cover
Contact Name
Mesran
Contact Email
mesran.skom.mkom@gmail.com
Phone
+6282161108110
Journal Mail Official
jurnal.json@gmail.com
Editorial Address
STMIK Budi Darma Jln. Sisingamangaraja No. 338 Telp 061-7875998
Location
Kota medan,
Sumatera utara
INDONESIA
Jurnal Sistem Komputer dan Informatika (JSON)
ISSN : -     EISSN : 2685998X     DOI : https://dx.doi.org/10.30865/json.v1i3.2092
The Jurnal Sistem Komputer dan Informatika (JSON) is a journal to managed of STMIK Budi Darma, for aims to serve as a medium of information and exchange of scientific articles between practitioners and observers of science in computer. Focus and Scope Jurnal Sistem Komputer dan Informatika (JSON) journal: Embedded System Microcontroller Artificial Neural Networks Decision Support System Computer System Informatics Computer Science Artificial Intelligence Expert System Information System, Management Informatics Data Mining Cryptography Model and Simulation Computer Network Computation Image Processing etc (related to informatics and computer science)
Articles 829 Documents
Evaluating UMSU Subdomain Website Inclusivity Using Preference Selection Index Firahmi Rizky; Zuli Agustina Gultom
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 8 No. 1 (2026): September (2026)
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v8i1.9668

Abstract

Limited empirical evaluation of university website inclusivity can reduce equal access to academic information, especially for users with disabilities. This study evaluates the digital inclusivity of 29 Universitas Muhammadiyah Sumatera Utara (UMSU) subdomain websites using the Preference Selection Index (PSI) method. The evaluation used five criteria: Perceivability, Operability, Understandability, Robustness, and Usability. The first four criteria were derived from the Web Content Accessibility Guidelines (WCAG) principles, while Usability was added as a supporting criterion to assess practical user interaction quality. Data were collected through direct observation of each website and scored using a checklist-based rubric. The checklist scores were converted into a 1 to 5 Likert scale and then processed using PSI to calculate criterion weights and final preference values. The results show that fahum.umsu.ac.id obtained the highest score with a preference index of 1.000000, followed by fk.umsu.ac.id with 0.946643, and si.umsu.ac.id and faperta.umsu.ac.id with 0.893285. The findings indicate that PSI can reduce subjectivity in the weighting stage because the weights are generated from the decision matrix. However, the initial scoring process still depends on evaluator assessment. Therefore, the results should be interpreted as structured decision support for website improvement, not as an absolute measurement of accessibility compliance.
Forecasting Library Visitation at UMSU: A Comparative Analysis of Linear Regression and Trend Moment Yohanni Syahra; Amrullah
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 8 No. 1 (2026): September (2026)
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v8i1.9692

Abstract

Libraries play an important role in supporting academic activities by providing access to information, learning resources, and research materials. To improve the quality of library services, it is necessary to understand visitor attendance patterns and estimate the number of visits in future periods. This study aims to forecast library visitation at UMSU using the Linear Regression and Trend Moment methods, and to compare the accuracy of both methods using Mean Absolute Percentage Error (MAPE). Historical visitation data were used as the basis for the forecasting analysis. The results show that the Linear Regression method produces a forecast value of 1.65 for the next period with a MAPE value of 4.59%, while the Trend Moment method produces a forecast value of 1.77 with a MAPE value of 5.86%. Based on the comparison of MAPE values, Linear Regression provides better forecasting accuracy than the Trend Moment method because it has a lower error rate. Therefore, Linear Regression is considered more suitable for forecasting library visitation in this study. These findings are expected to support library management in service planning, resource allocation, and the improvement of data-driven decision-making.
Perbandingan Branch and Bound dan Nearest Neighbour Heuristic Pada CVRP Distribusi MBG SPPG Mangunsari Semarang Nurizal Dwi Priandani; Fajar Rohman Hariri; Nadia Roosmalita Sari
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 8 No. 1 (2026): September (2026)
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v8i1.9739

