cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Hanny Haryanto
Contact Email
hanny.haryanto@dsn.dinus.ac.id
Phone
-
Journal Mail Official
hanny.haryanto@dsn.dinus.ac.id
Editorial Address
-
Location
Kota semarang,
Jawa tengah
INDONESIA
Techno.Com: Jurnal Teknologi Informasi
Published by Universitas Dian Nuswantoro
ISSN : 14122693     EISSN : 23562579     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Engineering
Topik dari jurnal Techno.Com adalah sebagai berikut (namun tidak terbatas pada topik berikut) : Digital Signal Processing, Human Computer Interaction, IT Governance, Networking Technology, Optical Communication Technology, New Media Technology, Information Search Engine, Multimedia, Computer Vision, Information Retrieval, Intelligent System, Distributed Computing System, Mobile Processing, Computer Network Security, Natural Language Processing, Business Process, Cognitive Systems, Software Engineering, Programming Methodology and Paradigm, Data Engineering, Information Management, Knowledge Based Management System, Game Technolog
Arjuna Subject : -
Articles 29 Documents
 1   2   3 
Search results for , issue "Vol. 24 No. 4 (2025): November 2025" : 29 Documents clear
Implementasi Algoritma Round Robin dalam Sistem Multi-agent dan Multi-client untuk Load balancing Dinamis pada Jaringan Lokal Nopiana, Wiwi; Firgiawan, Wawan; Mansyur, Muh. Fuad
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.12777

Abstract

Load balancing merupakan mekanisme penting dalam sistem layanan web untuk menjamin pemerataan beban kerja dan menjaga kestabilan performa layanan. Penelitian ini mengimplementasikan algoritma Round Robin dalam arsitektur sistem multi-agent dan multi-client yang dijalankan pada local area networking (LAN). Sistem dirancang menggunakan tiga komputer, di mana satu komputer berperan sebagai agent controller yang menjalankan logika Round Robin, dan dua komputer lainnya sebagai server backend. Beberapa client dalam jaringan mengirimkan permintaan secara simultan ke controller, yang kemudian secara bergiliran mendistribusikan permintaan tersebut ke server menggunakan konfigurasi load balancing berbasis NGINX. Pengujian dilakukan dalam tiga skenario beban, yaitu 50, 100, dan 200 permintaan. Hasil pengujian menunjukkan bahwa sistem mampu mendistribusikan permintaan secara merata antara dua server backend, serta menghasilkan waktu respons yang stabil pada skenario beban ringan hingga sedang. Kinerja sistem tetap berada dalam batas wajar meskipun jumlah permintaan meningkat. Sistem ini menunjukkan karakteristik modular, ringan, dan mudah diimplementasikan dalam lingkungan terbatas, serta memiliki potensi untuk dikembangkan lebih lanjut dengan integrasi algoritma adaptif dan sistem pemantauan otomatis. Kata kunci - Load balancing, Round Robin, sistem multi-agent, multi-client, jaringan local
Perbandingan Kinerja Naive Bayes, Support Vector Machine, Regresi Logistik, dan Decision Tree untuk Klasifikasi Sentimen Ulasan Produk Berbasis TF-IDF Bahrein, Muhammad; Apandi, Sopiyan
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.13968

Abstract

Analisis sentimen merupakan salah satu pendekatan penting dalam pemrosesan bahasa alami yang digunakan untuk memahami opini konsumen melalui data ulasan produk di platform digital. Tantangan utama dalam analisis ini adalah memilih algoritma klasifikasi yang paling efektif untuk memproses data teks dalam jumlah besar dan kompleks. Penelitian ini bertujuan membandingkan kinerja empat algoritma klasifikasi populer, yaitu Naive Bayes, Support Vector Machine (SVM), Regresi Logistik, dan Decision Tree, dalam mengklasifikasikan sentimen ulasan produk berbasis fitur TF-IDF. Data yang digunakan berjumlah 830 ulasan produk yang dikumpulkan melalui teknik web scraping dari salah satu platform e-commerce. Seluruh data dipra-pemroses dengan tahapan pembersihan, tokenisasi, stopwords removal, dan stemming, kemudian diubah menjadi vektor numerik menggunakan metode TF-IDF. Selanjutnya, data dibagi menjadi data latih dan data uji dengan proporsi 80:20 dan diuji menggunakan keempat algoritma klasifikasi. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine (SVM) memiliki performa terbaik dengan akurasi sebesar 94%, diikuti oleh Regresi Logistik (92%), Naive Bayes (91%), dan Decision Tree (76%). Nilai precision, recall, dan F1-score pada SVM juga unggul dibandingkan algoritma lain. Temuan ini merekomendasikan SVM sebagai algoritma yang paling efektif untuk klasifikasi sentimen pada ulasan produk berbasis teks. Penelitian ini dapat menjadi referensi bagi pengembangan sistem analisis sentimen yang lebih optimal di masa mendatang.   Kata Kunci - Analisis sentimen, Naive Bayes, Support Vector Machine (SVM), Regresi Logistik, Decision Tree.
Implementasi Real Time Operating System (RTOS) Pada Sistem Pemantauan Kadar Alkohol Dan Suhu Dalam Proses Fermentasi Tape Ketan Marettania, Felisitas; Nirmala, Irma; Hidayati, Rahmi
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.13975

