cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Mahasiswa TEUB
Published by Universitas Brawijaya
ISSN : -     EISSN : -     DOI : -
Core Subject : Education,
Education
Arjuna Subject : -
Articles 2,116 Documents
 206   207   208   209   210 
FPGA-Based Edge Detection for Vehicle License Plate Character Saputra, Nicky; Sulistiyanto, Nanang; Muttaqin, Adharul
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Deteksi tepi merupakan tahap penting dalampemrosesan citra untuk mengidentifikasi struktur dan batasobjek melalui perbedaan intensitas piksel. Salah satu teknikdeteksi tepi yang banyak digunakan adalah operator Sobel.Namun, dalam praktiknya, operator Sobel konvensional hanyamendeteksi tepi horizontal dan vertikal, sehingga kurangefektif pada citra dengan kontur miring atau kompleks sepertitanda nomor kendaraan bermotor (TNKB). Oleh karenanyauntuk mengatasi keterbatasan ini, digunakan algoritma Sobelempat arah yang menambahkan deteksi gradien diagonal dananti-diagonal. Akan tetapi, meskipun lebih akurat dalammengekstraksi kontur, algoritma ini meningkatkan jumlahoperasi konvolusi dan membebani komputasi, sehingga kurangcocok untuk aplikasi waktu nyata jika hanyadiimplementasikan pada Central Processing Unit (CPU).Dengan demikian, penelitian ini dilakukan untukmempersingkat waktu eksekusi dari algoritma Sobel empatarah dengan mengimplementasikan algoritma tersebut di FieldProgrammable Gate Array (FPGA).Penelitian ini membandingkan dua pendekatanimplementasi algoritma Sobel empat arah yakni menggunakanPython di CPU dan menggunakan perangkat keras di FPGAcustom board Alinx AXU2CGA. Pengujian keduanyadilakukan pada citra TNKB dengan mengukur waktu eksekusi.Hasil pengujian yang dilakukan menunjukkan bahwaimplementasi Python di Google Colab membutuhkan rata-rata5 detik, sedangkan FPGA menyelesaikannya dalam waktu 3ms. Hal ini menunjukkan bahwa FPGA memberikanpercepatan lebih dari 1600 kali dibandingkan eksekusiberbasis CPU, sehingga dapat menjadikannya salah satualternatif untuk aplikasi deteksi tepi real-time.Kata kunci – Image Processing, TNKB, FPGA, Python,Sobel
Desain dan Implementasi Akselerator Konvolusi CNN Menggunakan Systolic Array pada FPGA untuk Pemrosesan Citra Syafillah, Mohammad Ardian; Sulistiyanto, Nanang; Muttaqin, Adharul
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Convolutional Neural Network (CNN)merupakan metode pemrosesan citra yang unggul dalammengekstraksi fitur, namun memiliki kebutuhan komputasitinggi yang kurang efisien jika dijalankan pada perangkatdengan sumber daya terbatas. FPGA menjadi solusi potensialkarena menawarkan efisiensi energi dan pemrosesan paralel.Penelitian ini bertujuan untuk merancang danmengimplementasikan akselerator lapisan konvolusi CNNberbasis systolic array pada FPGA. Penelitian ini merancangdan mengimplementasikan sistem akselerasi konvolusimenggunakan systolic array untuk pemrosesan citraberukuran 16×16 piksel dengan satu kernel berukuran 3×3.Systolic array yang dirancang mampu menghasilkan delapanoutput secara paralel. Hasil pengujian menunjukkan bahwaakselerator yang dirancang mampu mempercepat proseskonvolusi hingga delapan kali lebih cepat dibandingkanperangkat lunak. Selain itu, error rata-rata dan maksimumyang dihasilkan relatif rendah dan tidak berdampaksignifikan terhadap akurasi prediksi.Kata kunci—CNN, FPGA, konvolusi, systolic array