Abstract

Program Makan Bergizi Gratis (MBG) merupakan kebijakan strategis pemerintah Indonesia untuk memperkuat pembangunan sumber daya manusia menuju Visi Indonesia Emas 2045. Sistem distribusi MBG menuntut perencanaan logistik yang presisi agar makanan dapat diterima oleh setiap sekolah secara tepat sasaran, efektif, dan tepat waktu. Pada penelitian ini, permasalahan distribusi dimodelkan sebagai Capacitated Vehicle Routing Problem (CVRP). Studi kasus dilakukan pada distribusi MBG di SPPG Mangunsari Kota Semarang yang melibatkan 1 depot, 17 sekolah penerima, 2 kendaraan distribusi, dengan kapasitas maksimum 1.000 paket makanan pada setiap kendaraan. Penelitian ini membandingkan kinerja algoritma Branch and Bound (BnB) dan Nearest Neighbor Heuristic (NNH) menggunakan lima metrik evaluasi, yaitu total jarak tempuh, total operasi komputasi (jumlah operasi yang dihitung), rerata waktu komputasi, panjang rute maksimum, dan keseimbangan jarak rute distribusi. Hasil pengujian menunjukkan bahwa BnB menghasilkan total jarak yang lebih efisien 14% yaitu sebesar 26,31 km, sedangkan NNH menghasilkan total jarak sebesar 30,59 km. Dari sisi total komputasi dan rerata waktu komputasi, NNH 99,99% lebih sedikit langkah komputasi dan 96,78% lebih cepat daripada BnB. Selain itu, NNH juga menunjukkan keunggulan pada keseimbangan jarak rute distribusi antar kendaraan dimana NNH menghasilkan selisih jarak antarkendaraan 98,91% lebih rendah dengan rute terpanjang yang dihasilkan NNH 15,75% lebih pendek dibandingkan dengan BnB. Dengan demikian, BnB lebih sesuai digunakan ketika efisiensi total jarak menjadi prioritas, sedangkan NNH lebih sesuai digunakan ketika efisiensi proses komputasi dan pemerataan jarak rute distribusi distribusi menjadi pertimbangan utama. Adapun hasil penelitian ini hanya terbatas pada kasus distribusi MBG di SPPG Mangunsari Kecamatan Gunungsari – Kota Semarang dan belum dapat digeneralisasi untuk seluruh distribusi MBG pada Kota Semarang.
Komparasi Algoritma Machine Learning untuk Deteksi Kondisi Daun Lengkuas Menggunakan Fitur Warna RGB dan HSV Rachel Tinezia; Muhammad Arifin; Arif Setiawan
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 8 No. 1 (2026): September (2026)
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v8i1.9793

Abstract

Penurunan kualitas tanaman lengkuas (Alpinia galanga) dapat ditandai dengan munculnya gejala pada daun yang perlu diidentifikasi sejak awal. Penelitian ini bertujuan membandingkan algoritma machine learning untuk mendeteksi kondisi daun lengkuas berdasarkan fitur warna RGB dan HSV. Penelitian dilakukan di kebun lengkuas Desa Cranggang menggunakan 100 citra daun. Pada tahap awal, kondisi daun ditentukan berdasarkan pengamatan visual dan menghasilkan 76 citra daun sakit dan 24 citra daun sehat. Selanjutnya, dilakukan penentuan kategori menggunakan pendekatan rule-based berdasarkan diameter bercak yang terdeteksi secara komputasional dengan ambang batas 0,5 cm, sehingga diperoleh hasil akhir 82 citra dengan kategori sakit dan 18 citra dengan kategori sehat. Citra kemudian diolah menjadi fitur numerik berupa nilai rata-rata RGB dan HSV. Fitur tersebut dinormalisasi menggunakan Z-transformation untuk mengatasi perbedaan skala antarfitur sebelum pengujian algoritma K-Nearest Neighbor (KNN), Support Vector Machine (SVM), dan Random Forest (RF) dengan metode 10-fold Cross Validation. Hasil pengujian menunjukkan KNN memperoleh akurasi 85%, SVM 87%, dan RF 84%. KNN mengklasifikasikan 80 citra sakit dan 5 citra sehat dengan benar, SVM dengan 81 citra sakit dan 6 citra sehat, sedangkan RF dengan 77 citra sakit dan 7 citra sehat. Nilai AUC masing-masing sebesar 0,867, 0,833, dan 0,868. Berdasarkan accuracy sebagai kriteria utama, SVM dipilih sebagai algoritma terbaik dengan akurasi 87%. Hasil dari penelitian ini diharapkan menjadi referensi dalam memilih algoritma terbaik untuk mendeteksi kondisi daun pada tanaman lengkuas.
Sistem Rekomendasi Dosen Pembimbing Berbasis SBERT dan Cosine Similarity Rafif Fairuz Ramadani; Ika Nur Fajri
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 8 No. 1 (2026): September (2026)
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v8i1.9808

