cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Adhie Thyo Priandika
Contact Email
techcartpress@gmail.com
Phone
+6282180318941
Journal Mail Official
itsecs.techcartpress@gmail.com
Editorial Address
Jalan Gatot Subroto No 47 LK I, Desa/Kelurahan Tanjunggading, Kec. Kedamaian, Kota Bandar Lampung, Provinsi Lampung, Indonesia
Location
Kota bandar lampung,
Lampung
INDONESIA
Journal of Information Technology, Software Engineering and Computer Science
Published by Tech Cart Press
ISSN : 29620538     EISSN : 29620635     DOI : doi.org/10.58602/itsecs
Core Subject : Science, Engineering,
Computer Science & IT Engineering
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) is a peer-review journal focusing on Information Technology, Software Engineering, and Computer Science issues. Journal of Information Technology, Software Engineering and Computer Science (ITSECS) invites academics and researchers who do original research in information technology, software engineering, and computer science. Journal of Information Technology, Software Engineering and Computer Science (ITSECS) are published by Tech Cart Press in January, April, July, and October every year. Journal ITSECS: Information Technology, Software Engineering, and Computer Science accept articles in Bahasa Indonesia and English.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 62 Documents
 3   4   5   6   7 
Literature Review: Taksonomi Artificial Intelligence pada Mekanisme Kriptografi Abdurrasyid Abdurrasyid; Meilia Nur Indah Susanti; Indrianto Indrianto; Rima Rizqi Wijayanti
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 3 (2026): Volume 4 Number 3 July 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i3.374

Abstract

Meningkatnya ancaman siber dan komputasi kuantum menimbulkan ancaman signifikan terhadap integritas, kerahasiaan, dan ketersediaan data sensitif. Meskipun berbagai skema keamanan terus diajukan, mekanisme kriptografi konvensional mulai menghadapi titik jenuh dalam hal efisiensi, di samping itu pengamanan sirkuit dari kebocoran data di lingkungan terdistribusi masih menjadi tantangan besar. Tujuan utama dari penelitian ini adalah untuk mengetahui perkembangan implementasi kecerdasan artifisial (AI) pada mekanisme kriptografi agar parameter keamanan data dapat dioptimalkan secara dinamis. Systematic Literature Review dilakukan untuk mengklasifikasikan studi-studi penting guna mencapai tujuan tersebut, dari 86 publikasi penelitian yang diambil dari sumber IEEE Xplore, Google Scholar, ScienceDirect, dan lainnya, berdasarkan kriteria inklusi, eksklusi, dan penilaian kualitas, sebanyak 40 penelitian final dipilih dan dianalisis secara mendalam. Penelitian ini mensintesis taksonomi yang memetakan berbagai teknik AI seperti Machine Learning, Deep Learning, dan Adversarial Networks, serta mengevaluasi 22 risiko data spesifik dan strategi mitigasinya di setiap domain kriptografi modern seperti Homomorphic Encryption dan Post-Quantum Cryptography, serta peluang riset di masa depan dalam domain implementasi AI pada mekanisme kriptografi. Hasilnya, 38,46% menyatakan bahwa penerapan AI dalam teknik kriptografi diimplementasikan dalam lingkungan cloud. Selain itu, 37,5% menyatakan tantangan keamanan dalam integrasi AI adalah beban komputasi, penumpukan noise FHE dan ambiguitas black-box AI itu sendiri. Temuan dari penelitian ini membantu para praktisi dan pengembang sistem keamanan siber dalam meningkatkan ketahanan kerangka keamanan data, serta mengoptimalkan efisiensi komputasi enkripsi secara adaptif
Perancangan Sistem Informasi CRM untuk Meningkatkan Quality of Service (QoS) pada Klinik Gigi Tri Dental Care Achmad Harpin Asrori; Larasati Larasati
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 2 (2026): Volume 4 Number 2 April 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i2.376