Implementasi Algoritma Prewitt pada FPGA untuk Deteksi Tepi Tanda Nomor Kendaraan Bermotor Musyahadah, Faiq Arsyad; Sulistiyanto, Nanang; Muttaqin, Adharul
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Deteksi tepi merupakan tahap awal yang sangat pentingdalam proses pengenalan tanda nomor kendaraan bermotor(TNKB). Salah satu algoritma deteksi tepi yang memilikikeseimbangan antara kompleksitas komputasi dan kualitas hasildeteksi adalah algoritma Prewitt. Namun, implementasi algoritmaPrewitt berbasis perangkat lunak memiliki waktu eksekusi yangtinggi. Untuk mengatasi permasalahan tersebut, penelitian inimenyajikan implementasi algoritma deteksi tepi Prewitt pada FPGA.Metode yang digunakan melibatkan perancangan arsitekturperangkat keras berbasis buffer jendela. Modul linebuffer, modulkontrol linebuffer, serta modul konvolusi Prewitt diimplementasikanpada FPGA Alinx AXU2CGA. Proses validasi dilakukan melaluisimulasi behavioural menggunakan Vivado, kemudian hasilimplementasi diuji secara langsung pada FPGA.Hasil penelitian menunjukkan bahwa implementasi algoritmaPrewitt FPGA dapat mendeteksi 63,58% dan 99,4% piksel tepi padacitra uji. FPGA memberikan kecepatan pemrosesan 3 ms, lebihcepat dibandingkan CPU Ryzen 7 4800U yang membutuhkan lebihdari 3945 ms.Kata Kunci : Deteksi Tepi, Algoritma Prewitt, FPGA 
Analisis Komparatif Metode Segmentasi dan Bounding Box pada Model YOLOv8 untuk Deteksi Karies Sekunder Aldy, Farouq Akbar; Maulana, Eka; Mudjirahardjo, Panca
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Karies sekunder merupakan salah satupermasalahan gigi yang paling sering terjadi di sekitar tepirestorasi. Deteksi dini terhadap kondisi ini menjadi tantangankarena karakteristik visualnya yang halus serta keterbatasanakurasi metode diagnosis konvensional. Penelitian inimenganalisis efektivitas metode segmentasi dan bounding boxmenggunakan arsitektur YOLOv8 dalam mengidentifikasikaries sekunder pada citra Near-Infrared LightTransillumination (NILT). Tahapan penelitian meliputiprapemrosesan, augmentasi, dan pelatihan model pada datasetcitra gigi yang diberi label menggunakan dua pendekatan,yaitu instance segmentation dan bounding box. Hasil evaluasikuantitatif menunjukkan bahwa model instance segmentationmenghasilkan nilai precision sebesar 0,891, recall sebesar 0,728,mAP@50 sebesar 0,817, dan mAP@50–95 sebesar 0,488, yangsecara keseluruhan lebih unggul dibandingkan model boundingbox dengan akurasi yang lebih rendah. Secara kualitatif,metode instance segmentation juga menunjukkan kemampuanyang lebih baik dalam mendeteksi lesi berukuran kecil atauberbentuk tidak beraturan dengan tingkat false positive yanglebih rendah. Berdasarkan hasil tersebut, metode instancesegmentation dengan YOLOv8 dinilai lebih akurat dan andaldalam mendeteksi karies sekunder dibandingkan pendekatanbounding box.Kata Kunci— Karies Sekunder, YOLOv8, Instance Segmentation, Bounding Box.
