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
 36   37   38   39   40 
KOMPARASI METODE SMOTE DAN ADASYN UNTUK PENANGANAN DATA TIDAK SEIMBANG MULTICLASS Fandi Yulian Pamuji; Sephia Dwi Arma Putri
Jurnal Informatika Polinema Vol. 9 No. 3 (2023): Vol 9 No 3 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i3.1330

Abstract

Data Mining is an activity that combines various branches of science into one, consisting of database systems, statistics, machine learning, and visualization, to analyze a large dataset in order to obtain useful data characteristics. To address the problem of imbalanced datasets, the distribution of non-uniform classes among classes is balanced by using a comparison of the SMOTE and ADASYN methods to ensure that the number is balanced between majority (negative) and minority (positive) classes. Based on the results of experiments conducted in this study, testing the SMOTE method with a classification method can handle the number of majority (negative) and minority (positive) classes in imbalanced data by producing MCC and Gmean values that achieve better predictive performance than using a classification method alone or using the ADASYN method. Furthermore, for the MultiClass dataset, the highest MCC and Gmean values were achieved using SMOTE + KNN with the highest MCC value of 0.64 and Gmean value of 0.74. This indicates that the handling process of imbalanced class distribution in the data preprocessing stage has an influence on the accuracy values of MCC and Gmean in the SMOTE + KNN method.
PENERAPAN METODE DOUBLE EXPONENTIAL SMOOTHING UNTUK MEMPREDIKSI JUMLAH PENJUALAN SPRINGBED DI PT. MASINDO KARYA PRIMA Victor Tarigan
Jurnal Informatika Polinema Vol. 9 No. 3 (2023): Vol 9 No 3 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i3.1335

Abstract

PT. Masindo Karya adalah salah satu perusahaan yang mendistribusi springbed dengan berbagai macam merek ke toko-toko yang ada di kota Indonesia, khususnya kota Medan. Pada saat ini proses peramalan jumlah springbed di perusaah ini masih dilakukan secara manual berdasarkan insting dari manajer perusahaan tersebut serta perhitungan sederhana dengan merata-ratakan jumlah penjualan berdasarkan periode tertentu. Pada saat ini proses peramalan jumlah springbed di perusaahan ini masih dilakukan secara manual berdasarkan insting dari manajer perusahaan tersebut serta perhitungan sederhana dengan merata-ratakan jumlah penjualan berdasarkan periode tertentu. Untuk memprediksi jumlah penjualan springbed di masa depan, data jumlah penjualan yang akan digunakan dari bulan agustus 2021 sampai dengan Maret 2023. Salah satu metode yang dapat digunakan untuk melakukan prediksi adalah dengan menggunakan metode double exponential smoothing. Metode Double Exponential Smoothing adalah metode peramalan untuk data time series yang digunakan untuk menghitung tren dan level data pada seri waktu Pada proses prediksi dengan metode ini harus memberikan parameter nilai alpha. Untuk mengukur nilai margin error metode double exponential smothing, metode MAPE akan digunakan untuk menghitung nilai margin error. Hasil dari penelitian dapat ditarik kesimpulan metode double exponential smoothing dapat membantu pihak perusahaan dalam menentukan jumlah stok penjualan springbed berdasarkan merek tertentu. Selain itu nilai input parameter alpha yang akan diberikan adalah 0.3, 0.5, dan 0.7 dan dari nilai inputan-inputan tersebut berdasarkan pengujian, bahwa nilai nilai margin error dengan menggunakan metode MAPE nilai MAPE terkecil yatu sebesar 15.07 % dengan nilai parameter alpha 0.5. Hasil prediksi yang didapatkan dengan nilai alpha tersebut adalah sebesar 664 stok penjualan.
PERANCANGAN GAME EDUKASI BERTEMA PAHLAWAN INDONESIA BERBASIS HTML5 Faris Afif Adistya; Kurnia Paranita Kartika; Zunita Wulansari
Jurnal Informatika Polinema Vol. 9 No. 4 (2023): Vol. 9 No. 4 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i4.1226

