cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Martini Dwi Endah Susanti
Contact Email
jinacs@unesa.ac.id
Phone
-
Journal Mail Official
jinacs@unesa.ac.id
Editorial Address
Gedung A10 Teknik Informatika, Kampus Unesa Ketintang Surabaya, Jawa Timur 60231
Location
Kota surabaya,
Jawa timur
INDONESIA
Journal of Informatics and Computer Science (JINACS)
Published by Universitas Negeri Surabaya
ISSN : -     EISSN : 26862220     DOI : https://doi.org/10.26740/jinacs.v3n02
Core Subject : Science,
Computer Science & IT
JINACS (Journal of Informatics and Computer Science) diterbitkan oleh Program Studi S1 Teknik Informatika Universitas Negeri Surabaya dalam empat kali setahun dengan No ISSN Online : 2686-2220 JINACS merupakan jurnal ilmiah dalam bidang Teknik Informatika dan Computer Science. Jurnal ini mencakup bidang ilmu Rekayasa Perangkat Lunak, Jaringan dan Arsitektur Komputer, Komputasi Bergerak, Sistem Temu Kembali Informasi, Kecerdasan Buatan, Pengolahan Citra Digital, Data Mining dll. JINACS terbit 4 (empat) nomor dalam setahun, yaitu bulan September, Desember, Maret dan Juni. Artikel yang telah dinyatakan diterima akan diterbitkan dalam nomor In-Press sebelum nomor regular terbit.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 439 Documents
 34   35   36   37   38 
Penerapan Metode FIFO dan ROP Pada Sistem Inventory UD. Salam 51 Berbasis Website Surya Putra AK, Dean Sanjaya; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p994-1009

Abstract

UD Salam 51 merupakan usaha dagang yang bergerak di bidang penjualan barang-barang bangunan dan hingga saat ini masih menggunakan sistem pencatatan manual berbasis kertas. Sistem ini sering menimbulkan berbagai masalah, seperti kesalahan pencatatan, ketidakakuratan data stok, serta kesulitan dalam pengelolaan barang yang sering tertumpuk atau tertimbun. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan mengembangkan sistem inventori berbasis website yang menerapkan metode First In, First Out (FIFO) dan Reorder Point (ROP). Metode FIFO dirancang untuk memastikan pengeluaran barang dilakukan berdasarkan urutan kedatangan guna mencegah barang tertimbun atau rusak akibat penyimpanan terlalu lama. Metode ROP digunakan untuk menentukan batas angka stok yang memicu pemesanan ulang secara optimal agar ketersediaan barang tetap terjaga dan kekurangan stok dapat dihindari. Untuk mendapatkan fungsi yang baik dan akurat, pengujian sistem dilakukan menggunakan metode black box dan white box yang bertujuan menguji keandalan algoritma FIFO dan ROP serta memastikan implementasinya sesuai kebutuhan. Dengan integrasi kedua metode tersebut, sistem ini diharapkan dapat meminimalkan risiko kesalahan pencatatan dan mendukung kelancaran operasional UD Salam 51. Kata Kunci — FIFO, ROP, Sistem inventori, Website, Testing
Analisis Quality Of Service Menggunakan Metode Queue Tree Sebagai Manajemen Bandwidth Pada Jaringan Internet PT. Timber Kreasi Daffa Raihan Aldino; Aditya Prapanca
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1010-1019

Abstract

Penelitian ini menganalisis Quality of Service pada jaringan internet PT. Timber Kreasi dengan menerapkan metode Queue Tree untuk manajemen bandwidth. Sebelum implementasi, jaringan mengalami pembagian bandwidth yang tidak merata, menyebabkan gangguan koneksi. Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan desain eksperimen semu, dilakukan di PT. Timber Kreasi dengan tiga subjek utama, yaitu Manajer, Marketing, dan Finance. Teknik pengumpulan data mencakup pengujian teknis menggunakan Wireshark untuk mengukur Parameter QoS, Speedtest untuk memastikan bahwa alokasi bandwidth kepada setiap divisi sesuai dengan konfigurasi prioritas, serta kuisioner untuk mengevaluasi pengalaman pengguna setelah implementasi sistem. Analisis data dilakukan dengan membandingkan hasil sebelum dan setelah penerapan Queue Tree berdasarkan standar TIPHON. Hasil penelitian menunjukkan peningkatan throughput dari 299-526Kbps menjadi 354-623Kbps, penurunan packet loss dari 1.2% menjadi 0.0%, delay dan jitter hingga 24ms berkurang menjadi 13ms. Setelah penerapan Queue Tree, pembagian bandwidth untuk tiga klien utama menjadi lebih efisien, masing-masing mendapatkan alokasi download dan upload sesuai prioritas untuk Manager dengan 12Mbps, Finance 10Mbps, Marketing 8Mbps dari total kecepatan internet 30Mbps. Responden melaporkan peningkatan stabilitas koneksi dan kepuasan terhadap sistem yang diterapkan. Dengan demikian, Queue Tree terbukti efektif mengoptimalkan pembagian bandwidth dan meningkatkan kualitas jaringan di PT. Timber Kreasi. Kata Kunci: Queue Tree, Quality of Service, Bandwidth Management, Wireshark, TIPHON.
Pengembangan Aplikasi Human Resource Information System Berbasis Mobile Dengan Absensi Wajah Menggunakan Metode CNN Pada BMT Bahtera Pekalongan Nusantoko, Yuliarta Rizki; Aditya Prapanca
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1020-1038