Rancang Bangun Rompi Terapi Cerdas untuk Penderita Kanker Metastatik MenggunakanTENS Low Frequency dan Aromaterapi dengan Kendali Fuzzy Mamdani Zarkasih, Muhamad Asyir; Nurussa’adah, n/a; Maulana, Eka
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Kanker merupakan salah satu penyebab utama morbiditas dan mortalitas di dunia, dengan angka kejadianyang terus meningkat setiap tahunnya. Pasien kanker metastatik atau stadium akhir umumnya mengalami nyerikronis yang signifikan dan berdampak terhadap kualitas hidup. Penanganan nyeri pada pasien kanker tidak hanyamemerlukan terapi farmakologis, tetapi juga pendekatan nonfarmakologis yang bersifat komplementer, sepertiTranscutaneous Electrical Nerve Stimulation (TENS) dan aromaterapi. Penelitian ini bertujuan untuk merancangdan mengembangkan rompi terapi paliatif cerdas yang mengintegrasikan TENS low frequency dan aromatherapyberbasis Fuzzy Logic Mamdani, serta dilengkapi dengan sensor Electrocardiogram (ECG) untuk memantau kondisifisiologis pasien secara real-time. Metode Fuzzy Logic digunakan untuk mengklasifikasikan kondisi pasienberdasarkan parameter Heart Rate (HR) dan Visual Analog Scale (VAS), yang kemudian menentukan intensitasdan durasi terapi TENS serta pengaturan level aromaterapi secara adaptif. Sistem dikendalikan oleh mikrokontrolerESP32 dan terhubung dengan aplikasi berbasis Internet of Things (IoT) melalui Google Firebase Database,sehingga memungkinkan pemantauan data dan kendali jarak jauh melalui smartphone. Hasil pengujianmenunjukkan bahwa sistem mampu mendeteksi sinyal EKG dengan tingkat akurasi tinggi, dengan rata-rata errorsebesar 0,802% dan standar deviasi 0,767. Selain itu, pengujian frekuensi keluaran TENS pada 2 Hz menghasilkanerror sebesar 0,4%, menandakan kestabilan dan ketepatan frekuensi yang baik. Sistem klasifikasi berbasis FuzzyLogic Mamdani mampu menentukan level terapi secara otomatis dan responsif terhadap kondisi pengguna. Dengandemikian, rompi terapi paliatif cerdas ini berpotensi menjadi solusi pendukung perawatan nonfarmakologis bagipasien kanker metastatik, karena mampu memberikan terapi yang personal, adaptif, dan nyaman, serta membantumenurunkan intensitas nyeri secara efektif.Kata Kunci: Kanker metastatik, terapi paliatif, TENS low frequency, aromaterapi, Fuzzy Logic Mamdani,Internet of Things
RANCANG BANGUN SISTEM DETEKSI DINI PENYAKIT JANUTNG KORONER SECARA NON-INVASIVE BERBASIS FUZZY LOGIC TERINTEGRASI INTERNET OF THINGS Wildan, Muhammad Adyan; Maulana, Eka; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Penyakit jantung koroner (PJK) merupakan gangguan pada jantung dan pembuluh darah yangdisebabkan oleh penebalan dinding arteri koroner akibat penumpukan plak lemak, sehinggamenghambat aliran darah menuju otot jantung. Faktor risiko PJK terbagi menjadi dua, yaitufaktor yang dapat diubah seperti, hipertensi, hiperkolesterolemia, kurangnya aktivitas fisik,kelebihan berat badan, dan merokok, serta faktor risiko yang tidak dapat diubah yaitu usia,jenis kelamin, dan riwayat keluarga. PJK sering tidak menimbulkan gejala pada tahap awal,sehingga banyak penderita tidak menyadari kondisinya. Berdasarkan permasalahan tersebut,dikembangkan sistem deteksi dini faktor risiko PJK secara non-invasive berbasis fuzzy logicterintegrasi Internet of Things. Perangkat dapat mengklasifikasikan resiko terkena PJKberdasarkan parameter tekanan darah dan kadar kolesterol. Pengujian dilakukan denganmembandingkan hasil prototipe dengan alat kesehatan terstandarisasi, dimana tensimeteruntuk parameter tekanan darah dan glukometer untuk paramater kadar kolesterol. Hasilpengujian menunjukkan tingkat error masing-masing sebesar 3,57% dan 3,17%. Ujikonektivitas menunjukkan waktu rata-rata pengiriman data dari alat ke aplikasi monitoringsebesar 1,04 detik. Selain itu, hasil keluaran klasifikasi aplikasi monitoring menunjukkanakurasi 100% yang dibandingkan dengan klasifikasi MATLAB. Dengan demikian, sistemyang dikembangkan menunjukan kinerja yang baik dalam deteksi dini risiko PJK secara noninvasive dan real-time.Kata kunci: Penyakit Jantung Koroner, Non-Invasive, Internet of Things
