cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Eri Sasmita Susanto
Contact Email
eri.sasmita.susanto@uts.ac.id
Phone
+6287739570750
Journal Mail Official
jurnal.informatika@uts.ac.id
Editorial Address
Jln. Raya Olat Maras, Batu Alang, Kec. Moyo Hulu, Kab. Sumbawa Besar, Nusa Tenggara Barat. 84371
Location
Kab. sumbawa,
Nusa tenggara barat
INDONESIA
Jurnal Informatika Teknologi dan Sains (Jinteks)
Published by Universitas Teknologi Sumbawa
ISSN : -     EISSN : 26863359     DOI : https://doi.org/10.51401/jinteks.v3i3.1260
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering
Jurnal Informatika Teknologi dan Sains (JINTEKS) merupakan media publikasi yang dikelola oleh Program Studi Informatika, Fakultas Teknik dengan ruang lingkup publikasi terkait dengan tema tema riset sesuai dengan bidang keilmuan Informatika yang meliputi Algoritm, Software Enginering, Network & Security serta Artificial Inteligence. disamping itu Jurnal Informatika Teknologi dan Sains (JINTEKS) juga mengelola publikasi yang terkait dengan ilmu Keteknikan / Engineering dan bidang sains yang meliputi matematika komputasi, Biomatematika serta Fisika terapan yang mengarah pada komputasi. Tujuan dan Lingkup Jurnal Jurnal Informatika Teknologi Dan Sains (JINTEKS) akan memuat hasil-hasil penelitian dan pengabdian masyarakat dalam bidang Teknologi Informasi, Komputer dan Sains yang belum pernah diterbitkan maupun sedang dikirim ke jurnal lain. Lingkup Jurnal Informatika Teknologi Dan Sains (JINTEKS) meliputi bidang Teknologi Informasi, Komputer dan Sains yang meliputi: Pemrograman Database Kecerdasan buatan Jaringan komputer Teknologi cloud Interfacing Sistem embedded Pengolahan citra E-commerce Sistem pengambilan keputusan Komputer Sains serta bidang-bidang lain yang relevan dengan teknologi informasi dan komputer
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 726 Documents
 69   70   71   72   73 
SISTEM INFORMASI PEMELIAN DAN PENJUALAN PADA APOTEK TERUSAN BERBASIS DEKSTOP Muhammad Reza Andriansyah; Sukma Fitria Putri
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6277

Abstract

Jurnal ini merancang dan mengimplementasikan sistem informasi pembelian dan penjualan berbasis desktop untuk Apotek Terusan. Sistem ini bertujuan untuk mengatasi masalah pencatatan manual yang sering menyebabkan kesalahan, kehilangan dokumen penting, dan proses penyusunan laporan yang memakan waktu lama. Dengan menggunakan pendekatan pengembangan sistem waterfall dan analisis PIECES (Performance, Information, Economic, Control, Efficiency, Service), sistem yang diajukan berhasil meningkatkan kinerja pencatatan, menyediakan informasi yang lebih akurat melalui berbagai laporan, mengurangi biaya operasional dengan efisiensi waktu, meningkatkan pengendalian data dan keamanan melalui hak akses, serta mempercepat proses transaksi dan penyusunan laporan, sehingga meningkatkan pelayanan. Pengujian sistem menggunakan metode Blackbox Testing menunjukkan bahwa semua komponen sistem berfungsi sesuai dengan yang diharapkan.
PERBANDINGAN NAIVE BAYES DAN LOGISTIC REGRESSION PADA ANALISIS SENTIMEN ULASAN IMDB Ade Elvina; Yohanes Suhari
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.7147

