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 821 Documents
 77   78   79   80   81 
Toward Quantum-Resilient and Privacy-Preserving Student Attendance Systems Using Hybrid Post-Quantum Cryptography Derry Setiawan
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16034

Abstract

The rapid digital transformation of academic record and student attendance systems demands security mechanisms that simultaneously provide confidentiality, integrity, privacy-preserving data analytics, and long-term resilience against emerging quantum threats. While conventional cryptographic algorithms such as RSA, ECC, and AES remain computationally efficient, public-key schemes based on RSA and ECC are vulnerable to quantum attacks, limiting their suitability for protecting sensitive educational information in the long term. Existing studies generally focus either on post-quantum secure communication or on privacy-preserving computation, resulting in fragmented security architectures that increase implementation complexity in resource-constrained academic environments. To address this challenge, this paper proposes a Lightweight Hybrid Post-Quantum Cryptographic Algorithm (LHPQCA) that integrates the CRYSTALS-Kyber Key Encapsulation Mechanism (KEM) for quantum-resistant session key establishment, AES-GCM for authenticated encryption of attendance records, and the Paillier additive homomorphic cryptosystem for privacy-preserving aggregation of attendance statistics over encrypted data. By assigning each cryptographic primitive according to its intended function, the proposed architecture achieves quantum-secure key establishment, efficient symmetric data protection, and secure encrypted computation without relying on post-quantum algorithms for bulk data encryption. Experimental evaluation demonstrates that incorporating the Paillier cryptosystem introduces only modest computational overhead while preserving practical encryption latency, reducing key establishment latency by 28–35%, decreasing CPU utilization by 22%, and maintaining bandwidth overhead below 12% compared with conventional hybrid deployment architectures that perform secure communication without privacy-preserving aggregation. These results demonstrate that the proposed integration of CRYSTALS-Kyber, AES-GCM, and the Paillier cryptosystem provides an effective balance between quantum resilience, computational efficiency, and privacy-preserving analytics, making LHPQCA suitable for next-generation academic attendance systems and other resource-constrained educational applications.   Keywords - Post-Quantum Cryptography, Hybrid Cryptographic Algorithm, CRYSTALS-Kyber, Key Encapsulation Mechanism (KEM), AES-GCM, Paillier Cryptosystem, Privacy-Preserving Analytics.
Penerapan Metode Hibrida AHP-TOPSIS dalam Sistem Monitoring Progres Belajar Siswa Berbasis Multi-Kriteria pada Lembaga Kursus Bahasa Inggris Andre Tri Saputra; Zayyan Cahya Ramadhan
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16122

Abstract

Monitoring progres belajar siswa di lembaga kursus merupakan tantangan yang kompleks karena melibatkan berbagai kriteria penilaian. Tantangan kritis yang belum terjawab pada sistem konvensional adalah ketiadaan mekanisme Early Warning System (EWS) real-time, di mana instruktur rata-rata memerlukan 14 hari untuk mengidentifikasi siswa bermasalah suatu jeda yang secara signifikan mengurangi peluang intervensi yang tepat waktu. Penelitian ini mengusulkan penerapan metode hibrida AHP-TOPSIS (Analytical Hierarchy Process - Technique for Order of Preference by Similarity to Ideal Solution) dalam sistem monitoring berbasis multi-kriteria. AHP digunakan untuk menetapkan bobot kriteria secara objektif dan terverifikasi konsistensinya (CR = 0.047 < 0.1), sementara TOPSIS mengeksekusi perankingan berdasarkan kedekatan relatif siswa terhadap solusi ideal positif dan negatif. Pendekatan hibrida ini menghasilkan kontribusi metodologis yang lebih kuat dibandingkan penggunaan TOPSIS dengan bobot statis. Sistem dikembangkan menggunakan PHP Framework CodeIgniter 4 dan basis data MySQL, mengimplementasikan lima kriteria: nilai ujian (35%), persentase kehadiran (25%), skor tugas (20%), ketepatan pengumpulan tugas (10%), dan partisipasi kelas (10%). Pengujian pada 50 siswa kursus bahasa Inggris selama satu semester menunjukkan bahwa sistem mampu mengklasifikasikan progres belajar ke dalam empat kategori dengan akurasi 92%, precision 91.8%, dan F1-score 91.9%. Kontribusi praktis terpenting adalah kemampuan EWS sistem ini memangkas waktu identifikasi siswa bermasalah dari rata-rata 14 hari menjadi kurang dari 1 hari (efisiensi 93%). TOPSIS mengungguli SAW (88%) dan WP (86%) dalam konteks yang sama, terutama karena kemampuannya menangkap anomali pada distribusi nilai siswa yang memiliki fluktuasi ekstrem.   Kata kunci - AHP-TOPSIS; Sistem Monitoring; Early Warning System; Progres Belajar; Multi-Kriteria; Lembaga Kursus; SPK.
Adaptive Particle Swarm Optimization pada Support Vector Regression untuk Peramalan Harga Emas Imam Baihaqi; Much Aziz Muslim
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16182