Abstract

Sistem manajemen sumber daya manusia (SDM) yang masih dilakukan secara manual di BMT Bahtera Pekalongan menimbulkan berbagai permasalahan, seperti ketidakefisienan dalam pencatatan kehadiran, keterlambatan proses administrasi, serta potensi kesalahan dan manipulasi data. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan aplikasi Human Resource Information System (HRIS) berbasis mobile yang terintegrasi dengan teknologi pengenalan dan verifikasi wajah menggunakan metode Convolutional Neural Network (CNN). Metode pengembangan yang digunakan dalam penelitian ini adalah model Waterfall, yang mencakup tahapan requirements, design, development, testing, dan deployment. Aplikasi ini dikembangkan menggunakan framework Flutter. Sistem absensi menggunakan teknologi face detection dan face verification wajah Google ML Kit dan TensorFlow Lite, untuk memastikan keakuratan verifikasi wajah. Hasil pengujian menggunakan metode black box testing menunjukkan bahwa seluruh fitur aplikasi berfungsi dengan baik sesuai spesifikasi yang dirancang. Hasil pengujian sistem absensi wajah menggunakan CNN dengan Cosine Similarity dan confusion matrix, threshold 70% menghasilkan akurasi tertinggi sebesar 0,77, menunjukkan keseimbangan False Positive dan False Negative yang baik. Evaluasi tingkat kegunaan aplikasi menggunakan System Usability Scale (SUS) menghasilkan skor dengan grade acceptable yang menunjukkan aplikasi memiliki tingkat penerimaan yang baik oleh pengguna. Implementasi sistem ini diharapkan dapat meningkatkan efisiensi manajemen SDM di BMT Bahtera Pekalongan, mengurangi risiko kesalahan pencatatan kehadiran, serta meningkatkan transparansi dan keandalan data. Kata Kunci: HRIS, CNN, Face Detection, Face Verification, Flutter, System Usability Scale, Aplikasi berbasis mobile.
Perbandingan Analisis Sentimen Untuk Prediksi Kepuasan Pelanggan Kedai Kopi Di Kofind Menggunakan Algoritma SVM Dan Naive Bayes Fardeen Atallah Kabir Muhammad; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1039-1048

Abstract

Abstrak— Penelitian ini bertujuan untuk membandingkan performa algoritma Support Vector Machine (SVM) dan Naïve Bayes dalam melakukan analisis sentimen terhadap ulasan pelanggan kedai kopi Kofind. Implementasi kedua algoritma dilakukan dengan pendekatan pembelajaran mesin yang memanfaatkan Term Frequency-Inverse Document Frequency (TF-IDF) sebagai metode ekstraksi fitur. Proses analisis meliputi tahap preprocessing data (pembersihan teks, tokenisasi, dan penghapusan stopwords), ekstraksi fitur menggunakan TF-IDF, pelatihan model dengan algoritma SVM dan Naïve Bayes, serta evaluasi kinerja model berdasarkan data uji. Prediksi sentimen diklasifikasikan ke dalam tiga kategori utama, yaitu positif, netral, dan negatif. Hasil penelitian menunjukkan bahwa SVM memiliki performa lebih baik dibandingkan dengan Naïve Bayes dalam menganalisis sentimen pelanggan. SVM mencatat akurasi sebesar 99%, sementara Naïve Bayes hanya mencapai 89%. Selain itu, presisi, recall, dan F1-score pada SVM juga lebih tinggi dibandingkan Naïve Bayes, terutama dalam klasifikasi sentimen positif dan netral. Hal ini menunjukkan bahwa SVM lebih efektif dalam menangkap pola sentimen dalam data ulasan pelanggan, sehingga lebih akurat dalam memprediksi tingkat kepuasan pelanggan. Dengan hasil yang diperoleh, penelitian ini menegaskan bahwa pemilihan algoritma yang tepat sangat berpengaruh terhadap akurasi analisis sentimen dalam konteks bisnis kedai kopi. Model SVM dapat menjadi solusi yang lebih optimal dalam mengembangkan sistem analisis sentimen yang digunakan untuk memantau dan meningkatkan kepuasan pelanggan. Penelitian selanjutnya dapat mengeksplorasi penggunaan model hybrid atau teknik deep learning untuk meningkatkan akurasi prediksi sentimen dalam skala yang lebih luas. Kata Kunci— SVM,Naive Bayes, sentimen, kepuasan, machine learning.
Perancangan Ulang Desain UI/UX pada Aplikasi Tropica Menggunakan Metode Double Diamond Satria Duta Dirgantara; I Made Suartana
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1049-1062