RANCANG BANGUN SISTEM KLASIFIKASI TINGKAT STRES BERBASIS FUZZY LOGIC TERINTEGRASI INTERNET OF THINGS Alamanda, Muthi’ah; Maulana, Eka; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Stres adalah suatu kondisi dimana seseorang merasakan sebuah tekanan atau tuntutan yang besar biasanya berasal dari diri sendiri atau pengaruh lingkungan sekitar. Setiap individu memiliki sumber stres yang berbeda, salah satunya adalah stres yang disebabkan oleh aktivitas fisik atau beban kerja yang berat secara fisik. Ketidakmampuan dalam mengelola stres bisa berdampak negatif pada kesehatan fisik, dan kesehatan psikologis individu. Dokter Spesialis dan Konsultan Kedokteran Jiwa FKIK UMY, menekankan bahwa stres dapat diminimalisir dan dikenali melalui pemantauan kondisi yang tepat. Pemantauan dapat dilakukan dengan mengetahui tingkat stres individu secara berkala. Dengan mengetahui tingkat stres yang dialami seseorang dapat dilakukan pencegahan lebih cepat dan tepat sehingga mencegah terjadinya stres berkepanjangan. Untuk mendukung hal tersebut, dikembangkan Stress Classification Device, yaitu perangkat yang berfungsi untuk mengklasifikasikan tingkat stres melalui deteksi tekanan darah dan detak jantung dengan metode fuzzy logic, serta terintegrasi dengan Internet of Things (IoT). Hasil pengujian menunjukkan bahwa perangkat memiliki persentase error sebesar 3,57% untuk tekanan darahdan 3,76% untuk detak jantung. Pengujian pengiriman data melalui komunikasi Bluetooth menunjukkan rata-rata waktu pengiriman sebesar 1,05 detik. Selain itu, hasil klasifikasi pada aplikasi Kodular menunjukkan tingkat kesesuaian 100% dibandingkan dengan hasil klasifikasi pada perangkat lunak MATLAB, yang menunjukan bahwa sistem klasifikasibekerja secara akurat dan konsisten. Kata kunci: Stres, Fuzzy Logic, Internet of Things, Tekanan Darah, Detak Jantung
Analisis Perbandingan Tiga Metode Estimasi Kebutuhan Energi Listrik Tahun 2025–2034 pada PT PLN UID Jawa Barat Reza, Dana Ammar; Wibawa, Unggul; Nurwati, Tri
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Penelitian ini menyajikan estimasi kebutuhan energi listrik PT PLN UID Jawa Barat periode 2025–2034 guna mendukung perencanaan kapasitas dan penguatan jaringan pada empat sektor (rumah tangga, industri, bisnis,dan umum). Tujuan utamanya adalah membandingkan tiga pendekatan yang umum digunakan yaitu DKL 3.2, regresi linear, dan LEAP serta menilai akurasinya terhadap data aktual 2021–2024. Metode yang digunakan meliputi penyusunan dataset 2020–2024, pemodelan per sektor, danevaluasi akurasi menggunakan indikator MAD, MSD, RMSE, dan MAPE, kemudian melakukan proyeksi tahunan 2025–2034. Hasil menunjukkan LEAP menjadi metode terbaik baik untuk pelanggan (MAPE 0,17%) maupunkonsumsi energi (MAPE 0,78%). Pada estimasi tahun 2034, proyeksi LEAP mencapai 25.751.278 pelanggan dengan konsumsi 119.130,2 GWh, selaras dengan tren pertumbuhan 2020–2024. Temuan ini merekomendasikan LEAP sebagai baseline perencanaan, sementara DKL 3.2 dan regresi lineardigunakan sebagai metode pembanding. Kata Kunci— Kebutuhan Listrik, Estimasi, Pelanggan Listrik, Konsumsi Listrik, DKL 3.2, Regresi Linear, LEAP.
