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
 45   46   47   48   49 
Diagnosa Stunting Berdasarkan Gejala Medis Menggunakan Algoritma Naive Bayes, SVM dan K-NN Aris Subadi; Kusrini, Kusrini
Jurnal Informatika Polinema Vol. 10 No. 4 (2024): Vol. 10 No. 4 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i4.5628

Abstract

Stunting merupakan masalah kesehatan global yang signifikan, mempengaruhi pertumbuhan dan perkembangan anak-anak di seluruh dunia, termasuk Indonesia. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi kinerja algoritma machine learning dalam mendiagnosa stunting berdasarkan gejala medis. Tiga algoritma utama yang digunakan adalah Naive Bayes, Support Vector Machine (SVM), dan K-Nearest Neighbor (K-NN). Dataset yang digunakan dalam penelitian ini terdiri dari data gejala medis yang relevan dengan stunting, yang dikumpulkan dari berbagai sumber terpercaya. Data tersebut diproses melalui tahap pembersihan, normalisasi, dan pembagian menjadi set pelatihan dan set pengujian. Setelah data diproses, setiap algoritma machine learning dilatih menggunakan set pelatihan dan kemudian diuji menggunakan set pengujian untuk mengevaluasi kinerjanya. Hasil evaluasi menunjukkan bahwa algoritma Naive Bayes memberikan skor akurasi tertinggi sebesar 90%, diikuti oleh SVM dengan akurasi 86,56%, dan K-NN dengan akurasi 79,43%. Analisis hasil menunjukkan bahwa Naive Bayes adalah algoritma yang paling efektif untuk diagnosa stunting berdasarkan gejala medis, karena memberikan akurasi tertinggi dan efisiensi dalam komputasi. SVM juga menunjukkan kinerja yang kuat dalam menangani data berdimensi tinggi, sementara K-NN memberikan hasil yang memuaskan meskipun dengan akurasi yang lebih rendah. Kesimpulan penelitian ini adalah bahwa Naive Bayes dapat menjadi pilihan utama untuk implementasi dalam sistem diagnosa stunting, dengan mempertimbangkan keunggulan dalam akurasi dan efisiensi. Penelitian ini memberikan kontribusi signifikan dalam bidang kesehatan dengan menyediakan model prediksi yang efektif untuk diagnosa stunting, serta memberikan rekomendasi praktis bagi tenaga medis dalam memanfaatkan teknologi machine learning. Validasi eksternal diusulkan sebagai langkah lanjutan untuk memastikan generalisasi model.
Klasifikasi Tsunami Gempa Bumi dengan Teknik Stacking Ensemble Machine Learning Sudarto, Sudarto; Kusrini, Kusrini
Jurnal Informatika Polinema Vol. 10 No. 4 (2024): Vol. 10 No. 4 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i4.5655

Abstract

Upaya untuk mendeteksi dan mengklasifikasikan tsunami secara dini sangat penting untuk mitigasi risiko dan pengurangan dampak bencana. Meskipun berbagai metode telah diusulkan untuk meningkatkan akurasi prediksi tsunami, tantangan utama masih terletak pada variasi akurasi antara model yang berbeda dan ketidakmampuan beberapa model untuk menangani data yang kompleks dan beragam. Teknik stacking ensemble menawarkan solusi dengan menggabungkan kekuatan beberapa model pembelajaran mesin untuk menghasilkan prediksi yang lebih akurat dan andal. Penelitian ini bertujuan untuk menguji efektivitas teknik stacking ensemble dalam klasifikasi tsunami yang disebabkan oleh gempa bumi. Teknik ini melibatkan penggabungan beberapa model pembelajaran mesin untuk meningkatkan akurasi prediksi. Dataset yang digunakan dalam penelitian ini adalah data tsunami pasca gempa bumi dari tahun 2001 hingga 2023 yang berasal dari Kaggle.com. Proses penelitian mencakup eksplorasi data awal (EDA), preprocessing, pembagian data menjadi set pelatihan dan pengujian, serta evaluasi model dasar Decision Tree, Random Forest, Neural Network, Support Vector Machine, Naive Bayes, dan K Nearest Neighbors. Hasil menunjukkan bahwa model stacking ensemble dengan Logistic Regression sebagai meta model memberikan kinerja terbaik dalam klasifikasi tsunami dengan akurasi sebesar 94%. Secara keseluruhan, stacking ensemble dapat meningkatkan akurasi prediksi dalam klasifikasi tsunami dan dapat digunakan sebagai dasar untuk pengembangan sistem peringatan dini tsunami yang lebih efektif.
Analisis Perbandingan Linear Regression dan Random Forest Regression untuk Prediksi Batas Kredit: Pendekatan Optimasi Hyperparameter Fadillah, Algies Rifkha; Fauzan, Mohamad Nurkamal
Jurnal Informatika Polinema Vol. 10 No. 4 (2024): Vol. 10 No. 4 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i4.5700

