cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yudhi Nugroho Adi
Contact Email
library@tekomuniversity.ac.id
Phone
+628128000110
Journal Mail Official
library@telkomuniversity.ac.id
Editorial Address
Jl. Telekomunikasi - Ters. Buah Batu Bandung 40257 Indonesia
Location
Kota bandung,
Jawa barat
INDONESIA
eProceedings of Engineering
Published by Universitas Telkom
ISSN : 23559365     EISSN : -     DOI : https://doi.org/10.34818/eoe.v9i5.18452
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering
Merupakan media publikasi karya ilmiah lulusan Universitas Telkom yang berisi tentang kajian teknik. Karya Tulis ilmiah yang diunggah akan melalui prosedur pemeriksaan (reviewer) dan approval pembimbing terkait.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 8,304 Documents
 634   635   636   637   638 
Sistem Rekomendasi Produk Elektronik Berbasis Collaborative Filtering Manggunakan Matrix Factorization Rajib , Ustami; Wibowo, Agung Toto
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Sistem rekomendasi adalah suatu program yangmelakukan prediksi suatu item, dalam pembuatan sistemrekomendasi terdapat Beberapa metode yang dapat digunakandiantaranya Collaborative Filtering karena dianggap mampumemberikan saran item yang lebih akurat. pendekatanCollaborative Filtering karena dianggap mampu memberikansaran item yang lebih akurat. Pada penelitian ini akan dibuatsistem rekomendasi menggunakan 3 Algoritma Turunan MFyaitu Singular Value Decomposition (SVD), SVD++, NonNegative Matrix Factorization NMF terhadap dataset AmazonReview dengan Studi Kasus Elektronik, ini perlu diaplikasikandalam penelitian sistem rekomendasi, karena data Elektronikini mempunyai jumlah data yang sangat besar. Dalampenelitian ini akan dilakukan uji coba terhadap beberapaparameter yang meliputi n-epochs, n-factor dalam mekanisme5-fold cross-validation. Untuk menangani data yang terlalubesar, penulis melakukan random sampling sebesar 25% daritotal dataset untuk mengurangi beban komputasi. Dari hasil ujicoba didapatkan performansi rata-rata terbaik MAE = 1.0384dan RMSE = 1.3139 yaitu pada Algoritma SVD. Kata kunci— Produk Elektronik, Sistem Rekomendasi,Collaborative Filtering, Matrix Factorization, Cross Validation
Prediksi Status Integrasi Spbu Di Wilayah Telkom Makassar Menggunakan Metode Decision Tree Nur, Muh.; Indwiarti, Indwiarti; Fitriyani, Fitriyani
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Digitalisasi SPBU bertujuan meningkatkanefisiensi operasional melalui integrasi perangkat sepertidispenser, display, nozzle, dan EDC. Masalah utama adalahintegrasi perangkat digitalisasi ke sistem yang belum optimal,sehingga menyebabkan data tidak akurat dan laporan tidakkonsisten. Penelitian ini menggunakan metode Decision Treeuntuk memprediksi status integrasi perangkat berdasarkan 534data operasional SPBU di wilayah Telkom Makassar dengan 45atribut.Ketidakseimbangan data membuat model lebih akuratmendeteksi Partial Integrasi dibandingkan Full Integrasi. Datadiseimbangkan menggunakan SMOTE sebelum diterapkanpada model Decision Tree, yang dievaluasi melalui akurasi,precision, recall, dan F1-score. Hyperparameter tuningdilakukan untuk meningkatkan performa.Hasil penelitian menunjukkan bahwa setelah datadiseimbangkan menggunakan SMOTE, model Decision Treeberhasil meningkatkan kemampuan dalam mengenali kelasminoritas. Evaluasi akhir setelah SMOTE dan hyperparametertuning menghasilkan akurasi sebesar 69%, precision 62%,recall 89%, dan F1-score 73%. Hasil ini menunjukkan bahwamodel mampu memprediksi status integrasi perangkat denganlebih seimbang, mendukung pengambilan keputusan untukmeningkatkan sistem digitalisasi SPBU. Kata kunci—Digitalisasi SPBU, Decision Tree, StatusIntegrasi, SMOTE, Hyperparameter Tuning