Abstract

Ketidaksesuaian antara topik tugas akhir mahasiswa dan keahlian dosen pembimbing menjadi salah satu penyebab utama keterlambatan kelulusan di perguruan tinggi. Penelitian ini mengimplementasikan Sentence-BERT (SBERT) model paraphrase-multilingual-MiniLM-L12-v2 dan cosine similarity untuk membangun sistem rekomendasi dosen pembimbing berbasis kemiripan semantik dari judul tugas akhir mahasiswa. Dataset penelitian mencakup 1.420 judul penelitian dari 43 dosen Program Studi Sistem Informasi, Universitas Amikom Yogyakarta, yang dikumpulkan melalui web scraping Google Scholar menggunakan SerpAPI. Sebagai pembaruan dari pendekatan BERT standar yang umum digunakan penelitian terdahulu, penelitian ini mengadopsi SBERT  varian yang secara arsitektur dioptimalkan untuk tugas sentence similarity dan mendukung lebih dari 50 bahasa termasuk Indonesia dan Inggris, sehingga lebih sesuai untuk dataset bilingual. Tahap preprocessing hanya meliputi pembersihan karakter khusus berbasis regex dan normalisasi spasi, tanpa tahapan stemming maupun penghapusan stopword, karena SBERT mampu memahami konteks semantik secara langsung. Evaluasi dilakukan menggunakan 10 data uji berupa judul tugas akhir nyata dari repositori EPrints AMIKOM beserta dosen pembimbing aktual sebagai ground truth, dengan metrik Hit Rate dan Mean Reciprocal Rank (MRR) pada variasi Top-1, Top-2, dan Top-3. Hasil menunjukkan Hit Rate 40% pada Top-1, 70% pada Top-2, dan 90% pada Top-3, dengan MRR 0,400, 0,550, dan 0,617. Penggunaan data uji nyata berbasis repositori EPrints AMIKOM menghasilkan evaluasi yang lebih objektif dan dapat direplikasi. Temuan ini mengindikasikan bahwa SBERT multilingual berpotensi merekomendasikan dosen pembimbing yang relevan secara semantik pada dataset bilingual, meskipun evaluasi lebih lanjut dengan data yang lebih besar masih diperlukan.
Analisis Kesadaran dan Perilaku Mahasiswa IT Dalam Menghindari Ancaman Phishing Menggunakan Model TTAT Shelly Pramudiawardani; Ghaida Syafa Azizah; Amalia Rahmah
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 8 No. 1 (2026): September (2026)
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v8i1.9851

