Meteorologi dan Geofisika
PENGELOMPOKAN DATA GEMPA BUMI MENGGUNAKAN ALGORITMA DBSCAN Raisa Rizky Amelia Rahman; Arie Wahyu Wijayanto
Jurnal Meteorologi dan Geofisika Vol 22, No 1 (2021)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v22i1.738

Abstract

Gempa bumi merupakan bencana alam yang tidak dapat dicegah maupun dihindari. Oleh sebab itu, perlu dilakukan pemetaan dan pengelompokan wilayah gempa untuk mendukung upaya minimalisasi dampak yang ditimbulkan. Data yang digunakan dalam penelitian ini adalah data gempa bumi di Indonesia yang bersumber dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Penelitian ini menggunakan algoritma DBSCAN dalam mengelompokkan data ke dalam beberapa cluster. Metode untuk menguji validitas hasil cluster adalah dengan menggunakan Silhouette Coefficient dan Gamma Index. Hasil clustering pada penelitian ini memberikan kesimpulan bahwa dengan menggunakan algoritma DBSCAN diperoleh 3 cluster wilayah beresiko terjadi gempa bumi berdasarkan karakteristik parameter gempa bumi yang dihasilkan. Kombinasi nilai ε dan MinPts yaitu 0,28 dan 3 menghasilkan nilai Silhouette Coefficient sebesar 0,81091 dan Indeks Gamma sebesar 0,98104 yang menggambarkan bahwa DBSCAN mampu mengelompokan wilayah berpesiko terjadi gempa bumi dengan cukup baik. Hasil penelitian ini dapat digunakan sebagai bahan pertimbangan suatu instansi dalam pengambilan keputusan terkait penanganan (mitigasi) bencana gempa bumi.
PROSES METEOROLOGIS BENCANA BANJIR DI INDONESIA Bayong Tjasyono H. Kasih; Ina Juaeni; Sri Woro B. Harijono
Jurnal Meteorologi dan Geofisika Vol 8, No 2 (2007)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v8i2.12

Abstract

Bencana banjir harus diatasi dari segala aspek. Awan konvektif jenis cumulonimbus dapat menyebabkan bencana banjir lokal. Sistem cuaca skala meso seperti zona konvergensi intertropis (ZKI) dan siklon tropis dapat menyebabkan bencana banjir skala luas. Pada bulan Desember, Januari dan Februari (DJF) zona konvergensi intertropis berada di atas wilayah Indonesia belahan bumi selatan. Siklon tropis yang bergerak dekat dengan perairan Indonesia mampu meningkatkan intensitas bencana banjir. Baik hujan konveksional, hujan konvergensi, maupun hujan siklon tropis, ketiganya diakibatkan oleh sel tekanan udara rendah pada pusat konveksi, zona konvergensi intertropis dan mata siklon tropis. Hujan konveksional terjadi setelah insolasi maksimum. Sebagai wilayah monsun, Indonesia mengalami hujan lebat terutama pada musim panas dan gugur belahan bumi. Efek orografik di daerah monsun juga dapat meningkatkan jumlah curah hujan pada lereng di atas angin. Flood disaster must be overcomed from the whole aspects. Convective clouds of cumulonimbus type cause local flood disaster, while meso – scale weather system, such as intertropical convergence zone (ICZ), and tropical cyclone result in large scale flood disaster. In the months of December, January, February, the intertropical convergence zone lies over the southern hemisphere Indonesian region. Track of tropical cyclone near the Indonesian waters is able to increase the intensity of flood disaster. Either convectional or convergence rainfall as well as tropical cyclone rainfall, the three of them in consequence of the low air pressure at the convection center, the intertropical convergence zone and the tropical cyclone eye. Convectional rainfall occures after the maximum insolation. As a monsoon region, Indonesia suffer heavy rainfall especially in hemisphere summer and autumn. Orographic effect in monsoonal region can also increase the amount of rainfall in the windward slope.
PREDIKSI HUJAN BULANAN MENGGUNAKAN ADAPTIVE STATISTICAL DOWNSCALING Agus Safril; Tri Wahyu Hadi; Safwan Hadi; Bayong Tjasyono H. Kasih
Jurnal Meteorologi dan Geofisika Vol 14, No 1 (2013)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v14i1.143

Abstract

Permasalahan pada prediksi hujan bulanan menggunakan Global Circulation Model (GCM) adalah resolusi yang rendah  sehingga tidak dapat memberikan informasi yang rinci sampai tingkat regional. Permasalahan lain adalah akurasi prediksi yang rendah yang disebabkan pola curah hujan yang non linier dan non stasioner. Prediksi  hujan dengan adaptive statistical downscaling diaplikasikan untuk memecahkan permasalahan tersebut. Variabel prediktor prediktor dipilih dari korelasi tertinggi  antara prediktor dan curah hujan menggunakan Singular Value Decomposition (SVD). Hasil prediksi hujan bulanan dengan metoda adaptif  menggunakan ANFIS (Adaptif Neuro Fuzzy Inference System) menunjukkan nilai korelasi antara prediksi dan observasi lebih tinggi dari pada hasil prediksi curah hujan  keluaran model sirkulasi global (GCM). Nilai  RMSE (Root Mean Square Error) pada prediksi statistical downscaling juga menunjukkan nilai yang lebih kecil dibandingkan prediksi hasil keluaran model sirkulasi global. Hasil prediksi hujan menunjukkan bahwa nilai korelasi (r) antara prediksi dan hujan observasi di daerah dengan siklus hujan tahunan > 0,66, di daerah dengan siklus hujan semi tahunan adalah sedang (0,33 ≤ r  ≤ 0,66) kecuali di Meulaboh, Sibolga, dan Lhokseumawe dengan kategori r < 0,33.   The problem arised in monthly prediction of precipitation using GCM (Global Circulation Mode) was on the coarse resolution that did not provide detailed information for regional scale. Another problem arised was on the low accuracy of prediction that was caused by non-linier and non- stationary rainfall patterns. Adaptive statistical downscaling method was applied to solve those problems. Predictor variables were selected from the highest correlation between predictor and precipitation using Singular Value Decomposition (SVD). The result of adaptive monthly prediction using ANFIS showed that  the correlation between prediction and observation was higher than dinamical prediction. RMSE (Root Mean Square Error) in statistical downscaling prediction was smaller then the output of GCM. The result of precipitation prediction showed thet correlations between prediction and precipitation in the annual region) (r) > 0,66), in the semi annual cycle was moderate (0,33 ≤ r ≤ 0,66),  except in Meulaboh, Sibolga, and Lhokseumawe stations (r < 0,33).  

Page 22 of 31 | Total Record : 310

 20   21   22   23   24 

Filter by Year

2007 2022


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