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 606 Documents
 57   58   59   60   61 
Fuzzy Inference with Probabilistic Rule Weighting to Assess Paragliding Viability Based on Weather Variables Davianda Ersya Putri Della Adelia; Azwar Riza Habibi
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9549

Abstract

Paragliding is an extreme sport and tourism activity that is influenced by unpredictable and dynamic weather conditions, requiring a method capable of systematically handling this uncertainty to assist tourists and novice pilots in making flight scheduling decisions. This study focuses on experimenting with the application of probabilistic fuzzy logic in assessing the feasibility of paragliding in the Mount Banyak area, Batu City. The developed system combines the concept of fuzzification to model the uncertainty of meteorological parameters with a probabilistic approach at the inference stage to represent the level of confidence in each rule used. The experiment was conducted using actual weather data obtained through an Application Programming Interface (API) from open meteorological sources. The output of this method is a recommendation in three categories: “safe”, “caution,” and “dangerous.” Testing was conducted by comparing the system's predictions with actual data in the field and showed a Mean Absolute Percentage Error (MAPE) value of 9,77%. As a result, this system is capable of providing quick and accurate assessments that aid decision-making to improve the safety and operational efficiency of paragliding in the region. This approach shows broad application potential in other weather-based tourism fields, as well as supporting the development of environmentally friendly and sustainable technologies.
Komparasi Metode SMOTE-Tomek dan SMOTE-ENN untuk Mengatasi Data Imbalanced Fandi Yulian Pamuji; Mohammad Dwi Irfan Affandi; Andriyan Rizki Jatmiko
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9550

Abstract

Perkembangan teknologi informasi dan data analisis saat ini mendorong meningkatnya pemanfaatan machine learning dalam berbagai bidang. Namun, salah satu permasalahan umum yang sering muncul dalam penerapan machine learning adalah kondisi data tidak seimbang (imbalanced data) yaitu ketidakseimbangan jumlah data antar kelas, di mana kelas mayoritas jauh lebih dominan dibandingkan kelas minoritas. Untuk mengatasi permasalahan dataset tidak seimbang adalah dengan menyeimbangkan distribusi kelas tidak seragam di antara kelas-kelas dengan komparasi menggunakan metode SMOTE-Tomek dan SMOTE-ENN supaya jumlahnya seimbang dari kelas mayoritas (negatif) maupun kelas minoritas (positif). Berdasarkan hasil eksperimen yang telah dilakukan dari penelitian ini yaitu bahwa pengujian metode SMOTE-Tomek dengan metode klasifikasi mampu menangani jumlah kelas mayoritas (negatif) dan kelas minoritas (positif) pada data tidak seimbang dengan menghasilkan nilai MCC dan G-mean mencapai kinerja prediksi yang lebih besar dibandingkan dengan menggunakan metode klasifikasi saja maupun menggunakan Metode SMOTE-ENN. Kemudian untuk dataset Binary nilai MCC dan G-mean yang paling tinggi menggunakan SMOTE-ENN + Random Forest dengan nilai tertinggi MCC = 0.99 dan nilai G-mean = 0.99 dari nilai MCC dan G-mean diatas akurasinya sudah bagus karena nilai MCC dan G-mean yang mendekati 1 menunjukkan bahwa model memiliki performa klasifikasi yang sangat baik dalam menangani data tidak seimbang dengan menggunakan Metode SMOTE-Tomek + Random Forest dapat mencapai kinerja prediksi yang lebih besar untuk menangani dataset tidak seimbang Binary. Hal tersebut menunjukkan bahwa proses penanganan terhadap distribusi kelas yang tidak seimbang pada tahap preprocessing data memberikan pengaruh terhadap nilai akurasi MCC maupun G-mean metode SMOTE-Tomek + Random Forest.
Optimasi Arsitektur DETR dan Augmentasi On-the-Fly untuk Deteksi Alfabet BISINDO Mukhamad Aziz Firmansyah; Fetty Tri Anggraeny; Yisti Vita Via
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9565

