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 582 Documents
 5   6   7   8   9 
RANCANG BANGUN SISTEM DETEKSI DAN PEMADAM KEBAKARAN PADA SMART HOME MENGGUNAKAN METODE FUZZY Saiful Anam; Indra Dharma Wijaya; Ridwan Rismanto
Jurnal Informatika Polinema Vol. 6 No. 4 (2020): Vol 6 No 4 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i4.298

Abstract

Abstrak—Kebakaran merupakan bencana nonalam yang terjadi diakibatkan adanya proses atau peristiwa nonalam seperti arus pendek listrik, kegagalan sistem, human error dan sebab lainnya. Salah satu tindakan untuk mencegah kebakaran adalah memasang sistem deteksi dan pemadam kebakaran. Namun pada beberapa kasus, sistem deteksi kebakaran konvensional memiliki masalah yang cukup signifikan yaitu sering terjadinya false alarm. Maka dari itu dibutuhkan sistem yang mampu melakukan deteksi kebakaran secara akurat dan cepat serta dapat mengatasi dari terjadinya kegagalan deteksi atau false alarm. Penelitian ini menggunakan tiga sensor yaitu sensor api, sensor suhu, dan sensor asap sebagai sumber input-an data. Perangkat Arduino sebagai pembaca data dan Raspberry Pi bertugas mengelola data lebih lanjut. Sedangkan metode yang digunakan untuk melakukan pendeteksian kebakaran adalah metode Fuzzy Sugeno dengan tiga parameter utama yaitu suhu, kepekatan asap, dan intensitas api. Dari pengujian yang telah dilakukan menghasilkan nilai respon yang sesuai dengan metode Fuzzy Sugeno berdasarkan perhitungan manual maupun sistem. Pada 15 kali pengujian menunjukkan nilai Defuzzifikasi yang sesuai berjumlah 15, nilai Defuzzifikasi tidak sesuai berjumlah 0, dan terjadi false alarm berjumlah 0. Sehingga didapatkan tingkat keberhasilan perhitungan metode Fuzzy Sugeno adalah 100%. Sistem ini berhasil melakukan pendeteksian kebakaran dan cocok untuk diterapkan pada konsep smart home. Kata Kunci—Kebakaran, False Alarm, Fuzzy Sugeno, Raspberry Pi, Arduino, Smart Home, Sensor Api, Sensor Suhu, Sensor Asap.
PENERAPAN ENTROPY BASED DISCRETIZATION PADA METODE NAIVE BAYES DALAM KLASIFIKASI PENYAKIT DIABETES MELLITUS Rudy Ariyanto; Dwi Puspitasari; Yusniar Alfani
Jurnal Informatika Polinema Vol. 6 No. 4 (2020): Vol 6 No 4 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i4.301

Abstract

Diabetes Mellitus merupakan salah satu penyakit penyebab kematian tertinggi di Indonesia. Penderita Diabetes Mellitus diperkirakan akan terus meningkat. Hal ini tersebut menunjukkan bahwa Diabetes Mellitus perlu diperhatikan secara serius. Penyakit diabetes dapat dicegah jika kita mengetahui gejala – gejala penyakit Diabetes Mellitus. Dari permasalahan di atas, maka dibuatlah sistem yang berjudul “Penerapan Entropy Based Discretization pada Metode Naive Bayes Dalam Klasifikasi Penyakit Diabetes Mellitus”. Sistem ini membantu sarana kesehatan Puskesmas Kendalsari dalam melakukan anamnesa dan menentukan hasil tes laboraturium. Peetugas anamnesa akan melakukan anamnesa dengan pasien dengan keluaran tingkat potensi user terhadap penyakit diabetes. Tingkat potensi pasien terhadap Diabetes Mellitus dikelompokkan menjadi tiga kelas yaitu, rendah, sedang dan tinggi. Selanjutnya petugas laboraturiu akan pemerikasaan terhadap pasien untuk memastikan apakah hasil pemerikasaan sesuai dengan tingkat potensi user terhadap penyakit Diabetes Mellitus . Metode Naive Bayes adalah metode yang digunakan melakukan klasifikasi potensi user dan hasil laboraturium pasien. Sedangkan Metode Entropy Based Discretization digunakan untuk melakukan trasnformasi hasil laboraturium pasien yang memiliki nilai kontinyu menjadi bernilai diskrit. Data gejala Diabetes Mellitus dalam penelitian ini diambil dengan menggunakan kuisioner, sedangkan data hasil tes dalam penelitian ini diambil dari Puskesmas Kendalsari.Dari hasil implementasi klasifikasi gejala user menggunakan metode Naive Bayes mendapatkan akurasi sebesar 96%. Sementara hasil implementasi klasifikasi hasil tes user menggunakan metode transformasi Entropy Based Discretization mendapatkan akurasi sebesar 80%. Saran untuk sistem ini adalah penambahan jadwal kontrol user kepada dokter agar gula darah selalu terjaga.
IMPLEMENTASI METODE FUZZY MAMDANI DAN LINEAR CONGRUENTIAL GENERATOR (LCG) PADA GAME HIDDEN OBJECT Roki Syah Al Zarkasi; Dhebys Suryani Hormansyah; Dimas Wahyu Wibowo
Jurnal Informatika Polinema Vol. 6 No. 4 (2020): Vol 6 No 4 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i4.317

