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
 78   79   80   81   82 
Analisis Sentimen, Linguistik, dan Spasial Pada Program Makan Bergizi Gratis Menggunakan LSTM dan GRU Dewi Asiah Shofiana; Rhalasya Eleina Putri; Rahman Taufik; Favorisen Rosyking Lumbanraja
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.v25i3.16255

Abstract

Penelitian ini memetakan sentimen publik serta pola linguistik, temporal, dan spasial opini mengenai Program Makan Bergizi Gratis (MBG) pada X, sekaligus membandingkan kinerja Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) untuk klasifikasi sentimen. Penelitian menggunakan pendekatan kuantitatif berbasis text mining pada tweet berbahasa Indonesia periode Januari sampai Agustus 2025. Pengumpulan data berbasis kata kunci menghasilkan 13.486 tweet yang difokuskan pada konteks sekolah menengah atas dan menjadi 12.476 tweet setelah penghapusan duplikasi. Pelabelan dilakukan melalui anotasi manual dan bantuan IndoBERT, sedangkan ketidakseimbangan kelas pada data latih ditangani menggunakan ADASYN. Evaluasi dilakukan melalui stratified 10-fold cross-validation dan data uji terpisah. LSTM memberikan kinerja terbaik dengan akurasi 77,63%, presisi 77,51%, recall 77,40%, F1-score 77,46%, dan AUC 91,54%, sedangkan GRU memperoleh akurasi 75,59% dan F1-score 75,40%. Analisis linguistik menunjukkan bahwa sentimen negatif berpusat pada kualitas makanan dan anggaran, sedangkan sentimen positif menonjolkan manfaat gizi, pemerataan, dan masa depan anak. Temuan ini menegaskan bahwa evaluasi kebijakan perlu menggabungkan performa model dengan konteks linguistik dan wilayah. Kata kunci: Analisis Sentimen, Gated Recurrent Unit, Long Short-Term Memory, Pemrosesan Bahasa Alami, Program Makan Bergizi Gratis
Implementasi Chatbot AI Berbasis Dialogflow pada Platform E-Commerce Muhammad Nurfalah Setiawan; Pramudya Prima Insan
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.v25i3.16261

Abstract

Perkembangan teknologi digital dalam beberapa tahun terakhir telah meningkatkan penggunaan platform e-commerce dalam aktivitas transaksi daring. Peningkatan jumlah pengguna dan interaksi pelanggan menuntut layanan pelanggan yang mampu memberikan respons cepat, akurat, dan tersedia secara real-time. Penelitian ini bertujuan mengimplementasikan chatbot AI berbasis Dialogflow pada platform e-commerce berbasis web menggunakan framework Laravel untuk mendukung proses pelayanan pelanggan secara otomatis. Metode penelitian yang digunakan meliputi analisis kebutuhan sistem, perancangan aplikasi, implementasi chatbot AI, serta pengujian sistem menggunakan metode blackbox testing dan pengujian skenario intent chatbot. Hasil pengujian menunjukkan bahwa seluruh fitur utama aplikasi, seperti pengelolaan data produk, transaksi pembelian, integrasi pembayaran melalui platform Xendit, serta otomatisasi pembaruan stok barang dapat berjalan dengan baik tanpa ditemukan error fungsional. Selain itu, chatbot mampu memberikan respons sesuai intent yang telah dilatih, seperti pencarian produk, detail produk, penambahan produk ke keranjang, dan fallback response untuk pertanyaan di luar konteks e-commerce. Dengan demikian, implementasi chatbot AI pada platform e-commerce mampu membantu meningkatkan kualitas layanan pelanggan menjadi lebih cepat, interaktif, efisien, dan mudah diakses oleh pengguna.   Keywords - E-Commerce, Chatbot AI, Dialogflow
Prediksi Inflasi Bulanan Menggunakan LightGBM dan Optimasi Hyperparameter Berbasis Optuna Dian Maharani; Anggraini Puspita Sari; Muhammad Muharrom Al Haromainy
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.v25i3.16313