Abstract

Tape ketan merupakan makanan tradisional Indonesia yang umumnya diproduksi secara manual dengan pengawasan berkelanjutan, sehingga memerlukan waktu lama dan tenaga kerja intensif. Proses manual yang mengharuskan membuka dan menutup wadah fermentasi secara berkala, berisiko menyebabkan kontaminasi dan menurunkan kualitas produk. Penelitian ini bertujuan mengimplementasikan Real Time Operating System (RTOS) pada sistem produksi tape ketan untuk merespons perubahan kondisi secara cepat dan memastikan parameter fermentasi tetap optimal. Perangkat keras yang digunakan terdiri dari sensor uap alkohol, sensor suhu, dan mikrokontroler ESP32, sedangkan perangkat lunak menggunakan firebase real time database dan antarmuka website. Pengujian dilakukan dengan membandingkan proses fermentasi tanpa RTOS dan dengan RTOS menggunakan waktu deadline 1000 ms dan interval pengambilan data setiap 1 jam. Komposisi tape ketan terdiri dari 100 gram beras ketan putih dan 1 gram ragi. Hasil pengujian menunjukkan persentase performa eksekusi dengan RTOS sebesar 98,53%, sedangkan tanpa RTOS sebesar 79,02%. Penerapan RTOS berhasil mempercepat proses fermentasi tape ketan hingga 12 jam lebih cepat. Implementasi RTOS terbukti efektif meningkatkan efisiensi produksi dan kualitas tape ketan.   Kata Kunci - Real Time Operating System (RTOS), Fermentasi, Tape Ketan, Persentase Performa Eksekusi
Klasifikasi Penyakit Tanaman Nanas di Kota Prabumulih Menggunakan Model Transfer Learning Berbasis Mobilenetv3-Large Hidaya, Jenny Rahma; Jemakmun, Jemakmun
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.14186

Abstract

Tanaman nanas merupakan salah satu komoditas pertanian unggulan di Kota Prabumulih, Sumatera Selatan. Namun, produktivitasnya menurun akibat penyakit seperti fruit rot, root rot, dan mealybug wilt yang sulit dikenali dengan cepat oleh petani. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit tanaman nanas berbasis citra digital dengan pendekatan transfer learning menggunakan arsitektur MobileNetV3-Large. Dataset terdiri dari citra primer hasil dokumentasi lapangan dan citra sekunder dari Roboflow, yang dikategorikan dalam empat kelas: sehat, fruit rot, root rot, dan mealybug wilt. Proses penelitian mencakup pra-pemrosesan data (resize, augmentasi, normalisasi), pelatihan model dalam dua tahap (ekstraksi fitur dan fine-tuning), serta evaluasi menggunakan akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan akurasi validasi sebesar 91% dan F1-score sebesar 90%, yang mencerminkan performa klasifikasi yang baik dan stabil. Model juga diimplementasikan ke dalam aplikasi berbasis Gradio untuk pengujian interaktif. Hasil penelitian ini menunjukkan bahwa pendekatan transfer learning dengan arsitektur MobileNetV3-Large efektif untuk klasifikasi penyakit tanaman nanas dan berpotensi diintegrasikan ke dalam sistem deteksi penyakit pertanian secara praktis. Kata kunci: tanaman nanas, klasifikasi citra, MobileNetV3, transfer learning, deep learning
Implementasi Algoritma Monte Carlo dengan Data Fluktuatif untuk Prediksi Jumlah Tamu di Penginapan Wirawan, I Putu Andreana; Wajidi, Farid; Sulfayanti, Sulfayanti
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.14475

