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 779 Documents
 74   75   76   77   78 
Sistem Klasifikasi Tingkat Resiko pada Pengguna Judi Online Berdasarkan Pola Perilaku dan Skor PGSI Andika Chandra Prasetyo; Toto Sudibyo; Moh Miftah; Nurkhayati Nurkhayati
Techno.Com Vol. 25 No. 1 (2026): February 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i1.15684

Abstract

Pertumbuhan pesat aktivitas perjudian online telah menimbulkan kekhawatiran signifikan karena dampak buruknya terhadap kesehatan mental, stabilitas finansial, dan fungsi sosial individu. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berbasis pembelajaran mesin untuk membedakan tingkat risiko kecanduan judi di antara pengguna perjudian online dengan mengintegrasikan pola perilaku dan Problem Gambling Severity Index (PGSI). Pendekatan klasifikasi prediktif kuantitatif digunakan dengan data survei yang dikumpulkan dari 150 partisipan, di mana 138 respons awalnya dianggap valid. Setelah pra-pemrosesan data dan pemeriksaan kelengkapan, 3 respons dikeluarkan karena nilai yang hilang atau tidak konsisten, sehingga tersisa 135 sampel yang digunakan untuk pelatihan dan evaluasi model. Berdasarkan skor PGSI, tidak ada responden yang diklasifikasikan sebagai penjudi Non-Problem atau Low-Risk; oleh karena itu, tugas klasifikasi difokuskan secara eksklusif pada pembedaan individu Moderate-Risk dan High-Risk. Dua algoritma klasifikasi, Naïve Bayes dan Decision Tree, diimplementasikan dan dievaluasi menggunakan Stratified 5-Fold Cross-Validation. Kinerja model dinilai menggunakan Accuracy, Precision, Recall, F1-Score, Confusion Matrix, dan AUC-ROC. Hasil penelitian menunjukkan bahwa Naïve Bayes mengungguli Decision Tree, dengan akurasi 93% dan AUC-ROC sebesar 0,9601, sementara Decision Tree mencapai akurasi 91% dengan AUC-ROC sebesar 0,9021. Mengingat tidak adanya sampel Non-Problem dan Low-Risk, penelitian ini tidak merepresentasikan model deteksi dini untuk populasi umum, melainkan model stratifikasi risiko dalam sampel berisiko tinggi pengguna perjudian online. Temuan ini menyoroti potensi penggabungan indikator perilaku dan skor PGSI untuk mendukung pemantauan berbasis risiko serta strategi intervensi yang ditargetkan bagi individu dengan tingkat bahaya terkait perjudian yang tinggi.   Kata kunci – judi online, klasifikasi resiko, naïve bayes, decision tree, pgsi
Klasifikasi Sentimen Terhadap Program Barak Militer Anak Dedi Mulyadi Menggunakan Support Vector Machine Nur Ainun Mansyur; Farid Wajidi; Muh Rafli Rasyid
Techno.Com Vol. 25 No. 1 (2026): February 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i1.15708

Abstract

Media sosial, khususnya X, menjadi wadah penting bagi publik dalam menyampaikan opini terhadap kebijakan pemerintah, termasuk kebijakan kontroversial seperti program Barak Militer Anak yang diinisiasi oleh Dedi Mulyadi. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap program tersebut serta mengevaluasi kinerja algoritma machine learning dalam klasifikasi teks media sosial. Data diperoleh melalui proses crawling sebanyak 1,826 tweet dan difilter menjadi 1,000 tweet yang relevan. Pelabelan sentimen dilakukan secara otomatis menggunakan model BERT NLP Town dan divalidasi melalui anotasi manual pada 200 sampel data. Data kemudian diproses melalui tahap preprocessing dan ekstraksi fitur TF-IDF sebelum diklasifikasikan menggunakan Support Vector Machine kernel linear. Evaluasi dilakukan menggunakan metode hold-out dan 10-fold cross-validation. Hasil validasi silang menunjukkan rata-rata akurasi sebesar 66,20% ± 5,94%, macro F1-Score sebesar 56,37% ± 8,59%, dan balanced accuracy sebesar 56,98% ± 8,24%. Hasil ini menunjukkan bahwa model menunjukkan performa yang moderat dan belum merata pada seluruh kelas, khususnya kelas netral. Secara keseluruhan, kombinasi BERT NLP Town, TF-IDF, dan SVM mampu memberikan gambaran awal mengenai sentimen publik, namun masih memerlukan pengembangan untuk meningkatkan stabilitas dan generalisasi model.   Kata Kunci - Analisis Sentimen, Support Vector Machine, BERT NLP Town, TF-IDF, X
Analisis Sentimen Multi-Aspek terhadap Ulasan Pengguna Aplikasi M-Pajak Menggunakan Model IndoBERT Hansen Utomo Gunawan; Fergie Joanda Kaunang
Techno.Com Vol. 25 No. 1 (2026): February 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i1.15761