Abstract

Penelitian ini membahas penerapan Detection Transformer (DETR) yang dioptimasi dan dikombinasikan dengan augmentasi data on-the-fly untuk mendeteksi alfabet Bahasa Isyarat Indonesia (BISINDO) pada skenario real-time. Eksperimen dilakukan menggunakan dataset alfabet BISINDO yang terdiri dari 1.300 data dari 26 kelas (A–Z) dengan anotasi bounding box yang dikumpulkan secara mandiri pada lingkungan indoor terkontrol. Optimasi DETR dilakukan dengan menyederhanakan arsitektur dari konfigurasi standar menjadi 1 layer transformer encoder, 1 layer transformer decoder, dan 25 object queries untuk meningkatkan efisiensi inferensi. Augmentasi data on-the-fly diterapkan pada tahap pelatihan untuk memperkaya variasi data. Evaluasi dilakukan menggunakan metrik berbasis COCO menggunakan pustaka PyCOCOtools pada data uji serta pengujian real-time menggunakan input video frame-per-frame dari kamera. Hasil pengujian menunjukkan bahwa model tanpa augmentasi memperoleh nilai AP50 sebesar 0,987 pada data uji, sedangkan model dengan augmentasi on-the-fly memperoleh nilai AP50 sebesar 0,848. Meskipun nilai AP50 pada evaluasi statis menurun, hasil pengujian real-time menunjukkan bahwa model dengan augmentasi data on-the-fly menghasilkan deteksi yang lebih sesuai dibandingkan model tanpa augmentasi. Selain itu, optimasi arsitektur menghasilkan kecepatan inferensi hingga 58 FPS pada GPU dan 8 FPS pada CPU. Hasil ini menunjukkan bahwa penerapan DETR yang dioptimasi dan augmentasi data on-the-fly dapat digunakan untuk mendeteksi alfabet BISINDO pada skenario real-time.
Pengembangan Aplikasi E-SPMI (Sistem Penjaminan Mutu Internal) Audit Berbasis Web Politeknik Negeri Malang Hakan Alif Pramudya; Ade Ismail; Sofyan Noor Arief
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9580

Abstract

Di era globalisasi, perguruan tinggi diwajibkan untuk menerapkan Sistem Penjaminan Mutu Internal (SPMI) yang efektif untuk menjaga kualitas pendidikan. Proses audit mutu internal (AMI) yang masih dilakukan secara manual sering menimbulkan permasalahan, seperti keterlambatan, kurang transparansi, dan kesulitan dalam memantau hasil audit. Pengembangan ini bertujuan untuk mengembangkan aplikasi E-SPMI berbasis web yang dapat membantu proses audit mutu internal di Perguruan Tinggi, khususnya dalam mengelola dokumen, pengisian dokumen, serta validasi oleh auditor, auditee, dan P2MPP. Metode pengembangan yang digunakan adalah Agile Development, dari analisis kebutuhan, deskripsi sistem, dan proses bisnis dari sebelum dan sesudah penggunaan system SPMI, perancangan sistem menggunakan UML dan wireframe, implementasi menggunakan bahasa Laravel dan MySQL. Setelah perancangan system, di implementasikan database yang digunakan, dan implementasi system, serta pengujian dengan Blackbox Testing, Performance Testing, dan User Acceptance Test (UAT). Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu berjalan sesuai kebutuhan pengguna, dengan 106 skenario pengujian blackbox berhasil, hasil UAT memperoleh skor 89,5% , serta performa sistem yang stabil pada saat diuji beban, seperti load testing, penggunaan banyak user secara bersamaan. Dengan demikian, aplikasi E-SPMI Audit berbasis web ini dapat digunakan dalam membantu proses audit mutu internal.
Analisis Manajemen Risiko Menggunakan ISO 31000 : 2018 pada Website Academic Integrated System Universitas XYZ Labib Jundillah; Elfrida Simanjuntak; Vina Zahrotun Kamila; Ramadiani Ramadiani
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9599