Abstract

Klinik Gigi Tri Dental Care masih mengelola hubungan dengan pasien secara manual, sehingga pencatatan data, konsultasi, kritik dan saran, serta survei kepuasan berjalan lambat dan berpotensi menurunkan quality of service (QoS) yang dirasakan pasien. Tujuan penelitian ini adalah merancang dan membangun sistem Customer Relationship Management (CRM) berbasis web yang secara terukur dapat meningkatkan quality of service, loyalitas, dan kepuasan pasien pada Klinik Gigi Tri Dental Care. Metode penelitian menggunakan pendekatan lapangan melalui observasi dan wawancara untuk pengumpulan data, dilanjutkan dengan perancangan sistem menggunakan Unified Modeling Language (UML) serta implementasi menggunakan PHP, MySQL, dan XAMPP. Sistem diuji menggunakan metode black box testing terhadap delapan skenario fungsional utama. Hasil penelitian menunjukkan bahwa seluruh skenario pengujian berstatus valid, dan sistem berhasil mengintegrasikan tujuh fitur utama, yaitu pengelolaan data pasien dan dokter, booking online, konsultasi, kritik dan saran, survei kepuasan, serta loyalitas dan reward, yang sebelumnya dikelola secara terpisah dan manual. Kontribusi utama penelitian ini adalah menghadirkan rancang bangun sistem CRM terintegrasi yang secara khusus disesuaikan dengan konteks klinik gigi skala kecil-menengah, sebagai pelengkap penelitian CRM kesehatan sebelumnya yang umumnya bersifat konseptual atau berskala rumah sakit besar. Sistem ini diharapkan dapat mempercepat proses pelayanan, mempermudah komunikasi antara klinik dan pasien, serta menjadi rujukan implementasi CRM pada fasilitas kesehatan gigi skala kecil-menengah lainnya.
Design and Implementation of a Blockchain-Based Digital Gold Trading System for Transaction History Recording Gaizka Mendieta Bawias; Mans Lumiu Mananohas; Edwin Tenda
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 3 (2026): Volume 4 Number 3 July 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i3.379

Abstract

Digital gold services depend on transaction histories because every purchase or sale changes a user's rupiah and gold balances. A centralized database supports efficient operations, but it does not by itself provide users with an independently verifiable record outside the operator's system. This study developed a web-based prototype that uses Ethereum Sepolia as a supplementary evidence layer for approved digital gold transactions. The study followed an applied system-development approach and the Waterfall model, supported by a literature review and observation of common digital gold workflows. The prototype separates end-user and administrator roles. Buy and sell requests remain pending until administrative review; rejected requests do not alter balances, whereas approved requests are submitted through MetaMask to a Solidity smart contract. The resulting transaction hash and block number are retained with the operational history in MySQL. The application was implemented with React, TypeScript, Tailwind CSS, Node.js, and Express.js. Black-box testing covered 24 application scenarios and nine blockchain-integration scenarios. All 33 scenarios passed, including insufficient-balance handling, role separation, approval and rejection states, purchase and sale recording, explorer verification, and consistency between the application ledger and Sepolia evidence. The results demonstrate the feasibility of using a public testnet as an additional transaction-evidence layer rather than as a replacement for the operational database. However, the prototype uses simulated balances and prices and does not establish the existence of physical gold or production-level security, scalability, and economic viability.
Perbandingan Kinerja SVM, NN, Random Forest, dan KNN dalam Klasifikasi Tingkat Kematangan Buah Apel Rahadian Kusuma Atmaja; Ispandi Ispandi; Rino Ramadan; Oky Kurniawan; Andi Taufik
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 3 (2026): Volume 4 Number 3 July 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i3.384