Abstract

Aplikasi M-Pajak menghadapi tantangan dalam evaluasi layanan akibat banyaknya ulasan tidak terstruktur. Penelitian ini bertujuan untuk menganalisis sentimen multi-aspek menggunakan model Deep Learning berbasis arsitektur IndoBERT yang dioptimalkan dengan teknik Random Oversampling untuk menangani ketidakseimbangan data (class imbalance). Lima aspek dominan diekstraksi menggunakan metode Latent Dirichlet Allocation (LDA) yang divalidasi dengan nilai Topic Coherence. Hasil pengujian menunjukkan bahwa model mampu mencapai rata-rata Macro-F1-Score sebesar 93.86% pada kelima aspek yang diuji. Validitas kinerja model diperkuat oleh analisis kurva Receiver Operating Characteristic (ROC) yang mencatatkan nilai Area Under Curve (AUC) rata-rata di atas 0.99, serta pengujian 10-Fold Cross-Validation yang menghasilkan standar deviasi rendah (±0,0032), mengindikasikan bahwa model memiliki daya diskriminasi yang sangat tinggi dan tegas dalam membedakan sentimen negatif, netral, dan positif. Penelitian ini menyimpulkan bahwa integrasi IndoBERT dengan penanganan data tidak seimbang sangat efektif untuk klasifikasi teks ulasan layanan publik yang kompleks.   Kata kunci - Analisis sentimen, IndoBERT, M-Pajak, multi-aspek, Latent Dirichlet Allocation.
Simulasi Propagasi Sinyal Wi-Fi Menggunakan Metode Elemen Hingga pada Ruangan Kompleks dengan Variasi Posisi Router Nadhira Maulida Hayani; Harley Dearmanson Girsang; Nur Nabila; Khairuna Putri Gunawan; Nerissa Patrice Manuella; Maliha Qonita; Aaron August Vincent Soelaiman; Mochamad Tito Julianto; Sri Nurdiati; Mohamad Khoirun Najib; Syukri Arif Rafhida
Techno.Com Vol. 25 No. 1 (2026): February 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i1.15769

Abstract

Wi-Fi merupakan teknologi komunikasi nirkabel yang banyak digunakan untuk mendukung aktivitas sehari-hari, baik di lingkungan rumah maupun perkantoran. Kualitas sinyal Wi-Fi di dalam ruangan sangat dipengaruhi oleh geometri bangunan dan posisi router, terutama pada bangunan dengan bentuk kompleks seperti rumah berbentuk L. Penelitian ini bertujuan untuk menyusun model matematis propagasi sinyal Wi-Fi menggunakan persamaan Helmholtz pada domain dua dimensi, menerapkan Metode Elemen Hingga (Finite Element Method/FEM) untuk menyelesaikan model tersebut pada geometri ruangan berbentuk L, serta menganalisis pengaruh variasi posisi router terhadap pola distribusi medan listrik dan terbentuknya area pelemahan sinyal (dead zone). Data dan parameter yang digunakan meliputi frekuensi Wi-Fi sebesar 2,4 GHz, bilangan gelombang yang dihitung berdasarkan kecepatan cahaya, serta domain komputasi yang direkonstruksi dari denah rumah nyata berbentuk L. Penyelesaian numerik dilakukan menggunakan perangkat lunak Mathematica dengan pendekatan FEM dan diskritisasi domain menggunakan mesh segitiga. Hasil simulasi divisualisasikan dalam skala logaritmik (dB) untuk menggambarkan distribusi intensitas sinyal secara jelas. Hasil penelitian menunjukkan bahwa penempatan router di ruang tengah menghasilkan distribusi sinyal yang paling merata dan meminimalkan dead zone, sedangkan penempatan di sudut atau ujung ruangan menyebabkan redaman signifikan akibat pemantulan dan difraksi gelombang oleh dinding dan lorong. Penelitian ini menunjukkan bahwa FEM efektif untuk memodelkan propagasi sinyal Wi-Fi pada geometri ruangan kompleks dan dapat digunakan sebagai dasar pengembangan simulasi yang lebih realistis, seperti pemodelan tiga dimensi, variasi material dinding, serta optimasi penempatan router pada bangunan nyata.   Kata Kunci - Metode Elemen Hingga; Persamaan Helmholtz; Propagasi Sinyal; Rumah Berbentuk L; Wi-Fi
Perbandingan Model Deep Learning MobileNetV2, VGG19, InceptionV3, dan ResNet50 untuk Identifikasi Gambar Lukis Ciptaan Manusia dan AI M. Bahrul Subkhi; Akbar Wariskia
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.14021