Abstract

Website Academic Integrated System (AIS) Universitas XYZ merupakan media untuk mendukung aktivitas administrasi akademik secara online, seperti pendaftaran mahasiswa baru, pengelolaan kurikulum, pengisian Kartu Rencana Studi (KRS), hingga pengolahan data wisuda. Sesuai fungsinya, AIS pastinya menyimpan berbagai data sensitif, mulai dari riwayat akademik hingga dokumen penting mahasiswa. Namun, dalam operasionalnya AIS berhadapan dengan sejumlah risiko, seperti perubahan kebijakan Kementerian, bug pada fitur KRS, server down, serta human error. Risiko-risiko tersebut dapat mengganggu keberlangsungan layanan dan menurunkan kualitas pelayanan akademik. Penelitian ini bertujuan untuk menganalisis manajemen risiko pada Website AIS dengan menggunakan kerangka kerja ISO 31000:2018. Metode penelitian dilakukan melalui tahapan komunikasi dan konsultasi, penentuan cakupan, konteks, dan kriteria, identifikasi risiko, analisis risiko, evaluasi risiko, hingga penyusunan perlakuan risiko. Berdasarkan hasil penelitian, teridentifikasi 16 risiko yang dikelompokkan ke dalam tiga tingkatan, yaitu 3 risiko kategori tinggi (listrik padam, gangguan Internet Service Provider, dan server down), 9 risiko kategori menengah (antara lain kebakaran, korsleting listrik, human error, backup failure, bug KRS, overload, dan update gagal), serta 4 risiko kategori rendah (pencurian hardware, akses data ilegal, kerusakan hardware, dan ketidaksesuaian sistem dengan peraturan baru). Rekomendasi perlakuan risiko disusun berdasarkan tingkatan risiko. Dengan demikian, penerapan manajemen risiko berbasis ISO 31000:2018 terbukti mampu membantu mengidentifikasi serta memberikan perlakuan risiko yang tepat dalam meningkatkan keandalan dan keamanan Website AIS.
Klasifikasi Koleksi Perpustakaan Berbasis Dewey Decimal Classification Menggunakan Algoritma TF-RF dan K-Nearest Neighbor Anis Sulala; Lutfi Hakim; Sepyan Purnama Kristanto; Ruth Ema Febrita; Khoirul Umam
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9663

Abstract

Perpustakaan Politeknik Negeri Banyuwangi memiliki banyak koleksi buku dari berbagai bidang keilmuan yang terus bertambah setiap tahunnya. Pertambahan koleksi ini menimbulkan tantangan dalam proses pengklasifikasian buku yang masih dilakukan secara manual, sehingga memakan waktu dan tenaga yang besar. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem klasifikasi koleksi perpustakaan berbasis Dewey Decimal Classification (DDC) menggunakan algoritma Term Frequency-Relevance Frequency (TF-RF) dan K-Nearest Neighbor (kNN). Data yang digunakan berupa judul buku berbahasa Indonesia dengan jumlah 4056 data pada 73 label. Prosesnya dimulai dari pre-processing, ekstraksi fitur menggunakan TF-RF untuk mengukur relevansi kata kunci dan pengklasifikasian model dengan kNN, serta evaluasi performa model dengan K-Fold Cross validation 10. Hasil penelitian ini menunjukkan bahwa sistem klasifikasi yang dikembangkan mampu menghasilkan akurasi terbaik sebesar 74,38% dan presisi 78,91% dengan tunning parameter menggunakan pendekatan GridSearch pada parameter K=1 yang diperoleh pada skenario ketiga dengan 7 kelas dan 2831 data. Penelitian ini membuktikan bahwa kombinasi TF-RF dan KNN efektif diterapkan untuk klasifikasi teks koleksi buku.
Evaluasi Model GRU untuk Prediksi IHSG Menggunakan Fitur Indeks DJIA Rizki Baehtiar Afandi; I Gede Susrama Mas Diyasa; Fetty Tri Anggraeny
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9664

