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
 47   48   49   50   51 
Prediksi Perilaku Agresif Anak Berbasis Machine Learning Tupamahu, Frangky; Duko, Irmawati Ishak; Rahman, Yurni
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

Abstract

Perilaku agresif pada anak merupakan masalah serius yang dapat mengganggu perkembangan sosial, emosional, dan akademik. Deteksi dini dan intervensi yang tepat sangat penting untuk mencegah dampak negatif jangka panjang. Penelitian ini bertujuan melakukan prediksi agresif anak berbasis machine learning untuk mendeteksi perilaku agresif pada anak usia sekolah dasar hingga menengah atas. data observasi 200 orang guru di Provinsi Gorontalo, yang dikumpulkan melalui kuesioner online yang mengukur berbagai indikator perilaku agresif seperti fisik, verbal, relasional, dan kerusakan properti, digunakan sebagai dasar pengembangan model. Instrumen penelitian telah divalidasi dengan uji validitas isi oleh praktisi kesehatan mental dan uji reliabilitas menggunakan Cronbach's alpha dengan nilai koefisien 0.7. Tiga metode seleksi fitur, yaitu Korelasi Pearson, Chi-Square, dan Information Gain, diaplikasikan untuk memilih variabel independen yang paling relevan dalam memprediksi perilaku agresif anak. Dari 14 variabel independen yang diukur melalui kuesioner, terdapat 12 fitur terpilih sebagai prediktor. Fitur-fitur ini merepresentasikan indikator perilaku agresif yang diamati oleh para guru pada siswa-siswa mereka, meliputi perubahan emosi, perilaku menyendiri, kesulitan tidur, penurunan prestasi akademik, dan perilaku berisiko.Dua algoritma machine learning, Random Forest dan Support Vector Machine (SVM), diimplementasikan dan dievaluasi kinerjanya menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model Random Forest mencapai akurasi 90%, mengungguli SVM (85%). Analisis prediksi yang dikembangkan memiliki potensi untuk diimplementasikan dalam bentuk aplikasi yang dapat digunakan oleh guru dan orang tua untuk melakukan deteksi dini perilaku agresif pada anak, sehingga memungkinkan intervensi yang tepat dan pencegahan dampak negatif jangka panjang.
Pengelompokan Data Kelas Desa Berdasarkan Data Letter-C Menggunakan Algoritma K-Means Clustering Hidayatul Kusna, Asrul; Hartami Santi, Indyah; Febrinita, Filda
Jurnal Informatika Polinema Vol. 11 No. 2 (2025): Vol. 11 No. 2 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i2.6077

Abstract

Data Letter - C adalah dokumen pertanahan yang digunakan sebagai acuan untuk membuktikan kepemilikan tanah. Dalam melakukan pengelompokan jenis tanah atau kelas desa di Desa Pandanarum masih dilakukan secara manual sehingga berakibat pada kurang efektifnya dalam pengelolaan sumber daya pertanahan. Untuk itu dilakukan pengelompokan kelas desa dengan menggunakan Algoritma K – Means Clustering dengan penentuan jumlah cluster menggunakan metode Elbow. Pengujian Algoritma dilakukan melalui metode Davies Bouldin Index. Proses penelitian dilakukan dengan menggunakan data Letter – C buku ketiga, dengan jumlah data sebanyak 429 data. Dari penelitian yang dilakukan. menghasilkan pengelompokan data kelas desa sebanyak 7 cluster. Cluster 1 memiliki sebaran kelas desa sebanyak 71 data yang terdapat pada blok 19,20,21,22,23 dan 24, sementara pada cluster terakhir, yaitu cluster ke 7, sebaran kelas desa sebanyak 84 data yang terdapat pada blok 12,13,14,15,16,17. Selanjutnya untuk proses pengujian dengan metode DBI, menghasilkan nilai 0,854, sehingga dapat disimpulkan pengelompokan data kelas desa dalam 7 cluster adalah kelompok tepat atau terbaik. Berdasarkan hasil penelitian tersebut dapat disimpulkan bahwa pengelompokan data kelas menggunakan algoritma K-Means di Desa Pandanarum dapat meningkatkan pengelolaan sumber daya pertanahan.
Implementasi Algoritma YOLOv5 untuk Otomatisasi Iklan Layananan Publik tentang Larangan Merokok Salsabilla Azahra Putri; Murinto; Sunardi
Jurnal Informatika Polinema Vol. 11 No. 2 (2025): Vol. 11 No. 2 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i2.6343