Abstract

Game dewasa ini telah menjadi populer di kalangan masyarakat, sebagai suatu bentuk hiburan, mendukung interaksi sosial antara mereka. Game atau permainan sejatinya dibuat untuk digunakan sebagai sarana menghibur. Game hidden object merupakan salah satu konsep game yang ada pada genre game puzzle. Game puzzle merupakan salah satu permainan yang dapat mengasah otak dan sangat menantang. Metode Linear Congruential Genetator (LCG) digunakan untuk membangkitkan bilangan acak dengan distribusi uniform. Random number atau bilangan acak adalah sebuah bilangan yang dihasilkan dari sebuah proses, yang keluarannya tidak dapat diprediksi. Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian. Fuzzy Mamdani merupakan salah satu model dalam metode fuzzy yang sudah umum digunakan. Fuzzy mamdani sering juga dikenal dengan nama Metode Max-Min. Selain itu metode fuzzy mamdani terkenal sederhana dan tidak banyak proses komputasi yang dilakukan dimana proses komputasi dapat membuat sistem akan berjalan lebih lama. Penelitian ini berfokus pada implementasi metode LCG untuk mengacak list object yang ada pada game secara random, dan metode Fuzzy mamdani untuk menghitung skor dan sebagai penentuan level. Fokus Dari penelitian adalah untuk mencai tahu apakah metode LCG dan juga metode fuzzy mamdani dapat diimplemntasikan dengan baik pada game dengan konsep hidden object. Dari hasil implementasi fuzzy mamdani dan LCG didapati bahwa fuzzy mamdani memiliki tingkat keakuratan perhitungan sebesar 98,5% sedangkan LCG memiliki keakuratan pengacakan list objek sebesar 100%. Sehingga dapat ditarik kesimpulan bahwa metode fuzzy mamdani dan LCG dapat di implementasikan dengan baik pada game dengan konsep hidden object. Kata kunci: Game, Hidden object, LCG, Fuzzy Mamdani
SISTEM PENJADWALAN SIDANG TUGAS AKHIR MENGGUNAKAN METODE ANALYTICAL HIERARCHY PPROCESS DI JURUSAN TEKNOLOGI INFORMASI POLITEKNIK NEGERI MALANG Luqman Affandi; Ekojono; Rudy Ariyanto
Jurnal Informatika Polinema Vol. 6 No. 4 (2020): Vol 6 No 4 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i4.332

