cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wahyu Andhyka Kusuma
Contact Email
kusuma.wahyu.a@gmail.com
Phone
+628973127396
Journal Mail Official
wahyukusuma@umm.ac.id
Editorial Address
Program Studi Informatika Fakultas Teknik, Universitas Muhammadiyah Malang Raya Tlogomas 246 Malang, Indonesia Telepon 0341-464318 Ext. 247 Kontak: +628973127396 (Wahyu Andhyka Kusuma) Penerbit: (0341) 464319 - ext. 243 (LPPI Universitas Muhammadiyah Malang)
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Repositor
Published by Universitas Muhammadiyah Malang
ISSN : 27147975     EISSN : 27161382     DOI : https://doi.org/10.22219/repositor
Core Subject :
Jurnal Repositor merupakan jurnal ilmiah dengan ruang lingkup keilmuan bidang informatika. Jurnal ini mempublikasikan hasil penelitian, telaah ilmiah dan serangkaian hasil studi yang berkaitan. Adapun ruang lingkup dari jurnal ini adalah sebagai berikut: Kecerdasan Buatan (Artificial Intelligence) Pembelajaran mesin (machine learning) Jaringan saraf tiruan (neural networks) Pemrosesan bahasa alami (natural language processing) Sistem pakar dan pengambilan keputusan otomatis Data Sains dan Analitik (Data Science and Analytics) Big data Data mining Analitik prediktif Visualisasi data Pengembangan Perangkat Lunak (Software Engineering) Metodologi pengembangan perangkat lunak Rekayasa perangkat lunak berbasis komponen Pengujian dan kualitas perangkat lunak DevOps dan integrasi berkelanjutan Sistem Informasi (Information Systems) Sistem manajemen basis data Sistem informasi manajemen E-commerce dan sistem informasi bisnis Sistem informasi geografis Keamanan Siber (Cybersecurity) Kriptografi Keamanan jaringan Keamanan sistem dan aplikasi Analisis dan mitigasi serangan siber Jaringan dan Komunikasi (Networking and Communication) Protokol jaringan Jaringan nirkabel dan mobile Internet of Things (IoT) Komunikasi data dan jaringan sensor Komputasi Terdistribusi dan Paralel (Distributed and Parallel Computing) Cloud computing Komputasi grid dan komputasi awan Komputasi paralel Sistem terdistribusi Multimedia dan Interaksi Manusia-Komputer (Multimedia and Human-Computer Interaction) Pengolahan gambar dan video Realitas virtual dan augmentasi Desain antarmuka pengguna Usabilitas dan pengalaman pengguna Bioinformatika dan Komputasi Kesehatan (Bioinformatics and Health Informatics) Analisis data biomedis Sistem informasi kesehatan Genomika komputasional Pemodelan dan simulasi dalam biologi Teori Komputasi dan Algoritma (Theory of Computation and Algorithms) Kompleksitas komputasi Desain dan analisis algoritma Teori graf dan kombinatorika Pemrograman dan optimisasi matematis Robotika dan Sistem Otomatisasi (Robotics and Automation Systems) Sistem robotik dan kendali Kendaraan otonom Otomatisasi industri Robot kolaboratif
Arjuna Subject : -
Articles 479 Documents
 40   41   42   43   44 
Deteksi Bias dalam Model Machine Learning untuk Prediksi Kelulusan Mahasiswa Berdasarkan Aktivitas Virtual Learning Environment Deva Putra Setya` Pratama; Setio Basuki
Jurnal Repositor Vol. 7 No. 3 (2025): Agustus 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i3.34576