Automasi Pengujian Fungsional Aplikasi MyIndibiz Assistant Menggunakan Katalon Studio Fitriana, Rana Ramadhani Nur; Widowati, Sri; Praditha, Villy Satria
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Pengujian perangkat lunak merupakan tahap pentingdalam pengembangan aplikasi untuk memastikankualitas dan keandalannya sebelum dirilis kepadapengguna. Functional testing menjadi salah satu jenispengujian utama untuk memverifikasi apakah fungsidan fitur aplikasi beroperasi sesuai spesifikasi. AplikasiMyIndibiz Assistant, yang dirancang untukmendukung agent dalam menjalankan tugasnyamenghadapi tantangan dalam pengujian manual yangdilakukan oleh sumber daya terbatas dalam waktusingkat. Proses ini sering kali mengurangi akurasi danefektivitas pengujian karena tekanan waktu dan bebankerja tinggi.Sebagai solusi, penelitian ini mengusulkan pendekatanautomation testing menggunakan Katalon Studiountuk meningkatkan efisiensi dan akurasi pengujianfungsional. Katalon Studio dipilih karenakeunggulannya dalam mendeteksi kesalahan,mempercepat proses pengujian, dan mengotomatiskanvalidasi perilaku fungsional. penting untuk memahamikapan pengujian manual tetap diperlukan dan kapanotomatisasi lebih efektif. Pengujian manual tetapmemiliki kelebihan dalam aspek tertentu sehinggapenelitian ini tidak hanya akan membahas efektivitaspengujian otomatis menggunakan Katalon, tetapi jugaakan membandingkannya dengan pengujian manualuntuk mengevaluasi kelebihan dan keterbatasanmasing-masing metode.Dengan menggunakan proses pengujian fundamentaldari ISTQB, penelitian ini bertujuan untuk mengukurefektivitas dan efisiensi dari proses pengujianfungsionalitas aplikasi MyIndibiz Assistant secaraotomatis menggunakan alat uji katalon studiodibandingkan dengan pengujian manual pada prosestest implementasi dan eksekusi. Hasilnya prosespengujian yang lebih sistematis, efisien, dan akurat,sehingga dapat mendukung percepatan sikluspengembangan dan peningkatan kualitas perangkatlunak secara keseluruhan Kata kunci: functional testing, automation testing,manual testing, proses pengujian fundamental
Perancangan Sistem Input Data untuk Visualisasi Dinamis dalam Dashboard Manajemen Proyek PT.LEN Industri Firdaus, Muhammad Abdurrahman; Darwiyanto, Eko; Purbolaksono, Mahendra Dwifebri
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini bertujuan untuk mengembangkansistem input data yang responsif untuk visualisasi dinamisdalam manajemen proyek di PT. Len Industri (Persero).Permasalahan utama yang diidentifikasi adalah kebutuhanmanajer proyek untuk mengelola informasi proyek secaraefisien, termasuk apa yang sedang dikerjakan, apa yang akandikerjakan, dan kendala yang dihadapi. Solusi yang diusulkanadalah sistem berbasis web yang memanfaatkan Gantt Chartuntuk memudahkan input data dan meningkatkan visualisasiprogres proyek. Pendekatan User Centered Design (UCD) akanditerapkan untuk memastikan user interface yang mudahdigunakan, mengurangi resistensi pengguna, danmemaksimalkan adopsi sistem. Metode pengembangan inimenggabungkan penggunaan ReactJS untuk user interface,NodeJS untuk Backend, MySQL untuk database, danDHTMLX Gantt untuk visualisasi data. Hipotesa awalmenunjukkan bahwa dengan sistem yang dirancang denganbaik, manajer proyek dapat meningkatkan keakuratan danefisiensi dalam pengelolaan proyek serta pengambilankeputusan. Penelitian ini diharapkan dapat memberikanwawasan tentang bagaimana sistem input data yangdioptimalkan dapat mempengaruhi manajemen proyek diindustri teknologi. Kata kunci — Manajemen Proyek, Visualisasi Data, UserCentered Design, Gantt, Sistem Input Data, MERN, TimeManagement