Abstract

Sejak pandemi COVID-19, kebanyakan orang tua memperbolehkan anak-anak mereka untuk menggunakan gadget smartphone dalam kehidupan sehari-hari. Namun, pada kenyataannya, anak sekolah sekarang lebih suka menghabiskan waktunya untuk bermain game daripada belajar. Ironisnya, banyak dari mereka yang mengenal nama karakter dari game yang mereka mainkan, tetapi tidak mengetahui dan mengenal nama-nama tokoh Pahlawan Nasional dari Indonesia. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan game edukasi bertema pahlawan nasional Indonesia untuk meningkatkan nilai-nilai patriotisme dan nasionalisme di kalangan anak-anak, serta menambah pengetahuan tentang tokoh-tokoh pahlawan di Indonesia. Metode penelitian yang digunakan dalam kajian ini adalah Game Development Life Cycle (GDLC). GDLC merupakan metode yang dikhususkan untuk pengembangan dan perancangan sebuah game. Terdapat 6 fase dalam GDLC, yaitua fase initialization, fase pre-production, fase production, fase alpha testing, fase beta testing, dan fase release. Hasil penelitian ini adalah berdasarkan hasil pengujian, diperoleh nilai yang sangat baik pada aspek functionality, reliability, dan compatibility dengan skor masing-masing 100%. Selain itu, nilai yang baik juga diperoleh pada aspek expert validity dengan skor 83%, dan aspek playability dengan skor 78%. Dapat disimpulkan bahwa perancangan game edukasi bertema pahlawan Indonesia berbasis HTML5 ini dapat meningkatkan minat anak-anak, khususnya di tingkat sekolah dasar, untuk mengenal tokoh-tokoh pahlawan nasional Indonesia.
Implementasi Ekstraksi Fitur GLCM dengan Klasifikasi Algoritma C5.0 Pada Data Computerized Tomography Scan Covid-19 MUHAMMAD ROFIQ; Triando Hamonangan Saragih; Dodon Turianto Nugrahadi
Jurnal Informatika Polinema Vol. 9 No. 4 (2023): Vol. 9 No. 4 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i4.1280

Abstract

Teknologi pencitraan digital telah banyak digunakan dalam bidang medis dalam diagnosis data citra biologis untuk memandu dokter untuk mengetahui kondisi pasien. Salah satu teknik pencitraan medis yang dapat menggambarkan kondisi di dalam tubuh manusia adalah Computed Tomography (CT). Penelitian ini menggunakan dataset citra CT scan dada berjumlah 625 data CT. Ekstraksi fitur yang digunakan untuk mendapatkan beberapa fitur statistik tentang citra adalah GLCM (Gray Level Co-Occurrence Matrix). Dalam GLCM Jarak direpresentasikan sebagai piksel sedangkan orientasi direpresentasikan dalam derajat. Orientasi terbentuk dari empat arah sudut dengan interval 0°, 45°, 90°, dan 135°. Sedangkan jarak antar piksel biasanya ditetapkan sebesar 1 piksel. Setelah dilakukan ektraksi fitur akan dilakukan klasifikasi dengan menggunakan metode algoritma C5.0 Hasil akurasi dari metode klasifikasi C5.0 menggunakan ektraksi fitur GLCM mendapatkan hasil akurasi sebesar 87% pada sudut 90°, 84% pada sudut 45°, 83% pada sudut 135°, dan 82% pada sudut 0°.
SISTEM PREDIKSI PENJUALAN MENGGUNAKAN METODE WEIGHTED MOVING AVERAGE DAN ECONOMIC ORDER Davila Erdianita; Retno Mumpuni; Firza Prima Aditiawan
Jurnal Informatika Polinema Vol. 9 No. 4 (2023): Vol. 9 No. 4 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i4.1311