Abstract

Revolusi digital yang cepat dalam pendidikan telah menempatkan Virtual Learning Environment (VLE) sebagai elemen penting dalam mengembangkan paradigma pembelajaran, yang sangat terlihat selama pandemi COVID-19. Penelitian ini menyelidiki dampak aktivitas siswa berbasis VLE dalam memprediksi keberhasilan akademik dan mengatasi bias dalam model machine learning yang digunakan untuk prediksi ini. Menggunakan Open University Learning Analytics Dataset (OULAD), penelitian ini mengintegrasikan teknik prapemrosesan data, pemilihan fitur, dan transformasi data untuk mengembangkan dataset yang komprehensif. Model Random Forest digunakan untuk memprediksi hasil kelulusan siswa, yang dikategorikan menjadi kelas "pass", "fail", dan "distinction". Kinerja model dievaluasi menggunakan metrik klasifikasi seperti akurasi, presisi, recall, dan F1-score, serta matriks kebingungan. Deteksi bias dilakukan menggunakan alat DALEX, dengan fokus pada atribut terlindungi seperti usia, jenis kelamin, dan disabilitas untuk memastikan keadilan. Hasilnya mengungkapkan akurasi model yang tinggi tetapi menyoroti adanya bias yang signifikan dalam beberapa kelompok demografis. Penelitian ini berkontribusi pada diskursus berkelanjutan tentang memastikan penerapan machine learning yang etis dan adil dalam pengaturan pendidikan dengan mengusulkan metode untuk meningkatkan kesetaraan dan transparansi model prediktif.
Pengenalan Sistem Isyarat Bahasa Indonesia (SIBI) Menggunakan Arsitektur Mobilenet Alfian Rudiyanto
Jurnal Repositor Vol. 6 No. 4 (2024): November 2024
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v6i4.34594

Abstract

Sistem Isyarat Bahasa Indonesia atau lebih dikenal dengan SIBI merupakan Bahasa resmi yang digunakan penyandang tuli dalam berkomunikasi. Namun, permasalahan muncul karena sebagian besar orang tidak memahami bahasa isyarat. Untuk itu diperlukan perantara alternatif yang dapat menjadi penerjemah antara penyandang tuli dengan masyarakat biasa. Penelitian ini bertujuan untuk mengklasifikasikan SIBI menggunakan metode Convolution Neural Network dengan MobileNetV2. Data memiliki total 24 kelas, dengan pengecualian huruf J dan Z. Permasalahan lain muncul ketika memiliki data yang sedikit, yaitu 220 gambar setiap kelas. Karena itu diperlukan data augmentasi sehingga dataset menjadi lebih banyak. Pada penelitian ini akan menerapkan rotasi, shear, dan flip pada setiap gambar sehingga membuat gambar baru. Hasil penelitian ini menunjukan dengan penambahan data, model menjadi lebih optimal. Untuk pengujian akan menggunakan data test, yang menghasilkan akurasi sebesar 98,54 melalui penggunaan batchsize sebesar 32 dan menjalankan proses training sebanyak 25 epoch.
Penerapan Hyperparameter Tuning Untuk Optimasi CNN Pada Perancangan Aplikasi Identifikasi Penyakit Cabai Kelvin Aprilio; Christian Sri Kusuma Aditya; Aminudin
Jurnal Repositor Vol. 7 No. 4 (2025): November 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i4.34752

Abstract

Objek Penelitian: Penelitian ini berfokus pada penerapan hyperparameter tuning untuk optimasi Convolutional Neural Network (CNN) dalam perancangan aplikasi identifikasi penyakit pada tanaman cabai. Masalah Penelitian: CNN seringkali mendapatkan akurasi yang rendah dan cenderung mengalami overfitting jika mengalami kekurangan jumlah data. Oleh karena itu, penelitian ini perlu meningkatkan akurasi CNN melalui optimasi hyperparameter untuk menurunkan kemungkinan overfitting. Metode Penelitian: Metode yang digunakan adalah CNN dengan arsitektur Mobile Net V3, dan hyperparameter tuning menggunakan grid search dan random search. Data diambil dari situs Kaggle yang berisi gambar penyakit tanaman cabai dengan lima label kelas. Tahapan penelitian meliputi pengumpulan data, preprocessing, pelatihan model, hyperparameter tuning, dan evaluasi model. Hasil Penelitian: Hasil penelitian menunjukkan bahwa random search memberikan akurasi tertinggi sebesar 82%, sementara grid search menghasilkan akurasi 80%. Aplikasi yang dirancang menggunakan model terbaik dikonversi ke format TensorFlow Lite dan diimplementasikan dalam bahasa pemrograman Kotlin dengan framework Jetpack Compose. Implikasi Hasil Penelitian: Aplikasi identifikasi penyakit cabai berbasis android ini diharapkan dapat membantu petani dalam mengidentifikasi dan menangani secara cepat dan tepat serangan penyakit dan hama pada tanaman cabai. Penggunaan hyperparameter tuning terbukti efektif dalam meningkatkan akurasi model CNN, sehingga dapat diadopsi dalam penelitian serupa untuk meningkatkan performa model dalam berbagai aplikasi deteksi penyakit tanaman lainnya.
Pengembangan UX Pada Kursus Online Berbasis Website Menggunakan Metode Design Thinking (Studi Kasus: Learn for Future) Ilyas Nuryasin; Briansyah Setio Wiyono; Muhammad Prayuda Riansyah
Jurnal Repositor Vol. 7 No. 3 (2025): Agustus 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i3.34786