Abstract

Kebijakan larangan merokok di tempat umum merupakan prioritas global dalam meningkatkan kesehatan masyarakat dan mengurangi dampak negatif rokok terhadap lingkungan sosial. Namun, penegakan kebijakan ini masih menghadapi tantangan, terutama di lingkungan publik yang kompleks. Penelitian ini mengusulkan implementasi algoritma YOLOv5 (You Only Look Once versi 5), sebuah metode deep learning untuk deteksi objek secara real-time. YOLOv5 bekerja dengan mendeteksi dan melokalisasi objek pada citra atau video menggunakan kotak pembatas (bounding box), memungkinkan identifikasi yang cepat dan akurat. Dalam konteks ini, YOLOv5 digunakan untuk mendeteksi perilaku merokok dengan mengidentifikasi objek rokok yang menyala dan posisi tangan yang menunjukkan aktivitas merokok. Model dilatih menggunakan dataset yang mencakup variasi posisi, pencahayaan, dan latar belakang, dengan pembagian data 80% untuk training, 10% untuk validation, dan 10% untuk testing. Hasil evaluasi menunjukkan performa model dengan Mean Average Precision (mAP) sebesar 0,483, F1-Score sebesar 81%, dan recall sebesar 84%. Implementasi ini membuktikan bahwa YOLOv5 memiliki potensi besar untuk mendukung otomatisasi pengawasan kebijakan larangan merokok. Selain itu, sistem ini dapat memicu iklan layanan publik yang relevan untuk meningkatkan kesadaran masyarakat terhadap bahaya rokok secara dinamis dan adaptif, terutama di tempat umum.
Perbandingan Metode Naive Bayes Dan Support Vector Machine (SVM) Pada Analisis Kendaraan Listrik Pada Media Sosial “X” Wantoro, Agus; Saputra, Dani; Damayanti; Permatan; Rusliyawati
Jurnal Informatika Polinema Vol. 11 No. 2 (2025): Vol. 11 No. 2 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i2.6458

Abstract

Kendaraan listrik merupakan kendaraan yang menggunakan satu atau lebih motor listrik atau motor traksi sebagai tenaga penggeraknya. Kendaraan listrik saat ini menjadi tren global sebagai alternatif kendaraan berbahan bakar fosil atau bahan bakar minyak (BBM). Peralihan dari kendaraan berbahan bakar minyak ke kendaraan listrik menjadi salah satu solusi efektif karena kendaraan listrik memiliki beberapa keunggulan dibanding kendaraan BBM. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kemunculan kendaraan listrik pada media “X” dan melakukan perbandingan kinerja algoritma klasifikasi. Data sentimen selanjutnya akan dilakukan klasifikasi menggunakan metode Naïve Bayes dan Support Vector Machine (SVM). Pengelolaan data menggunakan bahasa pemrograman python dan google Collaboratory. Tahapan penelitian ini meliputi crawling, labelling, pre-processing, klasifikasi metode, dan visualisasi. Berdasarkan 2615 data yang telah dikumpulkan, selanjutnya dilakukan preprocessing, dan cleaning data sehingga. Hasil cleaning didapatkan 1245 data yang akan dilakukan klasifikasi. Dataset dibagi menjadi dua, yaitu data latih dan data uji. Berdasarkan data latih, selanjutnya dilakukan pelabelan data menghasilkan 57,16% data positif sebanyak 30,02 data netral, dan 17,83 data negatif. Hasil perbandingan klasifikasi menunjukkan bahwa metode Naïve Bayes memiliki akurasi sebesar 66%, sedangkan metode Support Vector Machine (SVM) sebesar 93%. Metode Support Vector Machine (SVM) terbukti lebih unggul untuk analisis data dibandingkan dengan metode Naïve Bayes. Selain itu berdasarkan data pengguna “X” lebih banyak yang memberikan respon positif terhadap kendaraan listrik
Implementasi Transfer Learning Untuk Klasifikasi Jenis Ras Ayam Menggunakan Arsitektur MobileNetV2 kencana, nagala wangsa; Umar, Rusydi; Murinto
Jurnal Informatika Polinema Vol. 11 No. 2 (2025): Vol. 11 No. 2 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i2.6469