Abstract

Penentuan tingkat kematangan buah apel secara visual masih rentan terhadap subjektivitas karena dipengaruhi oleh pengalaman pengamat, kondisi pencahayaan, dan kemiripan karakteristik antar tingkat kematangan. Penelitian ini bertujuan membandingkan kinerja Support Vector Machine (SVM), K-Nearest Neighbor (KNN), Neural Network (NN), dan Random Forest (RF) dalam mengklasifikasikan kematangan visual buah apel ke dalam tiga kelas, yaitu Belum Matang, Setengah Matang, dan Matang. Dataset terdiri atas 900 citra, masing-masing 300 citra per kelas, yang dibagi secara stratified menjadi 80% data latih dan 20% data uji. Tahap preprocessing meliputi resize citra menjadi 256 × 256 piksel, normalisasi, segmentasi objek, serta augmentasi pada data latih menggunakan horizontal flip, vertical flip, rotasi +15°, dan rotasi −15°. Fitur warna RGB, HSV, dan CIELAB, fitur tekstur GLCM, serta fitur bentuk digunakan sebagai masukan model. Optimasi hiperparameter dilakukan menggunakan stratified 5-fold cross-validation, sedangkan evaluasi menggunakan accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa SVM memberikan performa terbaik dengan accuracy 95,0%, precision 94,8%, recall 94,6%, dan F1-score 94,7%, diikuti KNN dengan accuracy 94,0%, NN 92,8%, dan RF 91,2%. Hasil ini menunjukkan bahwa SVM merupakan metode paling sesuai pada dataset dan skenario pengujian yang digunakan, sedangkan KNN menjadi alternatif dengan performa yang paling mendekati. Penelitian selanjutnya disarankan memperluas variasi dataset dan menguji generalisasi model pada kondisi pengambilan citra yang lebih beragam.
Purwarupa Sistem Internet of Things (IoT) untuk Pemberian Pakan Otomatis pada Peternakan Babi Tiarabella Kalaena; Djoni Hatidja; Edwin Tenda
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 4 (2026): Volume 4 Number 4 October 2026 (Issue in Progress)
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i4.385

Abstract

Pemberian pakan pada peternakan babi secara manual membutuhkan waktu, tenaga, dan perhatian yang besar, serta sering kali menimbulkan ketidakkonsistenan jadwal dan takaran pakan. Ketidakteraturan tersebut berpotensi mengganggu pertumbuhan dan produktivitas ternak. Penelitian ini bertujuan untuk merancang dan membangun purwarupa sistem pemberian pakan otomatis berbasis Internet of Things (IoT) yang terintegrasi dengan pemantauan suhu, kelembaban, sisa stok pakan, serta kendali jarak jauh melalui web dashboard. Sistem dikembangkan menggunakan metode Prototype yang meliputi tahap identifikasi kebutuhan, perancangan, pengembangan, pengujian, serta evaluasi dan perbaikan. Perangkat keras mengintegrasikan mikrokontroler ESP32 sebagai pengendali utama, sensor DHT22 untuk mengukur suhu dan kelembaban udara, sensor ultrasonik HC-SR04 untuk mengukur sisa pakan, motor servo MG996R sebagai pembuka/penutup katup pakan, layar LCD 16x2 I2C sebagai tampilan lokal, dan web dashboard sebagai antarmuka pemantauan dan pengendalian jarak jauh. Penjadwalan otomatis diatur pada pukul 08.00 dan 17.00 WITA menggunakan koordinasi waktu Network Time Protocol (NTP). Kalibrasi distribusi pakan pelet komersial menunjukkan motor servo beroperasi stabil pada sudut bukaan 145 derajat dengan rata-rata waktu pembukaan 4,77 detik untuk mengeluarkan pakan sebanyak 2 Kg. Hasil pengujian sensor DHT22 menunjukkan akurasi suhu yang tinggi dengan rata-rata selisih 0,19°C (eror 0,57%), sedangkan pembacaan kelembaban memiliki selisih rata-rata 9,8% (eror 16,90%) yang dikompensasi melalui offset program agar tidak mengurangi keandalan pemantauan kandang. Kalibrasi sensor ultrasonik pada wadah berkapasitas 3 Kg mencapai akurasi 96,14% dengan rata-rata selisih 0,062 Kg. Pengujian fungsionalitas Blackbox pada 10 skenario dinyatakan valid, didukung evaluasi kuantitatif berupa keberhasilan transmisi data 100%, latensi respon dashboard 1,2 hingga 2,5 detik, dan pemulihan rekoneksi Wi-Fi rata-rata 3,4 detik. Sistem ini berpotensi membantu mengurangi beban waktu dan tenaga peternak dalam proses pemberian pakan dan pemantauan mikroklimat kandang secara real-time.
Pendekatan Hybrid Data Assessment Weighting dan Simple Additive Weighting untuk Evaluasi Kinerja Operator Produksi pada Industri Elektronik Donaya Pasha; Indah Hartati; Tuti Haryanti; Yuri Rahmanto; Very Hendra Saputra
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 4 (2026): Volume 4 Number 4 October 2026 (Issue in Progress)
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i4.375