Abstract

Penginapan berperan penting dalam mendukung mobilitas masyarakat, baik untuk kepentingan bisnis, pekerjaan, maupun perjalanan pribadi, sekaligus berkontribusi dalam sektor pariwisata sebagai sarana akomodasi. Salah satu tantangan utama penginapan adalah ketidakpastian jumlah tamu bulanan yang berdampak pada pendapatan dan pemanfaatan kamar. Penelitian ini bertujuan membangun model prediksi jumlah tamu tahun 2025 dengan metode simulasi Monte Carlo menggunakan data historis 2022–2024. Tahapan simulasi meliputi pembentukan distribusi probabilitas, penyusunan distribusi kumulatif, penentuan interval bilangan acak, serta pembangkitan bilangan acak melalui Mixed Congruential Method. Hasil penelitian menunjukkan pola musiman yang konsisten, dengan puncak kunjungan pada April yang diduga terkait perayaan Idulfitri 1446 Hijriah. Model prediksi mencapai akurasi 76,22% pada 2023, 76,80% pada 2024, dan 88,86% pada 2025, dengan rata-rata 80,63%. Pada 2025 diperoleh nilai MAE sebesar 88,50, RMSE sebesar 128,91, dan MAPE sebesar 11,14%. Temuan ini menegaskan bahwa metode Monte Carlo efektif dalam merepresentasikan ketidakpastian serta relevan sebagai dasar pengambilan keputusan strategis, sehingga dapat direkomendasikan untuk memprediksi lonjakan jumlah tamu dan mendukung peningkatan kualitas layanan penginapan.   Kata kunci – Jumlah tamu, prediksi, monte carlo, simulasi, data historis.
Pengaruh Penggunaan Platform CodeEasy terhadap Tingkat Pemahaman Mahasiswa dalam Pembelajaran Data Science Python Lumintang, Galur Arasy; Nurhasan, Usman; Lestari, Vivin Ayu
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.14642

Abstract

Penelitian https://www.adenomyosisadviceassociation.org/hysterectomy ini bertujuan menguji hipotesis bahwa penggunaan platform pembelajaran mandiri CodeEasy dapat meningkatkan pemahaman mahasiswa pada mata kuliah Data Science Python. CodeEasy merupakan lingkungan belajar asinkron yang menyediakan latihan berbasis kode dengan penilaian otomatis melalui test case, serta umpan balik instan untuk mendorong keterlibatan aktif mahasiswa. Penelitian menggunakan desain one-group pretest–posttest dengan 28 mahasiswa Program Studi Sistem Informasi Bisnis, Politeknik Negeri Malang, semester genap 2024/2025. Analisis Paired Sample t-test menunjukkan peningkatan signifikan skor pemahaman mahasiswa (rata-rata pretest = 32,34%; posttest = 80,38%; ), dengan ukuran efek besar (Cohen’s ), yang mendukung hipotesis penelitian. Hasil ini bersifat indikatif, mengingat desain tanpa kelompok kontrol membatasi kesimpulan kausalitas dan generalisasi. Penelitian ini memberikan bukti awal mengenai efektivitas platform autograding dalam mendukung pembelajaran mandiri pemrograman, dan menyarankan penerapan lebih lanjut dengan desain kontrol serta integrasi Explainable AI (XAI) untuk meningkatkan transparansi evaluasi kode dan personalisasi umpan balik.   Kata Kunci - Autograding, CodeEasy, Data Science Python, Evaluasi Kode, Pembelajaran Mandiri
Analisis Efektivitas Algoritma K-Means Clustering dalam Pengelompokan Siswa Berdasarkan Kemampuan Multidimensi Rafandi, Hanif Naufal; Nurhasan, Usman; Sintiya, Endah Septa
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.14653

Abstract

Pengelompokan siswa berbasis data sangat penting untuk mendukung evaluasi yang adil dan menyeluruh, mengingat penilaian potensi selama ini cenderung terfokus pada aspek akademik saja. Penelitian ini mengembangkan sistem rekomendasi regu inti lomba kepramukaan menggunakan algoritma K-Means Clustering, dengan dataset berisi 120 siswa SMP yang dinilai berdasarkan parameter akademik, non-akademik, serta pencapaian SKU dan SKK. Jumlah cluster ditentukan sebanyak 24, sesuai dengan kategori lomba berdasarkan aturan Kwarnas mengenai lomba pramuka tingkat penggalang. Proses pengolahan data meliputi normalisasi dan reduksi dimensi menggunakan Principal Component Analysis (PCA). Evaluasi kualitas clustering dilakukan menggunakan metrik Silhouette Score dan Davies–Bouldin Index (DBI). Hasil terbaik diperoleh pada konfigurasi random_state = 42, n_init = 20, dan max_iter = 300, dengan Silhouette Score sebesar 0,1238 dan DBI sebesar 1,4418. Meskipun kualitas pengelompokan tergolong rendah dengan hasil Silhoutte Score = 0.102 dan DBI = 1.362, sistem ini tetap memberikan solusi objektif bagi pembina dalam memilih siswa berpotensi secara adil dan menyeluruh. Sistem ini juga menjawab keluhan orang tua terkait ketidakterlibatan anak dalam lomba, karena pemilihan dilakukan berdasarkan potensi keseluruhan kategori lomba, bukan hanya satu kategori untuk membentuk tim regu inti pramuka.   Kata kunci: K-Means Clustering, Principal Component Analysis (PCA), Silhouette Score, Davies–Bouldin Index, Regu Inti Pramuka.
Digital Forensics to Prove Authenticity and Detect Malware in Email Sent on Directorat of Inovation and Bussiness Incubator Dasmen, Rahmat Novrianda; Putra, Muhammad Dimas; Rasmila, Rasmila
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.14721