Prediksi Dividen Payout dengan menggunakan Metode Regresi Linear Berganda Widyasari, Felicia Dina; Saepudin, Deni
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Dividen merupakan distribusi laba perusahaankepada investor dan mengukur kinerja keuangan perusahaan.Penelitian ini bertujuan memprediksi dividen payoutmenggunakan metode Regresi Linear Berganda denganvariabel fundamental keuangan, yaitu Earning per Share(EPS), Debt to Equity Ratio (DER), Return on Assets (ROA),Return on Equity (ROE), Current Ratio (CR), dan Firm Size.Evaluasi dilakukan dengan membandingkan performa modelRegresi Linear Sederhana, yang hanya menggunakan waktu(tahun) sebagai variabel independen, dengan model RegresiLinear Berganda menambahkan variabel fundamentalkeuangan. Hasil penelitian menunjukkan bahwa model RegresiLinear Sederhana memperoleh nilai rata-rata R-squaredsebesar 0.296. Penambahan EPS sebagai variabel independenmeningkatkan nilai rata-rata R-squared secara signifikanmenjadi 0.722. Dengan menambahkan variabel fundamentallainnya, seperti DER, ROA, ROE, CR, dan Firm Size nilai ratarata R-squared meningkat menjadi 0.797. Berdasarkanpengujian statistik, nilai rata-rata R-squared untuk RegresiLinear Berganda meningkat dengan penambahan variabelfundamental lainnya. Namun, peningkatan variansi modeltersebut tidak signifikan dan lebih kecil. Kesimpulannya, modelRegresi Linear Berganda meningkatkan akurasi prediksidividen payout dibandingkan model Regresi Linear Sederhana.Penggunaan data fundamental keuangan terbukti memberikanhasil prediksi yang lebih akurat dan dapat menjadi alat yangbermanfaat bagi investor dalam pengambilan keputusan Kata kunci— Regresi Linear Berganda, Prediksi Dividen Payout, Saham
Prediksi Pergerakan Harga Saham Berbasis Rasio Keuangan Menggunakan Metode Artificial Neural Network (ANN) Azizah , Nakhwa; Saepudin, Deni
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Prediksi pergerakan harga saham merupakantantangan di dunia investasi karena sifatnya fluktuatif dandipengaruhi berbagai faktor. Penelitian ini menggunakan ArtificialNeural Network (ANN) untuk memprediksi pergerakan harga sahammingguan pada 19 perusahaan indeks LQ45. Data mencakup hargapenutupan mingguan (Close) dan enam indikator rasio keuangan:EPS, ROA, ROE, P/B Value, P/E Ratio, dan DER. Pergerakan hargasaham diklasifikasikan menjadi 1 (naik), 0 (stagnan), dan -1 (turun),berdasarkan tiga threshold perubahan harga (1%, 2%, 3%).Penelitian ini menerapkan Principal Component Analysis (PCA)untuk mengurangi noise dan meningkatkan performa model. Hasilmenunjukkan threshold optimal adalah 2%, dengan akurasi dan F1-Score yang lebih baik. Model berbasis data historis menunjukkanperforma terbaik dalam memprediksi pergerakan harga saham,dengan rata-rata akurasi mencapai 0,92. Sebaliknya, model yangmengintegrasikan rasio keuangan tanpa PCA memiliki akurasi lebihrendah sebesar 0,5 hingga 0,7. Hal ini menunjukkan rasio keuanganmemiliki korelasi rendah terhadap pergerakan harga saham dalamjangka pendek. Penerapan PCA pada data historis dan rasiokeuangan meningkatkan akurasi hingga setara dengan modelberbasis data historis saja. Uji statistik menunjukkan bahwa tidakterdapat perbedaan signifikan dalam akurasi dan varians antaramodel berbasis data historis dan model kombinasi dengan PCA. Kata kunci— prediksi pergerakan harga saham, artificial neuralnetwork, data historis, rasio keuangan, threshold, PCA.