Abstract

Dosen merupakan salah satu civitas akademik yang berperan penting dalam tiga hal sesuai dengan Tri Darma Perguruan Tinggi. Selain itu, dosen juga terlibat pada kegiatan pendukung seperti pembimbing dan penguji pada kegiatan Tugas Akhir di tiap jurusan. Kegiatan ini dikelola oleh Panitia Tugas Akhir, dan salah satu tugas panitia Tugas Akhir yang cukup menyita waktu adalah proses pembuatan jadwal ujian. Proses tersebut pada umumnya dilakukan secara manual dengan menyusun tabel dengan mengisi baris dan kolom menggunakan program perkantoran. Pembuatan jadwal menggunakan program perkantoran seperti MS. Excel sangat menyita waktu, karena harus mencocokkan satu-persatu data antara kolom dan baris apakah ada yang bentrok. Untuk Mengatasi masalah tersebut diperlukan sebuah aplikasi yang menerapkan metode pengambilan keputusan dosen siapa yang cocok untuk dipasang pada jadwal di sesi tertentu. Metode yang dapat digunakan yaitu Analytical Hierarchy Process (AHP) yang membandingkan beberapa kriteria terhadap alternatif yang diberikan. Dari hasil analisis, pengujian dan hasil, metode AHP dapat diimplementasikan dengan baik untuk menentukan dosen penguji di tiap sesi pada jadwal yang ditentukan sesuai dengan kriteria DUK, jumlah sesi, kesesuaian dengan bidang minat dan sebagainya. Hal ini dapat dibuktikan dengan 83% aplikasi dapat berjalan sesuai dengan harapan. Tingkat efektif dan efisien mempunyai nilai 86% setelah proses pembuatan jadwal mengimplementasikan metode AHP ke dalam aplikasi.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DOSEN BERPRESTASI JURUSAN TEKNOLOGI INFORMASI DI POLITEKNIK NEGERI MALANG Ervin Vidi Wicahya; Dwi Puspitasari; Ahmadi Yuli Ananta
Jurnal Informatika Polinema Vol. 6 No. 4 (2020): Vol 6 No 4 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i4.347

Abstract

Penilaian prestasi dosen merupakan salah satu kegiatan yang diadakan setiap semester pada Jurusan Teknologi Informasi di Politeknik Negeri Malang. Kegiatan ini bertujuan untuk memberikan penghargaan pada Dosen sesuai dengan UU No 14 tahun 2005 tentang Guru dan Dosen, Pasal 51 Ayat (1) Butir b, bahwa Dosen berhak mendapatkan penghargaan sesuai dengan kinerja akademiknya. Pada Jurusan Teknologi Informasi penilaian prestasi dosen merupakan salah satu kegiatan yang diadakan setiap semester di Politeknik Negeri Malang. Adapun data kriteria yang dijadikan sebagai dasar penilaian yaitu kehadiran dosen, pengumpulan nilai, pengumpulan soal ujian, penilaian mahasiswa, jurnal, seminar, penelitian dan pengabdian kepada masyarakat. Untuk saat ini setiap dosen di Jurusan Teknologi Informasi harus memberikan secara langsung data penilaian tersebut dan admin harus menjumlahkan semua nilai yang terkumpul dari setiap dosen yang pada akhirnya membutuhkan waktu yang cukup lama dalam perhitungannya. Sehingga itu menjadi suatu permasalahan yang harus segera diselesaikan. Untuk mengatasi permasalahan tersebut maka dirancang sebuah sistem pendukung keputusan untuk pemilihan dosen berprestasi menggunakan Metode Simple Additive Weighting (SAW). Hasil akhir dari penelitian ini sistem dapat menampilkan hasil perangkingan untuk membantu dalam menentukan dosen berprestasi Jurusan Teknologi Informasi di Politeknik Negeri Malang, dengan cara menghitung dan memproses nilai prioritas atau bobot yang ditentukan dari setiap kriteria data yang dimasukkan. Kata Kunci : SPK, pemilihan dosen berprestasi, metode SAW
PENGEMBANGAN DINO PARK 3D BERBASIS VIRTUAL REALITY MENGGUNAKAN GOOGLE VR SDK Moch. Kholil kholil; Rafika Akhsani
Jurnal Informatika Polinema Vol. 6 No. 4 (2020): Vol 6 No 4 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i4.352

Abstract

Virtual Reality adalah sebuah teknologi yang membuat pengguna atau user dapat berinteraksi dengan lingkungan yang ada dalam dunia maya dan disimulasikan menggunaan komputer, sehingga pengguna merasa berada di dalam lingkungan tersebut. Pemanfaatan Virtual Reality juga sangat membantu dalam bidang pendidikan dan pariwisata. Sebagai salah satu bentuk pemanfaatannya adalah menyajikan pengenalan Dinosaurus dalam bentuk 3D, sehingga pengguna dapat mengenal berbagai macam Dinosaurus dan berinteraksi dengan lingkungan di dunia maya. Metode pengembangan VRDino Park 3D menggunakan Multimedia Development Life Cycle (MDLC) framework dengan implementasi model prototype yang terdiri dari 6 (enam) tahapan mulai dari Concept sampai dengan Distribution dimana masing-masing tahapan menghasilkan luaran untuk digunakan pada tahap selanjutnya.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN RUMAH SAKIT DENGAN PELAYANAN RAWAT INAP TERBAIK Mustika Mentari; Chintya Puspa Dewi
Jurnal Informatika Polinema Vol. 6 No. 4 (2020): Vol 6 No 4 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i4.367