Abstract

Analisis sentimen merupakan pendekatan dalam penambangan teks untuk mengelompokkan opini pengguna berdasarkan data teks. Internet Movie Database (IMDb) menyediakan ulasan film dalam jumlah besar yang dapat dimanfaatkan untuk analisis sentimen berbasis pembelajaran mesin. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naive Bayes dan Logistic Regression dalam mengklasifikasikan sentimen ulasan film IMDb. Dataset yang digunakan terdiri dari 50.000 ulasan film berbahasa Inggris dengan distribusi sentimen positif dan negatif yang seimbang. Data dibagi menjadi data latih dan data uji dengan rasio 80:20. Tahapan penelitian meliputi pra-pemrosesan teks, ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF–IDF), pembangunan model klasifikasi, dan evaluasi kinerja menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Logistic Regression menghasilkan kinerja lebih baik dengan akurasi rata-rata sebesar 89,37%, sedangkan Naive Bayes mencapai 86,15%. Perbedaan kinerja tersebut diuji menggunakan paired sample t-test berbasis 10-fold cross validation dan menunjukkan hasil yang signifikan secara statistik (p < 0,05). Keunggulan Logistic Regression secara teknis berkaitan dengan kemampuannya memodelkan hubungan antar fitur tanpa asumsi independensi, yang umum terjadi pada representasi teks berbasis TF–IDF berdimensi tinggi. Namun, penelitian ini masih terbatas pada penggunaan TF–IDF dan perbandingan dua algoritma, sehingga diperlukan pengujian lanjutan untuk memastikan konsistensi hasil.
ANALISIS KINERJA RANDOM FOREST DALAM MEMPREDIKSI PENJUALAN KANTIN KASIH IBU BERDASARKAN DATA HISTORIS Ice Ratna Della; Dandi Sunardi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.7172

Abstract

Penelitian ini mengatasi tantangan dalam manajemen persediaan harian Kantin Kasih Ibu yang membutuhkan estimasi penjualan yang akurat untuk meminimalkan kerugian akibat overstock atau out-of-stock.Tujuan utamanya adalah menerapkan dan mengevaluasi kinerja algoritma Random Forest Regressor (RFR) untuk peramalan Total Penjualan Harian. Metode yang dipilih adalah RFR karena kemampuannya dalam menangani hubungan non-linear dan ensemble learning . Data yang digunakan adalah 93 observasi penjualan harian yang direkayasa fiturnya meliputi Lag Feature dan Day of Week. Validasi model dilakukan secara ketat menggunakan strategi Walk-Forward Validation (WFV) untuk menjamin objektivitas hasil prediksi.Hasil evaluasi menunjukkan bahwa model RFR memiliki kemampuan prediksi yang sangat kuat. Kinerja model terbukti dengan nilai Coefficient of Determination ().Rata-rata sebesar 0.9015, yang berarti lebih dari 90% variasi penjualan dapat dijelaskan oleh model. Kesalahan prediksi rata-rata (MAE) model adalah Rp 23.150,84, dengan RMSE sebesar Rp 28.905,32. Analisis Feature Importance menegaskan bahwa fitur Penjualan_Lag_1 adalah prediktor yang paling dominan, menyoroti time dependency kuat pada data. Perbandingan MAE dan RMSE mengindikasikan model sensitif terhadap outlier penjualan ekstrem. Disimpulkan bahwa RFR yang diuji dengan WFV terbukti robust dan efektif sebagai alat pendukung keputusan untuk optimasi inventaris harian Kantin Kasih Ibu.
ANALISIS EFEKTIVITAS IMPLEMENTASI PCQ TERHADAP KUALITAS LAYANAN (QOS) PADA JARINGAN LAN BERBASIS WIRESHACK Betalia Betalia; A.R Walad Mahfuzhi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.7173

Abstract

Jaringan komputer merupakan infrastruktur penting dalam mendukung proses pembelajaran di pendidikan kejuruan, khususnya pada lingkungan dengan tingkat penggunaan jaringan yang tinggi. Laboratorium Teknik Komputer dan Jaringan (TKJ) SMKN 5 Seluma sering mengalami ketidakmerataan bandwidth akibat akses simultan oleh banyak perangkat, yang berdampak pada penurunan kualitas layanan jaringan (Quality of Service/QoS). Penelitian ini bertujuan untuk menganalisis efektivitas penerapan metode Per Connection Queue (PCQ) dalam meningkatkan kualitas layanan jaringan Local Area Network (LAN). Metode penelitian yang digunakan adalah kuantitatif deskriptif dengan pendekatan pretest dan posttest. Pengukuran kinerja jaringan dilakukan menggunakan aplikasi Wireshark dengan parameter QoS meliputi throughput, delay, jitter, dan packet loss yang dianalisis berdasarkan standar TIPHON. Hasil penelitian menunjukkan bahwa penerapan PCQ mampu meningkatkan kinerja jaringan secara signifikan, ditunjukkan oleh peningkatan throughput dari 10 Kbit/s menjadi 895 Kbit/s, penurunan delay dari 189,735 ms menjadi 8,467 ms, penurunan jitter dari 8,476 ms menjadi 1,129 ms, serta penurunan packet loss dari 64,1% menjadi 0%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode PCQ efektif dalam mengoptimalkan distribusi bandwidth dan meningkatkan kualitas layanan jaringan pada lingkungan laboratorium pendidikan kejuruan
PENERAPAN CONTENT BASED FILTERING DAN HDBSCAN UNTUK REKOMENDASI DEVELOPER Muhmmad Fairus Ramadhani; Eva Yulia Puspaningrum; Fetty Tri Anggraeny
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.7193