Abstract

Ayam diketahui telah berbaur dengan manusia dan menyebar di berbagai penjuru dunia. Orang awam kebanyakan dalam membedakan jenis ras ayam dengan ayam yang lain berdasarkan ekor, warna, dan bentuk tubuhnya. Dengan memahami perbedaan-perbedaan tersebut, seseorang dapat mengidentifikasi jenis ras ayam yang berbeda. Ras ayam secara umum memiliki tekstur yang hampir sama sehingga ini membuat kesulitan orang untuk menentukan jenis ras ayam, terutama orang awam yang belum mengetahui ciri-ciri serta jenis ras ayam. Pengumpulan data dilakukan dengan mengambil citra pada jenis ras ayam yang digunakan sebagai dataset dengan 12 kelas, yaitu Cemani, Kate, Pelung, Serama, Ketawa, Hutan, Mutiara, Kalkun, Bangkok, Poland, Ketawa, Dong Tao Sistem dianalisis kebutuhannya dari segi data, pengguna, dan sistem itu sendiri. Tahap perancangan dimulai dari pelatihan model yang baik dalam klasifikasi, merancang arsitektur data, dan merancang arsitektur. Berikutnya, transfer learning diimplementasikan kedalam sistem menyesuaikan rancangan yang telah dibuat untuk menghasilkan sistem klasifikasi. Pada penelitian ini transfer learning diimplementasikan menggunakan pre-trained model yang berarsitektur MobileNetV2 sebagai lapisan ekstraksi fitur pada model klasfikasi. Pada penelitian ini transfer learning diimplementasikan menggunakan pre-trained model yang berarsitektur MobileNetV2 sebagai lapisan ekstraksi fitur pada model klasfikasi. Pada tahap pelatihan, model-model klasifikasi dilatih menggunakan 1800 citra dan divalidasi dengan 300 citra. Kemudian, dilakukan pengujian menggunakan 300 citra menggunakan confusion matrix untuk melihat performa model, dan akurasi. Hasil dari penelitian dapat diketahui bahwa model MobileNetV2 yang mendapatkan hasil akurasi pengujian sebesar 95% dengan loss 0,378. Dari hasil tersebut, sistem klasifikasi jenis ras ayam yang dibangun dapat digunakan.  
Implementasi Metode Simple Additive Weighting Dalam Penentuan Penerima Bld-Dd Di Desa Oesoko Charmiliani Besa, Flora
Jurnal Informatika Polinema Vol. 11 No. 2 (2025): Vol. 11 No. 2 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i2.6642

Abstract

Bantuan Langsung Tunai Dana Desa (BLT-DD) adalah program pemerintah yang memberikan bantuan tunai kepada masyarakat desa yang kurang mampu. Program ini bertujuan untuk meringankan beban ekonomi masyarakat, terutama di masa pandemi. Desa Oesoko adalah Desa yang terletak Di Kecamatan Insana Utara, Kabupaten Timor Tengah Utara yang memiliki jumlah penduduk sebanyak 1.482 jiwa pada bulan Agustus 2022 dengan jumlah KK sebanyak 366 KK. Dari jumlah KK diatas terdapat 56 KK yang menerima BLT-DD pada tahun 2022. Besaran BLT-DD Di Desa Oesoko sebesar Rp. 300.000 per bulannya atau tiga bulan satu kali dengan jumlah Rp. 900.000 per Kepala Keluraga (KK). Selama ini pihak Pemerintah Desa Oesoko menetukan kelayakan calon penerima BLT dengan cara MUSDESSUS akan tetapi belum tepat sasaran. Faktor yang mepengaruhi terjadinya kesalahan tersebut ialah; pertama proses penyeleksi calon penerima BLT masih bersifat wewenang dimana dalam pendataan yang dilakukan oleh Ketua RT setempat sering terjadi hanya keluarga Ketua RT yang menerima BLT padahal tergolong mampu. Kedua sering terjadi masyarakat yang namanya sudah terdaftar dalam calon penerima BLT-DD akan tetapi masyarakat tersebut pindah domisili. Tujuan penelitian ini adalah membangun suatu Sistem Pendukung Keputusan menggunakan metode Simple Additive Weighting (SAW) Berbasis Web. Hasil penelitian ini adalah suatu Sistem Pendukung Keputusan berupa ranking prioritas calon penerima bantuan berdasarkan bobot hasil perhitungan menggunakan metode SAW. Program aplikasi ini menggunakan pemrograman HTML, PHP dan untuk databasenya menggunakan MySQL.
Sistem Booking Makeup Artist Berbasis Web Menggunakan Algoritma SHA-256 Cut Agusniar; Muslimah Siregar, Khanifa; Rasyid, Rasmiati
Jurnal Informatika Polinema Vol. 11 No. 2 (2025): Vol. 11 No. 2 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i2.6653

