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
 801   802   803   804   805 
Integrasi Algoritma CNN pada Backend Sistem Identifikasi Sidik Bibir Berbasis Website Pratama, Irsyad Fadil Augusta; Saidah, Sofia; Hidayat , Bambang
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Identifikasi individu merupakan aspek krusial dalam bidang forensik dan keamanan digital, namun metode biometrik konvensional memiliki sejumlah keterbatasan. Sidik bibir menawarkan alternatif yang menjanjikan karena polanya yang unik dan permanen. Namun, sistem identifikasi sidik bibir yang ada seringkali belum terintegrasi secara efektif dan efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem identifikasi individu berbasis website dengan mengintegrasikan algoritma Convolutional Neural Network (CNN) pada sisi backend. Metode yang digunakan meliputi serangkaian tahapan pengolahan citra digital yang komprehensif, dimulai dari segmentasi area bibir menggunakan model U-Net, peningkatan kontras dengan Contrast Limited Adaptive Histogram Equalization (CLAHE), ekstraksi tekstur melalui Gabor Filter, hingga binarisasi adaptif dan operasi morfologi untuk memperjelas pola. Model klasifikasi dibangun menggunakan arsitektur MobileNetV2 melalui pendekatan transfer learning. Hasil pengujian sistem pada dataset yang dikembangkan menunjukkan kinerja yang sangat optimal, dengan keberhasilan mencapai akurasi identifikasi sebesar 100% dan tingkat presisi 100%. Keberhasilan ini membuktikan bahwa integrasi algoritma CNN pada backend sistem berbasis web merupakan solusi yang efektif, akurat, dan potensial untuk dikembangkan lebih lanjut sebagai teknologi identifikasi biometrik modern.Kata kunci — CNN, identifikasi individu, sidik bibir, backend, website, pengolahan citra
Perancangan Antarmuka dan Integrasi Algoritma CNN pada Sistem Identifikasi Sidik Bibir Berbasis Web Wahyu, I Komang Trisna; Saidah, Sofia; Hidayat , Bambang
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Identifikasi individu merupakan aspek penting dalam bidang forensik dan keamanan digital, namun metode biometrik konvensional masih memiliki keterbatasan dalam penerapannya. Sidik bibir sebagai biometrik unik memiliki potensi besar untuk dimanfaatkan dalam proses identifikasi forensik. Penelitian ini bertujuan merancang antarmuka berbasis prinsip UI/UX serta mengimplementasikan algoritma Convolutional Neural Network (CNN) pada sistem identifikasi sidik bibir berbasis web. Perancangan antarmuka dilakukan dengan prinsip UI/UX agar sistem mudah digunakan, responsif, dan informatif. Sistem memungkinkan pengguna mengunggah citra sidik bibir yang kemudian diproses secara otomatis oleh model CNN untuk mengklasifikasikan pola sesuai data pelatihan. Proses pengolahan citra meliputi segmentasi bibir menggunakan U-Net, peningkatan kualitas dengan Contrast Limited Adaptive Histogram Equalization (CLAHE), serta ekstraksi tekstur menggunakan Gabor Filter untuk menangkap orientasi dan frekuensi garis sidik bibir. Citra hasil ekstraksi selanjutnya diproses melalui binarisasi adaptif dan operasi morfologi untuk mempertegas pola serta mengurangi noise. Model klasifikasi dibangun menggunakan arsitektur MobileNetV2 dengan transfer learning dari pre-trained model ImageNet, disesuaikan pada lapisan akhir untuk klasifikasi sidik bibir. Hasil pengujian pada dataset yang dikembangkan menunjukkan akurasi 100% dan presisi 100%, membuktikan bahwa integrasi antarmuka web yang responsif dengan model CNN dan preprocessing yang tepat mampu menghasilkan sistem identifikasi sidik bibir yang akurat, efisien, dan potensial diterapkan pada bidang forensik serta keamanan digital.Kata kunci— identifikasi sidik bibir, CNN , mobilenetv2, ui/ux, unet, gabor filter
Implementasi Metode Convolutional Neural Network dalam Pengolahan Citra Digital Sidik Bibir Irwansyah, Irwansyah; Saidah, Sofia; Hidayat, Bambang
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini membahas pengembangan sistem identifikasi individu berbasis sidik bibir menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Sidik bibir dipilih sebagai alternatif biometrik karena memiliki pola unik dan dapat digunakan baik pada individu hidup maupun korban, sehingga relevan dalam bidang forensik dan keamanan. Dataset diperoleh melalui pengambilan GAMBAR langsung terhadap sepuluh individu (total 200 citra), yang kemudian diproses melalui segmentasi U-Net, konversi grayscale, peningkatan kontras menggunakan CLAHE, ekstraksi fitur dengan Gabor filter, binarisasi adaptif, operasi morfologi, normalisasi, dan augmentasi data untuk meningkatkan kemampuan generalisasi. MobileNetV2 digunakan sebagai feature extractor dengan bobot awal ImageNet, diikuti dense layer tambahan untuk klasifikasi multikelas. Proses pelatihan dilakukan dengan optimasi hyperparameter meliputi augmentasi, batch size, optimizer, learning rate, dan jumlah epoch. Hasil pengujian menunjukkan konfigurasi terbaik pada optimizer Adam dengan learning rate 0,001 dan pelatihan selama 200 epoch, yang mampu mencapai akurasi, presisi, recall, dan F1-score sebesar 100% pada data uji. Sistem yang dikembangkan terbukti efektif dalam mengenali pola sidik bibir, menunjukkan potensi tinggi sebagai metode identifikasi biometrik alternatif. Pengembangan lebih lanjut direkomendasikan dengan memperluas variasi dataset dan menguji data untuk meningkatkan kemampuan generalisasi.Kata kunci— CNN, MobileNetV2 Identifikasi Individu, Klasifikasi Biometrik, Pengolahan Citra, Sidik Bibir.
Perencanaan Desain Sistem dan Web Landing Page Berbasis Fiber Optik untuk Sistem Peringatan Dini Kebakaran Hutan Dianti, Erni; Usman, Uke Kurniawan; Satria, Rizky
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Kebakaran hutan di Indonesia merupakan bencana tahunan yang berdampak besar terhadap lingkungan dan kesehatan masyarakat. Untuk mengatasi hal ini, diperlukan sistem peringatan dini (Early Warning System/EWS) yang mampu mendeteksi potensi kebakaran secara cepat dan akurat. Penelitian ini berfokus pada perencanaan desain sistem dan pengembangan web landing page berbasis fiber optik sebagai bagian integral dari EWS kebakaran hutan. Sistem dirancang dengan mengintegrasikan sensor suhu, kelembapan, dan asap yang terhubung ke mikrokontroler Arduino Uno, serta transmisi data melalui Ethernet Shield W5100 ke server berbasis Firebase. Web landing page dikembangkan untuk menerima data sensor secara real-time (≤1 detik), menampilkan informasi lingkungan secara visual, dan mendukung pemantauan melalui CCTV berbasis IP. Desain antarmuka web mengutamakan kejelasan informasi, kemudahan navigasi, dan responsivitas terhadap kondisi darurat. Pengujian dilakukan dengan variasi jarak sensor (30–70 cm) dan kecepatan angin (1,0–2,0 m/s) untuk mengevaluasi akurasi deteksi dan performa sistem. Hasil menunjukkan bahwa sistem mampu mendeteksi perubahan suhu, kelembapan, dan asap secara efektif, dengan waktu respons yang dipengaruhi oleh kondisi lingkungan. Web landing page terbukti mendukung pengiriman data secara cepat dan akurat, serta memberikan notifikasi otomatis saat kondisi bahaya terdeteksi. Kata Kunci— Desain Sistem, Web Landing Page, Fiber Optik, Early Warning System, Kebakaran Hutan
Implementasi dan Uji Coba Prototipe Early Warning Sistem Kebakaran Hutan dengan Integrasi Fiber Optic Theana, Verenz; Usman, Uke Kurniawan; Satria, Rizky
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Kebakaran hutan di Indonesia merupakan bencana tahunan yang memberikan dampak signifikan terhadap lingkungan, kesehatan, dan perekonomian. Deteksi dini menjadi langkah krusial untuk meminimalkan kerugian, salah satunya melalui penerapan Early Warning System (EWS). Penelitian ini bertujuan mengimplementasikan dan menguji prototipe EWS kebakaran hutan berbasis fiber optik dengan fokus pada kinerja sensor dalam mendeteksi suhu, kelembapan, dan konsentrasi asap pada berbagai kondisi lingkungan. Pengujian dilakukan menggunakan variasi jarak sensor terhadap sumber panas/asap (30–70 cm), kecepatan angin (normal, 1,0 m/s, 1,5 m/s, 2,0 m/s), serta waktu pengamatan (pagi, siang, malam). Hasil pengujian menunjukkan bahwa jarak, kecepatan angin, dan waktu pengamatan berpengaruh nyata terhadap parameter yang terukur. Sensor yang ditempatkan lebih dekat ke sumber panas/asap menghasilkan suhu dan konsentrasi asap yang lebih tinggi serta kelembapan yang lebih rendah. Peningkatan kecepatan angin mempercepat waktu respon deteksi sekaligus memengaruhi besarnya nilai yang terbaca. Sistem ini mampu mengirimkan data secara real-time melalui fiber optik dengan latensi rendah.Kata kunci— Kebakaran hutan, Early Warning System, fiber optik, sensor DHT22, sensor MQ-2.
Pengembangan Aplikasi Mobile untuk Early Warning System (EWS) Kebakaran Hutan Hadi, Shasyabilla Ardita; Usman, Uke Kurniawan; Satria, Rizky
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Kebakaran hutan di Indonesia merupakan bencana tahunan yang berdampak besar terhadap lingkungan, kesehatan, dan perekonomian. Penelitian ini mengembangkan FireGuard, aplikasi Early Warning System (EWS) untuk kebakaran hutan. FireGuard menyediakan fitur pemantauan data sensor suhu, kelembapan, dan gas asap secara real-time, penentuan status potensi kebakaran, integrasi pantauan CCTV langsung (live streaming), serta notifikasi peringatan dini kepada pengguna. Pengujian dilakukan menggunakan black box testing untuk memverifikasi fungsionalitas, dan System Usability Scale (SUS) untuk mengukur kegunaan. Hasil menunjukkan seluruh fitur berjalan sesuai spesifikasi dan skor SUS sebesar 79,16 menempatkan FireGuard pada kategori baik. Aplikasi ini dinilai mudah digunakan, informatif, dan efektif dalam mendukung deteksi dini kebakaran hutan. Dengan kemampuannya menyajikan informasi cepat dan akurat, FireGuard diharapkan dapat mempercepat koordinasi antara masyarakat dan pihak berwenang serta meminimalkan dampak kebakaran. Kata kunci— Aplikasi Mobile, Flutter, Firebase, Early Warning System
Implementasi Model Machine Learning pada Aplikasi TOXMAP untuk Klasifikasi Sampah B3 Berbasis Gambar Aritonang , Josua Kevin Sumandoro; Purnamasar, Rita; Saleh, Khaerudin
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Sampah Bahan Berbahaya dan Beracun (B3) mengandung zat berpotensi mencemari lingkungan dan membahayakan kesehatan manusia, sehingga proses identifikasi yang cepat, tepat, dan efisien sangat dibutuhkan. Penelitian ini mengusulkan metode klasifikasi citra sampah B3 berbasis machine learning dengan memanfaatkan kombinasi arsitektur MobileNetV2 sebagai ekstraktor fitur dan algoritma Support Vector Machine (SVM) sebagai klasifikator. Dataset yang digunakan terdiri atas enam kelas citra sampah rumah tangga, antara lain Non-Toxic, Aerosol, Baterai, Kabel, Lampu LED, dan Pembersih Lantai. Seluruh data telah melalui tahap preprocessing serta augmentation berupa flip, rotation, dan penyesuaian tingkat kecerahan maupun saturasi untuk meningkatkan keragaman dan ketahanan model terhadap kondisi nyata. MobileNetV2 memproses citra berukuran 224×224 piksel, menghasilkan vektor fitur berdimensi 1×1280 yang kemudian diklasifikasikan menggunakan SVM dengan kernel Radial Basis Function (RBF). Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, serta F1-score, disertai pengujian ketahanan terhadap variasi pencahayaan, jarak, dan latar belakang. Hasil penelitian menunjukkan akurasi mencapai 90% dengan performa yang relatif stabil di berbagai kondisi visual. Temuan ini membuktikan bahwa pemisahan tahap ekstraksi fitur dan klasifikasi mampu meningkatkan efisiensi komputasi sekaligus mempertahankan akurasi tinggi. Dengan demikian, kombinasi MobileNetV2 dan SVM berpotensi menjadi solusi efektif untuk mendukung sistem identifikasi sampah B3 berbasis citra digital yang praktis dan dapat diimplementasikan pada perangkat dengan keterbatasan sumber daya. Kata kunci— MobileNetV2, Support Vector Machine, Klasifikasi Citra, Sampah B3, Machine Learning
Identifikasi Jenis Kelamin Berdasarkan Bitemark Hasbullah, Muhammad Rizky; Hasudungan, Jaspar; Hidayat, Bambang
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Penentuan identifikasi jenis kelamin merupakan aspek krusial dalam ranah forensik, yang berfungsi mendukung proses penentuan identitas korban maupun pelaku kejahatan. Salah satu metode yang kini mulai mendapat perhatian adalah analisis pola gigitan atau bitemark, karena pola tersebut dinilai memiliki perbedaan karakteristik antara pria dan wanita. Latar belakang penelitian ini berangkat dari keterbatasan teknik konvensional yang kerap kurang efektif untuk menentukan jenis kelamin secara cepat, khususnya ketika kondisi fisik korban tidak memungkinkan dilakukan identifikasi biometrik secara langsung. Pendekatan yang digunakan adalah penerapan teknologi pengenalan citra dengan memanfaatkan model deep learning YOLOv8, yang diintegrasikan ke dalam sistem aplikasi web berbasis Python. Sistem ini menerima masukan berupa citra bitemark, lalu memprosesnya melalui tahap klasifikasi guna memprediksi jenis kelamin. Proses pengembangan meliputi pelatihan model dengan 80 citra gigitan yang telah diberi label, optimasi model agar kompatibel di lingkungan Python, serta pembuatan antarmuka web untuk memudahkan identifikasi secara waktu nyata. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan jenis kelamin dengan tingkat akurasi 75,00% pada pengujian terhadap 44 citra. Selain itu, integrasi dengan aplikasi web meningkatkan portabilitas dan efisiensi penggunaan. Penelitian ini diharapkan menjadi langkah awal dalam pengembangan sistem identifikasi forensik otomatis berbasis bitemark.Kata kunci— YOLO,bitemark,CNN,forensic,python,web application
Perancangan Sistem Pemantauan Cuaca dan EWS Banjir Berbasis Wireless Sensor Network Kautsar, Faris; Maulana, Diki Rizki; Sinulingga, Rischa Zefaniya Br; A’syifa, Chantika Rahma Galih Abu; Pramudita, Brahmantya Aji; Setiawan , Dhoni Putra
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Cuaca ekstrem yang sulit diprediksi menjadi tantangan serius dalam upaya mitigasi bencana, khususnya di wilayah rawan banjir seperti Dayeuhkolot, Kabupaten Bandung. Ketergantungan pada sistem peringatan dini manual dari BBWS terbukti belum mampu memberikan respons yang cepat dan terintegrasi. Untuk menjawab kebutuhan tersebut, dikembangkan sistem monitoring berbasis Wireless Sensor Network (WSN) dan Internet of Things (IoT) yang mampu mengumpulkan data cuaca secara real-time melalui sensor lingkungan. Data yang diperoleh dikalibrasi menggunaka regresi linear untuk meningkatkan akurasi pembacaan, dan selanjutnya digunakan dalam pelatihan model Machine Learning XGBoost untuk menghasilkan prakiraan cuaca lokal yang lebih akurat. Sistem ini juga dilengkapi dengan fitur Early Warning System (EWS) banjir yang bekerja berdasarkan tinggi muka air sungai secara real-time, tanpa bergantung pada prediksi. Implementasi dilakukan di dua lokasi, yaitu Teras Cikapundung dan Polder Cipalasari, serta terintegrasi dengan aplikasi seluler dan website We-Weather sebagai media pemantauan. Hasil pengujian menunjukkan bahwa sistem memiliki performa tinggi dalam prediksi cuaca dan kemudahan penggunaan, sehingga diharapkan dapat memperkuat sistem mitigasi bencana hidrometeorologi dan mendukung pengambilan keputusan oleh masyarakat serta pemangku kepentingan.Kata kunci— Cuaca ekstrem, Early Warning System, banjir, Machine Learning, Wireless Sensor Network, XGBoost, Monitoring.
Implementasi Early Warning System (EWS) Banjir Berbasis IoT Menggunakan Machine Learning dan Wireless Sensor Network Maulana, Diki Rizki; Kautsar, Faris; Sinulingga, Rischa Zefaniya Br; A’syifa, Chantika Rahma Galih Abu; Pramudita, Brahmantya Aji; Setiawan, Dhoni Putra
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Cuaca ekstrem yang sulit diprediksi menjadi ancaman serius, terutama banjir di wilayah rawan seperti Dayeuhkolot, Kabupaten Bandung, yang berada di pertemuan Sungai Citarum dan Cikapundung. Sistem peringatan dini yang masih manual dari BBWS menghadapi kendala dalam kecepatan dan integrasi data. Untuk mengatasi hal ini, dirancang sistem prediksi cuaca dan peringatan banjir berbasis Wireless Sensor Network (WSN) dan Internet of Things (IoT), yang dilengkapi algoritma pembelajaran mesin untuk meningkatkan akurasi prediksi lokal. Sistem ini menggunakan sensor cuaca yang terhubung melalui jaringan IoT untuk mengumpulkan data secara real-time, lalu dianalisis dengan model XGBoost. Dua lokasi penerapan adalah Teras Cikapundung dan Polder Cipalasari. Untuk meningkatkan akurasi pembacaan sensor, dilakukan kalibrasi menggunakan regresi linear. Sistem ini juga terintegrasi dengan aplikasi seluler dan website We-Weather sebagai media pemantauan. Hasil pengujian menunjukkan model memiliki akurasi 96,37%, presisi 97,74%, recall 96,37%, dan F1-score 96,79%, menandakan performa klasifikasi yang tinggi. Pengujian usability melalui System Usability Scale (SUS) juga menunjukkan skor sangat baik, membuktikan kemudahan penggunaan aplikasi dan website. Sistem ini diharapkan mampu memperkuat mitigasi bencana hidrometeorologi dan mendukung pengambilan keputusan oleh masyarakat dan pemangku kepentingan seperti petugas BBWS.Kata kunci— Cuaca ekstrem, Early Warning System, banjir, Machine Learning, Wireless Sensor Network, XGBoost.

Page 803 of 831 | Total Record : 8304

 801   802   803   804   805 

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