Abstract

Penentuan developer yang tepat berdasarkan log aktivitas berupa teks tidak terstruktur merupakan tantangan penting dalam manajemen penugasan proyek. Penelitian-penelitian sebelumnya umumnya menggunakan Content-Based Filtering atau algoritma clustering konvensional seperti K-Means dan DBSCAN, yang memiliki keterbatasan dalam menangani data aktivitas developer yang padat. Penelitian ini mengusulkan pendekatan sistem rekomendasi yang mengintegrasikan Content-Based Filtering (CBF) dengan clustering berbasis kepadatan menggunakan HDBSCAN, yang  belum pernah diterapkan secara langsung dalam konteks rekomendasi developer berbasis log aktivitas. Log aktivitas direpresentasikan menggunakan TF-IDF dan direduksi dimensinya dengan UMAP, kemudian dikelompokkan menggunakan HDBSCAN tanpa memerlukan penentuan jumlah klaster di awal, sehingga lebih efektif dalam mengelola data aktivitas yang padat. Rekomendasi dihasilkan berdasarkan kedekatan jarak dalam klaster yang terbentuk. Evaluasi pada dataset yang terdiri dari 4.505 log aktivitas dan 45 data uji menunjukkan bahwa konfigurasi parameter min_cluster_size = 2 dan min_samples = 2 menghasilkan performa terbaik dengan nilai Hit Ratio sebesar 88,8%, Recall sebesar 80%, dan Mean Reciprocal Rank (MRR) sebesar 56,3%. Dibandingkan dengan pendekatan Content-Based Filtering saja, metode yang diusulkan menunjukkan peningkatan pada Hit Ratio dan Recall, yang mengindikasikan peningkatan cakupan dan relevansi rekomendasi developer.
DETEKSI TINGKAT KECEMASAN MAHASISWA AKIBAT PENGGUNAAN APLIKASI TIKTOK MENGGUNAKAN METODE LOGIKA FUZZY MAMDANI Andhika Fisryansah Ahlief Putra; Muhammad Ikhsan
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.7266

Abstract

Penggunaan aplikasi TikTok yang semakin intens di kalangan mahasiswa berpotensi menimbulkan dampak psikologis berupa kecemasan. Permasalahan dalam mengidentifikasi kecemasan terletak pada sifatnya yang subjektif dan tidak memiliki batas yang tegas, sehingga diperlukan pendekatan komputasional yang mampu merepresentasikan ketidakpastian. Penelitian ini bertujuan mendeteksi tingkat kecemasan mahasiswa akibat penggunaan TikTok menggunakan metode logika fuzzy Mamdani. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan melibatkan 155 mahasiswa Program Studi Ilmu Komputer Universitas Islam Negeri Sumatera Utara. Data dikumpulkan melalui kuesioner intensitas penggunaan TikTok dan instrumen DASS-21 subskala anxiety. Proses analisis dilakukan melalui tahapan fuzzifikasi, inferensi, agregasi, dan defuzzifikasi metode centroid. Hasil penelitian menunjukkan bahwa mayoritas mahasiswa berada pada tingkat kecemasan sedang, dengan kecenderungan adanya kontribusi penggunaan TikTok terhadap peningkatan kecemasan pada level moderat. Evaluasi sistem menunjukkan bahwa metode fuzzy Mamdani mampu mengklasifikasikan tingkat kecemasan secara fleksibel dan konsisten dengan kondisi empiris responden. Dengan demikian, model yang dibangun dapat digunakan sebagai alat bantu skrining awal dalam mendeteksi kecemasan mahasiswa akibat penggunaan media sosial.
ANALISIS KOMPARASI PERFORMA ARSITEKTUR VGG16 DAN CNN KUSTOM PADA KLASIFIKASI CITRA BUAH MELON BERDASARKAN GAMBAR KULIT Dewa Komang Reiki Perdana Wisnu; I Ketut Purnamawan; Luh Joni Erawati Dewi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.7268