Abstract

Penelitian ini bertujuan untuk membandingkan efektivitas empat model deep learning—MobileNetV2, VGG19, InceptionV3, dan ResNet50—dalam membedakan antara gambar yang dihasilkan oleh kecerdasan buatan (AI) dan karya seni manusia. Keempat model ini diuji menggunakan dataset gambar yang terdiri dari dua kategori: AI-generated images dan human-generated images. Masing-masing model dilatih selama 30 epoch, dengan evaluasi menggunakan metrik akurasi dan kerugian untuk menilai kinerja pelatihan dan kemampuan generalisasi pada data validasi. Hasil penelitian menunjukkan bahwa MobileNetV2 mencapai akurasi pelatihan tertinggi (91,01%) dengan efisiensi waktu pelatihan yang lebih cepat, sementara InceptionV3 memberikan hasil akurasi yang hampir setara (90,13%) meskipun memerlukan lebih banyak waktu pelatihan. VGG19 dan ResNet50, meskipun memberikan hasil yang solid, mengalami konvergensi yang lebih lambat dan memerlukan lebih banyak sumber daya komputasi. Penurunan kerugian yang signifikan pada MobileNetV2 dan InceptionV3 menunjukkan kemampuan optimasi yang lebih baik dibandingkan dengan VGG19 dan ResNet50. Berdasarkan hasil tersebut, MobileNetV2 terbukti sebagai model yang paling efisien untuk aplikasi dengan keterbatasan sumber daya komputasi, sementara InceptionV3 lebih cocok untuk aplikasi yang memprioritaskan akurasi tinggi. Penelitian ini memberikan kontribusi terhadap pengembangan teknologi deteksi karya seni berbasis AI yang efisien dan akurat, serta membuka peluang untuk penelitian lanjutan dalam optimasi model deep learning untuk aplikasi yang lebih luas.   Kata kunci - Deteksi seni buatan AI , MobileNetV2, VGG19, InceptionV3, dan ResNet50
Perencanaan Perjalanan Wisata Kabupaten Sambas Menggunakan Algoritma Ant Colony Optimization Maulidawati Maulidawati; Alda Cendekia Siregar; Rachmat Wahid Saleh Insani
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.15806