Abstract

Inflasi merupakan indikator makroekonomi penting yang mencerminkan perubahan tingkat harga barang dan jasa serta berpengaruh terhadap stabilitas ekonomi dan pengambilan kebijakan. Prediksi inflasi menjadi tantangan karena data inflasi memiliki karakteristik deret waktu yang dinamis, dipengaruhi oleh berbagai faktor ekonomi, serta mengandung hubungan nonlinier. Tujuan penelitian ini adalah menghasilkan model prediksi inflasi bulanan Indonesia dengan menerapkan metode LightGBM serta melakukan optimasi hyperparameter menggunakan Optuna guna meningkatkan kinerja model. Dataset penelitian mencakup data inflasi dan berbagai indikator makroekonomi Indonesia pada tahun 2014–2024 yang dikumpulkan dari Bank Indonesia dan Badan Pusat Statistik (BPS). Tahapan penelitian meliputi preprocessing, feature engineering, pembagian data, pemodelan, optimasi hyperparameter, dan evaluasi menggunakan MAE, RMSE, dan R². Berdasarkan pengujian yang dilakukan, diperoleh hasil bahwa optimasi hyperparameter mampu meningkatkan performa model secara signifikan dengan menghasilkan MAE sebesar 0,0434, RMSE sebesar 0,0561, dan R² sebesar 0,9259. Hasil tersebut menunjukkan bahwa LightGBM yang dioptimasi menggunakan Optuna mampu memprediksi inflasi bulanan dengan tingkat akurasi yang tinggi dan efektif dalam menangkap pola nonlinier pada data inflasi.   Kata kunci - Inflasi, LightGBM, Optuna, Deret waktu, Prediksi          
Optimasi Hyperparameter Bidirectional LSTM Menggunakan Particle Swarm Optimization untuk Estimasi Harga Saham PTBA Pramudya Reksha Kumala; Anggraini Puspita Sari; Afina Lina Nurlailli
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Estimasi harga saham merupakan permasalahan yang kompleks akibat pergerakan harga yang bersifat volatil dan non-linear. Penelitian ini mengimplementasikan model Bidirectional Long Short-Term Memory (BiLSTM) yang dioptimasi menggunakan Particle Swarm Optimization (PSO) untuk melakukan estimasi harga saham PTBA. Data yang digunakan merupakan data historis harian saham PTBA sebanyak 1.199 data dari rentang 5 Mei 2021 hingga 5 Mei 2026 yang diperoleh dari investing.com. PSO digunakan untuk menentukan kombinasi hyperparameter optimal pada model BiLSTM yang meliputi learning rate, hidden units pada dua lapisan, dan dropout rate, dengan menggunakan 20 partikel dan 30 iterasi. Hasil optimasi PSO menghasilkan kombinasi hyperparameter optimal yaitu learning rate sebesar 0,00402, hidden units lapisan pertama sebesar 92, hidden units lapisan kedua sebesar 48, dan dropout rate sebesar 0,14600. Model PSO-BiLSTM yang dilatih menggunakan kombinasi tersebut menghasilkan nilai MAE sebesar 31,7024, RMSE sebesar 50,7833, dan MAPE sebesar 1,1745% pada data uji. Hasil komparasi dengan model Baseline BiLSTM menunjukkan peningkatan akurasi sebesar 33,43% pada MAE, 23,19% pada RMSE, dan 33,96% pada MAPE, membuktikan bahwa optimasi hyperparameter menggunakan PSO mampu meningkatkan kemampuan estimasi model BiLSTM secara signifikan.   Kata Kunci - BiLSTM, PSO, Optimasi Hyperparameter, Estimasi Harga Saham, PTBA
Perancangan Blueprint Arsitektur Enterprise Sistem Informasi Akademik Terintegrasi pada SMK Nurul Huda Menggunakan TOGAF ADM Hidayatur Rakhmawati; Mohammad Fredimas; Zahra Mahrifatun Anisa; Muh Zaltan Aprilia
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.v25i3.16402

Abstract

SMK Nurul Huda menghadapi permasalahan pengelolaan data akademik yang belum terintegrasi sehingga berpotensi menimbulkan duplikasi data, keterlambatan rekapitulasi, dan kesulitan penyusunan laporan akademik. Penelitian sebelumnya telah menerapkan TOGAF ADM pada lingkungan pendidikan, namun belum secara khusus menghasilkan blueprint yang mengakomodasi karakteristik akademik SMK. Penelitian ini bertujuan menyusun blueprint arsitektur enterprise Sistem Informasi Akademik SMK Nurul Huda menggunakan TOGAF ADM. Data dikumpulkan melalui observasi, wawancara, dan analisis dokumen, kemudian dianalisis menggunakan TOGAF ADM dengan pendekatan Value Chain, SWOT, dan McFarlan Strategic Grid. Hasil penelitian menghasilkan blueprint yang mencakup arsitektur bisnis, data, aplikasi, dan teknologi, serta portofolio aplikasi berdasarkan prioritas pengembangannya. Hasil tersebut menunjukkan bahwa pengembangan sistem diprioritaskan pada aplikasi yang mendukung operasional akademik dan layanan strategis sesuai karakteristik SMK. Blueprint yang dihasilkan dapat menjadi dasar pengembangan Sistem Informasi Akademik yang terintegrasi di SMK Nurul Huda.   Kata Kunci - Arsitektur Enterprise, Sistem Informasi Akademik, TOGAF ADM, Blueprint, SMK
Validating Market Demand for 3D Design and Printing Services Using Design Thinking and Value Proposition Canvas: PopStudio Startup Case Study Nila Sa'adah; Dana Azizah Rahmat; Hujjatullah Fazlurrahman; Ahmad Titis Bagus Nalendra
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.v25i3.16403