Abstract

Pergerakan Indeks Harga Saham Gabungan (IHSG) sangat dinamis dan volatil karena dipengaruhi oleh berbagai faktor makroekonomi domestik dan global, sehingga diperlukan model prediksi yang akurat. Penelitian ini memiliki tujuan untuk mengevaluasi kinerja model GRU dalam memprediksi nilai IHSG dengan menambahkan fitur variabel makroekonomi global, yaitu indeks DJIA. Metode yang digunakan dalam penelitian ini adalah Gated Reccurent Unit, yang akan diuji menggunakan berbagai rasio pembagian data dan skenario pengujian arsitektur serta hyperparameter. Hasil model terbaik ditemukan pada skenario pengujian dengan rasio pembagian data 80:10:10, dua lapisan GRU dengan unit 32 dan 64, serta learning rate 0,01 yang memperoleh nilai evaluasi MSE 6.392,1084, RMSE 79.9507, dan MAPE 0.9027%. Temuan studi ini menunjukkan bahwa meningkatkan kompleksitas model dengan menambah lapisan tidak selalu akan meningkatkan akurasi dan berpotensi menyebabkan overfitting, sementara pemilihan learning rate yang tepat juga memiliki dampak signifikan pada konvergensi model. Penelitian ini menjelaskan bahwa model GRU yang memiliki konfigurasi seimbangan dan hyperparamter yang optimal akan menghasilkan prediksi IHSG yang lebih akurat. Penambahan fitur makroekonomi global seperti DJIA juga akan berkontribusi baik dalam menangkap pengaruh dinamika pasar global terhadap pasar saham Indonesia.
Optimasi Query RDF Melalui Transformasi Kolumnar Parquet Menggunakan Apache Spark Astria Febrian Anggraini; Nadya Rudie Sucipto; Master Edison Siregar
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9666

Abstract

Perkembangan teknologi Semantic Web mendorong peningkatan signifikan dalam produksi metadata terstruktur yang direpresentasikan menggunakan Resource Description Framework (RDF). Seiring dengan pertumbuhan volume data RDF yang semakin besar, proses querying terhadap dataset RDF dalam format teks seperti N-Triples menghadapi berbagai kendala performa, terutama akibat mekanisme full table scan pada pemrosesan query, terutama saat query bersifat selektif. Kondisi ini menyebabkan peningkatan beban Input/Output (I/O), latensi eksekusi yang tinggi, serta pemanfaatan sumber daya komputasi yang kurang optimal. Meskipun berbagai pendekatan optimasi RDF telah dikembangkan, sebagian besar penelitian masih terfokus pada level algoritma query dan sistem triple store khusus, sehingga belum banyak mengeksplorasi pendekatan optimasi berbasis format penyimpanan kolumnar pada platform distributed computing modern seperti Apache Spark. Oleh karena itu, penelitian ini mengusulkan Proof of Concept (PoC) transformasi RDF ke format Parquet dengan partitioning berbasis predikat menggunakan Apache Spark untuk meningkatkan efisiensi query RDF. Metode yang digunakan adalah pendekatan eksperimental kuantitatif dengan membandingkan performa query pada dataset RDF sebelum dan sesudah penerapan optimasi. Dataset yang digunakan berasal dari DBpedia Mapping-Based Objects yang tersedia melalui DBpedia Databus dalam format N-Triples dan terdiri dari jutaan triple RDF yang merepresentasikan relasi antar entitas pada knowledge graph DBpedia. Proses optimasi dilakukan dengan mentransformasikan dataset ke format kolumnar Parquet serta menerapkan partitioning berbasis predikat pada platform Apache Spark. Evaluasi dilakukan melalui enam skenario query berbasis predikat tunggal, yaitu team, careerStation, birthPlace, subdivision, country, dan starring. Hasil pengujian mengonfirmasi bahwa secara arsitektural, pendekatan yang diusulkan mampu menghindari full table scan melalui mekanisme partition pruning, menghasilkan rata-rata peningkatan performa waktu eksekusi sebesar 99.87% pada skala data uji. Waktu eksekusi juga turun drastis dari rentang 224–234 detik menjadi sekitar 0.18–0.58 detik. Temuan awal ini membuktikan bahwa kombinasi format kolumnar dan partitioning memiliki potensi fundamental yang efektif. Penelitian ini meletakkan dasar eksperimental yang valid, yang ke depannya perlu dievaluasi lebih lanjut pada dataset berskala masif dan skenario query multi-join yang lebih kompleks untuk menguji batas skalabilitasnya.
Sistem Inkubator Penetasan Telur Cerdas Berbasis IoT Menggunakan Flutter Mutiplatform Subandi; Muhammad Hidayat
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9674