Analisis Adopsi Smart Fish Feeder Di Seinfarm Menggunakan Metode Technology Acceptacne Model (Tam) Faturahman, Mochamad Fauzan; Al Makky, Muhammad; Setiadi , Farisya
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini menganalisis faktor-faktor yangmempengaruhi adopsi Smart Fish Feeder di SeinFarmmenggunakan metode Technology Acceptance Model (TAM).Smart Fish Feeder adalah teknologi pemberian pakan otomatisyang meningkatkan efisiensi budidaya biofloc. Penelitian inimenggunakan pendekatan kuantitatif dan kualitatif dengankuesioner, wawancara, dan observasi terhadap 30 petani ikandi SeinFarm. Hasil penelitian menunjukkan bahwa Smart FishFeeder diterima dengan tingkat penerimaan 90,4%. Faktorutama yang berpengaruh adalah persepsi manfaat (koefisienregresi 0,74) dan kemudahan penggunaan (0,68), yangmeningkatkan niat perilaku (R² = 0,79) terhadap penggunaanaktual.Kata kunci— Smart Fish Feeder, Technology AcceptanceModel (TAM), Adopsi Teknologi, Budidaya Ikan.
Perancangan Tools Self-Assessment dalam Pembuatan Business Impact Analysis (BIA) untuk Dokumen Business Continuity Plan (BCP)* Yazid, Ajmal; Al-Makky, Muhammad; Dawani, Febri
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Bencana adalah kondisi tidak normal yangterjadi di suatu tempat atau lokasi yang dapat berdampak padamasyarakat, organisasi, atau perusahaan dan berpotensimenyebabkan kerugian jiwa, harta benda, aset, dan sumberdaya lingkungan. Risiko bencana, di sisi lain, didefinisikansebagai tingkat kerusakan dan kerugian yang tidak dapatdiperhitungkan dari kejadiannya atau peristiwa alamnya,tetapi dapat diminimalkan dengan mempersiapkan danmempersiapkan diri untuk menghadapi bencana. Bencanadapat mengganggu kelangsungan operasi perusahaan dalamupaya untuk melayani stakeholder-nya, tetapi ketikaperusahaan memiliki keunggulan kompetitif dibandingkanpesaingnya dan mampu mempertahankan reputasinya di pasar,perusahaan dapat pulih dengan cepat dan segera untukmelayani stakeholder-nya. Kondisi tersebut pasti akanmengganggu operasi perusahaan dan bahkan dapatmenghentikannya. Untuk mencapai hal ini, manajemenkelangsungan usaha, juga dikenal sebagai manajemenkelangsungan usaha (BCM), harus dimasukkan ke dalamkerangka tata kelola dan manajemen risiko perusahaan.Pemerintah (Otoritas Jasa Keuangan) memberi arahan kepadabisnis yang bergerak di bidang perbankan melalui POJK38/POJK.03/2016, yang telah diperbarui melalui POJK11/POJK.03/2022. Arahan ini memungkinkan perusahaan yangbergerak di bidang perbankan untuk memiliki dokumenAnalisis Dampak Bisnis (Business Impact Analysis/BIA).Dokumen ini dimaksudkan untuk mengidentifikasi prosesbisnis atau layanan bisnis penting perusahaan yang harusdipulihkan sesegera mungkin untuk memastikan bahwalayanan bisnis perusahaan Berdasarkan hasil penulisan danpengujian yang telah dilakukan, didapati kesimpulan bahwaBerdasarkan user requirement dan system