Abstract

Peramalan harga emas memainkan peran penting dalam sektor investasi karena harga emas sangat fluktuatif dan dipengaruhi oleh kondisi ekonomi global. Support Vector Regression (SVR) merupakan salah satu metode machine learning yang terbukti efektif untuk prediksi deret waktu; namun, kinerjanya sangat bergantung pada penentuan parameter optimal seperti C, ε, dan γ. Parameter yang tidak akurat dapat menyebabkan model gagal menangkap dinamika pasar atau mengalami overfitting. Oleh karena itu, penelitian ini bertujuan untuk meningkatkan kinerja peramalan harga emas dengan mengintegrasikan Adaptive Particle Swarm Optimization (APSO) ke dalam model SVR untuk memperoleh kombinasi parameter optimal secara adaptif. Dataset yang digunakan terdiri dari data historis harga emas harian yang diperoleh dari Investing.com mencakup periode Februari 2014 hingga Januari 2024. Evaluasi model dilakukan menggunakan metrik MAE, RMSE, MAPE, MSE, dan R². Hasil eksperimen menunjukkan bahwa model SVR-APSO yang diusulkan mencapai kinerja terbaik dengan nilai MAE sebesar 4.626511, RMSE sebesar 6.355163, MAPE sebesar 0.246459%, MSE sebesar 40.388091, dan nilai R² sebesar 0.996617. Temuan ini menunjukkan bahwa optimisasi adaptif terhadap parameter SVR secara signifikan meningkatkan kemampuan model dalam memprediksi fluktuasi harga emas dan memberikan akurasi prediksi yang lebih baik dibandingkan SVR konvensional maupun optimisasi berbasis PSO standar. Kata Kunci – Support Vector Regression, Adaptive Particle Swarm Optimization, Peramalan Harga Emas, Machine Learning, Peramalan Deret Waktu
Implementasi Business Intelligence untuk Analisis Identifikasi Risiko Pengeluaran Impulsif Berbasis FOMO Kurnia Gusti Ayu; Dwi Wulandari Sari; Mulyana Chandra Hadiati; Hariesa Budi Prabowo
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16201