Abstract

Abstrak— Disrupsi teknologi telah mendorong beberapa perubahan besar dari berbagai macam sektor, salah satunya sektor pengembangan aplikasi mobile. Keberadaan aplikasi mobile tidak lepas dari hadirnya User Interface (UI) dan User Experience (UX) didalamnya agar sistem dapat berkomunikasi dengan user. Namun, aplikasi Tropica yang bertemakan tentang katalog dunia aquascape sedang mengalami beberapa permasalahan pada bagian UI/UX-nya, diantaranya keberadaan fitur filter yang kurang familiar dan tidak sesuai dengan Jakob’s Law sehingga waktu pengoperasian menjadi kurang efektif, hal ini tidak sesuai dengan Hick’s Law, serta kurangnya kejelasan jarak antara komponen satu dengan lainnya yang melanggar Gestalt Principle yang tentu hal ini berdampak buruk bagi pengalaman pengguna, seperti yang sudah tertulis dalam aturan ISO 9421 tentang interaksi manusia dengan komputer. Oleh karena itu dilakukan penelitian untuk menawarkan sebuah redesain tampilan UI dengan menggunakan metode Double Diamond. Metode ini berfokus pada eksplorasi masalah, pengembangan solusi, serta evaluasi dengan menggunakan metode Heuristic Evaluation. Proses perancangan ulang ini bertujuan untuk memberikan sebuah rekomendasi desain berupa prototype UI yang lebih efektif, efisien, serta sesuai dengan kaidah UX Law sehingga dapat meningkatkan kenyamanan pengguna terhadap aplikasi Tropica. Berdasarkan pengujian Heuristic Evaluation, penelitian ini menghasilkan tampilan antarmuka baru yang telah disesuaikan dengan kaidah UX Law walaupun masih terdapat beberapa permasalahan minor didalamnya. Kata Kunci— UI/UX, Perancangan ulang, Heuristic evaluation, Double Diamond, UX Law.
Implementasi Algoritma Machine Learning untuk Pengelolaan Laporan pada Website Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu (DPMPTSP) Kota Surabaya Iqbal Zaki, Naufal; Qoiriah, Anita
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1063-1075

Abstract

Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu (DPMPTSP) Kota Surabaya menghadapi tantangan dalam pengelolaan laporan perizinan akibat tingginya volume data dan proses manual yang kurang efisien. Penelitian ini mengimplementasikan algoritma Machine Learning dalam sistem pengelolaan laporan berbasis web guna mengotomatisasi proses klasifikasi dan prediksi secara cerdas. Algoritma Naive Bayes digunakan untuk memprediksi jenis layanan, sedangkan Regresi Linear digunakan untuk memprediksi durasi layanan. Dataset yang digunakan terdiri dari 3.434 entri laporan perizinan bulan November 2024 yang telah melalui proses preprocessing. Hasil pelatihan model Naive Bayes menunjukkan akurasi sebesar 95–96%, dengan presisi tertinggi 97% pada skenario pembagian data 70:30 serta F1-Score yang stabil pada angka 96%. Model Regresi Linear menunjukkan performa terbaik pada skenario 85:15 dengan Mean Absolute Error (MAE) sebesar 0,38 hari dan Mean Absolute Percentage Error (MAPE) sebesar 8,42%. Sistem ini terbukti mampu mengurangi kesalahan manual, mempercepat pemrosesan laporan, dan meningkatkan keandalan hasil prediksi. Antarmuka sistem yang interaktif dan mudah digunakan telah diuji oleh 18 responden, dengan tingkat kepuasan mencapai 100%. Hasil ini menunjukkan bahwa implementasi algoritma Machine Learning secara signifikan dapat meningkatkan efisiensi dan akurasi pelayanan publik, serta berpotensi menjadi model rujukan bagi pengembangan sistem serupa di instansi pemerintahan lainnya. Kata Kunci— Machine Learning, Naive Bayes, Regresi Linear, Laporan Perizinan, DPMPTSP Surabaya.
Eksplorasi Teknik Berbasis K-Means Clustering Untuk Penilaian Prestasi Siswa Hikmahrus Gunandaru; Paramitha Nerisafitra
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1076-1082