Abstract

This study aims to identify the initial market needs for 3D design and 3D printing services at the digital manufacturing startup PopStudio and to develop a value proposition that supports achieving problem-solution fit. The study employs a mixed-methods approach with a qualitative focus through an exploratory case study. Data were collected using purposive sampling of 34 potential respondents and two key informants through questionnaires, interviews, digital observations, and analysis of internal documents. Analysis was conducted by integrating Design Thinking, the Value Proposition Canvas (VPC), the Lotus Blossom Diagram, and the Now–How–Wow Matrix through the stages of Empathize, Define, Ideate, Prototype, and Test. The research findings indicate that customers need not only 3D printing services but also end-to-end solutions that include design consultation, previews and revisions, rapid prototyping, reverse engineering, replacement parts, on-demand production, and transparent, responsive service processes. The three priority customer segments identified include Personal Users/Custom Product, Business Owners/SMEs, and Functional Users. These findings demonstrate that a customer-centric approach helps digital manufacturing startups formulate more relevant value propositions, strengthen service differentiation, and support service development aligned with early-market needs.   Keywords - 3D Printing, Design Thinking, Value Proposition Canvas, digital manufacturing startup, Problem-Solution Fit
Perbandingan Arsitektur ResNet18 dan ConvNeXt-Tiny untuk Klasifikasi Jenis Ikan Berbasis Transfer Learning Septia Nawang Wulan; Retno Wahyusari
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.v25i3.16609

Abstract

Identifikasi jenis ikan merupakan proses penting dalam sektor perikanan, namun metode konvensional yang mengandalkan pengamatan visual masih memiliki keterbatasan dalam hal efisiensi dan akurasi. Penelitian ini bertujuan untuk mengklasifikasikan jenis ikan menggunakan metode Convolutional Neural Network (CNN) berbasis transfer learning dengan membandingkan arsitektur ResNet18 dan ConvNeXt-Tiny. Dataset yang digunakan adalah Fish Dataset dari Kaggle yang terdiri dari 13.304 citra ikan. Tahap preprocessing meliputi resize citra menjadi 224×224 piksel, normalisasi, transformasi tensor, dan augmentasi data. Proses pelatihan dilakukan menggunakan optimizer Adam dan fungsi loss CrossEntropyLoss dengan variasi epoch 10 hingga 100. Hasil menunjukkan bahwa kedua model mengalami peningkatan akurasi seiring bertambahnya jumlah epoch. ResNet18 menunjukkan kemampuan adaptasi yang lebih cepat pada tahap awal pelatihan, sedangkan ConvNeXt-Tiny memberikan performa yang lebih baik pada tahap akhir. Accuracy tertinggi diperoleh ConvNeXt-Tiny sebesar 96,93%, lebih tinggi dibandingkan ResNet18 sebesar 94,26%. Selain itu, ConvNeXt-Tiny menunjukkan peningkatan performa yang lebih konsisten seiring bertambahnya epoch pelatihan. Hasil menunjukkan bahwa transfer learning efektif diterapkan pada klasifikasi jenis ikan dan ConvNeXt-Tiny memiliki kemampuan yang lebih baik dalam merepresentasikan fitur visual citra ikan.   Kata Kunci - Klasifikasi Jenis Ikan, CNN, Transfer Learning, ResNet18, ConvNeXt-Tiny.
ROC-WASPAS untuk Evaluasi Kinerja Guru dengan Analisis Sensitivitas Bobot Kriteria Siti Nur Anisa; Indana Lazulfa
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.v25i3.16613