Abstract

Massive Online Open Course (MOOC) adalah kursus online yang dapat diakses oleh siapa saja dan dari mana saja. Kursus ini menggunakan teknologi internet dan platform online, seperti situs web, untuk menyediakan akses ke materi pembelajaran, video, dan forum diskusi, sehingga peserta dapat belajar secara mandiri dan fleksibel. Learn For Future adalah sebuah startup yang menerapkan konsep MOOC dengan menyediakan kursus berbayar dalam bidang desain dan pemrograman yang dapat diakses melalui situs web mereka. Pada tahap pengembangan awal, Learn For Future hanya fokus pada aspek pembelajaran, yang menyebabkan konten kurang menarik, aksesibilitas yang sulit, proses pembayaran yang memakan waktu lama, dan tidak adanya sertifikasi penyelesaian. Tujuan dari penelitian ini adalah untuk mengimplementasikan design thinking dalam pengembangan UX situs web Learn For Future dan menguji aplikasinya menggunakan skenario tugas dan System Usability Scale (SUS). Design thinking adalah kerangka kerja pemecahan masalah yang menghasilkan inovasi dengan menekankan pemahaman terhadap kebutuhan pengguna dan menciptakan solusi yang berorientasi pada pengguna. Pendekatan ini memungkinkan pengembangan yang lebih inovatif dan kreatif, fokus pada masalah kompleks, serta penekanan pada kreativitas dan fleksibilitas, menjadikannya alat yang sangat kuat untuk mempromosikan inovasi dibandingkan dengan metode lainnya. Hasil dari penelitian ini adalah rancangan prototipe yang telah diuji dengan skenario tugas dan System Usability Scale. Hasil skenario tugas menunjukkan nilai report sebesar 97 dari 5 orang tester, dan skor SUS berada pada grade "A" dan "Acceptable".
Peningkatan Kontras Citra dengan Metode CLAHE pada Pengklasifikasian Diabetic Retinopathy Menggunakan Model InceptionV3 Rizhar Afif Raditya
Jurnal Repositor Vol. 8 No. 2 (2026): Mei 2026
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v8i2.34804

Abstract

Diabetic retinopathy adalah salah satu penyakit diabetes yang mempengaruhi mata. Deteksi dini dan akurat sangat penting untuk meningkatkan peluang kesembuhan. Klasifikasi diabetic retinopathy membantu dalam menentukan tingkat keparahan dan pengobatan yang tepat. Pada penelitian ini, bertujuan untuk meningkatkan kontras citra menggunakan metode Contras Limited Adaptive Histogram Equalization (CLAHE) dan mengevaluasi pengaruhnya terhadap akurasi klasifikasi diabetic retinopathy menggunakan model InceptionV3. Dataset yang digunakan dalam penelitian ini adalah “APTOS 2019 Blindless Detection” yang terdiri dari 3662 gambar dengan 5 kelas yaitu: No DR, Mild, Moderete, Severe, dan Proliferative DR. Tiga skenario pengujian diterapkan dalam penelitian ini: Skenario 1 tanpa menggunakan CLAHE, Skenario 2 menggunakan CLAHE terlebih dahulu lalu augmentasi, dan Skenario 3 augmentasi terlebih dahulu lalu menggunakan CLAHE. Hasil pengujian menunjukkan bahwa akurasi yang diperoleh adalah 74% untuk skenario tanpa CLAHE, 72% untuk skenario dengan CLAHE sebelum augmentasi, dan 76% untuk skenario dengan augmentasi sebelum CLAHE. Hasil ini menunjukkan bahwa penggunaan CLAHE setelah augmentasi memberikan peningkatan akurasi yang signifikan dalam pengklasifikasian Diabetic Retinopathy
Klasifikasi Berita Bahasa Indonesia dengan Recurrent Neural Network (RNN) Muh. Ridha Agam; Christian Sri Kusuma Aditya; Galih Wasis Wicaksono
Jurnal Repositor Vol. 7 No. 3 (2025): Agustus 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i3.34807