Abstract

Penelitian ini mengeksplorasi penggunaan Linear Regression dan Random Forest Regression untuk memprediksi batas maksimal pinjaman kredit dalam industri keuangan. Metode ini digunakan untuk membandingkan performa prediksi dengan dua set fitur yang berbeda. Setelah melakukan optimasi hyperparameter menggunakan Optuna, hasil menunjukkan bahwa Random Forest Regression memberikan akurasi prediksi yang lebih tinggi dibandingkan Linear Regression, dengan nilai RMSE terendah sebesar 7.90% dan MAE terendah sebesar 4.72%. Penggunaan 4 fitur menunjukkan sedikit peningkatan dalam akurasi dibandingkan 7 fitur, meskipun tidak signifikan. Hasil ini menyarankan penggunaan Random Forest Regression untuk meningkatkan keakuratan dalam menetapkan batas kredit, mengurangi risiko kredit, dan meningkatkan stabilitas lembaga keuangan. Dengan demikian, pengoptimalan hyperparameter dengan Optuna dapat meningkatkan performa prediksi model regresi dalam konteks ini.
Visualisasi Potensi Sektor Perekonomian Kota Kediri Menggunakan Metode Shiftshare Nurfarida, Ellya; Sukya, Fadelis; Nugroho, Benni Agung; Aullia, Fikha Rizky
Jurnal Informatika Polinema Vol. 10 No. 4 (2024): Vol. 10 No. 4 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i4.5989

Abstract

Kota Kediri merupakan Kota berkembang dalam sektor industri, pariwisata, dan hiburan. Hal ini didukung dengan adanya pembangunan Bandara Dhaha Kediri, yang menyebabkan calon investor tertarik berinvestasi. Permasalahan muncul ketika usaha investor tersebut tidak diimbangi dengan ketersediaan data pendukung investasi oleh pemerintah Kota Kediri. Salah satu data pendukung investasi Kota Kediri adalah pengelompokan sektor unggulan dan non unggulan Kota Kediri. Dimana hingga saat ini data perkembangan sektor unggulan maupun non unggulan Kota Kediri hanya tersedia di Badan Pusat Statistik dan disajikan dalam bentuk tabel saja. Sehingga investor mengalami kesulitan dalam menganalisis perkembangan sektor bidikan.  Website dalam bentuk visualisasi dari tahun ke tahun perlu dikembangkan guna menunjang investor dalam menilai tingkat keberhasilan usahanya. Pengembangan aplikasi yang dapat menampilkan sektor unggulan dan non unggulan berbasis web dalam bentuk grafik akan memudahkan investor dalam menganalisis sektor yang diminati. Pengembangan aplikasi website dengan menggunakan framework Laravel menghasilkan visualisasi dalam bentuk diagram batang pada data PDRB Jawa Timur dan Kota Kediri, dan visualisasi dalam bentuk kuadran untuk pengelompokan sektor menggunakan metode shiftshare.
Implementasi Machine Learning pada Sistem Informasi Pemeliharaan Transformator Daya Hidayah, Hilda Khoirotul; Ekojono, Ekojono; Sintiya, Endah Septa
Jurnal Informatika Polinema Vol. 10 No. 4 (2024): Vol. 10 No. 4 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i4.6008