Abstract

Rumah sakit adalah tempat pelayanan kesehatan yang pasti sangat diperlukan oleh masyarakat.Pelayanan tersebut dilihat dari efisiensi, sarana dan prasarana yang memadai, dan faktor lainnya. Efisiensi pelayanan rawat inap juga termasuk hal yang penting bagi pasien, khususnya yang harus dirawat di rumah sakit. Pihak rumah sakit melakukan sensus harian untuk meninjau dan meningkatkan kualitas pelayanan rawat inap. Kriteria pelayanan rawat inap adalah BOR (Bed Occupancy Ratio), BTO (Bed Turn Over), TOI (Turn Over Interval), dan AVLOS (Average Length of Stay). Untuk kemudahan dalam memilih, maka dibutuhkan sistem pendukung keputusan sebagai alat. Rumah sakit yang akan dijadikan pilihan oleh peneliti adalah rumah sakit yang ada di wilayah Kota Batu. Metode yang digunakan adalah gabungan SAW (Simple Additive Weighting) dan TOPSIS (Technique For Order Preference By Similiarity To Ideal Solution). Metode ini dipilih karena menggunakan persamaan matematis yang lebih sederhana untuk mendapatkan solusi terbaik. Hasil pengujian dapat digunakan untuk membantu masyarakat dalam pemilihan rumah sakit.
PENERAPAN K-MEANS UNTUK MENGANALISIS PENGARUH CURAH HUJAN TERHADAP PRODUKSI LISTRIK (STUDI KASUS: PT. INDONESIA POWER) Alifa Hanifah; Aji Primajaya; Agung Susilo Yuda Irawan
Jurnal Informatika Polinema Vol. 6 No. 4 (2020): Vol 6 No 4 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i4.405

Abstract

Listrik merupakan kebutuhan pokok bagi kehidupan masyarakat saat ini. Salah satu pembangkit tenaga listrik yaitu Pembangkit Listrik Tenaga Air (PLTA). Dalam sistemnya, PLTA memanfaatkan tenaga dari aliran/terjunan air, bendungan, atau saluran irigasi. Air merupakan energi utama dalam proses PLTA dan salah satu faktor dalam ketersediaan air adalah curah hujan. K-Means merupakan metode data clustering non-hirarki yang berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih cluster. Tujuan dari penelitian ini yaitu melakukan cluster terhadap produksi daya listrik dan curah hujan serta mengevaluasi hasil tersebut beruhubungan atau tidak. Nilai yang digunakan dalam penelitian ini adalah nilai hasil produksi listrik (KWH) dan curah hujan (RR). Data yang digunakan sebanyak 1826 data produksi daya listrik dan data curah hujan. Pada penelitian ini ingin menganalisis pengaruh curah hujan terhadap produksi daya listrik dengan K-Means Clustering. Hasil dari penelitian ini adalah akurasi terhadap clustering produksi daya listrik dengan curah hujan.
DETEKSI KEASLIAN UANG KERTAS BERDASARKAN WATERMARK DENGAN PENGOLAHAN CITRA DIGITAL Agung Rilo Pambudi; Garno; Purwantoro
Jurnal Informatika Polinema Vol. 6 No. 4 (2020): Vol 6 No 4 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i4.407