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi dokumen berita berbahasa Indonesia menggunakan Recurrent Neural Network (RNN). Dengan kemajuan teknologi informasi dalam satu dekade terakhir, media online telah menjadi sumber informasi utama bagi masyarakat, yang mengakibatkan perlunya mekanisme yang efisien untuk mengelola dan mengklasifikasikan konten berita yang terus bertambah setiap hari. Teknologi pembelajaran mesin, khususnya RNN, menjadi sangat penting dalam mengklasifikasikan dokumen berita berbahasa Indonesia karena kemampuannya dalam mempelajari ketergantungan waktu pada data sekuensial. Penelitian ini bertujuan untuk meningkatkan akurasi RNN dengan RNN dan juga melalui augmentasi data. Penelitian ini melibatkan beberapa tahapan utama, yaitu pengumpulan data melalui teknik scraping dari portal berita Kompas.com, preprocessing teks yang mencakup pembersihan, penyaringan, stemming, dan tokenisasi, augmentasi data menggunakan Back Translation, serta pelatihan model RNN. Augmentasi data dilakukan untuk mengatasi ketidakseimbangan kelas dalam dataset dan meningkatkan akurasi model. Hasil penelitian menunjukkan bahwa model RNN yang dilatih dengan augmentasi data menghasilkan peningkatan kinerja yang signifikan dibandingkan dengan metode konvensional seperti Naïve Bayes Classifier. Model RNN tanpa augmentasi mencapai akurasi 92%, sementara model RNN dengan augmentasi data mencapai akurasi 96%. Peningkatan ini juga terlihat pada metrik evaluasi lainnya seperti precision, recall, dan F1-Score
Analisis Kepuasan Pengguna Aplikasi E-Book UMM Press Menggunakan Metode End User Computing Satisfaction Muhammad Figo Almadany; Ilyas Nuryasin; Wildan Suharso
Jurnal Repositor Vol. 7 No. 4 (2025): November 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i4.35382

Abstract

Pada era revolusi industri 4.0 ilmu pengetahuan serta teknologi berkembang pesat. Sekarang kita masuk pada era society 5.0 yang Dimana keduanya memiliki pengaruh pad hidup masyarakat. Masuk pada era society 5.0 ditandai tingginya daya saing diseluruh sektor yang bersentuhan langsung dengan keperluan Masyarakat. Salah satu institusi Pendidikan yang memanfaatkan adanya website yakni Universitas Muhammadiyah Malang. Universitas Muhammadiyah Malang (UMM) Kembali menghadirkan inovasi terbaru dalam bidang pendidikan. E-Book UMM Press merupakan sebuah aplikasi perpustakaan berbasis mobile yang telah diunduh lebih dari 5 ribu pengguna lebih, namun masih terdapat kelemahan pada aplikasi. Oleh karena itu penulis memutuskan melakukan penelitian kepuasan pengguna aplikasi e-book umm press guna mengetahui presepsi kepuasan pengguna aplikasi e-book umm press dan melakukan rekomendasi perebaikan. Penelitian ini menggunakan metode End User Computing Satisfaction dengan desain campuran (mixed method) yang terdiri dari dua pendekatan yaitu kualitatif dan kuantitatif.. Setelah dilakukan analisis penulis mendapatkan hasil kepuasan pengguna dari aplikasi E-Book Umm Press memiliki kategori baik. Hasil penelitian menunjukkan bahwa hanya variabel Format yang berpengaruh terhadap kepuasan pengguna aplikasi E-Book Umm Press dengan nilai 0,003, artinya dapat ditingkatkan lagi desain tampilan system agar lebih jelas, memastikan system bekerja sesuai dengan standar yang ditentukan, dan menampilkan input dan output system sesuai dengan perintah. Dengan dilakukan nya penelitian ini diharapkan dapat mengetahui apa saja yang menjadi permasalahan pengguna pada saat menggunakan system dan dapat mengetahui solusi apa yang harus diberikan untuk hal tersebut agar bisa megurangi permasalahan yang terjadi.
Analisis Pengalaman Pengguna Aplikasi Myumm Parent Menggunakan User Experience Questionnaire (UEQ) (Studi Kasus: Universitas Muhammadiyah Malang) Rachmada Zhidan Firmasnyah; Ilyas Nuryasin; Wildan Suharso
Jurnal Repositor Vol. 7 No. 4 (2025): November 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i4.35383