Abstract

Listrik memegang peranan yang tidak tergantikan dalam kehidupan manusia sehari-hari. Untuk memenuhi kebutuhan energi listrik yang semakin meningkat, diperlukan suatu sistem kelistrikan yang handal, seperti transformator daya. Transformator daya memegang peranan penting dalam sistem tenaga listrik, dimana keandalan transformator dalam jangka panjang sangat erat kaitannya dengan keselamatan dan kestabilan sistem tenaga listrik. Oleh karena itu, pemeliharaan transformator harus dilakukan untuk mengantisipasi kegagalan mendadak dan menjamin keandalan sistem tenaga listrik secara keseluruhan. Penting untuk melakukan penilaian kesehatan untuk mengetahui kondisi transformator daya. Penilaian ini dapat dilakukan dengan berbagai cara, termasuk Health Index (Indeks Kesehatan) dan Dissolved Gas Analysis (Analisis Gas Terlarut). Metode Duval Pentagon dan Metode Duval Triangle digunakan dalam Dissolved Gas Analysis untuk memastikan kondisi transformator. Tujuan dari penelitian ini adalah membandingkan tiga model machine learning—Support Vector Machine, Artificial Neural Network, dan Random Forest—menggunakan dataset Duval Pentagon Method dan Duval Triangle Method untuk mendapatkan model dengan akurasi tertinggi. Model dengan akurasi tertinggi akan diimplementasikan pada sistem informasi manajemen transformator untuk mengetahui kondisi transformator. Dalam sistem ini juga diterapkan perhitungan Health Index dengan minyak dan kertas sebagai parameter hasil pengujian. Hasil perhitungan Health Index dan Dissolved Gas Analysis dapat menentukan rekomendasi tindakan transformator yang tepat. Dengan demikian, sistem ini dapat memudahkan tenaga ahli transformator dalam menjaga kesehatan transformator daya.
Analisis Sentimen Berita Hoax Menggunakan Naive Bayes Meyti Eka Apriyani; Renaldi, Rasyed; Toga Aldila Cinderatama
Jurnal Informatika Polinema Vol. 11 No. 1 (2024): Vol. 11 No. 1 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i1.4623

Abstract

Saat ini WhatsApp merupakan aplikasi yang banyak digunakan oleh masyarakat Indonesia sebagai sarana komunikasi jarak jauh dengan pengguna lain. WhatsApp juga memiliki fitur yang dapat digunakan untuk kepentingan perlindungan dalam mengatasi tindak kejahatan digital yaitu penyebaran berita hoax presiden Joko Widodo 3 periode. Untuk mengatasi kejahatan yang ada maka diperlukan sebuah analisis sentimen agar dapat menyelesaikan tindak kejahatan tersebut. Penelitian ini menggunakan algoritma Naïve Bayes untuk mengklasifikasikan percakapan yang ditemukan dan User Acceptence Test (UAT) untuk mengetahui tanggapan responden tentang kemudahan aplikasi desktop python terhadap penggunaan aplikasi tersebut. Hasil yang didapatkan adalah penggunaan aplikasi desktop dengan bahasa pemrograman Pyhton kurang maksimal dalam mendapatkan kalimat bukti percakapan berdasar file gambar yang ditentukan, dari 80 kalimat percakapan tersebut dapat dihasilkan berjumlah 75 kalimat percakapan. Kemudian, pada proses klasifikasi menggunakan Naïve Bayes dengan skenario 50:50 didapatkan akurasi 88%, precision 84%, dan recall 91,3%, sedangkan hasil dari pengujian UAT memiliki persentase 50% sangat setuju, 40% setuju, dan 7,1% tidak setuju. Dapat disimpulkan aplikasi desktop python berfungsi, sesuai dan layak untuk digunakan, akan tetapi untuk mendapatkan hasil yang maksimal perlu adanya pengembangan lebih lanjut dan disimpulkan juga aplikasi desktop python mudah dan layak digunakan, tetapi untuk mendapatkan hasil yang maksimal perlu adanya pengembangan lebih lanjut.
Optimalisasi Pencarian Rute Kapal Terbaik dengan Menggunakan Metode Ant Colony Optimization Yuliati, Dian; Rizalatul Qomaria; Abdulloh Hamid
Jurnal Informatika Polinema Vol. 11 No. 1 (2024): Vol. 11 No. 1 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i1.5075