Abstract

Sebagian besar peternak ayam masih menggunakan metode manual dalam proses penetasan telur, seperti pengaturan suhu dan pembalikan telur secara langsung, yang berpotensi menyebabkan ketidakstabilan kondisi inkubasi. Hal ini berdampak pada rendahnya tingkat keberhasilan penetasan. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem otomatisasi penetasan telur berbasis Internet of Things (IoT) yang mampu memantau dan mengontrol suhu, kelembapan, serta intensitas cahaya secara real-time. Sistem yang dikembangkan memanfaatkan sensor DHT22 untuk mendeteksi suhu dan kelembapan, sensor LDR untuk mengukur intensitas cahaya, serta mikrokontroler ESP32 sebagai pusat kendali yang terhubung melalui jaringan Wi-Fi. Metode pengembangan yang digunakan adalah Agile dengan tahapan perencanaan, perancangan, implementasi, pengujian, dan evaluasi. Hasil penelitian menunjukkan bahwa sistem mampu bekerja dengan baik dalam menjaga kestabilan kondisi inkubator dan mempermudah pemantauan jarak jauh melalui aplikasi berbasis web. Selain itu, sistem dilengkapi dengan fitur pembalik telur otomatis dan notifikasi melalui WhatsApp yang meningkatkan efisiensi dan kenyamanan pengguna. Tingkat keberhasilan penetasan yang diperoleh sebesar 64%, yang menunjukkan bahwa sistem cukup efektif, meskipun masih dipengaruhi oleh faktor eksternal seperti kualitas telur dan proses distribusi. Secara keseluruhan, sistem ini memberikan solusi yang praktis, efisien, dan terjangkau bagi peternak skala kecil hingga menengah dalam meningkatkan produktivitas penetasan telur
Perancangan Arsitektur Cache-Aside Menggunakan Redis pada Sistem Informasi Akademik: Studi Prototipe dan Simulasi Beban Yoga Ari Tofan; Rizky Parlika; Steffanuel Pranatalie Krispriyanto
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9675

Abstract

Sistem informasi akademik, khususnya pada modul Kartu Rencana Studi (KRS), kerap mengalami lonjakan trafik ekstrem di awal semester. Arsitektur konvensional yang sepenuhnya bergantung pada basis data relasional berpotensi mengalami masalah latensi akibat antrean input/output (I/O) disk pada kondisi konkurensi tinggi. Penelitian ini merancang dan mengimplementasikan prototipe arsitektur Cache-Aside menggunakan Redis sebagai cache layer pada sistem backend berbasis Python (Flask). Untuk mengevaluasi perilaku arsitektur, dibangun model simulasi di mana latensi akses basis data (500 ms) dan latensi akses cache (5 ms) ditetapkan berdasarkan karakteristik tipikal yang dilaporkan dalam literatur. Pengujian beban dilakukan menggunakan Locust dengan simulasi 1.000 pengguna konkuren dan spawn rate 100 pengguna per detik. Hasil simulasi menunjukkan bahwa arsitektur Cache-Aside mampu menurunkan waktu respons rata-rata dari 507,52 ms (tanpa cache) menjadi 9,12 ms (dengan cache), meningkatkan throughput dari 385,71 menjadi 483,03 request per detik, serta mempertahankan zero failure rate pada kedua skenario. Distribusi persentil menunjukkan konsistensi performa: p95 turun dari 520 ms menjadi 13 ms. Hasil ini mengonfirmasi bahwa pola Cache-Aside secara arsitektural efektif dalam mengalihkan beban kerja dari penyimpanan berbasis disk ke memori pada skenario lonjakan trafik akademik. Validasi lebih lanjut dengan infrastruktur MySQL dan Redis sesungguhnya diperlukan untuk mengonfirmasi parameter simulasi.

Page 60 of 61 | Total Record : 606

 57   58   59   60   61 

Filter by Year

2014 2026


Reset
Filter By Issues
All Issue Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026) Vol. 12 No. 2 (2026): Vol. 12 No. 2 (2026) 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