Abstract

Toko Mariah merupakan sebuah toko yang menjual beraneka ragam barang kebutuhan sehari – hari. Pada Toko Mariah masih menggunakan perkiraan dalam menetapkan jumlah persediaan barang yang dibutuhkan untuk bulan selanjutnya, hal ini menyebabkan permasalahan yaitu kekurangan persediaan barang dan penumpukan barang. Selain itu, permasalahan yang muncul di Toko Mariah yaitu permintaan pelanggan yang tidak dapat terpenuhi karena barang yang dibutuhkan belum tersedia yang berdampak pada penurunan keuntungan. Untuk menyelesaikan permasalahan yang ditemukan, Toko Mariah memerlukan suatu sistem prediksi penjualan dan persediaan barang. Penelitian ini menggunakan metode Weighted Moving Average yang digunakan untuk memprediksi penjualan pada periode mendatang dan Economic Order Quantity yang digunakan untuk menentukan pemesanan barang yang optimal agar dapat meminimalkan biaya serta tidak terjadinya penumpukan dan kekurangan persediaan barang. Pengujian akurasi hasil prediksi pada penelitian ini menggunakan MAPE, MAD dan MSE. Nilai rata – rata hasil uji akurasi prediksi dengan menggunakan MAD, MSE dan MAPE untuk 5 data prediksi penjualan barang adalah 5,16, 39,97 dan 13,45%.
PERBANDINGAN METODE EXTREME GRADIENT BOOSTING DAN METODE DECISION TREE UNTUK KLASIFIKASI GENRE MUSIK SALLY LUTFIANI; Triando Hamonangan Saragih; Friska Abadi; Mohammad Reza Faisal; Dwi Kartini
Jurnal Informatika Polinema Vol. 9 No. 4 (2023): Vol. 9 No. 4 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i4.1319

Abstract

Musik merupakan sebuah “bahasa” yang mampu dimengerti dan dipahami oleh semua orang. Dalam musik sendiri, terdapat banyak genre musik yang berkembang yang dipengaruhi oleh budaya dari daerah-daerah yang berbeda-beda, seperti musik jazz, reggae, pop, rock, punk, dan masih banyak lagi genre musik yang ada seperti musik tradisional. Bertambahnya jumlah musik dalam bentuk digital secara pesat menyebabkan pemberian label genre secara manual menjadi tidak efektif. Pemberian label genre secara otomatis dapat dilakukan dengan menerapkan algoritma kecerdasan buatan yaitu salah satunya klasifikasi yang dapat mengelompokkan jenis musik berdasarkan genre dengan menggunakan fitur-fitur musik. Salah satu metode klasifikasi yang cukup sering digunakan adalah metode Extreme Gradient Boosting. Metode ini seringkali digunakan karena kecepatan, efisiensi dan skalabilitasnya untuk memecahkan beragam masalah klasifikasi ataupun regresi. Selain itu ada juga metode yang sering digunakan dalam melakukan klasifikasi yaitu metode Decision Tree yang merupakan metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan dan juga berguna untuk mengekplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target. Karena kedua metode ini termasuk dalam rumpun keluarga pohon atau ensemble learning, maka dilakukan perbandingan antara kedua metode tersebut. Pada penelitian ini melakukan perbandingan tingkat akurasi metode klasifikasi Extreme Gradient Boosting dan metode klasifikasi Decision Tree dengan melakukan pengujian parameter menggunakan nilai parameter terbaik yang didapatkan. Berdasarkan hasil penelitian metode klasifikasi Extreme Gradient Boosting dengan pengujian parameter menggunakan nilai parameter terbaik yang didapatkan menghasilkan kinerja akurasi yang lebih baik dibandingkan dengan metode klasifikasi Decision Tree yaitu sebesar 72% karena pada metode Extreme Gradient Bossting ini mampu meminimalisir eror dengan menggunakan data residu atau kesalahan prediksi pada model sebelumnya sehingga bisa mendapatkan dan mengoptimalkan hasil akurasi terbaik, yang membuktikan bahwa metode klasifikasi Extreme Gradient Boosting lebih baik dibandingkan dengan metode klasifikasi Decision Tree dengan pengujian parameter.
ANALISIS SENTIMEN BRAND AMBASSADOR BTS TERHADAP TOKOPEDIA MENGGUNAKAN KLASIFIKASI BAYESIAN NETWORK DENGAN EKSTRAKSI FITUR TF-IDF Regina; Triando Hamonangan Saragih; Dwi Kartini
Jurnal Informatika Polinema Vol. 9 No. 4 (2023): Vol. 9 No. 4 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i4.1333