Abstract

Sistem Booking Makeup Artist (HaniBunny MUA) adalah sebuah sistem pemesanan jasa Makeup Artist (MUA) berbasis web yang dirancang untuk mempermudah pelanggan dalam mencari dan memesan jasa makeup artist untuk berbagai kebutuhan, seperti acara pernikahan, pesta dan photoshoot. Sistem ini dilengkapi dengan fitur utama yaitu registrasi dan login untuk pengguna dan admin, serta fitur pemesanan yang memungkinkan pengguna untuk memilih MUA sesuai dengan preferensi dan jadwal yang diinginkan. Pengimplementasian website ini menggunakan Bahasa Pemograman Python dengan teknologi Mikroframework Flask sebagai framework backend dan SQLite sebagai database untuk penyimpanan data pengguna dan pemesanan. Peningkatan keamanan data, algoritma Secure Hash Algorithm - 256 (SHA-256) digunakan untuk mengenkripsi kata sandi pengguna sebelum disimpan di database, memastikan perlindungan data dari akses tidak sah. Pengguna dapat melihat daftar makeup style yang tersedia beserta deskripsi layanan yang ditawarkan, serta mengakses halaman pemesanan untuk memilih tanggal, layanan yang akan dipilih, dan mengisi informasi kontak. Sebagai tambahan, admin dapat mengelola data booking dan pengguna melalui dashboard yang sudah disediakan. Sistem Booking Makeup Artist ini bertujuan untuk meningkatkan efisiensi dan kenyamanan dalam proses pemesanan jasa MUA, sekaligus memberikan platform yang mudah digunakan bagi semua kalangan. Dengan penggunaan sistem berbasis web, Sistem Booking Makeup Artist ini dapat diakses kapan saja dan di mana saja, memberikan kemudahan dalam merencanakan momen spesial dengan tampilan makeup yang sempurna.
Redesign UI UX Aplikasi Info BMKG Menggunakan Metode Design Thinking Ahmad Alfis Syifa'; Eka Putri Rachmawati
Jurnal Informatika Polinema Vol. 11 No. 2 (2025): Vol. 11 No. 2 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i2.6702

Abstract

E-Government merupakan sebuah istilah untuk layanan publik dari pemerintah yang memanfaatkan perkembangan teknologi informasi. Dalam E-Government, pemerintah bertujuan untuk meningkatkan mutu pelayanan kepada masyarakat atas permintaan dan kebutuhan masyarakat untuk pelayanan yang cepat dan informasi yang akurat. Salah satu lembaga pemerintahan yang telah menerapkan E-Government adalah Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). BMKG telah meluncurkan aplikasi bernama Info BMKG untuk memudahkan akses informasi mengenai cuaca, iklim, kualitas udara, dan gempa bumi yang terjadi di Indonesia. Namun, dalam penggunaannya aplikasi ini mendapatkan banyak keluhan penggunanya dari segi tampilan user interface maupun ketidakakuratan informasi, baik yang disampaikan dalam ulasan aplikasi di Play Store maupun secara langsung melalui wawancara. Penelitian ini bertujuan untuk menghasilkan desain aplikasi Info BMKG dengan usabillity yang baik, memiliki kemudahan navigasi, dan kejelasan informasi. Dengan menggunakan metode Design Thinking diharapkan user interface Info BMKG dapat mengalami perbaikan signifikan, terutama dalam hal konsistensi desain, dan kejelasan informasi. Pengujian penelitian ini menggunakan metode System Usability Scale. Hasil pengujian SUS didapatkan nilai sebesar 77,5 dan diterima oleh para pengguna. Dari hasil tersebut dapat disimpulkan bahwa redesign UI/UX aplikasi Info BMKG dengan metode Design Thinking menjadi solusi untuk menghasilkan desain user interface yang mudah digunakan.
Rancangan UI/UX Sistem Informasi Manajemen Pengalaman Wisata Di Pulau Bokori Jimsan; Stiadi, Muhamad; Ovtafiana, Amelia
Jurnal Informatika Polinema Vol. 11 No. 2 (2025): Vol. 11 No. 2 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i2.6797