requirementterdapat 18 fungsional dan 9 Non- fungsional sistem padapenulisan ini serta sesuai hasil analisis kuantitatif menggunakanMatrix Traceability, maka dapat disimpulkan bahwapersentase penilaian SIBIA melalui proses uji coba (testing) danproses keterimaan user (UAT) memperoleh nilai 92,86%,sehingga dapat disimpulkan bahwa tools SIBIA dapat berjalansecara optimal dan dapat memenuhi kebutuhan user dankebutuhan system.Kata kunci— Bencana, Business Continuity Plan, BusinessImpact Analysis
Analisis Dan Optimasi Teknologi Jaringan Wireless Pada Gedung Cacuk Fri Telkom University Dengan Menggunakan Wireless Site Survey Fadhillah, Fatih; Yunan K. S. H, Umar; Kurniawan, M. Teguh
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Penelitian ini fokus pada analisis dan optimasicakupan sinyal nirkabel di Gedung Cacuk B di TelkomUniversity. Pendekatan Siklus Hidup Pengembangan Jaringan(NDLC) memandu langkah-langkah proses penelitian.Pengumpulan data melibatkan Wireless Site Survey denganperangkat lunak Ekahau menggunakan standar IEEE 802.11.Penelitian ini mengkaji analisis optimal jangkauan sinyalnirkabel dan interferensi, terutama pada frekuensi 2.4GHz dan5GHz, dengan memanfaatkan metodologi NDLC dan Quality ofService (QoS). Analisis teknis menggunakan perangkat lunakEkahau, Netspot, dan Wireshark untuk distribusi sinyal danpenilaian kualitas internet yang berbeda pada kondisipenggunaan rendah dan tinggi. Hasil penelitian menunjukkanpenurunan throughput saat penggunaan puncak, sementarakekuatan sinyal tetap baik pada 2.4GHz. Namun, kekuatansinyal 5GHz menurun terutama di lantai 3 karena penggunaanpadat dan penempatan titik akses terbatas, yang ditempatkandi antara dua ruang kelas. Meskipun tingkat delay dan packetloss yang memuaskan karena konfigurasi yang baik, terjadipenurunan throughput sebesar 50%. Kata kunci— wireless, coverage network development life cycle, wireless site survey, Quality of Service
Analisa Perbandingan Quality Of Service (Qos) Antara Jaringan Wireless Lan Dan Hotspot 4g Telkomsel Di Telkom University Landmark Tower Lantai 8 Pada Layanan Streaming Youtube Menggunakan Wireshark Fadhila, Muhammad Hilman; Saedudin, Rd. Rohmat; Budiono, Avon
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Dalam era digital yang terus berkembang,koneksi internet telah menjadi salah satu kebutuhan pentingdalam kehidupan sehari-hari. Koneksi internet berkualitastinggi diperlukan untuk berbagai aktivitas seperti streamingvideo. Penelitian ini bertujuan untuk mengetahui perbandinganQoS antara jaringan wireless LAN dengan Hotspot 4GTelkomsel dengan melakukan streaming video di YouTube.Parameter yang digunakan dalam penelitian ini adalahthroughput, delay dan packet loss. Penelitian ini bertujuan untukmenganalisa perbandingan antara jaringan wireless LAN danhotspot 4G Telkomsel pada layanan streaming YouTube diTelkom University Landmark Tower lantai 8. pada pengujianpertama menghasilkan data dari nilai rata-rata throughputsebesar 975,67 kbit/s. Nilai itu jika dilihat berdasarkan standaryang sudah di tetapkan oleh TIPHON dapat diklasifikasiandengan nilai yang cukup. Pada nilai dari rata-rata packet lossmenghasilkan nilai sebesar 0,01% dengan kategori nilai yangsangat bagus. Pada nilai dari rata-rata delay 11,42 ms dengankategori nilai yang sangat bagus. Lalu pada skenario keduamenghasilkan data dari nilai rata-rata throughput sebesar622,33 kbit/s dengan kategori nilai yang kurang baik. Pada nilairata-rata packet loss menghasilkan data sebesar 0,01% dengankategori nilai yang sangat baik. Pada nilai rata-rata yangdihasilkan pada parameter delay menghasilkan nilai sebesar14,97 ms. Nilai tersebut dapat dikategorikan dengan nilai yangsangat baik. Kata kunci— Quality of Service, Throughput, Packet loss, Delay

Page 636 of 831 | Total Record : 8304

 634   635   636   637   638 

Filter by Year

2014 2025


Reset
Filter By Issues
All Issue Vol. 12 No. 6 (2025): Desember 2025 Vol. 12 No. 5 (2025): Oktober 2025 Vol. 12 No. 4 (2025): Agustus 2025 Vol. 12 No. 3 (2025): Juni 2025 Vol. 12 No. 2 (2025): April 2025 Vol. 12 No. 1 (2025): Februari 2025 Vol. 11 No. 6 (2024): Desember 2024 Vol. 11 No. 5 (2024): Oktober 2024 Vol. 11 No. 4 (2024): Agustus 2024 Vol. 11 No. 3 (2024): Juni 2024 Vol. 11 No. 2 (2024): April 2024 Vol. 11 No. 1 (2024): Februari 2024 Vol. 10 No. 6 (2023): Desember 2023 Vol 10, No 5 (2023): Oktober 2023 Vol. 10 No. 5 (2023): Oktober 2023 Vol. 10 No. 4 (2023): Agustus 2023 Vol 10, No 3 (2023): Juni 2023 Vol. 10 No. 3 (2023): Juni 2023 Vol. 10 No. 2 (2023): April 2023 Vol 10, No 2 (2023): April 2023 Vol. 10 No. 1 (2023): Februari 2023 Vol 9, No 6 (2022): Desember 2022 Vol. 9 No. 5 (2022): Oktober 2022 Vol 9, No 5 (2022): Oktober 2022 Vol. 9 No. 4 (2022): Agustus 2022 Vol 9, No 4 (2022): Agustus 2022 Vol 9, No 3 (2022): Juni 2022 Vol 9, No 2 (2022): April 2022 Vol 9, No 1 (2022): Februari 2022 Vol 8, No 6 (2021): Desember 2021 Vol. 8 No. 5 (2021): Oktober 2021 Vol 8, No 5 (2021): Oktober 2021 Vol 8, No 4 (2021): Agustus 2021 Vol 8, No 3 (2021): Juni 2021 Vol. 8 No. 2 (2021): April 2021 Vol 8, No 2 (2021): April 2021 Vol 8, No 1 (2021): Februari 2021 Vol 7, No 3 (2020): Desember 2020 Vol 7, No 2 (2020): Agustus 2020 Vol 7, No 1 (2020): April 2020 Vol 6, No 3 (2019): Desember 2019 Vol 6, No 2 (2019): Agustus 2019 Vol 6, No 1 (2019): April 2019 Vol 5, No 3 (2018): Desember 2018 Vol 5, No 2 (2018): Agustus 2018 Vol 5, No 1 (2018): April 2018 Vol 4, No 3 (2017): Desember, 2017 Vol 4, No 2 (2017): Agustus, 2017 Vol 4, No 1 (2017): April, 2017 Vol 3, No 3 (2016): Desember, 2016 Vol 3, No 2 (2016): Agustus, 2016 Vol 3, No 1 (2016): April, 2016 Vol 2, No 3 (2015): Desember, 2015 Vol 2, No 2 (2015): Agustus, 2015 Vol 2, No 1 (2015): April, 2015 Vol 1, No 1 (2014): Desember, 2014 More Issue