Abstract

Evaluasi kinerja operator produksi merupakan aspek penting dalam meningkatkan produktivitas dan kualitas proses manufaktur pada industri elektronik. Namun, proses evaluasi yang masih bergantung pada penilaian subjektif berpotensi menghasilkan keputusan yang kurang konsisten dan objektif. Penelitian ini bertujuan untuk menerapkan pendekatan Hybrid Data Assessment Method (DAM) Weighting dan Simple Additive Weighting (SAW) dalam mengevaluasi kinerja operator produksi secara objektif. Metode DAM Weighting digunakan untuk menentukan bobot setiap kriteria berdasarkan karakteristik data, sedangkan metode SAW digunakan untuk menghitung nilai preferensi dan menentukan peringkat operator produksi. Penelitian menggunakan lima kriteria evaluasi, yaitu produktivitas, disiplin kehadiran, ketepatan waktu, kerja sama tim, dan inisiatif dengan sepuluh operator produksi sebagai alternatif. Hasil pembobotan menunjukkan bahwa produktivitas memiliki bobot tertinggi sebesar 0,2041, diikuti oleh inisiatif sebesar 0,2030, ketepatan waktu sebesar 0,2024, kerja sama tim sebesar 0,1985, dan disiplin kehadiran sebesar 0,1921. Berdasarkan proses perangkingan menggunakan SAW, OPT-10 memperoleh nilai preferensi tertinggi sebesar 0,9937, sedangkan OPT-8 memperoleh nilai preferensi terendah sebesar 0,9150. Hasil penelitian menunjukkan bahwa pendekatan hybrid DAM Weighting dan SAW mampu menghasilkan proses evaluasi yang lebih objektif, konsisten, dan transparan dibandingkan penilaian konvensional, sehingga dapat dijadikan sebagai sistem pendukung keputusan dalam evaluasi kinerja operator produksi pada industri elektronik.
Comprehensive Evaluation of Distance-Based MCDM Methods Using Response to Criteria Weighting: A Ranking Stability and Sensitivity Analysis Sumanto Sumanto; Ryan Randy Suryono; Riska Aryanti; Hetty Rohayani; Setiawansyah Setiawansyah; Desyanti Desyanti
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 4 (2026): Volume 4 Number 4 October 2026 (Issue in Progress)
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i4.377