Abstract

Pulau Bokori adalah salah satu destinasi wisata unggulan di Sulawesi Tenggara yang memiliki potensi besar untuk mendukung pariwisata berkelanjutan. Namun, pengelolaan pengalaman wisatawan di pulau ini masih kurang optimal, terutama dalam hal penyediaan informasi yang relevan dan interaktif. Penelitian ini bertujuan untuk merancang User Interface (UI) dan User Experience (UX) dari sistem informasi manajemen pengalaman wisatawan yang dapat meningkatkan kualitas perjalanan pengunjung serta mendukung pengelolaan pariwisata berkelanjutan di Pulau Bokori. Metode penelitian menggunakan pendekatan Design Thinking yang terdiri dari lima tahap: Empathize, Define, Ideate, Prototype, dan Test. Setiap tahap dilakukan secara sistematis untuk menghasilkan solusi berbasis pengguna. Pengujian dilakukan melalui usability testing menggunakan platform Maze Design, menghasilkan skor rata-rata sebesar 84,97%, yang menunjukkan keberhasilan desain dalam memenuhi kebutuhan pengguna. Temuan utama dari penelitian ini mencakup desain antarmuka yang intuitif, penyajian informasi yang terstruktur, serta fitur yang mendukung interaksi pengguna. Selain itu, penelitian ini menekankan pentingnya integrasi teknologi dengan prinsip keberlanjutan, yang dapat menjadi model untuk destinasi wisata lain. Hasil implementasi menunjukkan bahwa sistem informasi yang dirancang tidak hanya meningkatkan pengalaman wisatawan tetapi juga mendukung pengelola dalam menyediakan informasi yang efisien dan akurat. Penelitian ini memberikan rekomendasi untuk pengembangan lebih lanjut, termasuk integrasi kecerdasan buatan untuk personalisasi layanan dan peningkatan pengalaman pengguna secara keseluruhan.
Sistem Monitoring Irigasi dan Prediksi Debit Air Berbasis IoT Dan Support Vector Machine (SVM) Cinderatama, Toga Aldila; Zulmy Alhamri, Rinanza; Yunhasnawa, Yoppy; Sofian Efendi, Fery; Ariyanto, Rudy
Jurnal Informatika Polinema Vol. 11 No. 2 (2025): Vol. 11 No. 2 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i2.6812

Abstract

Menurut data BPS yang dirilis pada Oktober 2023 mengenai data pertanian, jika dilihat dari luasan lahan pertanian, luas panen padi pada 2023 diperkirakan sekitar 10,20 juta hectare mengalami penurunan sebanyak 255,79 ribu hektare atau 2,45 persen dibandingkan luas panen padi di 2022 yang sebesar 10,45 juta hektare. Dengan penurunan luasan lahan panen padi tersebut perlu dipikirkan berbagai cara untuk lebih meningkatkan hasil pertanian dan mencegah terjadinya kesenjangan yang tinggi antara tingkat kebutuhan dan tingkat pemenuhan bahan makanan. Salah satu cara yang dapat dilakukan adalah mengoptimalkan lahan pertanian yang tersedia dengan panca usaha tani dan pengairan yang optimal, sehingga diperlukan jaringan irigasi beserta bangunan irigasi dalam keadaan baik. Penelitian ini memanfaatkan teknologi IoT untuk monitoring debit serta memprediksinya menggunakan metode Supervised learning-Support Vector Machine (SVM). Metode penelitian yang akan dilakukan meliputi : Analisis Kebutuhan, perancangan, implementasi, pengujian dan pemeliharaan. Hasil dari penelitian ini adalah telah berhasil Merancang dan membangun sistem monitoring debit air pada irigasi pertanian berbasis platform Internet of Things menggunakan sensor water flow, sensor ultrasonic HCSR04 dan sensor suhu ds18b20, dilengkapi dengan aplikasi monitoring berbasis android untuk memonitor dan mengambil data history debit air. Aplikasi prediksi debit air pada irigasi pertanian juga telah diimplementasikan menggunakan support vector machine terutama menggunakan linier regression dan diperoleh hasil prediksi debit air dengan kondisi saat pemantauan berada pada kisaran 1500 liter/menit atau 25 liter per detik.

Page 49 of 56 | Total Record : 559

 47   48   49   50   51 

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