Abstract

Perkembangan teknologi dapat diterapkan ke dalam pekerjaan sehari-hari, salah satunya adalah proses presensi , proses rekapitulasi dan analisis data siswa. Proses presensi siswa yang simpel, repetitif dan lama dapat diubah untuk mempercepat proses presensi siswa sedangkan untuk proses rekapitulasi data dapat dibuat menjadi otomatis. Sebuah sistem diperlukan untuk memproses presensi siswa dan rekapitulasi hasil presensi siswa tersebut. Penelitian ini bertujuan untuk mengembangkan sistem informasi absensi siswa online berbasis website. Selain proses absensi sistem informasi ini juga akan melakukan proses rekapitulasi hasil presensi siswa. Sistem informasi ini akan dibangun menggunakan bahasa pemrograman GO dengan menggunakan framework GIN data-data yang ada akan disimpan ke dalam database PostgreSQL. Sedangkan proses analisis data siswa dapat dilakukan dengan menggunakan bantuan machine learning. Variabel seperti nilai rata-rata semester, kehadiran siswa, tingkah laku siswa, prestasi non akademik dapat digunakan sebagai kriteria menentukan prestasi siswa. Hasil pengujian pada sistem informasi ini menunjukkan sistem ini dapat digunakan untuk mempermudah dan mempercepat pekerjaan yang umumnya lama dan rawan terjadi kesalahan sedangkan pada model machine learning menunjukkan model dapat mengelompokkan siswa berdasarkan prestasinya.
Perbandingan MFCC dan Filterbank Energies dalam Metode HMM untuk Identifikasi Genre Musik Irsya Aufa Ambang Ramadhan; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1083-1088

Abstract

Abstrak— Musik adalah seni mengaransemen dan menciptakan suara, seringkali dengan tujuan menciptakan respons emosional atau estetika pada pendengarnya yang mencakup kombinasi melodi, harmoni, ritme, dinamika, dan timbre, yang bersatu untuk menciptakan pengalaman pendengaran yang kohesif dan menyenangkan. Genre musik adalah kategori yang digunakan untuk mengklasifikasikan musik berdasarkan karakteristik gaya umum, seperti ritme, melodi, harmoni, instrumentasi, dan pengaruh budaya. Klasifikasi genre musik adalah salah satu metode di bidang pengambilan informasi musik (MIR), dengan aplikasi mulai dari rekomendasi musik berbasis konten hingga pembuatan daftar putar otomatis. Penelitian ini memanfaatkan Spectral Features yang digunakan dalam klasifikasi genre musik. Mel-Frequency Cepstral Coefficients (MFCC) adalah teknik ekstraksi fitur yang umum digunakan dalam pemrosesan sinyal ucapan dan audio untuk merepresentasikan karakteristik spektral sinyal audio dengan cara yang relevan secara persepsi dan efisien secara komputasi. Filterbank Energies menggambarkan distribusi energi di berbagai pita frekuensi dalam sinyal audio. Hidden Markov Models (HMMs) adalah model probabilistik yang biasa digunakan dalam tugas pemrosesan ucapan dan audio, termasuk klasifikasi genre musik. Penelitian ini menggunakan data yang diambil dari dataset yang diperoleh dari Kaggle bernama GTZAN Dataset dengan genre musik yang terdiri dari blues, classical, country, disco, hiphop, jazz, metal, pop, reggae, dan rock. Hasil pengujian pada rasio 95-5 dari MFCC mendapatkan 70% akurasi dalam waktu 4 jam 11 menit 43 detik, sementara Filterbank Energies mendapatkan 56% akurasi dalam waktu 1 jam 43 menit 16 detik. Kata Kunci— (Musik, Genre, Mel-Frequency Cepstral Coefficients, Filterbank Energies, Hidden Markov Models)
Implementasi Algoritma C5.0 Pada Klasifikasi Status Gizi Balita di Kecamatan Ponorogo Natasya Shindo Bekti Nugrahani; Aditya Prapanca
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1089-1098