Rancang Bangun Sistem Monitoring pH, Suhu, Kadar TDS, Air Limbah Kegiatan Usaha Perikanan Berbasis Internet of Things
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Pengolahan limbah merupakan upaya penting dalam menjaga kelestarian lingkungan dan kesehatan masyarakat. Dalam pengolahan limbah,baku mutu air limbah merupakan parameter pembatas yang telah ditetapkan oleh pemerintah setempat bagi kegiatan usaha yang menghasilkanair limbah. Sehingga, kegiatan usaha wajib memantau air limbah yang dihasilkan agar tidak melampaui baku mutu yang telah ditetapkan.Beberapa parameter baku mutu air limbah yang dipantau dapat berupa nilai pH, suhu, dan juga kadar TDS (Total Dissolved Solids). Pemantauankualitas air kegiatan usaha perikanan secara manual yang melibatkan pengambilan sampel dan pengukuran di lokasi menjadi masalah bagi UPTPerikanan Air Tawar Sumberpasir. Luasnya area usaha dan banyaknya kolam perikanan membuat pemantauan menjadi kurang efisien. Olehsebab itu, penelitian ini memiliki tujuan untuk melakukan perancangan sistem monitoring berbasis Internet of Things yang mampu mengukurpH, suhu, dan kadar TDS air limbah secara real-time untuk meningkatkan efisiensi pemantauan. Sistem ini didesain menggunakan sensor pHSEN0169 dengan rentang pengukuran 0 - 14, sensor suhu DS18B20 dengan rentang dari -55°C - 125°C, dan sensor TDS SEN0244 dalamrentang 0 - 1000 ppm. Dengan menggunakan ESP32 yang terintegrasi modul Wi-Fi, sistem dapat mengirim data sensor-sensor ke databaseFirebase, yang terhubung dengan aplikasi Android Studio sehingga sistem monitoring dapat dilakukan melalui smartphone. Hasil daripengukuran sensor menunjukkan sistem memiliki selisih pengukuran yang rendah antara hasil pembacaan sensor dan alat ukur pembanding.Tingkat kesalahan dalam pengukuran sensor masing-masing dalam pengujian rangkaian sensor sistem dan terhadap air limbah perikanan, untuksensor pH SEN0169 sebesar 1,77% dan 1,39%, sensor suhu DS18B20 sebesar 1%, dan 1,35%, sensor TDS SEN0244 sebesar 3,44% dan 6,32%.Sistem penampilan data yang telah dirancang juga berjalan dengan baik. Selain melalui aplikasi smartphone, sistem dapat menampilkan datamelalui layar LCD secara langsung.Kata Kunci: air limbah perikanan, kegiatan usaha, monitoring, Internet of Things
Sistem Pengatur Kecerahan LED HPL Berbasis Fuzzy Logic untuk Deteksi Karies Sekunder
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Karies sekunder merupakan salah satupermasalahan umum dalam bidang kesehatan gigi yang seringmuncul di sekitar area restorasi. Deteksi dini kondisi inimembutuhkan sistem pencahayaan yang adaptif agarvisualisasi area pemeriksaan lebih optimal. Penelitian inimerancang sistem pengaturan kecerahan High Power LED(HPL) berbasis Fuzzy Logic yang diintegrasikan denganteknologi Computer Vision untuk mendukung metode NearInfrared Light Transillumination (NILT) dalam mendeteksikaries sekunder. Sistem menggunakan mikrokontroler ESP32sebagai pengaturan utama dengan masukan berupa nilaigrayscale hasil analisis citra yang diproses secara real-time.Nilai tersebut dijadikan input bagi pengatur Fuzzy Logic untukmenyesuaikan tingkat Pulse Width Modulation (PWM) yangmengatur intensitas cahaya HPL secara otomatis. Hasilpengujian menunjukkan bahwa sistem mampu menyesuaikanintensitas pencahayaan sesuai perubahan kondisi citra dengantingkat konsisten tinggi. Implementasi Fuzzy Logicmenghasilkan pencahayaan yang lebih proporsional terhadapkondisi grayscale citra, sehingga meningkatkan kontras danmemperjelas visualisasi area restorasi. Dengan demikian,sistem ini berpotensi mendukung deteksi karies sekundersecara non-invasif dan meningkatkan kualitas pemeriksaangigi berbasis pencitraan digital.Kata Kunci—Fuzzy Logic, Computer Vision, High PowerLED, Karies Sekunder, NILT 

Page 208 of 212 | Total Record : 2116

 206   207   208   209   210 

Filter by Year

2013 2026


Reset
Filter By Issues
All Issue Vol. 14 No. 1 (2026) Vol. 13 No. 7 (2025) Vol. 13 No. 6 (2025) Vol. 13 No. 5 (2025) Vol. 13 No. 4 (2025) Vol. 13 No. 3 (2025) Vol. 13 No. 2 (2025) Vol. 13 No. 1 (2025) Vol. 12 No. 6 (2024) Vol. 12 No. 5 (2024) Vol. 12 No. 4 (2024) Vol. 12 No. 3 (2024) Vol. 12 No. 2 (2024) Vol. 12 No. 1 (2024) Vol. 11 No. 6 (2023) Vol. 11 No. 5 (2023) Vol. 11 No. 4 (2023) Vol. 11 No. 3 (2023) Vol. 11 No. 2 (2023) Vol. 11 No. 1 (2023) Vol. 10 No. 6 (2022) Vol. 10 No. 5 (2022) Vol. 10 No. 4 (2022) Vol. 10 No. 3 (2022) Vol. 10 No. 3 (2022): Vol 10, No 2 (2022) Vol. 10 No. 2 (2022) Vol 10, No 1 (2022) Vol 9, No 8 (2021) Vol 9, No 7 (2021) Vol 9, No 6 (2021) Vol 9, No 5 (2021) Vol 9, No 4 (2021) Vol 9, No 3 (2021) Vol 9, No 2 (2021) Vol 9, No 1 (2021) Vol 8, No 5 (2020) Vol 8, No 4 (2020) Vol 8, No 3 (2020) Vol 8, No 2 (2020) Vol 8, No 1 (2020) Vol 7, No 7 (2019) Vol 7, No 6 (2019) Vol 7, No 5 (2019) Vol 7, No 4 (2019) Vol 7, No 3 (2019) Vol 7, No 2 (2019) Vol 7, No 1 (2019) Vol 6, No 7 (2018) Vol 6, No 6 (2018) Vol 6, No 5 (2018) Vol 6, No 4 (2018) Vol 6, No 3 (2018) Vol 6, No 2 (2018) Vol 6, No 1 (2018) Vol 5, No 6 (2017) Vol 5, No 5 (2017) Vol 5, No 4 (2017) Vol 5, No 3 (2017) Vol 5, No 2 (2017) Vol 5, No 1 (2017) Vol 4, No 8 (2016) Vol 4, No 7 (2016) Vol 4, No 6 (2016) Vol 4, No 5 (2016) Vol 4, No 4 (2016) Vol 4, No 3 (2016) Vol 4, No 2 (2016) Vol 4, No 1 (2016) Vol 3, No 7 (2015) Vol 3, No 6 (2015) Vol 3, No 5 (2015) Vol 3, No 5 (2015) Vol 3, No 4 (2015) Vol 3, No 3 (2015) Vol 3, No 2 (2015) Vol 3, No 1 (2015) Vol 2, No 7 (2014) Vol 2, No 6 (2014) Vol 2, No 5 (2014) Vol 2, No 4 (2014) Vol 2, No 3 (2014) Vol 2, No 3 (2014) Vol 2, No 2 (2014) Vol 2, No 2 (2014) Vol 2, No 1 (2014) Vol 1, No 5 (2013) Vol 1, No 4 (2013) Vol 1, No 3 (2013) Vol 1, No 2 (2013) Vol 1, No 1 (2013) Vol 1, No 1 (2013) More Issue