Abstract

BTS (Bangtan Boys) adalah salah satu boy grup asal korea selatan yang ditunjuk oleh Tokopedia untuk menjadi brand ambassador Tokopedia di Indonesia, BTS merupakan salah satu boy grup yang sangat mendunia dalam bidang musik dan Tokopedia merupakan salah satu E-commerce terkenal yang banyak digunakan oleh masyarakat indonesia untuk melakukan jual beli online. Kerjasama ini tentu saja memberikan pengaruh terhadap Tokopedia serta memperoleh banyak respon berupa opini masyarakat terutama pada media sosial twitter, karena hal tersebut maka dilakukan penelitian analisis sentiment. Data yang digunakan yaitu 900 data tweet dan terbagi menjadi 3 kelas yaitu positif, negatif, dan netral. Tahapan penilitian terdiri dari pengambilan dan pengumpulan data, preprocessing data, ekstraksi fitur dengan Term Frequency - Inverse Document Frequency (TF-IDF), klasifikasi dengan Bayesian network, evaluasi kinerja menggunakan K-fold cross validation (K-10) dan confution matrix. Perbandingan terjadi pada tahap preprocessing data, yaitu saat menggunakan normalisasi data dan tidak menggunakan normalisasi data, dari hasil perbandingan tersebut diperoleh nilai akurasi jika tidak menggunakan normalisasi data sebesar 66,6667%, presisi sebesar 68,1%, dan recall sebesar 66,7%. Sedangkan hasil akurasi dengan menggunakan normalisasi data sebesar 76,5556%, presisi sebesar 77,4%, dan recall sebesar 76,6%. Selisih nilai akurasi dari kedua percobaan sebesar 9,8889 %, hal ini membuktikan bahwa menggunakan normalisasi data lebih baik.
RANCANG BANGUN SISTEM MONITORING UTILITY PERFORMANCE PADA PT. XYZ DENGAN METODE BRAINSTORMING Andika Hilmi Hamdani; Kadek Suarjuna Batubulan; Irsyad Arif Mashudi
Jurnal Informatika Polinema Vol. 9 No. 4 (2023): Vol. 9 No. 4 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i4.1343

Abstract

Secara umum, utility di bidang teknik adalah perangkat atau sistem yang dirancang untuk menyediakan kebutuhan dasar atau untuk membantu penyelesaian pekerjaan atau proses tertentu. Dalam bidang teknik, utility umumnya mengacu pada sistem atau perangkat yang dirancang untuk menyediakan kebutuhan dasar seperti listrik, air, gas, atau telekomunikasi. pada PT.XYZ utility merupakan salah satu divisi dari departemen engineering yang memiliki tugas yakni memonitoring healthy assets, KPI (Key Performance Index), monitoring machine serta maintenance report. Metode brainstorming digunakan untuk menghasilkan ide-ide kreatif yang dapat diterapkan dalam pengembangan sistem monitoring utility. Berbagai ide dihasilkan melalui diskusi dan perdebatan antara para peserta brainstorming. Kemudian, ide-ide tersebut dianalisis dan diseleksi untuk dipilih yang paling sesuai dengan kebutuhan PT XYZ. Maka dari itu penulis juga melakukan pengujian terhadap karyawan PT XYZ agar sistem tersebut berjalan sesuai dengan kebutuhan. Dari 10 responden menyatakan bahwa lebih dari 50% akumulasi responden menyatakan bahwa aplikasi sistem monitoring utility performance berjalan dengan memuaskan dan sangat memuaskan, terdapat 10% hingga 30% responden yang menyatakan bahwa berjalan dengan baik serta 10% responden menyatakan kurang berjalan baik.
SISTEM INFORMASI PENCATATAN TRANSAKSI PENJUALAN DAN PEMBELIAN PRODUK BERBASIS WEBSITE DI TOKO SEMBAKO PUTRASENA SUKOHARJO Lidya Putri Arista; Yusuf Sulistyo Nugroho
Jurnal Informatika Polinema Vol. 9 No. 4 (2023): Vol. 9 No. 4 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i4.1347