Abstract

Perkembangan teknologi informasi mampu meningkatkan kinerja yang memungkinkan berbagai aktivitas dapat dilakukan secara cepat dan tepat. Teknologi dapat dimanfaatkan dalam berbagai bidang, salah satunya yaitu dalam aktivitas perkuliahan (bidang pendidikan). Dalam penelitian ini, peneliti menganalisis pengalaman pengguna pada aplikasi MyUMM Parent sebagai objek penelitian. Alasan peneliti memilih aplikasi tersebut sebagai objek penelitiannya karena masih banyak orang tua mahasiswa UMM yang tidak menggunakan aplikasi MyUMM Parent. Tujuan dari penelitian ini yaitu mengetahui hasil pengukuran dan penilaian enam aspek UEQ, aplikasi MyUMM Parent menggunakan metode UEQ. Metode yang digunakan yaitu User Experience Questionnaire (UEQ). Hasil penelitian menunjukkan bahwa dari keenam aspek UEQ yang dinilai, lima aspek UEQ (Kejelasan, Ketepatan, Efisiensi, Daya Tarik, dan Stimulasi) berada pada area evaluasi positif, namun perlu ditingkatkan pada aspek “Kebaruan”.
Analisis Sentimen Masyarakat Terhadap Generasi Z Dalam Dunia Kerja Pada Media Sosial Twitter Menggunakan Metode Naïve Bayes Vita Amalia Herlinda; Christian Sri Kusuma Aditya; Didih Rizki Chandranegara
Jurnal Repositor Vol. 6 No. 4 (2024): November 2024
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v6i4.35461

Abstract

Generasi Z, yang lahir antara tahun 1996 sampai 2010, kini mulai memasuki dunia kerja dan dikenal sebagai "Digital Natives" karena kedekatan mereka dengan teknologi dan media sosial seperti Twitter. Mereka aktif berbagi pemikiran dan pengalaman melalui Twitter, yang telah menjadi platform utama untuk diskusi terbuka dan berbagi perspektif. Penelitian ini menggunakan metode Naïve Bayes untuk menganalisis sentimen tweet terkait Generasi Z dalam dunia kerja, dengan memanfaatkan pelabelan lexicon Inset. Hasil penelitian menunjukkan bahwa pelabelan lexicon mencapai akurasi 76%. Selanjutnya, uji coba dilakukan dengan pendekatan pelabelan manual yang menghasilkan akurasi 87%, menunjukkan perbedaan yang signifikan dibandingkan pelabelan lexicon. Uji coba juga melibatkan pengaruh stopword dalam tahapan preprocessing, di mana hasil menunjukkan pelabelan lexicon tanpa stopword mencapai akurasi 96% dan pelabelan manual tanpa stopword mencapai 90%. Hal ini menunjukan sensitivitas yang tinggi dari model berbasis lexicon terhadap penggunaan stopword dan potensi untuk meningkatkan variasi term dalam analisis sentimen Generasi Z di dunia kerja melalui Twitter.
Analisis Sentimen Ulasan Fitur Music Aplikasi Instagram Pada Google Play Store Menggunakan Metode Convolutional Neural Network (CNN) Arolina Rinardi; Christian Sri Kusuma Aditya; Didih Rizki Chandranegara
Jurnal Repositor Vol. 6 No. 4 (2024): November 2024
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v6i4.35462