Abstract

Sebuah perjalanan perlu dilakukan perencanaan agar waktu kunjungan dapat terkelola, salah satunya yaitu kunjungan wisata. Banyaknya wisata yang terdapat di Indonesia masing-masing memiliki daya tarik tersendiri. Salah satunya adalah wisata yang ada di Kabupaten Sambas. Minimnya informasi mengenai lokasi destinasi wisata di daerah tersebut menjadi salah satu kendala yang dialami wisatawan. Tujuan dari penelitian ini yaitu mencari rute terpendek berdasarkan nilai parameter optimal. Dalam permasalahan ini, algoritma yang digunakan yaitu Ant Colony Optimization sebagai algoritma optimasi yang dapat diterapkan pada kasus penentuan rute kunjungan wisata. Algoritma tersebut merupakan algoritma yang terinspirasi dari kelompok koloni semut dalam mencari jalur untuk mendapatkan makanan. Pengujian parameter Ant Colony Optimization yaitu alpha, beta, dan rho dengan rentang nilai yang telah ditentukan. Kemudian dibandingkan berdasarkan rata-rata fitness terkecil dari hasil 75 kali percobaan running. Hasil dari pengujian algoritma Ant Colony Optimization didapatkan nilai optimal parameter, yaitu alpha bernilai 0,02 dengan rata-rata fitness 315,56 km, beta bernilai 9,0 dengan rata-rata fitness 314,31 km, dan rho bernilai 0,5 dengan rata-rata fitness 316,01 km. Setelah didapatkan nilai parameter optimal tersebut, kemudian diujikan kembali dengan dilakukan percobaan running sebanyak 5 kali, jadi total keseluruhan running sebanyak 80 kali. Didapatkan fitness terkecil senilai 312,67 km, nilai fitness terbesar senilai 318,32 km, dan rata-rata fitness sebesar 315,28 km.   Kata kunci - optimasi, Ant Colony Optimization, rute terpendek, perencanaan perjalanan
Pengujian Otomatis Website DPRD Kabupaten Bengkalis Menggunakan Data-driven Testing Arif Rahman; Fajar Ratnawati
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.15840

Abstract

Pengujian perangkat lunak merupakan tahap penting untuk memastikan sistem berjalan sesuai dengan kebutuhan fungsional. Penelitian ini bertujuan menerapkan metode Data-Driven Testing (DDT) untuk melakukan pengujian otomatis pada sistem admin website DPRD Kabupaten Bengkalis. Metode DDT memungkinkan pengujian dilakukan secara sistematis dengan memanfaatkan variasi data uji yang disimpan pada sumber data eksternal. Proses penelitian meliputi analisis kebutuhan, perancangan skenario pengujian, penyusunan data uji, implementasi otomatisasi menggunakan Katalon Studio, serta evaluasi hasil pengujian. Data uji disimpan dalam file Microsoft Excel dan diintegrasikan dengan skrip pengujian melalui mekanisme data binding sehingga setiap kombinasi input dapat dieksekusi secara otomatis. Form login digunakan sebagai contoh utama implementasi metode ini karena merupakan gerbang autentikasi pada sistem admin. Hasil pengujian menunjukkan bahwa mekanisme autentikasi pada form login mampu memproses berbagai kombinasi input dengan baik, dimana sistem hanya memberikan akses ketika kredensial valid dan menolak input yang tidak sesuai. Selain itu, evaluasi terhadap beberapa form lain menunjukkan masih adanya kelemahan pada mekanisme validasi input yang memungkinkan data tidak lengkap tetap tersimpan dalam sistem. Hasil penelitian ini menunjukkan bahwa penerapan Data-Driven Testing dapat meningkatkan efisiensi proses pengujian serta membantu mengidentifikasi kelemahan validasi pada sistem berbasis web.   Kata Kunci - Data-driven Testing, Pengujian Fungsional, Katalon Studio, Website DPRD
A Systematic Evaluation of BERT Classifiers for Indonesia-based Text Data Yogie Oktavianus Sihombing; Khusnul Muchlisin; Tri Fidrian Arya; Moh. Jabir Mubarok; Reza Fuad Rachmadi
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.15843

Abstract

This study presents a systematic evaluation of Indonesian BERT models across multiple natural language processing (NLP) tasks, including named entity recognition (NER), sentiment analysis (SA), emotion classification (EmoT), and hate speech detection (HS). Unlike prior studies that primarily focus on effectiveness metrics, this work incorporates both effectiveness (F1-Macro and accuracy) and efficiency (training time and memory usage) to provide a more comprehensive benchmark. Experimental results show that IndoRoBERTa achieves the highest overall F1-Macro (0.826), indicating strong generalization across tasks, while IndoNLU attains the highest accuracy (0.833), suggesting better performance on dominant classes. IndoLEM demonstrates superior efficiency with the lowest training time (988.68 seconds) and minimal GPU memory usage (4.00 GB), making it suitable for resource-constrained environments. In contrast, the multilingual mBERT model exhibits higher computational cost with comparatively lower efficiency. The findings highlight a trade-off between performance and computational efficiency, where monolingual Indonesian models consistently outperform multilingual models in both effectiveness and resource utilization. These results provide practical insights for selecting appropriate pretrained language models based on task requirements and computational constraints in Indonesian NLP applications.     Keywords - BERT; Indonesian NLP; model efficiency; multi-task evaluation
Perbandingan Kinerja Multilayer Perceptron Berbasis Fitur Ekstraksi dan DenseNet-121 pada Klasifikasi Buah Kakao Aulia Zahra Ramadhani; Nurhikma Arifin; Chairi Nur Insani
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.15854