Abstract

Toko Sembako Putrasena merupakan sebuah usaha di Kabupaten Sukoharjo yang bergerak di bidang jual beli produk sembako seperti beras, minyak goreng, gula pasir, gula jawa, dan telur. Toko ini melakukan transaksi seperti pembelian produk pada penyuplai dan penjualan kembali produk tersebut kepada konsumen. Namun, dalam melakukan pencatatan transaksi baik pembelian maupun penjualan toko ini masih menggunakan cara konvensional, yaitu dengan menuliskan transaksi tersebut ke dalam buku tulis. Hal ini dapat mengakibatkan hilangnya dokumen dan menyulitkan pemilik toko untuk melakukan perhitungan keuangan. Oleh karena itu, untuk membantu pengelolaan data penjualan di toko tersebut, perlu dikembangkan sistem informasi pencatatan transaksi penjualan dan pembelian, dan membantu pengelolaan laporan keuangan. Sistem informasi ini dibangun berbasis website yang terdiri dari 3 jenis pengguna, yaitu admin, pegawai toko, dan pemilik toko. Sistem informasi dikembangkan dengan mengikuti metode waterfall yang terdiri dari analisis kebutuhan, desain sistem, pengkodean, pengujian, dan pemeliharaan sistem. Pengujian sistem informasi menggunakan metode Black Box dan System Usability Scale. Hasil yang penelitian ini adalah sebuah sistem informasi pencatatan transaksi penjualan dan pembelian berbasis website yang dapat membantu pegawai dan pemilik toko untuk melakukan pencatatan data-data penjualan dan juga pembuatan laporan transaksi penjualan dan pembelian.
PEMODELAN PREDIKSI TINGKAT KELULUSAN MAHASISWA DENGAN PENDEKATAN ALGORITMA NAÏVE BAYES Supangat; M. Rizky Sulistyawan
Jurnal Informatika Polinema Vol. 9 No. 4 (2023): Vol. 9 No. 4 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i4.1367

Abstract

Salah satu faktor penting dalam menilai akreditasi suatu lembaga atau perguruan tinggi adalah kelulusan. Prediksi kelulusan mahasiswa Program Studi Teknik Informatika Universitas 17 Agustus 1945 Surabaya penting untuk diketahui guna mengidentifikasi mahasiswa yang tidak lulus tepat waktu sejak awal. Prediksi kelulusan mahasiswa dapat dilakukan dengan menggunakan data mining khususnya metode klasifikasi. Pada penelitian ini, Algoritma Naive Bayes digunakan sebagai metode klasifikasi. Data pelatihan terdiri dari 120 alumni Program Studi Teknik Informatika angkatan 2017, sedangkan data pengujian terdiri dari 30 mahasiswa angkatan 2018. Atribut data yang digunakan untuk penelitian ini adalah IPS Semester 1-4, SKS, IPK, dan status kelulusan mahasiswa. Penelitian ini diharapkan dapat memberikan informasi tentang prediksi kelulusan mahasiswa tepat waktu dan memberikan masukan bagi perguruan tinggi untuk perbaikan kedepannya. Hasil dari penelitian ini menghasilkan diantaranya Hasil dari penerapkan algoritma Naïve Bayes pada sistem prediksi kelulusan ini dapat digunakan untuk memperkirakan apakah mahasiswa akan lulus tepat waktu atau tidak, Mahasiswa dapat dengan mudah melakukan intropeksi diri dengan cara mengakses halaman website ini secara online tanpa harus data ke gedung biro akademik, Hasil penelitian ini memiliki tingkat akurasi dalam memprediksi kelulusan mahasiswa yaitu 77%, tingkat presisi 77% , dan recall time 78%.

Page 38 of 56 | Total Record : 559

 36   37   38   39   40 

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