Abstract

Permasalahan gizi pada balita merupakan isu kesehatan masyarakat yang masih menjadi perhatian di Indonesia. Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita di Kecamatan Ponorogo dengan menggunakan algoritma Decision Tree C5.0. Data yang digunakan merupakan data antropometri balita yang diperoleh dari Puskesmas Ponorogo Selatan, yang meliputi berat badan, tinggi badan, usia dan jenis kelamin balita. Proses penelitian melibatkan beberapa tahapan, dimulai dengan data preprocessing yang terdiri dari data cleaning, transformasi data, label encoding, seleksi fitur, resampling dan data splitting, selanjutnya data processing yang digunakan untuk perhitungan entropy dan information gain, hingga evaluasi model menggunakan Confusion matrix dan kurva ROC. Hasil pengujian menunjukkan bahwa akurasi tertinggi yang diperoleh mencapai 97,92% pada skema pembagian 60% data training dan 40% data testing. Fitur yang paling berpengaruh dalam klasifikasi adalah berat badan, tinggi badan dan usia balita. Berdasarkan hasil tersebut, algoritma C5.0 terbukti mampu memberikan performa tinggi dalam klasifikasi status gizi dan berpotensi digunakan sebagai alat bantu dalam pemantauan tumbuh kembang anak di layanan kesehatan dasar. Kata Kunci – Status Gizi Balita, Algoritma C5.0, Klasifikasi, Antropometri dan Data Mining.
Rancang Bangun Sistem Rekomendasi Deteksi Baby Blues Pasca Melahirkan Menggunakan Metode Certainty Factor Muhammad Ainurrofiq Anwar Buhang; Paramitha Nerisafitra
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1099-1108

Abstract

Baby blues merupakan kondisi psikologis yang umum dialami oleh ibu pasca melahirkan, dengan prevalensi mencapai 60–70% di Indonesia pada tahun 2022. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini baby blues berbasis web menggunakan metode Certainty Factor. Faktor-faktor seperti pandemi COVID-19, kurangnya dukungan sosial, tekanan ekonomi, stigma terhadap kesehatan mental, serta pengaruh media sosial turut berkontribusi terhadap meningkatnya kasus baby blues. Sistem yang dikembangkan mampu mengklasifikasikan tingkat risiko baby blues ke dalam empat kategori, yaitu: tidak terjangkit, risiko rendah, risiko sedang, dan risiko berat, berdasarkan gejala yang dirasakan pengguna. Tiga peran pengguna utama yang didukung sistem ini meliputi ibu, suami, dan orang terdekat, guna memberikan pendekatan dukungan yang lebih komprehensif. Pengembangan sistem dilakukan dengan metode Agile untuk memungkinkan fleksibilitas dalam penyesuaian fitur berdasarkan umpan balik pengguna. Hasil implementasi menunjukkan bahwa sistem mampu mengidentifikasi tingkat risiko dengan akurat serta memberikan rekomendasi penanganan yang sesuai. Pengujian terhadap 100 responden menggunakan metode System Usability Scale (SUS) menghasilkan skor rata-rata 70,8 yang tergolong dalam kategori “baik”. Dengan adanya sistem ini, deteksi dini dan penanganan baby blues dapat dilakukan secara lebih efektif, sehingga turut meningkatkan kesejahteraan mental ibu pascamelahirkan. Kata Kunci — Agile, Baby blues, Certainty Factor, Rekomendasi System Usability Scale.

Page 36 of 44 | Total Record : 439

 34   35   36   37   38 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Article In Press Vol. 7 No. 02 (2025) Vol. 7 No. 01 (2025) Vol. 6 No. 04 (2025) Vol. 6 No. 03 (2025) Vol. 6 No. 02 (2024) Vol. 6 No. 01 (2024) Vol. 5 No. 04 (2024) Vol. 5 No. 03 (2024) Vol. 5 No. 02 (2023) Vol. 5 No. 01 (2023) Vol 4 No 04 (2023) Vol 4 No 03 (2023) Vol 4 No 02 (2022) Vol 4 No 01 (2022) Vol 3 No 04 (2022) Vol 3 No 03 (2022) Vol 3 No 02 (2021) Vol 3 No 01 (2021) Vol 2 No 04 (2021) Vol 2 No 03 (2021) Vol 2 No 02 (2020) Vol 2 No 01 (2020) Vol 1 No 04 (2020) Vol 1 No 03 (2020) Vol 1 No 02 (2019) Vol 1 No 01 (2019) More Issue