Abstract

Phishing merupakan ancaman siber berbasis rekayasa sosial yang terus menyasar mahasiswa sebagai pengguna aktif layanan digital kampus, seperti email akademik, Learning Management System, dan sistem administrasi daring. Penelitian ini bertujuan menganalisis kesadaran dan perilaku menghindari ancaman phishing mahasiswa IT di Kota Depok menggunakan Technology Threat Avoidance Theory (TTAT). Penelitian menggunakan pendekatan kuantitatif dengan desain survei cross-sectional. Instrumen penelitian berupa kuesioner skala Likert 1-4 yang disusun berdasarkan tujuh konstruk TTAT, yaitu perceived severity, perceived susceptibility, safeguard effectiveness, safeguard cost, self-efficacy, avoidance motivation, dan avoidance behavior. Data valid yang dianalisis berjumlah 307 responden dan diolah menggunakan SPSS melalui uji validitas, reliabilitas, asumsi klasik, serta regresi dua tahap. Hasil penelitian memberikan dukungan parsial terhadap model TTAT. Pengujian hipotesis dilakukan melalui dua tahap regresi, yaitu regresi tahap pertama untuk menguji faktor-faktor pembentuk avoidance motivation dan regresi tahap kedua untuk menguji pengaruh avoidance motivation terhadap avoidance behavior. Pada regresi tahap pertama, self-efficacy dan safeguard effectiveness berpengaruh signifikan terhadap avoidance motivation, sedangkan perceived severity, perceived susceptibility, dan safeguard cost tidak berpengaruh signifikan. Pada regresi tahap kedua, avoidance motivation terbukti berpengaruh signifikan terhadap avoidance behavior. Model regresi menunjukkan nilai R Square sebesar 0,734 pada tahap pertama dan 0,540 pada tahap kedua. Temuan ini menunjukkan bahwa upaya peningkatan perilaku menghindari phishing pada mahasiswa IT sebaiknya tidak hanya berfokus pada penyampaian bahaya phishing, tetapi juga diarahkan pada penguatan self-efficacy dan pemahaman terhadap efektivitas tindakan pengamanan digital.
Tinjauan Literatur Sistematis Deteksi Nyeri Objektif Berbasis Aktivitas Elektrodermal: Tantangan Teknis dan Peluang Implementasi Andrian Reinaldo Crispin; Felix Matthew Jonathan
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 8 No. 1 (2026): September (2026)
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v8i1.9862

Abstract

Pengukuran intensitas nyeri di lingkungan klinis saat ini sebagian besar masih bersifat subjektif dan mengandalkan pelaporan mandiri pasien, sehingga berisiko memicu bias evaluasi pada populasi non-verbal. Sebagai solusi objektif, parameter otonom Electrodermal Activity (EDA) atau konduktansi kulit mulai banyak dieksplorasi karena keterkaitannya yang erat dengan aktivitas sistem saraf simpatis. Penelitian ini bertujuan untuk mengidentifikasi, menganalisis, dan menyintesis tantangan teknis serta peluang implementasi sistem deteksi nyeri objektif berbasis EDA melalui metode Systematic Literature Review (SLR) dengan mengadopsi pedoman PRISMA 2020. Penapisan literatur dilakukan secara ketat terhadap artikel-artikel orisinal bereputasi internasional dalam rentang waktu terupdate. Hasil sintesis data menunjukkan bahwa tantangan teknis utama dalam implementasi EDA klinis meliputi kerentanan yang tinggi terhadap artefak gerakan (motion artifacts), variabilitas kondisi biologis kulit individu, serta adanya disparitas regulasi otonom yang dipengaruhi oleh faktor gender (female-male differences). Di sisi lain, peluang keberhasilan teknologi ini didukung oleh perkembangan algoritma pemrosesan sinyal digital modern, seperti pemanfaatan fitur diferensial (dphEDA dan MTVSymp), serta implementasi model supervised maupun unsupervised machine learning untuk otomatisasi deteksi dan eliminasi artefak gerakan. Lebih lanjut, integrasi arsitektur deep learning kontinu (seperti CrossMod-Transformer) dan penerapan kerangka kerja Explainable Artificial Intelligence (XAI) berpotensi meminimalisasi keterbatasan sensor tunggal sekaligus memberikan transparansi visual atas keputusan klinis model cerdas pada populasi anak-anak, dental, maupun ginekologi. Penelitian ini diharapkan dapat memberikan landasan teoritis bagi perancangan aplikasi smart healthcare masa depan berbasis Edge AI pada perangkat wearable.
Analisis Sentimen Ulasan Shopee di Google Play Store Menggunakan Metode Multinomial Naïve Bayes Devina Widi Echa; Prastyadi Wibawa Rahayu; I Made Dwi Ardiada
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 8 No. 1 (2026): September (2026)
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v8i1.9885