Abstract

Abstract - The Directorate of Innovation and Business Incubator (DIIB) at Bina Darma University often receives emails from external sources, increasing the risk of phishing, spoofing, and malware threats. This study applies the Digital Forensic Research Workshop (DFRWS) framework comprising Identification, Preservation, Collection, Examination, Analysis, and Presentation to analyze suspicious emails using forensic tools such as MXToolbox, Whois Lookup, Talos Intelligence, Sucuri SiteCheck, and VirusTotal. Ten suspicious emails were examined. Most failed one or more authentication checks (SPF, DKIM, DMARC), indicating weak verification and potential spoofing. Domain and IP analyses showed public domains like Gmail and Yahoo were most exploited, while official domains such as Upj.ac.id and Maranatha.ac.id had moderate risk. Sucuri classified most domains as medium to high risk, and VirusTotal found no active malware. The study concludes that phishing and spoofing pose greater threats than direct malware, highlighting the importance of forensic email analysis to enhance cybersecurity awareness at DIIB.   Keywords – DIIB, Email, DFRWS, Malware, Tools
Perancangan Sistem Rekomendasi Daftar Wisata Berbasis Algoritma Aturan Bagi Wisatawan Kabupaten Pacitan Putra, Berlian Juliartha Martin; Fu’adi, Anwar; Yuniarti, Dwi Ariani Finda; Hikmahwan, Bagus
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.14749

Abstract

Pacitan memiliki banyak tempat wisata yang indah namun memerlukan usaha tersendiri untuk berkunjung ke Pacitan. Agar perjalanan yang ditempuh tidak sia-sia maka perlu perencanaan daftar wisata yang dikunjungi selama berkunjung di Pacitan. Wisatawan harus memiliki informasi sendiri apabila hendak membuat daftar kunjungan wisata karena sistem perencanaan wisata di Pacitan belum ada. Penelitian ini mengajukan perancangan sistem pemberi rekomendasi daftar wisata di kabupaten Pacitan. Rekomendasi daftar wisata berdasar kriteria user yaitu jarak, waktu, cuaca, popularitas tempat wisata, kendaraan, lokasi, dan kategori wisata. Lokasi user didapatkan dari koordinat browser kemudian dilakukan Geo Reverse menggunakan TomTom API. Jarak antara lokasi user dengan tempat wisata dan jarak antar wisata berikut waktu tempuh juga didapatkan menggunakan TomTom API. Penelitian dimulai dari studi literatur, pengumpulan data, perancangan sistem, implementasi dan ujicoba. Sistem menggunakan aturan algoritma untuk memberikan rekomendasi daftar wisata. Sistem dapat memberikan serangkaian rekomendasi wisata sesuai kriteria user dengan waktu pencarian rekomendasi wisata pertama sebesar 1 s.d. 52 microsecond dan waktu yang relatif lebih cepat untuk memberikan rekomendasi daftar wisata sesuai kriteria user karena menggunakan matrik jarak dan waktu yang dimiliki sistem.   Kata kunci: rekomendasi, sistem informasi, wisata, TomTom Api, rekomendasi wisata
Analisis Pengalaman Pengguna Website OOPedia pada Materi Enkapsulasi dengan User Experience Questionnaire Amalia, Eka Larasati; Saputra, Pramana Yoga; Pradana, Achmad Savero Windi
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.14817