Abstract

Pertumbuhan pesat ekonomi digital dan media sosial telah memengaruhi perilaku konsumen, khususnya meningkatnya pengeluaran impulsif yang dipicu oleh Fear of Missing Out (FOMO). Kemudahan transaksi digital, promosi berbasis kelangkaan, dan tekanan sosial di media sosial berpotensi meningkatkan risiko finansial individu. Namun, pendekatan analitis berbasis data untuk mendeteksi risiko pengeluaran impulsif secara dini masih terbatas. Penelitian ini bertujuan mengembangkan pendekatan Business Intelligence (BI) untuk deteksi dini risiko pengeluaran impulsif berbasis FOMO melalui integrasi indikator psikologis dan finansial ke dalam model skor risiko. Penelitian ini menerapkan kerangka kerja BI yang mencakup proses Extract, Transform, Load (ETL), pengolahan data menggunakan Python, serta visualisasi dashboard interaktif menggunakan Microsoft Power BI. Data dikumpulkan melalui kuesioner daring terhadap 308 responden, mencakup indikator psikologis terkait perilaku FOMO dan indikator finansial, seperti pendapatan dan pengeluaran impulsif. Hasil penelitian menunjukkan rata-rata skor FOMO sebesar 3,97 dan rata-rata skor risiko sebesar 0,56, dengan mayoritas responden berada pada kategori risiko sedang sebesar 84,42%. Hal ini menunjukkan hubungan yang konsisten antara peningkatan skor FOMO, tingginya pengeluaran impulsif, dan meningkatnya kategori risiko. Hasil penelitian menegaskan pentingnya visual analytics berbasis BI dalam mendukung pemantauan risiko terintegrasi dan pengambilan keputusan berbasis data.   Kata Kunci - Fear of Missing Out (FOMO), Pengeluaran Impulsif, Business Intelligence, Dashboard Interaktif
Image Histogram Analysis in a Webcam-Based Non-Ionizing Tomographic System for Early Shrimp Disease Detection Yusril Ihza Tachriri; Dian Arif Rachman; Yuni Lestiani; Elvinda Bendra Agustina; Atika Windra Sari; Muhammad Rofiqul A’la; Rif’atun Romadhoni; Azka Nazhan Ristiani
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16203

Abstract

This study presents the development of a non-ionizing tomography imaging system using a webcam to detect diabetes-like metabolic disorders in Litopenaeus vannamei through digital image histogram analysis. The method employs controlled glucose injections (0–10 mL) to simulate metabolic variation, followed by optical image acquisition and RGB histogram characterization using Python-based GUI software. Calibration with a white-screen baseline ensures consistent optical response. Results show significant RGB histogram shifts correlating with glucose concentration changes, indicating optical density variations in shrimp tissues. The RGB mean intensity decreased by approximately 20–35% between 0 and 6 mL glucose concentration. Linear regression analysis within the 0–6 mL range yielded a sensitivity of 11.48 intensity units/mL with R² = 0.987, and an estimated detection limit of 0.4 mL equivalent glucose change. The method demonstrates potential as a non-invasive, low-cost diagnostic tool for early metabolic disorder detection in aquaculture.   Keywords - non-ionizing tomography, RGB histogram analysis, Litopenaeus vannamei, glucose detection, digital image processing
Sistem Pendeteksi Hewan Perusak Lahan Pertanian Berbasis ESP32-CAM dan Sensor PIR Dengan Energi Surya Januardi Hadi Firmansyah; Farida Idifitriani
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16207

Abstract

Kerusakan lahan pertanian akibat hewan ternak yang dilepasliarkan masih menjadi permasalahan yang sering terjadi di Kabupaten Sumbawa. Penelitian ini bertujuan merancang sistem pendeteksi hewan perusak lahan pertanian berbasis Internet of Things (IoT) menggunakan ESP32-CAM, sensor PIR, teknologi deteksi objek YOLOv8, dan energi surya. Sistem bekerja dengan mendeteksi gerakan menggunakan sensor PIR dan melakukan verifikasi objek menggunakan YOLOv8 melalui VPS server berbasis Flask. Apabila objek terdeteksi sebagai sapi, sistem akan mengirimkan notifikasi Telegram dan mengaktifkan alarm otomatis. Sistem juga mendukung mode offline ketika koneksi internet terputus. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi objek sapi dengan tingkat keberhasilan sekitar 80% pada jarak efektif 5–8 meter. Selain itu, sistem tenaga surya mampu mendukung operasional perangkat secara mandiri selama proses pengujian berlangsung. Penelitian ini menunjukkan bahwa integrasi IoT, computer vision, dan energi surya dapat diterapkan sebagai sistem keamanan otomatis untuk membantu petani dalam memantau dan mengurangi gangguan hewan pada lahan pertanian. Kata kunci: Internet of Things, ESP32-CAM, YOLOv8, Sensor PIR, Energi Surya.
Analisis Emosi Warganet pada Komentar Youtube Tentang Demo DPR 2025 Menggunakan Naive Bayes M. Darwin; Farid Wajidi; A. Amirul Asnan Cirua
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16210