Abstract

Varietas melon, khususnya melon hijau dan melon oranye, seringkali sulit dibedakan secara visual karena kemiripan tekstur kulitnya, sehingga menghambat efisiensi proses penyortiran manual. Penelitian ini bertujuan mengembangkan sistem klasifikasi citra otomatis berbasis Deep Learning untuk membedakan varietas melon berdasarkan citra kulit. Penelitian ini mengkomparasi performa dua arsitektur jaringan saraf tiruan, yaitu VGG16 dan CNN kustom. Dataset terdiri dari 406 citra yang diproses dengan berbagai metode cropping dan augmentasi, dimana citra latih diperbesar 1,5 kali dan citra uji 2,5 kali. Pelatihan model menggunakan pendekatan 5-Fold Stratified Cross-Validation. Hasil validasi internal menunjukkan performa sangat tinggi, dimana CNN kustom mencapai akurasi 100% dan VGG16 sebesar 98,77%. Namun, pada pengujian data baru, terjadi kesenjangan generalisasi yang signifikan, dengan akurasi VGG16 turun menjadi 77,50% dan CNN kustom menjadi 76,25%. Analisis kesalahan mengindikasikan VGG16 sensitif terhadap variasi ukuran objek, sedangkan CNN kustom sensitif terhadap intensitas pencahayaan. Meskipun akurasi pengujian sedikit lebih rendah, CNN kustom ditetapkan sebagai model terbaik untuk implementasi perangkat seluler karena unggul signifikan dalam efisiensi komputasi; model ini memproses data 12 kali lebih cepat dengan ukuran file hanya 4,6 MB. Kesimpulannya, CNN kustom adalah solusi optimal untuk penyortiran real-time dengan syarat pencahayaan dan jarak pengambilan citra dijaga konstan
PERBANDINGAN MODEL MACHINE LEARNING UNTUK ANALISIS FAKTOR DOMINAN INDEKS DESA MEMBANGUN DI NTB Juryanti Permatasari; Nani Sulistianingsih; Muhammad Imam Dinata
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.7271

Abstract

Indeks Desa Membangun (IDM) berperan sebagai ukuran komposit utama dalam menilai tingkat kemajuan dan kemandirian desa. Walaupun pemanfaatan machine learning dalam analisis IDM telah banyak dilakukan, penelitian yang secara khusus menitikberatkan pada penentuan variabel paling berpengaruh melalui perbandingan beberapa model regresi masih relatif terbatas, terutama yang mengadopsi seleksi fitur berbasis Mutual Information untuk merepresentasikan hubungan nonlinier antarvariabel. Penelitian ini bertujuan mengidentifikasi faktor dominan yang memengaruhi IDM sekaligus mengevaluasi kinerja LASSO Regression, Elastic-Net Regression, dan Random Forest Regression. Pendekatan kuantitatif diterapkan dengan menggunakan data sekunder Pendataan Potensi Desa (PODES) dan nilai IDM tahun 2024 pada wilayah Provinsi Nusa Tenggara Barat. Prosedur penelitian mencakup tahap pra-pemrosesan data, seleksi fitur menggunakan Mutual Information, pemodelan regresi, serta pengukuran kinerja model berdasarkan MSE, RMSE, dan R². Hasil analisis menunjukkan bahwa LASSO Regression menghasilkan performa paling optimal dengan nilai MSE 0,003349, RMSE 0,057871, dan R² 0,343602, yang menunjukkan bahwa variasi IDM lebih konsisten dijelaskan oleh model dengan kompleksitas yang terkontrol. Sepuluh variabel utama yang terpilih merepresentasikan dimensi sosial, ekonomi, dan lingkungan, menegaskan bahwa pembangunan desa bersifat multidimensional. Temuan ini memberikan landasan empiris berbasis data untuk mendukung perumusan kebijakan pembangunan desa yang lebih tepat sasaran.
PREDIKSI INFLASI PANGAN BERBASIS DATA IKLIM DAN HARGA KOMODITAS MENGGUNAKAN MODEL ARIMAX DI NTB Yunanda Arista; Nani Sulistianingsih; Muhammad Imam Dinata
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.7272