Abstract

Selecting an appropriate new store location is a complex multi-criteria decision-making problem because potential locations must be evaluated using multiple criteria with different performance characteristics. This study proposes an integrated distance-based Multi-Criteria Decision-Making framework using RECA Weighting combined with TOPSIS, SPOTIS, and EDAS to determine objective criterion importance and evaluate the stability and robustness of alternative rankings. The dataset consists of eight potential store locations evaluated using six criteria: Rental Cost, Building Area, Accessibility, Consumer Traffic, Parking Availability, and Infrastructure. RECA Weighting is applied to determine objective criterion weights based on performance variation, while TOPSIS, SPOTIS, and EDAS are used to generate preference scores and rankings through different distance-based evaluation mechanisms. The results show that Consumer Traffic obtains the highest criterion weight of 0.1824, while Parking Availability receives the lowest weight of 0.1422. The ranking results identify LS5 as the best-performing alternative, followed by LS3, although several alternatives exhibit different ranking positions across the applied methods. Weight-variation analysis using Spearman rank correlation shows that SPOTIS achieves perfect ranking stability with a correlation of 1.0000, TOPSIS demonstrates very strong stability with a correlation of 0.9286, while EDAS produces a lower correlation of 0.1429, indicating greater ranking variation. These findings demonstrate that SPOTIS provides the highest robustness to criterion weight changes, followed by TOPSIS, whereas EDAS is more sensitive to weight variations due to its average-solution-based evaluation mechanism. Overall, the proposed framework provides a comprehensive approach for objective weighting, ranking stability assessment, sensitivity analysis, and robustness evaluation in new store location selection.
Penerapan Ansible untuk Otomasi Konfigurasi dan Monitoring Perangkat Jaringan Multi-Vendor Pada Lingkungan Enterprise Dimas Agung Sutrishna; Fandi Ali Mustika; Febryo Ponco Sulistyo; Yuwan Jumaryadi
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 2 (2026): Volume 4 Number 2 April 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i2.390

Abstract

Pengelolaan infrastruktur jaringan multi-vendor menghadapi perbedaan sistem operasi, sintaks konfigurasi, model data, dan mekanisme koneksi sehingga konfigurasi manual berisiko menimbulkan inkonsistensi serta menyulitkan verifikasi dan pemulihan. Penelitian ini bertujuan membangun prototipe Zero Touch Branch Deployment (ZTBD) berbasis Ansible yang mengintegrasikan otomasi konfigurasi dan monitoring pada perangkat MikroTik RouterOS, VyOS, dan FortiGate. Penelitian menggunakan pendekatan terapan dan rekayasa sistem dengan pengembangan prototipe secara iteratif pada lingkungan virtual VMware dan PNETLab. Ansible Control Node digunakan untuk menjalankan validasi konektivitas, backup pre-change, deployment, verification terhadap desired state, pengujian idempotency, controlled failure, dan state-aware rollback. Integrasi monitoring dilakukan dengan Zabbix melalui JSON-RPC API dan SNMPv2c. Evaluasi menggunakan pengujian black-box terhadap fungsi jaringan, hasil eksekusi playbook, kesesuaian konfigurasi, availability SNMP, serta fault recovery. Hasil pengujian menunjukkan seluruh 15 skenario memperoleh status PASS. Eksekusi ulang deployment pada ketiga vendor menghasilkan changed=0, sedangkan workflow end-to-end berakhir dengan failed=0 dan unreachable=0. Skenario controlled failure pada alias FortiGate berhasil memicu rescue, mengembalikan state sebelumnya, dan memverifikasi kondisi akhir. Zabbix berhasil mendaftarkan tiga perangkat tanpa duplikasi, melakukan polling SNMPv2c, mendeteksi gangguan SNMP MikroTik, dan memulihkan status availability setelah layanan diaktifkan kembali. Hasil ini menunjukkan bahwa ZTBD mampu menyediakan otomasi konfigurasi yang terpusat, konsisten, dapat diverifikasi, dan terintegrasi dengan monitoring dalam lingkup prototipe laboratorium.
Prediksi Intensitas Radiasi Matahari Menggunakan Random Forest Berbasis Data Cuaca BMKG Fauzan Natsir; Redo Abeputra Sihombing; Abdurahman; Triana Dewi Salma; Muhammad Hidayat
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 1 (2025): Volume 4 Number 1 January 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i1.391