Abstract

Tanaman kakao (Theobroma cacao) merupakan komoditas penting bagi perekonomian Indonesia, namun produktivitasnya menurun akibat serangan penyakit dan hama seperti black pod rot, pod borer, dan helopeltis. Penelitian ini bertujuan membandingkan kinerja Multilayer Perceptron (MLP) dengan kombinasi fitur warna (HSV, L*a*b) dan tekstur (GLCM, LBP) terhadap DenseNet-121 untuk klasifikasi empat kondisi buah kakao yaitu healthy, black pod rot, pod borer dan helopeltis. Dataset primer 404 citra dikumpulkan dari perkebunan kakao di Sulawesi Barat. Tahapan penelitian meliputi preprocessing, segmentasi, ekstraksi fitur, dan klasifikasi menggunakan MLP dengan 15 kombinasi fitur serta DenseNet-121 dengan transfer learning. Kedua model menerapkan early stopping dan dievaluasi menggunakan akurasi dengan tiga random seed berbeda untuk memastikan validitas hasil yang robust. Hasil menunjukkan DenseNet-121 mencapai akurasi tertinggi 92,19% pada learning rate 0,001 dengan seed 43, sedangkan MLP terbaik pada kombinasi HSV+GLCM+L*a*b hanya 79,69% pada learning rate 0,001 dengan seed 99. Kombinasi fitur warna dan tekstur pada MLP konsisten mengungguli fitur tunggal. DenseNet-121 terbukti lebih unggul karena kemampuannya mengekstraksi fitur hierarkis otomatis melalui bobot pre-trained ImageNet, menjadikannya metode lebih efektif untuk klasifikasi penyakit kakao yang akurat.   Kata Kunci – DenseNet-121, Ekstraksi Fitur, Kakao, Klasifikasi Citra, Multilayer Perceptron
Analisis Sentimen Ulasan Dan Komentar Pengguna Pada Aplikasi Toco Menggunakan Algoritma Support Vector Machine Nuraulia Octaviana; Eva Yumami; Desi Wahana
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.15914

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan dan komentar pengguna terhadap aplikasi Toco menggunakan algoritma Support Vector Machine (SVM). Seiring dengan meningkatnya jumlah pengguna aplikasi, volume ulasan yang dihasilkan juga semakin besar sehingga diperlukan metode otomatis untuk mengklasifikasikan opini pengguna secara efektif. Metode yang digunakan dalam penelitian ini adalah Knowledge Discovery in Database (KDD) yang meliputi tahapan seleksi data, preprocessing, transformasi data menggunakan TF-IDF, pembagian data, klasifikasi, dan evaluasi. Dataset yang digunakan berjumlah 3000 ulasan yang diperoleh dari Google Play Store, TikTok, dan Instagram, kemudian dilabeli secara manual menjadi sentimen positif dan negatif. Hasil pengujian menunjukkan bahwa model SVM mampu menghasilkan akurasi sebesar 93,17%, precision 97,89%, recall 83,41%, dan F1-score 90,07%. Hasil tersebut menunjukkan bahwa metode SVM efektif dalam melakukan analisis sentimen pada data teks berbahasa Indonesia. Penelitian ini diharapkan dapat memberikan gambaran mengenai persepsi pengguna terhadap aplikasi Toco serta menjadi bahan evaluasi bagi pengembang dalam meningkatkan kualitas layanan aplikasi.   Kata kunci - Analisis Sentimen, Support Vector Machine, TF-IDF, Ulasan Pengguna, Aplikasi Toco

Page 76 of 78 | Total Record : 779

 74   75   76   77   78 

Filter by Year

2012 2026


Reset
Filter By Issues
All Issue Vol. 25 No. 2 (2026): May 2026 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