Abstract

Perkembangan teknologi digital mendorong pemanfaatan media pembelajaran berbasis web. Pada mata kuliah Pemrograman Berorientasi Objek (PBO), mahasiswa sering kesulitan memahami konsep abstrak seperti enkapsulasi. Penelitian ini mengembangkan OOPedia, platform e-learning berbasis web dengan fitur Fill in the Blanks untuk mendukung pemahaman mahasiswa secara interaktif. Sistem dibangun menggunakan model Waterfall melalui tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Evaluasi dilakukan menggunakan User Experience Questionnaire (UEQ) yang melibatkan 40 mahasiswa semester dua Program Studi Sistem Informasi Bisnis, Politeknik Negeri Malang. Hasil menunjukkan bahwa OOPedia memberikan pengalaman belajar positif pada seluruh aspek UEQ, dengan kategori Excellent pada Daya Tarik dan Stimulasi, serta Above Average pada aspek lainnya. Kebaruan penelitian ini terletak pada integrasi fitur Fill in the Blanks dalam materi enkapsulasi serta kombinasi evaluasi UEQ dengan pre/post-test, yang memberikan perspektif baru dalam mengukur efektivitas media pembelajaran interaktif.   Kata Kunci: E-learning, OOPedia, Enkapsulasi, Fill in the Blanks, UEQ

Page 1 of 3 | Total Record : 29

 1   2   3 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 25 No. 1 (2026): February 2026 Vol. 24 No. 4 (2025): November 2025 Vol. 24 No. 3 (2025): Agustus 2025 Vol. 24 No. 2 (2025): Mei 2025 Vol. 24 No. 1 (2025): Februari 2025 Vol. 23 No. 4 (2024): November 2024 Vol. 23 No. 3 (2024): Agustus 2024 Vol. 23 No. 2 (2024): Mei 2024 Vol. 23 No. 1 (2024): Februari 2024 Vol. 22 No. 4 (2023): November 2023 Vol 22, No 3 (2023): Agustus 2023 Vol 22, No 2 (2023): Mei 2023 Vol. 22 No. 1 (2023): Februari 2023 Vol 21, No 4 (2022): November 2022 Vol 21, No 3 (2022): Agustus 2022 Vol 21, No 2 (2022): Mei 2022 Vol 21, No 1 (2022): Februari 2022 Vol 20, No 4 (2021): November 2021 Vol 20, No 3 (2021): Agustus 2021 Vol 20, No 2 (2021): Mei 2021 Vol 20, No 1 (2021): Februari 2021 Vol 19, No 4 (2020): November 2020 Vol 19, No 3 (2020): Agustus 2020 Vol 19, No 2 (2020): Mei 2020 Vol 19, No 1 (2020): Februari 2020 Vol. 18 No. 4 (2019): November 2019 Vol 18, No 3 (2019): Agustus 2019 Vol 18, No 2 (2019): Mei 2019 Vol 18, No 1 (2019): Februari 2019 Vol 17, No 4 (2018): November 2018 Vol 17, No 3 (2018): Agustus 2018 Vol 17, No 3 (2018): Agustus 2018 Vol 17, No 2 (2018): Mei 2018 Vol 17, No 1 (2018): Februari 2018 Vol 16, No 4 (2017): November 2017 Vol 16, No 3 (2017): Agustus 2017 Vol 16, No 2 (2017): Mei 2017 Vol 16, No 1 (2017): Februari 2017 Vol 15, No 4 (2016): November 2016 Vol 15, No 3 (2016): Agustus 2016 Vol 15, No 2 (2016): Mei 2016 Vol 15, No 1 (2016): Februari 2016 Vol 14, No 4 (2015): November 2015 (Hal. 242-342) Vol 14, No 3 (2015): Agustus 2015 (Hal. 165-241) Vol 14, No 2 (2015): Mei 2015 (Hal. 79-164) Vol 14, No 1 (2015): Februari 2015 (Hal. 1-78) Vol 13, No 4 (2014): November 2014 (Hal. 198-262) Vol 13, No 3 (2014): Agustus 2014 (Hal. 132-197) Vol 13, No 2 (2014): Mei 2014 (Hal. 69-131) Vol 13, No 1 (2014): Februari 2014 (Hal. 1-68) Vol 12, No 4 (2013): November 2013 (Hal. 188-240) Vol 12, No 3 (2013): Agustus 2013 (Hal. 136-187) Vol 12, No 2 (2013): Mei 2013 (Hal. 73-135) Vol 12, No 1 (2013): Februari 2013 (Hal. 1-72) Vol 11, No 4 (2012): November 2012 (Hal. 156-210) Vol 11, No 3 (2012): Agustus 2012 (Hal. 108-158) Vol 11, No 2 (2012): Mei 2012 (Hal. 55-106) Vol 11, No 1 (2012): Februari 2012 (Hal. 1-54) More Issue