Abstract

Demo DPR 2025 menimbulkan beragam reaksi di kalangan warganet yang terekspresikan melalui komentar di media sosial. Fenomena ini menghasilkan data komentar dalam jumlah besar dengan variasi ekspresi emosi yang beragam, sehingga menjadi sumber data yang relevan untuk menguji performa klasifikasi emosi pada data teks multikelas. Penelitian ini bertujuan untuk menganalisis emosi warganet terhadap demo tersebut menggunakan algoritma Naive Bayes dengan memanfaatkan komentar YouTube yang telah dibersihkan dan dilabeli ke dalam lima kategori emosi: Marah, Netral, Sedih, Senang, dan Takut. Hasil awal menunjukkan akurasi sebesar 85%, dengan performa tinggi pada kelas mayoritas (Marah) dan (sedih) namun rendah pada kelas senang, takut dan Netral. Permasalahan ini menunjukkan adanya ketidakseimbangan kelas yang menyebabkan bias prediksi terhadap emosi tertentu, yang masih jarang dibahas dalam penelitian serupa pada konteks sosial-politik Indonesia. Untuk mengatasi gap tersebut, penelitian ini menerapkan Synthetic Minority Over-sampling Technique (SMOTE) pada data training guna meningkatkan kemampuan model mengenali emosi minoritas. Setelah penerapan SMOTE, akurasi naik menjadi 89%. Hasil ini menunjukkan bahwa SMOTE mampu memperbaiki ketimpangan performa model tanpa bergantung pada akurasi keseluruhan. Kebaruan penelitian ini terletak pada penerapan SMOTE dalam analisis emosi warganet terhadap isu sosial-politik aktual di Indonesia, sehingga menghasilkan model yang lebih seimbang dan representatif dalam memahami persepsi publik di media sosial. Kata Kunci- Naive Bayes, klasifikasi emosi, SMOTE, komentar YouTube, demo DPR 2025
Analisis Perbandingan Kinerja Algoritma Random Forest dan XGBoost dalam Klasifikasi Preferensi Wisatawan Kabupaten Kendal Yuni Handayani; Taufik Hidayat; Muhammad Khozin; Tri Muji Waluyo
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16214

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Random Forest dan XGBoost dalam mengklasifikasikan preferensi pengunjung destinasi wisata di Kabupaten Kendal. Data diperoleh melalui kuesioner yang mencakup atribut usia, jenis kelamin, asal, transportasi, harga tiket, fasilitas, dan akses. Tahapan penelitian meliputi pembagian data menggunakan train-test split dengan proporsi 80:20 serta penanganan ketidakseimbangan data menggunakan teknik SMOTE pada data pelatihan. Proses pemodelan dilakukan dengan optimasi parameter menggunakan GridSearchCV untuk memperoleh model terbaik dari masing-masing algoritma. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score pada data uji, serta diperkuat dengan Stratified K-Fold Cross Validation (k=5) untuk memastikan stabilitas dan kemampuan generalisasi model. Hasil penelitian menunjukkan bahwa Random Forest memperoleh akurasi sebesar 89,55%, sedangkan XGBoost menghasilkan akurasi yang lebih tinggi yaitu 90,30%. Hasil cross-validation juga menunjukkan bahwa XGBoost memiliki performa yang lebih stabil dibandingkan Random Forest. Analisis feature importance menunjukkan bahwa atribut usia menjadi faktor paling berpengaruh, diikuti oleh akses, asal, dan harga tiket. Hasil penelitian ini diharapkan dapat menjadi dasar dalam perumusan strategi pengembangan dan promosi pariwisata berbasis data.   Kata kunci – Random Forest, XGBoost, Klasifikasi, Preferensi Wisata
Strategic Development of 3D Printing Entrepreneurship Using SWOT–TOWS Analysis: A Case Study of the PopStudio Startup Ahmad Titis Bagus Nalendra; Dana Azizah Rahmat; Hujjatullah Fazlurrahman; Nila Sa'adah
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16234