Abstract

Indonesia merupakan negara maritim dengan wilayah perairan mencapai 5,8 juta km² yang memiliki keunggulan strategis bagi pertumbuhan ekonomi nasional. Maritim merupakan sistem yang menghubungkan denyut nadi global bangsa-bangsa di dunia dan merupakan saluran terpenting dalam kelangsungan perekonomian dunia. Namun, terdapat tantangan dalam mengelola sistem maritim termasuk memperbaiki efisiensi operasi pelabuhan. Strategi dan solusi diperlukan untuk mengatasi tantangan ini dengan meningkatkan efisiensi serta keandalan operasi pelabuhan. Pelabuhan di Indonesia yang sedang menghadapi sejumlah tantangan dalam manajemen pelabuhan adalah PT Pelindo Indonesia Regional 3. Pengoptimalan rute kapal merupakan kunci dalam meningkatkan efisiensi operasional dan dapat mengatasi tantangan yang dihadapi oleh PT Pelindo Indonesia Regional 3 dalam manajemen pelabuhan serta untuk menghindari penundaan dan meningkatkan efisiensi. Penelitian ini bertujuan untuk mengoptimalkan rute pengiriman kapal di PT. Pelindo Indonesia Regional 3 dengan menggunakan metode Ant Colony Optimization (ACO). ACO merupakan metode optimasi yang terinspirasi dari perilaku semut dalam mencari rute terpendek untuk mencari makanan. Cara kerja ACO meniru perilaku semut dalam mencari makanan di alam, dengan menggunakan feromon sebagai media informasi yang disekresikan pada rute-rute yang dilalui oleh semut sebelumnya. Hasil penelitian, ditemukan bahwa penerapan metode ACO berhasil mengoptimalkan rute pengiriman kapal di PT. Pelindo Indonesia Regional 3 dengan rute terpendek yang efektif ditemukan dengan jarak tempuh sebesar 617,53 KM. Hasil dari penelitian ini memberikan kontribusi penting dalam meningkatkan efisiensi dan keandalan operasi pelabuhan. Dengan mengoptimalkan rute pengiriman kapal, perusahaan dapat menghemat biaya dan waktu perjalanan kapal, serta meningkatkan efisiensi operasionalnya. Hal ini juga berpotensi memberikan dampak positif terhadap perekonomian maritim Indonesia secara keseluruhan.
Kombinasi Metode TOPSIS dan ROC dalam Pemilihan Tanaman Anggrek Terbaik Erdianita, Davila
Jurnal Informatika Polinema Vol. 11 No. 1 (2024): Vol. 11 No. 1 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i1.5129

Abstract

Tanaman anggrek merupakan termasuk bagian dari tanaman hias yang memilik banyak peminat. Tidak hanya jenisnya yang beragam, tanaman anggrek memiliki beragam warna dan kegunaan. Toko Bunga XYZ merupakan toko bunga yang dikhususkan untuk menjual anggrek dengan beraneka ragam jenis. Toko Bunga XYZ juga menyediakan layanan pengantaran bunga, baik antar kota maupun dalam Kota Surabaya. Dengan penggunaan layanan antar, memungkinakan tanaman akan sampai ke tempat tujuan dalam beberapa hari. Sebelum proses pengiriman, diperlukannya pengecekan kelayakan tanaman anggrek agar tanaman dapat bertahan saat proses pengiriman. Sehingga diperlukan sistem pendukung keputusan yang dapat memberikan rekomendasi tanaman anggrek dengan kualitas terbaik. Penelitian ini menerapkan kombinasi metode TOPSIS dan ROC. Metode TOPSIS digunakan dalam penentuan tanaman anggrek terbaik dan metode ROC digunakan dalam proses pembobotan. Kriteria yang diterapkan pada penelitian ini yakni ketahanan saat pengiriman, kesehatan tanaman, fungsi, iklim, usia. Pada penelitian ini juga ditetapkan 10 alternatif berdasarkan nama tanaman anggrek yang dibudidayakan dan dijual oleh Toko Bunga XYZ. Hasil perhitungan metode TOPSIS dan ROC, Alternatif A4 merupakan alternatif dengan nilai preferensi tertinggi yaitu sebesar 0,837027 yang dapat direkomendasikan sebagai tanaman anggrek yang memiliki kualitas terbaik dan layak dikirim kepada pembeli. Alternatif A4 merupakan tanaman Anggrek Kantung Kolopaking. Sedangkan nilai preferensi paling rendah yaitu alternatif A10 dengan nama Anggrek Kerlip sebesar 0,147122.
Rancang Bangun Non-Playable Character dalam Game Berbasis 3D Menggunakan Metode Algoritma A* Zulkarnain, Ismail Abdurrozzaq; Astuti, Indah Puji; Turuzi , Ridho Fadhullah Lava
Jurnal Informatika Polinema Vol. 11 No. 1 (2024): Vol. 11 No. 1 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i1.5323

