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 2,261 Documents
 223   224   225   226   227 
Optimasi Routing and Spectrum Allocation pada Jaringan Elastic Optical Network (EONs) Menggunakan Slime Mould Algorithm Alwinsyah, Argatha Idam; Partiansyah, Fakhriy Hario; Mustofa, Ali
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Teknologi Elastic Optical Networks (EONs) menawarkan alokasi spektrum yang fleksibel, namun menghadapi kendala fragmentasi spektrum akibat trafik data yang dinamis. Fenomena ini menyebabkan peningkatan penolakan koneksi (blocking probability) di dalam jaringan. Penelitian ini mengoptimalkan proses Routing and Spectrum Allocation (RSA) menggunakan Slime Mould Algorithm (SMA) untuk menekan tingkat fragmentasi tersebut. Pengujian dilakukan melalui simulasi Python pada topologi EONet (19 node dan 37 link) dengan beban trafik dinamis antara 20 hingga 85 Erlang. Hasil simulasi menunjukkan bahwa pada kondisi trafik rendah hingga menengah (20–50 Erlang), metode RSA-SMA bekerja sangat optimal dengan mempertahankan nilai blocking probability di angka 0. Jika dibandingkan dengan metode heuristik k-Shortest Path First-Fit (kSP-FF), SMA terbukti lebih selektif dan preventif dalam menjaga keteraturan spektrum jangka panjang. Namun, proses pencarian menyeluruh ini membutuhkan waktu komputasi (provisioning time) yang lebih tinggi, berkisar antara 560 ms hingga 700 ms akibat proses iterasi dari 30 agen populasi. Penelitian ini berhasil membuktikan efektivitas SMA dalam menjaga efisiensi sumber daya optik jangka panjang Kata kunci: Elastic Optical Networks (EONs), Routing and Spectrum Allocation (RSA), Fragmentasi Spektrum, Slime Mould Algorithm (SMA), Blocking Probability, Spectrum Utilization. 
Optimasi RSA (Routing And Spectrum Allocation) Yang Sadar Fragmentasi Pada Jaringan Optik Elastis Menggunakan WOA (Whale Optimization Algorithm) Reksowibowo, H. Haikal; Partiansyah, Fakhriy Hario; Pramono, Sholeh Hadi
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Fragmentasi spektrum merupakan tantangan utama dalam Routing and Spectrum Allocation (RSA) pada Elastic Optical Networks (EON) karena meningkatkan blocking probability meskipun kapasitas jaringan tersedia. Makalah ini mengusulkan algoritma AF-WOA (Adaptive FragmentationAware Whale Optimization Algorithm) yang mengintegrasikan metrik fragmentasi MMF (Macro-Micro Fragmentation) dalam fungsi fitness, adaptive population berbasis Feasible Search Space (FSS) dan derajat topologi, serta phase-gated early stopping untuk mempercepat komputasi. Simulasi dilakukan pada topologi NSFNET (14 node, 21 link) dengan lima tingkat beban (60–300 Erlang) dan 10 replikasi Monte Carlo. Hasil menunjukkan AF-WOA mencapai Bandwidth Blocking Probability (BBP) 0.1452 ± 0.0061 pada beban tinggi, lebih rendah dari F-WOA statis (0.1458) dan KSP-FF (0.1616), serta kompetitif dengan WOA (0.1431). Fragmentasi dinamis (ΔF) AFWOA mencatat 0.1867 ± 0.0033, tertinggi di antara semua algoritma, dengan f_util yang secara statistik ekuivalen dengan Kiran et al. (2025). APL AF-WOA mencapai 1993.24 km—119.93 km lebih pendek dari Kiran, dengan efisiensi komputasi 91% lebih hemat dibandingkan F-WOA statis. AF-WOA menawarkan keseimbangan terbaik antara akurasi, fragmentasi, dan efisiensi komputasi untuk RSA pada EON dinamis. Kata Kunci— Elastic Optical Networks, Routing and Spectrum Allocation, fragmentasi spektrum, Whale Optimization Algorithm, Adaptive Population. 
ANALISIS PERFORMA SAILFISH OPTIMIZATION (SFO) UNTUK ROUTING AND SPECTRUM ALLOCATION (RSA) PADA ELASTIC OPTICAL NETWORKS (EONs) Shafiya, Khansa Khadijah; Partiansyah, Fakhriy Hario; Kusmaryanto, Sigit
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Penelitian ini bertujuan untuk menganalisis performa algoritma Sailfish Optimization (SFO) untuk permasalahan Routing and Spectrum Allocation (RSA) pada Elastic Optical Networks (EONs) dengan topologi EONet 19 node dan 37 link. Simulasi dilakukan secara dinamis menggunakan metode Monte Carlo dengan model Posisson Arrival pada traffic load 20-110 Erlang sebanyak 10 iterasi. SFO diimplementasikan untuk mengoptimasi pada alokasi spektrum menggunakan fungsi fitness multi objektif, kemudia dibandingkan dengan algoritma konvensional k-Shortest Path First-Fit (kSP-FF) sebagai baseline. Implementasi dan analisis performa pada algoritma SFO dilakukan menggunakan Python pada platform Google Collab.  Hasil penelitian menunjukkan bahwa algoritma SFO menunjukkan keunggulan yang dapat bersaing dengan metode konvensional kSP-FF. Pada metrik Blocking Probability, rata-rata BP SFO sebesar 0,010 sementara pada kSP-FF 0,008 dengan selisih yang sangat kecil. Pada metrik Resource Utilization (RU), kedua algoritma menghasila performa yang sebanding, hal ini menunjukkan RU pada SFO maupun kSP-FF memilki tingkat pemanfaatan sumber daya spektrum yang hampir sama setiap jaringan. Dari sisi Average Path Length (APL), SFO dapat mengugguli kSP-FF pada beban 70 dan 80 Erlang dengan selisih 7,6 km, yang menunjukkan kemampuan SFO dalam memilih jalur yang lebih efisien pada kondisi trafik padat.   Penelitian ini memberikan bukti bahwa algoritma SFO feasible diterapkan pada permasalahan RSA di EONs dengan performa yang kompetitif dengan metode konvensional. Penelitian ini juga memberikan landasan bagi pengembangan lebih lanjut dalam eksplorasi algoritma metaheuristik berbasis populasi pada optimasi jaringan optik elastis.  Kata kunci: Elastic Optical Networks  (EONs), Routing and Spectrum Allocation (RSA), Sailfish Optimization (SFO), Blocking Probability (BP), Resource Utilization (RU), Average Path Length (APL) 
Sistem Penyimpanan Hasil Data Filtrasi Elektrostatik Precipitator Menggunakan Thingspeak Mangkunegara, Muhammad Fauzan Azis; Maulana, Eka; Razak, Angger Abdul
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Pengelolaan sampah, khususnya melalui insinerasi, seringkali menimbulkan masalah emisi berbahaya seperti Karbon Monoksida (CO) dan Karbon Dioksida (CO₂) yang mengancam kesehatan dan lingkungan. Meskipun teknologi Precipitator Elektrostatik (ESP) efektif untuk menyaring partikel, verifikasi kinerjanya secara real-time dan berbasis data sering terabaikan. Penelitian ini mengembangkan sebuah prototipe sistem yang mengintegrasikan teknologi Electrostatic Precipitator (ESP) dengan platform Internet of Things (IoT), yaitu ThingSpeak, untuk memantau dan mengelola emisi pembakaran sampah secara real-time. Sistem ini dirancang menggunakan mikrokontroler ESP32, sensor MQ-7 (CO), MQ-135 (CO₂), dan DHT-11 (suhu dan kelembaban), yang terhubung ke sebuah unit ESP dan insinerator prototipe. Data dari sensor dikirimkan secara real-time ke ThingSpeak untuk diverifikasi kinerja filtrasi. Hasil pengujian menunjukkan kinerja yang sangat efektif, dengan tingkat penurunan emisi mencapai 97,43% untuk Karbon Monoksida (CO) dan 91,12% untuk Karbon Dioksida (CO₂). Sistem monitoring berbasis IoT terbukti andal dalam mengumpulkan dan menyimpan data, memberikan bukti kuantitatif tentang efektivitas ESP. Sistem penyimpanan data berbasis WiFi juga terbukti andal dalam mengirimkan dan mencatat data secara berkelanjutan. Temuan ini menunjukkan bahwa prototipe yang dikembangkan merupakan solusi yang efektif dan terjangkau untuk pengelolaan emisi di Tempat Pembuangan Sampah (TPS), serta meletakkan dasar bagi pengembangan sistem pengelolaan lingkungan yang lebih cerdas dan berkelanjutan di masa depan. Kata Kunci: Precipitator Elektrostatik, Internet of Things (IoT), Pengelolaan Sampah, Pemantauan Emisi, Thingspeak, ESP32. 
IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK PADA RASPBERRY PI 4 UNTUK KLASIFIKASI SAMPAH SECARA REAL-TIME Abdullah, Shalahuddin Yoga Wardana; Setyawan, Raden Arief
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Permasalahan pengelolaan sampah di kawasan perkotaan maupun pendidikan masih banyak bergantung pada proses pemilahan manual yang tidak efisien dan rentan terhadap pencampuran antarjenis sampah. Penelitian ini mengusulkan sistem klasifikasi sampah otomatis secara real-time berbasis algoritma Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 yang diimplementasikan pada perangkat edge computing Raspberry Pi 4 Model B 8GB. Model dilatih menggunakan metode transfer learning pada dataset citra sampah yang terdiri atas lima kategori, yaitu glass, metal, organic, paper, dan plastic, kemudian dikonversi ke format TensorFlow Lite agar dapat berjalan secara efisien pada perangkat dengan sumber daya terbatas. Sistem perangkat keras dirancang dengan arsitektur Master-Slave yang memisahkan Raspberry Pi 4 sebagai unit pemrosesan citra dan kecerdasan buatan dengan Arduino Uno sebagai pengendali aktuator servo. Hasil klasifikasi dikirimkan secara nirkabel ke server pemantauan menggunakan protokol MQTT melalui broker HiveMQ Cloud berenkripsi TLS dan ditampilkan pada dashboard web berbasis Flask. Hasil pengujian menunjukkan model mencapai akurasi keseluruhan sebesar 86% dengan rata-rata waktu inferensi 44,05 ms (±12,86 FPS), penggunaan CPU rata-rata 28,99%, serta keandalan transmisi data dengan packet loss 0% dan rata-rata delay end-to-end 207,46 ms. Hasil ini menunjukkan bahwa sistem yang dirancang layak diterapkan untuk pemilahan sampah cerdas berbasis IoT secara real-time. Kata Kunci— Convolutional Neural Network, MobileNetV2, Raspberry Pi 4, klasifikasi sampah, MQTT, TensorFlow Lite. 
Manajemen Kontigensi pada Smart Hospital Microgrid Berbasis Multi-Sumber Energi Menggunakan Large Language Model untuk Jaminan Zero Downtime Mahdy, Nabil; Suyono, Hadi; Ambarwati, Rusmi
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Rumah sakit memerlukan sistem manajemen energi yang mampu menjamin kontinuitas suplai listrik pada beban vital selama kondisi normal maupun kontingensi. Pendekatan Energy Management System (EMS) berbasis rule-based banyak digunakan karena bersifat deterministik, namun memiliki keterbatasan dalam memanfaatkan informasi kontekstual yang dinamis, seperti kondisi cuaca, ketersediaan sumber energi, maupun prioritas operasional rumah sakit. Penelitian ini mengusulkan integrasi Large Language Model (LLaMA 3.1) sebagai Decision Support System (DSS) untuk mendukung EMS berbasis rule-based pada Smart Hospital Microgrid. LLM memanfaatkan data telemetri sistem dan informasi kontekstual untuk menghasilkan rekomendasi strategi manajemen energi, sedangkan keputusan pengendalian tetap dieksekusi oleh EMS berbasis rule-based guna mempertahankan keandalan dan sifat deterministik sistem. Selanjutnya, rekomendasi tersebut divalidasi melalui optimasi 0–1 Knapsack Problem untuk menentukan kombinasi penyediaan daya dan load shedding sesuai prioritas beban serta keterbatasan kapasitas sumber energi. Sistem dimodelkan menggunakan MATLAB/Simulink dan dievaluasi pada enam skenario kontingensi yang merepresentasikan berbagai kondisi gangguan operasional. Kinerja sistem dinilai menggunakan Critical Load Availability (CLA) sebagai indikator kontinuitas suplai pada beban prioritas. Hasil simulasi menunjukkan bahwa pendekatan yang diusulkan mampu mempertahankan CLA sebesar 100% pada seluruh beban Prioritas 2 (P2) serta menghasilkan keputusan manajemen energi yang lebih adaptif dibandingkan pendekatan rule-based ketika diberikan informasi kontekstual. Hasil penelitian ini menunjukkan bahwa integrasi LLM sebagai DSS dengan EMS berbasis rule-based dan optimasi Knapsack berpotensi meningkatkan adaptabilitas manajemen kontingensi Smart Hospital Microgrid tanpa mengurangi keandalan pengendalian deterministik. