cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Imam Fahrur Rozi
Contact Email
imam.rozi@polinema.ac.id
Phone
+6285233139738
Journal Mail Official
jip@polinema.ac.id
Editorial Address
Politeknik Negeri Malang Jl. Soekarno Hatta No.9, Jatimulyo, Kec. Lowokwaru, Kota Malang, Jawa Timur 65141 Phone: (0341) 404424-404425 Fax: (0341) 404420
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Informatika Polinema (JIP)
Published by Politeknik Negeri Malang
ISSN : 26146371     EISSN : 2407070X     DOI : https://doi.org/10.33795/jip
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science
The focus and scope of articles published in JIP (Journal of Informatics Polinema) encompasses the game technology, information system, computer network, computing, which covers the following scope: Game Technology Artificial Intelligence Intelligent System Machine Learning Image Processing Computer Vision Information Retrieval Machine Learning Information System Internet of Things Computer Security Technology Enhanced Learning Education Technologies Digital Forensic Wireless Sensor UI/UX research JIP (Jurnal Informatika Polinema) publishes comprehensive research articles and invited reviews by leading expert in the field. Papers will be selected that high scientific merit, impart important new knowledge, and are of high interest to computer and information technology.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 559 Documents
 34   35   36   37   38 
GENETIC ALGORITHM BASED FOPID CONTROLLER FOR NANO-SATELLITE ATTITUDE CONTROL Anggara Truna Negara; Sigit Mustiko; Lucky Firmansyah
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.640

Abstract

Nano-satellites are very popular among researchers today because they are more affordable and easier to use than most large satellites. The system performance on nano-satellites needs to be improved for better by using fractional order PID (FOPID) controllers which have never been tested on unstable systems on nano-satellite objects. The PID controller development produces two fractional power parameters called the FOPID controller, which makes it even more attractive. The genetic algorithm (GA) produces the optimal computation value on the FOPID controller because it has been proven to have better performance and is improved by the ITAE performance index. Based on the analysis of responses in a steady-state in the form of overshoot, rise time and settling time on the three-axis stabilized nano-satellite attitude control, namely roll, pitch, and yaw is concluded that the FOPID controller is superior to the classic PID controller that has been previously studied. The effect of the two parameters of the FOPID controller on an unstable system for nano-satellite attitude control shows good performance results based on the ITAE performance index using the genetic algorithm (GA) method.
Analytics of ESPCam on Arduino-Based Automatic Clothesline Protectors Agung Kridoyono; Aris Sudaryanto; Dimas Sasongko; Akhmad Dicky Harianto
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.965

Abstract

The ability to recognize weather conditions, such as rain or heat, is a main feature of the automatic clothesline. In previous research we developed an automatic clothesline that can recognize weather conditions using rain sensors and LDR with a success rate of 80% (Dicky et al. 2022). To be more convincing, in this research we added ESPCam to be able to see clothes and the weather visually, so that users can ascertain the weather conditions. This research focuses on implement ESPCam to the automatic clothesline system and testing its reliability. With ESPCam, users can view streaming, store visual image data, and turn on or off the flash LED. System testing is done by sending a command to turn on streaming on the system, followed by a command to turn on or turn off the flash LED. Based on the test data, the success rate of ESPCam used in the system reached 96.665%.
IMPLEMENTASI ALGORITMA GENETIKA UNTUK SELEKSI FITUR PADA KLASIFIKASI GENRE MUSIK MENGGUNAKAN METODE RANDOM FOREST Nurlatifah Amini; Triando Hamonangan Saragih; Mohammad Reza Faisal; Andi Farmadi; Friska Abadi
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.1028

Abstract

Musik memiliki jenis yang beragam di Dunia. Adapun jenis musik yang paling popular diantaranya yaitu pop, disco, country, dangdut, jazz, blues, reggae, hiphop, rock, metal. Penelitian ini mengenai Klasifikasi genre musik menggunakan metode Random Forest menggunakan dataset dari GitHub atau GTZAN tentang genre musik dengan jumlah label ada 10, memiliki 26 fitur dan jumlah keseluruhan data ada 1000. Penelitian ini dibagi menjadi beberapa tahap, yaitu dengan klasifikasi seluruh data, mengklasifikasi dengan data yang dinormalisasi, melakukan klasifikasi dengan data asli menggunakan tahap seleksi fitur Algoritma Genetika, dan mengklasifikasi pada data yang dinormalisasi dengan seleksi fitur menggunakan Algoritma Genetika. Parameter yang digunakan pada Algoritma Genetika yaitu menggunakan Probabilitas Crossover, Probabilitas Mutasi. Pada penelitian ini Min-Max digunakan untuk metode normalisasi data, dan untuk perhitungan akurasi menggunakan metode Confusion Matrix. Peformasi terbaik dari parameter GA untuk Pc dan Pm menggunakan kombinasi 0.5 dan 0.2. Performasi populasi size terbaik adalah 26 dan iterasi atau max generasi terbaik ada pada 100 iterasi. Akurasi yang dihasilkan ketika menggunakan seluruh data menghasilkan akurasi sebesar 62%, 59% dengan data yang dinormalisasi, 64% dengan semua data menggunakan seleksi fitur Algoritma Genetika dan didapatkan akurasi sebesar 67% dengan menggunakan seleksi fitur Algoritma Genetika yang datanya dinormalisasi. Hasil ini memberi pengetahuan nilai rata-rata akurasi menunjukkan peningkatan dengan diterapkannya seleksi fitur Algoritma Genetika.
PREDIKSI PRODUKSI ES BALOK DENGAN MENGGUNAKAN METODE SINGLE EXSPONENTIAL SMOOTHING Afirsta Aliyana
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.1107

Abstract

Pabrik Es Kasri adalah perusahaan pabrik es yang berada di Pandaan, Jawa Timur berdiri sejak zaman Belanda tahun 1981 dan tetap beroperasi hingga sekarang. Es balok inilah yang paling sering dicari oleh masyarakat dan yang paling laku. Akan tetapi produksi es balok di Pabrik Es Kasri tiap bulannya tidak menentu dan juga permintaan es balok juga tidak bisa diperkirakan.Faktor yang mengakibatkan jumlah produksi pabrik es tidak menentu tiap harinya dan paling mempengaruhi turunnya jumlah produksi yaitu faktor iklim yang tidak bisa diperkirakan yaitu perubahan cuaca ekstrim yang mengakibatkan jumlah produksi menurun. Biasanya pada musim hujan produksi es balok menurun dikarenakan jumlah permintaan sedikit dan mengakibatkan omset penjualan juga menurun. Penelitian ini dilakukan untuk memprediksi jumlah produksi es balok di Pabrik Es Kasri Pandaan agar dapat memperkirakan jumlah produksi es batu pada bulan berikutnya menggunakan metode Single Exponential Smoothing. Single Exponential Smoothing adalah metode pemulusan tunggal yang menambahkan parameter alpha dalam modelnya untuk mengurangi faktor kerandoman. Perhitungan nilai kesalahan yang digunakan adalah Mean Absolute Percent Error (MAPE), adapun parameter yang digunakan untuk melakukan peramalan adalah alpha 0,1 sampai dengan alpha 0,9 , adapun parameter yang digunakan untuk melakukan peramalan adalah alpha 0,2 sampai dengan alpha 0,9. Selanjutnya, berdasarkan hasil uji coba menggunakan metode Single Exponential Smoothing, menunjukan bahwa nilai MAPE terendah dan baik adalah 1,2436449 terletak pada alfa 0,9.
Pengembangan Sistem Face Recognition menggunakan Cloud Service, Raspberry Pi dan Convolutional Neural Network (CNN) Rosa Andrie Asmara; Muhammad Ridwan; Gunawan Budi P; Anik Nur Handayani
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.1181

Abstract

Wajah manusia menjadi bagian terpenting dalam tubuh manusia sebagai karakteristik masing-masing individu manusia. Wajah juga memiliki tekstur yang lebih kaya dan area yang luas. Teknik pengenalan wajah telah dilakukan oleh banyak peneliti dengan berbagai macam metode dan pendekatan. Implementasi tentang Cloud Server untuk penyimpanan data Real Time menggunakan Raspberry Pi telah diterapkan. Peneliti tersebut telah membangun Server Cloud Private yang dapat diatur di Raspberry Pi dan digunakan sebagai perangkat penyimpanan untuk aplikasi real time. Hasil dari penerapan ini adalah penggunaan Raspberry Pi, mikroprosesor dengan harga terjangkau. Komputasi dilakukan menggunakan layanan cloud computing, dikarenakan spesifikasi perangkat keras pada Raspberry Pi yang tidak terlalu baik. Infrastruktur cloud computing dapat diperoleh dengan menggunakan platform Cloud yang disediakan oleh vendor cloud tertentu. Penggunaan Cloud sebagai monitoring melalui pengenalan wajah menggunakan metode Gabor dan fitur CS-LBP diterapkan oleh peneliti. Sedangkan penulis tertarik ingin mengembangkan sistem Face Recognition menggunakan Cloud Service pada Raspberry Pi, menggunakan metode Convolutional Neural Network (CNN). Dari hasil pengujian metode deteksi wajah antara Haar Cascade dengan CNN dengan berbagai variasi dan kondisi dari data pengujian, untuk Haar Cascade diperoleh akurasi rata-rata sebesar 81,12%, sedangkan jika menggunakan CNN diperoleh akurasi sebesar 86,53%. Pada pengujian encoding pengenalan wajah dengan CNN, tingkat akurasi yang lebih tingkat tinggi diperoleh jenis model pengenalan arcface yakni 67,69% sedangkan facenet hanya memperoleh akurasi 66,46%.
PENGEMBANGAN APLIKASI BOWLL UNTUK PERHITUNGAN KEBUTUHAN KALORI DENGAN METODE WATERFALL Agwin Fahmi Fahanani; Intan Yusuf Habibie; Leonardo Kamajaya; Nurvandy
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.1141

Abstract

Pangan merupakan kebutuhan pokok bagi kelangsungan hidup manusia. Pola makan seseorang yang buruk dipengaruhi oleh banyaknya junk food dan fast food yang tidak diketahui kandungan gizinya. Selain itu, kurangnya kesadaran masyarakat tentang kebutuhan kalori turut menyebabkan sulitnya seseorang dalam menentukan pola makan yang sehat dan seimbang. Kalori dalam tubuh dikatakan seimbang jika kalori yang dikonsumsi sama dengan kalori yang dikeluarkan oleh tubuh. Kelebihan kalori dapat meningkatkan risiko hipertensi, obesitas, penyakit jantung, stroke, diabetes, dan masalah kesehatan lainnya. Laju metabolisme basal dapat digunakan untuk menghitung kebutuhan kalori tubuh untuk melakukan aktivitas dengan menggunakan rumus Harris Benedict. Aplikasi untuk menghitung kebutuhan kalori dan menghitung kalori dari makanan yang dikonsumsi dibuat untuk memudahkan masyarakat dalam menghitung kebutuhan kalorinya. Aplikasi dibuat menggunakan block programming pada website Kodular dan diuji menggunakan metode black box. Aplikasi ini dapat digunakan untuk menghitung kebutuhan kalori serta untuk merencanakan pola makan yang sehat dan seimbang.
DESAIN ARSITEKTUR ENTERPRISE SISTEM PEMERITAHAN BERBASIS ELEKTRONIK BIDANG KESEHATAN Agung Laksono
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.1155

Abstract

Kesehatan menjadi pusat perhatian terutama sejak Covid-19 merebak dan berdampak terhadap berbagai aspek kehidupan masyarakat Indonesia. Layanan Kesehatan diharuskan untuk mampu menyajikan data dan informasi yang cepat dan akurat, sehingga diharapkan strategi penyelesai berbagai tantangan bidang Kesehatan dapat terkendali dan cepat diselesaikan. Transformasi digital menjadi penting karena hanya teknologi informasi yang mampu mendorong pelayanan publik menjadi dapat lebih cepat, adaptif, akurat dan terintegrasi. Perlu adanya perencanaan transformasi digital yang terstruktur dan menyeluruh dapat memberikan pelayanan prima dan adaptif terhadap harapan masyarakat terhadap layanan kesehatan. Tantangannya, palayanan antar satu puskesmas dan lainnya masih berbeda-beda tergantung dari letak geografis dan fasilitas yang dimiliki. Selain itu, variasi aplikasi yang dikembangkan oleh pemerintah pusat mencapai hingga 77 variasi apliasi di tingkat puskesmas sehingga berakibat sulitnya integrasi dan mendukung interoperabilitas antar sistem. Pengembangan teknolog informasi masih bersifat fragmented antar divisi yang berakibat duplikasi entri untuk sistem yang berbeda, data olahan yang redundan, dan sulitnya menjaga konsistensi data. Penelitian ini bermaksud untuk membuat arsitektur enterprise bidang Kesehatan dengan studi kasus pusdatin Kementerian Kesehatan yang berfokus pada layanan Kesehatan di tingkat puskesmas. Puskesmas merupakan garda terbawah layanan Kesehatan (Kemenkes, 2019) dan telah memiliki regulasi sistem informasi puskesmas (Kemenkes, 2021) yang seharusnya dapat mendorong peningkatan optimasasi penggunaan teknologi informasi di tingkat puskesmas yang terintegrasi hingga pusat. Harapannya penelitian ini dapat menyajikan grand design pengelolaan teknologi informasi berbasis industry 4.0 yang efektif dan sesuai dengan regulasi yang berlaku. Penelitian akan berfokus pada pengembangan arsitektur enterprise dengan mempertimbangkan kebijakan Sistem Pemerintahan Berbasis Elektronik (SPBE). Metode perancangan arsitektur dikembangkan menggunakan kerangka kerja TOGAF ADM untuk menganalisis arsitektur sistem. Studi ini merancang arsitektur pada tingkat kementerian sebagai turunan dari arsitektur induk serta menyelaraskan dengan arsitektur daerah. Analisa didukung dengan mempertimbangkan kesesuaian regulasi SPBE, regulasi Meteri Kesehatan, rencana strategis jangka Menengah, dan peta jalan digital transformasi Kementerian Kesehatan. Hasil analisis akan disajikan dalam gap analysis yang membandingkan kondisi saat ini dan target arsitektur ingin dicapai. Rancangan ini diharapkan dapat memberikan usulan arsitektur enterprise dalam imlementasi Sistem Pemerintahan Berbasis Elektronik pada Kementerian Kesehatan. Selain itu, studi ini juga dapat menjadi referensi untuk desain arsitektur enterprise dengan metodologi TOGAF ADM dan pengembangan berbasis SPBE.
TOPIC GROUPING BASED ON DESCRIPTION TEXT IN MICROSOFT RESEARCH VIDEO DESCRIPTION CORPUS DATA USING FASTTEXT, PCA AND K-MEANS CLUSTERING Ahmad Hafidh Ayatullah; Nanik Suciati
Jurnal Informatika Polinema Vol. 9 No. 2 (2023): Vol 9 No 2 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i2.1271

Abstract

Video data retrieval can be done based on voice, image, or text data that represents video content. Searching for videos using text data can be done by calculating the similarity between the text descriptions provided by the user and the text descriptions of all the video data in the database. Only video data with a certain level of similarity will be provided to the user as a fetch result. Determining the similarity of the description text can be based on the clustering results of the feature representation of the description text with the word embedding used. This research groups topics of the Microsoft Research Video Description Corpus (MRVDC) based on text descriptions of Indonesian language dataset. The Microsoft Research Video Description Corpus (MRVDC) is a video dataset developed by Microsoft Research, which contains paraphrased event expressions in English and other languages. The results of grouping these topics show how the patterns of similarity and interrelationships between text descriptions from different video data, which will be useful for the topic-based video retrieval. The topic grouping process is based on text descriptions using fastText as word embedding, PCA as features reduction method and K[1]means as the clustering method. The experiment on 1959 videos with 43753 text descriptions to vary the number of k and with/without PCA result that the optimal clustering number is 180 with silhouette coefficient of 0.123115. The optimal clustering results in this study can be used for video data retrieval systems in the Indonesian language MRVDC dataset.
SISTEM INFORMASI PREDIKSI PERSEDIAAN OBAT DI APOTEK NAYLUN FARMA MENGGUNAKAN HOLT-WINTERS Vivin Ayu Lestari; Ahmad Yuli Ananta; Padang Basudewa
Jurnal Informatika Polinema Vol. 9 No. 2 (2023): Vol 9 No 2 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i2.1289

Abstract

Apotek merupakan fasilitas pelayanan kesehatan dalam menunjang terwujudnya kesehatan yang maksimal. Pada apotek dibutuhkan adanya pemanfaatan teknologi informasi dalam bidang sistem persediaan atau jual beli. Pada Apotek Naylun Farma terdapat bug pada sistem informasi sehingga ada beberapa fitur yang seharusnya menggunakan sistem diharuskan mencatat manual seperti fitur transaksi penjualan sehingga berdampak pada laporan penjualan. Oleh karena itu dibutuhkan pembuatan sistem informasi baru yang meliputi pembelian, penjualan, data obat dan prediksi. Prediksi adalah suatu usaha untuk memperkirakan kejadian di masa depan melalui kejadian di masa lalu. Dalam pengelolaan persediaan yang baik dan benar, jika terjadi kesalahan dalam perencanaan pengadaan obat hingga bisa menyebabkan terbentuknya kelebihan atau kekurangan persediaan obat. Kelebihan persediaan obat bisa merugikan, sebab menambahnya pengeluaran serta juga terbuangnya obat yang sudah kadaluarsa. Salah satu metode yang dapat digunakan dalam prediksi obat adalah metode Holt-Winters karena metode ini sangat baik dalam memprediksi pola data bersifat musiman dengan unsur trend yang timbul secara bersamaan dengan harapan untuk mempermudah dan membantu efisiensi waktu dalam kegiatan transaksi di Apotek Naylun Farma serta dapat membantu memprediksi persediaan obat. Hasil pengujian menunjukan bahwa nilai MAPE <10%, yang berarti nilai prediksi memiliki ketepatan tinggi, maka dapat disimpulkan bahwa metode Holt-Winters dapat di implementasi dengan baik untuk memprediksi persediaan obat di Apotek Naylun Farma. Selain itu pada penelitian ini juga dilakukan pengujian black box dan usability. Hasil pengujian black box menunjukan bahwa semua fitur yang dikembangakan dalam aplikasi ini dapat berjalan sesuai fungsinya, sedangkan hasil pengujian usability adalah 93,23% yang berarti sistem ini sangat layak untuk digunakan pengguna.
Analisis Performa Seleksi Atribut untuk Menentukan Potensi Mahasiswa Putus Studi Vivi Nur Wijayaningrum; Ika Kusumaning Putri; Annisa Puspa Kirana; Muhammad Rizki Mubarok; Deatrisya Mirela Harahap; Berryl Radian Hamesha
Jurnal Informatika Polinema Vol. 9 No. 2 (2023): Vol 9 No 2 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i2.1300

Abstract

Banyaknya kasus mahasiswa putus studi yang terjadi di sejumlah pendidikan tinggi menjadi perhatian khusus di berbagai negara. Efek yang ditimbulkan akibat masalah ini antara lain dapat menghambat perekonomian dan produktivitas di negara tersebut. Untuk mengatasi hal tersebut, beberapa algoritma telah digunakan untuk memprediksi potensi mahasiswa putus studi. Berbagai atribut data yang berkaitan dengan informasi mahasiswa, seperti data pribadi, riwayat akademik, dan latar belakang mahasiswa digunakan sebagai bahan pertimbangan mahasiswa tersebut berpotensi putus studi atau tidak. Namun, banyaknya atribut data yang digunakan pada proses prediksi memungkinkan terjadinya overfitting, menurunnya performa algoritma, dan menambah waktu komputasi. Pada penelitian ini, seleksi atribut data dilakukan dengan menggunakan Chi Square, Pearson Correlation Coefficient, dan Random Forest untuk selanjutnya dapat dilakukan prediksi menggunakan Multi-Layer Perceptron. Hasil dari skenario pengujian dengan menggunakan berbagai variasi banyaknya atribut data menunjukkan terjadinya peningkatan nilai akurasi dan F1-Score saat dilakukan seleksi atribut dengan nilai rata-rata di atas 0.8.

Page 36 of 56 | Total Record : 559

 34   35   36   37   38 

Filter by Year

2014 2025


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