Abstract

Inflasi pangan merupakan salah satu indikator penting inflasi daerah karena berpengaruh langsung terhadap daya beli masyarakat, khususnya di wilayah yang sangat bergantung pada sektor pertanian seperti Provinsi Nusa Tenggara Barat (NTB). Pergerakan inflasi pangan dipengaruhi oleh perubahan harga komoditas pangan serta faktor eksternal lain, termasuk kondisi iklim. Penelitian ini bertujuan membangun model peramalan inflasi pangan di Provinsi NTB menggunakan pendekatan Autoregressive Integrated Moving Average with Exogenous Variables (ARIMAX), dengan memasukkan harga komoditas pangan dan curah hujan sebagai variabel penjelas. Data yang digunakan berupa data bulanan periode 2018–2024 yang bersumber dari Badan Pusat Statistik (BPS) dan Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Hasil analisis menunjukkan bahwa kenaikan harga komoditas pangan berpengaruh positif dan signifikan terhadap inflasi pangan, sedangkan curah hujan tidak berpengaruh signifikan dalam jangka pendek. Kinerja model menghasilkan Mean Absolute Error (MAE) sebesar 0,357 dan Root Mean Square Error (RMSE) sebesar 0,478, dan hasil pengujian diagnostik residual menunjukkan bahwa model ARIMAX memenuhi persyaratan model untuk analisis yang valid. Berdasarkan hasil peramalan, inflasi pangan di Provinsi NTB pada periode 2025–2026 diproyeksikan relatif stabil pada tingkat moderat.
PREDIKSI STATUS KERJA MENGGUNAKAN MACHINE LEARNING PADA DATA SENSUS ANGKATAN KERJA DI NTB Firda Niken Sari; Nani Sulistianingsih; Muhammad Imam Dinata
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.7273

Abstract

Ketenagakerjaan merupakan indikator penting dalam menilai kondisi sosial ekonomi suatu wilayah, sehingga diperlukan model prediksi yang akurat untuk mengidentifikasi faktor-faktor yang memengaruhi status ketenagakerjaan individu. Penelitian ini bertujuan untuk membangun model prediksi status ketenagakerjaan menggunakan algoritma Light Gradient Boosting Machine (LightGBM) serta mengidentifikasi variabel paling berpengaruh. Data yang digunakan merupakan data mikro ketenagakerjaan yang dianalisis menggunakan metode Least Absolute Shrinkage and Selection Operator (LASSO) untuk menyeleksi fitur relevan sebelum pemodelan. Hasil penelitian menunjukkan bahwa model LightGBM menghasilkan kinerja prediksi yang baik dengan nilai akurasi 78% dan ROC-AUC 78%, serta mampu mengidentifikasi faktor dominan seperti usia, pendidikan, dan karakteristik demografis lainnya. Temuan ini menunjukkan bahwa integrasi seleksi fitur Lasso dengan LightGBM efektif dalam meningkatkan kinerja dan interpretabilitas model prediksi status ketenagakerjaan, sehingga dapat digunakan sebagai dasar pengambilan kebijakan ketenagakerjaan berbasis data.

Page 72 of 73 | Total Record : 726

 69   70   71   72   73 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol 8 No 2 (2026): EDISI 28 Vol 8 No 1 (2026): EDISI 27 Vol 7 No 4 (2025): EDISI 26 Vol 7 No 3 (2025): EDISI 25 Vol 7 No 2 (2025): EDISI 24 Vol 7 No 1 (2025): EDISI 23 Vol 6 No 4 (2024): EDISI 22 Vol 6 No 3 (2024): EDISI 21 Vol 6 No 2 (2024): EDISI 20 Vol 6 No 1 (2024): EDISI 19 Vol 5 No 4 (2023): EDISI 18 Vol 5 No 3 (2023): EDISI 17 Vol 5 No 2 (2023): EDISI 16 Vol 5 No 1 (2023): EDISI 15 Vol 4 No 4 (2022): EDISI 14 Vol 4 No 3 (2022): EDISI 13 Vol 4 No 2 (2022): EDISI 12 Vol 4 No 1 (2022): EDISI 11 Vol 3 No 4 (2021): EDISI 10 Vol 3 No 3 (2021): EDISI 9 Vol 3 No 2 (2021): EDISI 8 Vol 3 No 1 (2021): EDISI 7 Vol 2 No 4 (2020): EDISI 6 Vol 2 No 3 (2020): EDISI 5 Vol 2 No 2 (2020): EDISI 4 Vol 2 No 1 (2020): EDISI 3 Vol 1 No 2 (2019): EDISI 2 Vol 1 No 1 (2019): EDISI 1 More Issue