Abstract

Lama penyinaran matahari merupakan parameter cuaca penting yang berkaitan dengan ketersediaan energi surya dan sektor pertanian. Penelitian ini mengembangkan model prediksi menggunakan metode Random Forest berbasis data BMKG dari dataset Climate Data Daily IDN (Kaggle), yang mencakup observasi harian pada periode 2018 hingga 2022 di lima stasiun cuaca di Pulau Jawa. Fitur masukan yang digunakan meliputi suhu, kelembaban, curah hujan, kecepatan angin, dan informasi waktu, dengan total 4.879 titik data. Model Random Forest menghasilkan R² = 0,358, RMSE = 2,372 jam, dan MAE = 1,889 jam, mengungguli regresi linier berganda (R² = 0,235) dan regresi vektor dukungan (R² = 0,347). Kelembaban relatif, posisi hari dalam tahun, dan selisih suhu harian merupakan prediktor yang paling berpengaruh. Keterbatasan utama penelitian ini adalah tidak tersedianya data tutupan awan, variabel fisik yang paling dominan dalam menentukan lama penyinaran matahari.
Sistem Pendukung Keputusan Prioritas Intervensi Burnout Mahasiswa menggunakan XGBoost dan DEMATEL–MARCOS Asyahri Hadi Nasyuha; Muafi Muafi
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 2 (2026): Volume 4 Number 2 April 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i2.393

Abstract

Academic burnout among university students is an increasingly pressing issue due to its impact on learning motivation, attendance, and academic performance. Meanwhile, conventional early warning approaches tend to be subjective and lack systematic, data-driven prioritization mechanisms. This study develops a decision support system (DSS) integrating Extreme Gradient Boosting (XGBoost), Decision Making Trial and Evaluation Laboratory (DEMATEL), and Measurement of Alternatives and Ranking according to Compromise Solution (MARCOS) to prioritize academic burnout interventions. XGBoost was applied to a dataset of 60 studentscomprising eleven academic, behavioral, and psychosocial attributesto identify burnout indicators through feature importance analysis. Eight selected indicators were then evaluated by academic experts using DEMATEL to model cause-effect relationships and determine criterion weights based on inter-criterion dependencies. These weights were utilized in MARCOS to rank students according to intervention urgency. The XGBoost model achieved a five-fold cross-validation accuracy of 70.0% (SD = 13.5%), despite the limited sample size. DEMATEL identified Academic Stress and Sleep Duration as the most influential "effect" criteria, while Financial Stress and Study Load emerged as the dominant "cause" criteria. The MARCOS rankings showed strong correlations with Burnout Risk Scores (Spearman’s rho = 0.766; p < 0.001) and Intervention Urgency (rho = 0.714; p < 0.001). Students with high burnout levels consistently occupied the highest priority positions, with an average rank of 5.6 out of 60 students. These results demonstrate that integrating machine learning with DEMATEL–MARCOS yields an objective, explainable, and practical DSS framework to support interventions for student academic burnout.

Page 6 of 7 | Total Record : 62

 3   4   5   6   7 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol. 4 No. 4 (2026): Volume 4 Number 4 October 2026 (Issue in Progress) Vol. 4 No. 3 (2026): Volume 4 Number 3 July 2026 Vol. 4 No. 2 (2026): Volume 4 Number 2 April 2026 Vol. 4 No. 1 (2025): Volume 4 Number 1 January 2026 Vol. 3 No. 4 (2025): Volume 3 Number 4 October 2025 Vol. 3 No. 1 (2025): Volume 3 Number 1 January 2025 Vol. 2 No. 4 (2024): Volume 2 Number 4 October 2024 Vol. 2 No. 3 (2024): Volume 2 Number 3 July 2024 Vol. 2 No. 2 (2024): Volume 2 Number 2 April 2024 Vol. 2 No. 1 (2024): Volume 2 Number 1 January 2024 Vol. 1 No. 4 (2023): Volume 1 Number 4 October 2023 Vol. 1 No. 3 (2023): Volume 1 Number 3 July 2023 Vol. 1 No. 2 (2023): Volume 1 Number 2 April 2023 Vol. 1 No. 1 (2023): Volume 1 Number 1 January 2023 More Issue