Abstract

Evaluasi kinerja guru memiliki peran strategis dalam menjamin kualitas proses pembelajaran dan mendukung pengambilan keputusan manajerial di lingkungan pendidikan. Akan tetapi, mekanisme penilaian yang masih dilakukan secara konvensional sering kali menghadapi permasalahan berupa subjektivitas penilai dan ketidakseragaman dalam penentuan tingkat kepentingan kriteria, yang berpotensi menurunkan reliabilitas hasil evaluasi. Penelitian ini mengembangkan model sistem pendukung keputusan berbasis integrasi metode Rank Order Centroid (ROC) dan Weighted Aggregated Sum Product Assessment (WASPAS) untuk membantu proses pemilihan guru terbaik. Evaluasi dilakukan terhadap 16 guru dengan mempertimbangkan enam aspek penilaian, yaitu kemampuan pedagogis, profesionalisme, kompetensi sosial, kompetensi kepribadian, kedisiplinan, dan masa pengabdian. ROC digunakan untuk menghasilkan bobot kriteria berdasarkan urutan prioritas yang telah ditetapkan, sedangkan WASPAS dimanfaatkan untuk memperoleh nilai preferensi dan menentukan urutan alternatif. Selain proses pemeringkatan, penelitian ini juga menerapkan analisis sensitivitas untuk mengukur ketahanan model terhadap perubahan bobot kriteria. Hasil pengujian menunjukkan bahwa alternatif A10 memperoleh nilai preferensi tertinggi sebesar 0,9524. Sementara itu, skenario perubahan bobot sebesar ±10% menghasilkan koefisien korelasi Spearman antara 0,9882 hingga 1,0000 yang mengindikasikan tingkat konsistensi pemeringkatan yang sangat tinggi. Temuan tersebut menunjukkan bahwa model ROC–WASPAS mampu menghasilkan rekomendasi yang stabil, objektif, dan layak digunakan sebagai pendukung evaluasi kinerja guru.   Kata Kunci: Sistem Pendukung Keputusan, ROC, WASPAS, Penilaian Kinerja Guru, Analisis Sensitivitas.
Sistem Informasi Monitoring dan Kendali Perangkat Listrik Gedung Berbasis Interactive Floorplan Menggunakan ESP32 Bagas Fitriandra; Rudi Santoso; Hartono Hartono
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.v25i3.16615

Abstract

Perkembangan teknologi Internet of Things (IoT) mendorong penerapan sistem monitoring dan kendali perangkat listrik pada lingkungan gedung secara real-time. Namun, sebagian besar sistem smart building masih menggunakan antarmuka berbasis daftar teks yang kurang efektif untuk memantau perangkat pada gedung dengan jumlah ruangan dan perangkat yang banyak. Penelitian ini bertujuan mengembangkan sistem informasi monitoring dan kendali perangkat listrik berbasis Interactive Floorplan menggunakan ESP32 dan Firebase Real-time Database. Sistem dikembangkan menggunakan aplikasi Android berbasis Kotlin dan Jetpack Compose, sedangkan Firebase Real-time Database digunakan sebagai media sinkronisasi data real-time antara aplikasi dan ESP32. Metode pengembangan yang digunakan adalah Waterfall. Pengujian fungsional menggunakan metode Black Box Testing menunjukkan seluruh fitur sistem berjalan sesuai kebutuhan. Hasil pengujian waktu respon menunjukkan rata-rata waktu respon sebesar 724 ms. Implementasi Interactive Floorplan memungkinkan visualisasi lokasi perangkat pada denah digital sehingga memudahkan proses monitoring dan pengendalian perangkat listrik. Kata Kunci - IoT, ESP32, Interactive Floorplan, Firebase, Android
Perbandingan Support Vector Machine dan Model Transformer untuk Klasifikasi Sentimen Terkait Redenominasi Rupiah di YouTube Andini Putri Amrullah; 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.v25i3.16668

Abstract

Redenominasi rupiah merupakan isu kebijakan moneter yang dapat memengaruhi persepsi masyarakat terhadap nilai mata uang dan perilaku ekonomi. Tanggapan masyarakat terhadap isu ini dapat diamati melalui komentar YouTube. Penelitian terdahulu umumnya membandingkan metode pembelajaran mesin klasik dengan satu model Transformer, sedangkan perbandingan SVM, IndoBERT, IndoBERTweet, dan penggabungan probabilitas kedua model Transformer masih terbatas. Penelitian ini membandingkan keempat model tersebut dengan menerapkan metode weighted soft voting pada IndoBERT dan IndoBERTweet. Data awal berjumlah 1.755 komentar. Setelah melalui tahap pembersihan, preprocessing, pelabelan, dan penghapusan duplikat, diperoleh 1.588 komentar. Data dibagi secara terstratifikasi menjadi 70% data pelatihan, 10% data validasi, dan 20% data uji. Teks diproses dalam format komen_svm untuk SVM dan komen_bert untuk model Transformer. Pada seed 42, model hybrid memperoleh akurasi 76,73% dan Macro F1-score 74,83%, yang merupakan hasil tertinggi pada eksperimen ini. Pada dataset dan konfigurasi penelitian yang digunakan, model hybrid memperoleh kinerja tertinggi pada korpus yang memuat variasi bahasa formal dan informal. Namun, hasil penelitian ini belum dapat digeneralisasikan ke seluruh komentar YouTube. Kata Kunci - Analisis Sentimen, Redenominasi Rupiah, Komentar YouTube, SVM, IndoBERT, IndoBERTweet, Weighted soft voting.

Page 80 of 83 | Total Record : 821

 78   79   80   81   82 

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