Abstract

Uang adalah alat bantu tukar atau standar dari pengukur nilai (kesatuan hitungan) yang sah, dikeluarkan oleh pemerintah suatu negara berupa kertas, emas, perak atau logam-logam lain yang dicetak dengan bentuk dan gambar tertentu. Deteksi adalah suatu proses untuk memeriksa atau melakukan pemeriksaan terhadap sesuatu dengan menggunakan cara dan teknik tertentu. Seiring dengan kemajuan teknologi informasi, kriminalitas yang memanfaatkan teknologi juga berkembang. Pengolahan citra digital saat ini telah berkembang kegunaannya untuk melakukan sistem pengenalan terhadap kemungkinan gangguan kriminalitas, terutama untuk pengenalan objek yang unik, watermark pada uang kertas rupiah. Dalam segmentasi citra juga terdapat beberapa metode, contohnya yaitu canny edge detection. Canny edge detection adalah metode yang menghasilkan sebuah tampilan gambar yang berbeda dengan menampilkan efek relief di dalamnya. Tujuan penelitian ini yaitu untuk mendeteksi keaslian uang kertas dengan watermark menggunakan metode canny edge detection. Proses dari penggunaan metode diatas dengan cara akuisisi citra, operasi grayscale, operasi morfologi, kemudian canny edge detection. Citra yang digunakan dalam penelitian ini berjumlah 21 citra yang terdiri dari nominal uang kertas 1.000, 2.000, 5.000, 10.000, 20.000, 50.000, dan 100.000. Hasil terakhir dari proses canny edge detection adalah kumpulan piksel yang digunakan untuk menentukan apakah di citra tersebut memiliki watermark atau tidak. Dari penelitian tersebut hasil dari akurasi program deteksi watermark pada uang kertas menggunakan metode canny edge detection untuk mendeteksi keaslian uang yaitu sebesar 85,71%.
ANALISA 4 ALGORITMA DALAM KLASIFIKASI LIVER MENGGUNAKAN RAPIDMINER Annisa Putri Ayudhitama; Utomo Pujianto
Jurnal Informatika Polinema Vol. 6 No. 2 (2020): Vol 6 No 2 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i2.274

Abstract

Hati merupakan salah satu organ penting dalam tubuh manusia yang berfungsi untuk detoksifikasi racun atau penetral racun dari segala sesuatu yang masuk ke dalam tubuh kita, sehingga tubuh menjadi lebih sehat. Hati dapat terserang suatu penyakit yang mampu mengganggu tugasnya, apabila penyakit hati sudah menyerang maka racun akan tersebar ke seluruh tubuh dan membuat tubuh menjadi tidak sehat. Penyakit liver merupakan penyakit hati yang disebabkan oleh virus, alkohol, pola hidup dan lainnya. Menurut data WHO (World Health Organization) menunjukkan hampir 1,2 juta orang per tahun khususnya di Asia Tenggara dan Afrika mengalami kematian akibat terserang penyakit liver. Seseorang sering tidak menyadari atau terlambat mengetahui penyakit liver sehingga ketika diperiksa penyakit liver sudah parah, akan lebih baik apabila dilakukan penanganan lebih awal dengan mengetahui gejala-gejala yang diderita. Data mining mampu membantu diagnosa penyakit liver dengan lebih mudah terutama untuk membantu para dokter dalam menentukan apakah pasien menderita penyakit liver atau tidak, dengan gejala hampir mendekati penyakit liver. Proses diagnosa penyakit liver dilakukan dengan proses klasifikasi dan hasilnya berupa pasien tersebut menderita liver atau tidak. Penelitian ini menggunakan 4 algoritma data mining yaitu Naïve Bayes, K-Nearest Neighbor (KNN), Decision Tree dan Neural Network. Dataset yang digunakan yaitu Indian Liver Patient Dataset (ILPD) dari website UCI Machine Learning Repository. Keempat algoritma tersebut dibandingkan manakah yang lebih baik akurasinya untuk kasus diagnosa penyakit liver. Hasilnya menunjukkan bahwa algoritma Naïve Bayes memiliki akurasi 55,75%, algoritma K-Nearest Neigbor memiliki akurasi 66,36%, algoritma Decision Tree memiliki akurasi 67,04%, dan algoritma Neural Network memiliki akurasi 70,50%. Akurasi tersebut tergolong rendah karena kelas atau label antara pasien penyakit liver dan pasien tidak memiliki liver tidaklah seimbang, kelas pasien penyakit liver lebih banyak dibandingkan pasien tidak memiliki liver, sehingga banyak data yang diklasifikasikan sebagai pasien penyakit liver. Keywords— Data Mining, Decision Tree, Klasifikasi, KNN, Liver, Naïve Bayes, Neural Network

Page 7 of 59 | Total Record : 582

 5   6   7   8   9 

Filter by Year

2014 2026


Reset
Filter By Issues
All Issue 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