Abstract

Indonesia's economic growth of 5.61% in Q1-2026 has accelerated digitalization in the creative industry, including 3D printing services. Despite its vast potential, the commercial adoption of digital manufacturing services like Pop Studio at the Business Incubator of Balai Diklat Industri Surabaya faces obstacles, namely low consumer 3D design literacy and the threat of price competition from competitors. This study aims to analyze the internal and external environment and formulate the optimal business development strategy for Pop Studio. Using a mixed-methods approach, primary data were collected through field observations, in-depth interviews, and questionnaires distributed to 36 target market respondents. The SWOT matrix mapping shows that Pop Studio has a strong competitive advantage in end-to-end solutions and functional spare part reverse engineering. The TOWS matrix formulation yields Strength-Opportunity (SO) strategies as the main priority, including providing end-to-end solutions, addressing industrial prototyping (jig & fixture) using PETG material, and expanding the creative experience service (coloring studio). The results of this study are expected to serve as a strategic guide for digital manufacturing startup managers in building competitive advantages in the Industry 4.0 era.   Keywords - 3D Printing, Business Strategy, SWOT Analysis, TOWS Matrix, Business Incubator.
Deteksi Hewan Perusak Tanaman Menggunakan YOLOv8 Berbasis ESP32-CAM Samsul Rizal; Farida Idifitriani
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16251

Abstract

Kerusakan lahan pertanian yang disebabkan oleh hewan liar masih menjadi masalah signifikan yang memengaruhi produktivitas tanaman dan menyebabkan kerugian ekonomi bagi petani. Metode pemantauan konvensional, seperti penjagaan manual dan sistem alarm berbasis gerakan, dianggap kurang efektif karena memerlukan pengawasan manusia secara terus-menerus dan tidak mampu mengidentifikasi jenis objek yang terdeteksi. Beberapa penelitian sebelumnya telah mengimplementasikan sistem berbasis Internet of Things (IoT) menggunakan sensor Passive Infrared (PIR) dan modul ESP32-CAM untuk mendeteksi gerakan di area pertanian. Namun, sensor PIR hanya mampu mendeteksi pergerakan tanpa dapat mengklasifikasikan objek secara spesifik, sehingga sering menimbulkan alarm palsu yang disebabkan oleh manusia, hewan, atau faktor lingkungan. Penelitian ini mengusulkan sistem deteksi hewan perusak tanaman secara real-time menggunakan algoritma YOLOv8 berbasis ESP32-CAM. Sistem ini memanfaatkan ESP32-CAM sebagai perangkat akuisisi citra dan YOLOv8 sebagai metode deteksi objek untuk mengidentifikasi hewan perusak melalui citra digital. Sistem yang diusulkan diharapkan dapat meningkatkan akurasi deteksi dan mengurangi alarm palsu dibandingkan dengan sistem konvensional berbasis sensor gerak. Penelitian ini berkontribusi pada pengembangan aplikasi Kecerdasan Buatan dan Computer Vision dalam smart farming, khususnya pada sistem pemantauan lahan pertanian otomatis.   Kata Kunci - YOLOv8, ESP32-CAM, Deteksi Objek, Smart Farming, Computer Vision

Page 79 of 83 | Total Record : 821

 77   78   79   80   81 

Filter by Year

2012 2026


Reset
Filter By Issues
All Issue Vol. 25 No. 3 (2026): August 2026 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