Abstract

Game adalah sebuah permainan yang dimainkan dengan tujuan untuk bersenang-senang atau refreshing dengan memiliki beberapa aturan dalam melakukan permainan di dalamnya. Ada 2 jenis game yang dilihat dari sudut pandang pemain, yaitu NPC (Non-Playable Character) dan MC (Main Character). Dalam game, terdapat karakter Non-Playable Character yang berfugnsi untuk dapat membantu atau meramaikan suasana dalam permainan. Tidak dikendalikan oleh pemain, melainkan oleh program komputer yang disebut Artificial Intelligence. Dimana sistem ini memungkinkan Non-Playable Character melakukan tindakan atau pergerakan tertentu dalam suatu permainan. Navmesh merupakan sebuah komponen yang dapat mendukung dalam menentukan pencarian jalur untuk menuju ke target atau titik tujuannya. Algoritma A* merupakan sebuah algoritma yang digunakan untuk menentukan jalur terpendek dari suatu titik menuju titik lainnya dengan mengkalkulasikan seluruh jalur yang memungkinkan untuk dilalui kemudian mengambil nilai jalur terpendek dari salah satu jalur tersebut sebagai jalur yang akan di lalui oleh Non-Playable Character. Peforma Non-Playable Character akan sangat dipengaruhi oleh metode atau algoritma yang digunakan. Pemilihan metode atau algoritma yang kurang tepat didalam mengimplementasikan pada Navmesh akan mengakibatkan beberapa kegagalan atau keterlambatan dalam melakukan tindakan. Maka dari itu dibuatlah perbandingan Algoritma A* dengan metode lain pada Navmesh pada game 3D untuk menemukan metode atau algoritma terbaik.
Sistem Keamanan Berbasis Sidik Jari pada Prodi TI Universitas Muhammadiyah Kalimantan Timur Nursyarif, Muhammad Khumaidi; Arbansyah, Arbansyah; Sumadi, Muhammad Taufiq
Jurnal Informatika Polinema Vol. 11 No. 1 (2024): Vol. 11 No. 1 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i1.5796

Abstract

Perkembangan teknologi yang pesat memberikan banyak manfaat dalam berbagai aspek kehidupan manusia, termasuk dalam bidang keamanan. Salah satu teknologi yang relevan ialah Internet of Things, yang memungkinkan berbagai perangkat terhubung dan dikendalikan melalui internet. Teknologi ini sangat cocok untuk sistem identifikasi dan keamanan, termasuk teknologi biometrik seperti sidik jari. Penelitian ini mengembangkan dan mengimplementasikan sistem keamanan pintar berbasis sidik jari menggunakan NodeMCU dan platform Thinger.io. Sistem ini dirancang untuk diterapkan pada pintu masuk ruangan Prodi Teknik Informatika Universitas Muhammadiyah Kalimantan Timur. Metode yang digunakan meliputi penggunaan sensor sidik jari untuk identifikasi pengguna, NodeMCU sebagai mikrokontroler, dan Thinger.io untuk pengelolaan data serta pengiriman notifikasi. Sistem bekerja dengan cara memindai sidik jari yang kemudian diverifikasi oleh NodeMCU. Jika sidik jari dikenali, pintu akan terbuka, dan jika tidak dikenali setelah tiga kali percobaan, sistem akan mengirim notifikasi peringatan akses tidak dikenal melalui email. Kelebihan dari penggunaan sidik jari ini mencakup tingkat keamanan yang tinggi karena sidik jari memiliki keunikan yang sulit diduplikasi. Selain itu, manfaat yang diperoleh meliputi peningkatan keamanan ruangan dan kemudahan akses tanpa kunci fisik. Hasil penelitian menunjukkan bahwa sistem keamanan berbasis sidik jari ini efektif dalam menjaga keamanan pintu, dengan mekanisme verifikasi yang andal dan deteksi percobaan akses yang tidak sah. Sistem ini juga memberikan notifikasi responsif secara real-time setelah upaya gagal dikenali sebanyak tiga kali. Sistem berfungsi dengan stabil dan dapat dikembangkan lebih lanjut untuk memenuhi kebutuhan spesifik pengguna serta diadaptasi dalam berbagai situasi yang berbeda.

Page 47 of 56 | Total Record : 559

 45   46   47   48   49 

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