Abstract

Aplikasi Instagram merupakan sebuah medsos (media social) untuk berkomunikasi dari berbagai kalangan yang memiliki banyak fitur, khususnya fitur music. Pengguna berhak untuk menuangkan kritik ataupun saran dalam bentuk ulasan teks berkaitan cara kerja aplikasi Instagram pada Google Play Store. Dari masalah tersebut dapat dirumuskan masalah mengidentifikasi ulasan tentang fitur music Aplikasi Instagram yang mengandung sentiment negatif dan positif yang diambil pada Google Play Store dengan Teknik web screpping. Ulasan yang diambil untuk menjadi sebuat dataset sejumlah 2.260. Dataset dikumpulkan dan dilakukan pemberian label secara manual sejumlah 2.042 data negatif dan 218 data positif. Selain itu, penelitian ini bertujuan untuk mengukur perfoma model dengan menggunakan metode Convolutional Neural Network (CNN). Mengukur Tingkat performa model dengan menggunakan 2 percobaan yang masing-masing memiliki 2 skenario model. Hal yang membedakan kedua percobaan terletak pada hyperparameter yang digunakan pada model. Percobaan pertama scenario pertama memiliki nilai filters 32,16,8 dan scenario kedua 256,128,32 menggunakan nilai 32 sebagai nilai random state (K-Fold), 50 epoch dan 20 batch size. Percobaan kedua scenario pertama memiliki nilai filters 64,32,16 dan 128,64,32 untuk nilai filters scenario kedua, nilai 42 random state (K-Fold), 80 epoch dan 32 batch size. Hasil percobaan pertama model pertama dan kedua yaitu 93% dan 92%, sedangkan percobaan kedua model pertama dan kedua yaitu 97% dan 95%.

Page 42 of 48 | Total Record : 479

 40   41   42   43   44 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 8 No. 3 (2026): Agustus 2026 Vol. 8 No. 2 (2026): Mei 2026 Vol. 8 No. 1 (2026): Februari 2026 Vol. 7 No. 4 (2025): November 2025 Vol. 7 No. 3 (2025): Agustus 2025 Vol. 7 No. 2 (2025): Mei 2025 Vol. 7 No. 1 (2025): Februari 2025 Vol. 6 No. 4 (2024): November 2024 Vol. 6 No. 3 (2024): Agustus 2024 Vol. 6 No. 2 (2024): Mei 2024 Vol. 6 No. 1 (2024): Februari 2024 Vol. 5 No. 4 (2023): November 2023 Vol. 5 No. 3 (2023): August 2023 Vol. 5 No. 2 (2023): May 2023 Vol. 5 No. 1 (2023): February 2023 Vol. 4 No. 4 (2022): November 2022 Vol. 4 No. 3 (2022): Agustus 2022 Vol. 4 No. 2 (2022): Mei 2022 Vol. 4 No. 1 (2022): Februari 2022 Vol. 3 No. 5 (2021): November 2021 Vol. 3 No. 4 (2021): Agustus 2021 Vol. 3 No. 3 (2021): Mei 2021 Vol. 3 No. 2 (2021): Februari 2021 Vol. 3 No. 1 (2021): Januari 2021 Vol. 2 No. 12 (2020): Desember 2020 Vol. 2 No. 11 (2020): November 2020 Vol. 2 No. 10 (2020): Oktober 2020 Vol. 2 No. 9 (2020): September 2020 Vol. 2 No. 8 (2020): Agustus 2020 Vol. 2 No. 7 (2020): Juli 2020 Vol. 2 No. 6 (2020): Juni 2020 Vol. 2 No. 5 (2020): Mei 2020 Vol. 2 No. 4 (2020): April 2020 Vol. 2 No. 3 (2020): Maret 2020 Vol. 2 No. 2 (2020): Februari 2020 Vol. 2 No. 1 (2020): Januari 2020 Vol. 1 No. 2 (2019): Desember 2019 Vol. 1 No. 1 (2019): November 2019 More Issue