Abstract

Pertumbuhan pesat di sektor perdagangan elektronik telah menempatkan belanja daring sebagai pilar ekonomi digital yang krusial. Namun, tingginya interaksi pengguna pada platform tersebut menghasilkan jutaan ulasan yang mengandung opini subjektif mengenai kualitas layanan serta produk. Besarnya volume data tersebut menyulitkan pihak pengelola untuk melakukan identifikasi kepuasan pelanggan secara manual dan cepat. Permasalahan utama dalam penelitian ini adalah bagaimana mengotomatisasi proses klasifikasi sentimen pengguna agar pengelola dapat memahami umpan balik pelanggan secara efisien. Tujuan penelitian ini adalah melakukan analisis sentimen ulasan pengguna pada platform belanja daring menggunakan metode Multinomial Naïve Bayes Classifier sebagai solusi klasifikasi otomatis. Peneliti menggunakan data latih 80% dari total dataset sebanyak 44.481 dan data uji mencakup 20% dari total dataset sebanyak 11.121 jika ditambahkan kedua data dihasilkan 55.602 data cleaning. Hasil penelitian menunjukkan tingkat akurasi sebesar 87.22%, precision sebesar 85.21%, recall sebesar 87.22% dan f1-score sebesar 85.76%. Pembahasan menunjukkan algoritma memiliki performa tinggi dalam mengenali opini positif dan negatif, meskipun memerlukan optimasi untuk kelas netral. Secara praktis, penelitian ini membantu pengembang dalam memperbaiki sistem layanan secara berkelanjutan. Penelitian selanjutnya disarankan menerapkan teknik penyeimbangan data guna meningkatkan sensitivitas model.
Implementasi dan Evaluasi Fungsional serta Performa Arsitektur Microservices pada Sistem Informasi Tahfiz Rifa Sania; Rosa Ariani Sukamto; Ani Anisyah
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 8 No. 1 (2026): September (2026)
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v8i1.9907

Abstract

Pengelolaan program tahfiz di sekolah menengah Islam umumnya masih dilakukan secara manual dan terpisah, sehingga berpotensi menimbulkan inefisiensi pencatatan dan kesulitan pemantauan. Penelitian ini bertujuan mengimplementasikan dan mengevaluasi arsitektur microservices pada Sistem Informasi Tahfiz untuk mendukung pengelolaan hafalan secara terstruktur. Penelitian menggunakan pendekatan studi kasus pada institusi pendidikan menengah di Bandung. Data kebutuhan diperoleh melalui wawancara semi-terstruktur dengan satu informan, sedangkan prototype dievaluasi oleh empat pengguna. Sistem terdiri atas tujuh service, API Gateway sebagai single entry point, dan pola database per service. Sistem di-deploy pada VPS Ubuntu dengan 2 vCPU dan RAM 2 GB, sedangkan pengujian menggunakan k6. Evaluasi mencakup blackbox testing, load testing, dan endurance testing. Seluruh 78 kasus uji blackbox berhasil dengan tingkat keberhasilan 100%. Setiap skenario load testing pada 10, 23, 50, dan 100 virtual users dijalankan sebanyak tiga kali. Pada 100 virtual users, p(95) berada pada rentang 2.385,20–2.918,52 ms, throughput 38,54–41,18 req/s, dan error rate 0,00%–0,05%. Satu kali endurance testing selama empat jam menggunakan 23 virtual users menghasilkan p(95) 936,31 ms, error rate 0,01%, dan penggunaan memori 1.800–1.900 MB. Hasil penelitian menunjukkan bahwa arsitektur microservices dapat diterapkan secara modular dan terintegrasi pada lingkungan yang diuji, sedangkan hasil endurance testing menggambarkan stabilitas performa selama skenario pengujian dan tidak digunakan untuk menyimpulkan resilience sistem.
Penerapan Metode TOPSIS dan SAW untuk Rekomendasi Kelayakan Ban Mobil Bekas Dwi Rahmawati; Arif Setiawan; Eko Darmanto
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 8 No. 1 (2026): September (2026)
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v8i1.9930

Abstract

Pemilihan merek ban yang tepat merupakan proses pengambilan keputusan yang krusial karena melibatkan berbagai kriteria teknis dan non-teknis. Penelitian ini bertujuan untuk membangun dan menganalisis Sistem Pendukung Keputusan (SPK) pemilihan merek ban menggunakan kombinasi metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) dan Simple Additive Weighting (SAW), serta menguji tingkat korelasi dan validitas hasil pemeringkatan terhadap penilaian pakar. Data yang digunakan mencakup 17 alternatif merek ban yang dievaluasi berdasarkan kriteria yang telah ditentukan. Hasil analisis menunjukkan bahwa kedua metode memberikan urutan pemeringkatan yang konsisten dan identik. Alternatif Continental UC6 (A12) menempati peringkat pertama sebagai rekomendasi terbaik dengan nilai preferensi sebesar 0,9648 pada TOPSIS dan 0,9887 pada SAW, diikuti oleh Michelin Energy XM2 (A13) di peringkat kedua TOPSIS 0,9606 SAW 0,9880 serta Bridgestone B250 (A2) di peringkat ketiga TOPSIS 0,8129 SAW 0,9452. Pengujian korelasi Rank Spearman menghasilkan nilai koefisien korelasi () sebesar 1,000 antara hasil metode TOPSIS dan SAW, yang mengonfirmasi kesesuaian antar kedua algoritma. Selain itu, pengujian korelasi antara pemeringkatan sistem dengan penilaian ahli menghasilkan nilai koefisien korelasi () sebesar 0,953 dengan nilai signifikansi () sebesar 0,000 (), yang menunjukkan adanya hubungan yang kuat dan signifikan secara statistik. Dengan demikian, model SPK yang dirancang  memiliki tingkat keselarasan yang tinggi dalam memberikan rekomendasi kelayakan ban mobil bekas.

Filter by Year

2019 2026


Filter By Issues
All Issue Vol. 8 No. 1 (2026): September (2026) Vol. 7 No. 4 (2026): Juni 2026 Vol. 7 No. 3 (2026): Maret 2026 Vol. 7 No. 2 (2025): Desember 2025 Vol. 7 No. 1 (2025): September 2025 Vol 6, No 4 (2025): Juni 2025 Vol. 6 No. 4 (2025): Juni 2025 Vol. 6 No. 3 (2025): Maret 2025 Vol 6, No 3 (2025): Maret 2025 Vol. 6 No. 2 (2024): Desember 2024 Vol 6, No 2 (2024): Desember 2024 Vol. 6 No. 1 (2024): September 2024 Vol 6, No 1 (2024): September 2024 Vol 5, No 3 (2024): Maret 2024 Vol. 5 No. 3 (2024): Maret 2024 Vol. 5 No. 2 (2023): Desember 2023 Vol 5, No 1 (2023): September 2023 Vol. 5 No. 1 (2023): September 2023 Vol 4, No 4 (2023): Juni 2023 Vol. 4 No. 4 (2023): Juni 2023 Vol 4, No 3 (2023): Maret 2023 Vol. 4 No. 3 (2023): Maret 2023 Vol. 4 No. 2 (2022): Desember 2022 Vol 4, No 2 (2022): Desember 2022 Vol 4, No 1 (2022): September 2022 Vol. 4 No. 1 (2022): September 2022 Vol 3, No 4 (2022): Juni 2022 Vol. 3 No. 4 (2022): Juni 2022 Vol 3, No 3 (2022): Maret 2022 Vol. 3 No. 3 (2022): Maret 2022 Vol. 3 No. 2 (2021): Desember 2021 Vol 3, No 2 (2021): Desember 2021 Vol 3, No 1 (2021): September 2021 Vol. 3 No. 1 (2021): September 2021 Vol 2, No 3 (2021): Mei 2021 Vol. 2 No. 3 (2021): Mei 2021 Vol 2, No 2 (2021): Januari 2021 Vol. 2 No. 2 (2021): Januari 2021 Vol. 2 No. 1 (2020): September 2020 Vol 2, No 1 (2020): September 2020 Vol 1, No 3 (2020): Mei 2020 Vol. 1 No. 3 (2020): Mei 2020 Vol 1, No 2 (2020): Januari 2020 Vol. 1 No. 2 (2020): Januari 2020 Vol. 1 No. 1 (2019): September 2019 Vol 1, No 1 (2019): September 2019 More Issue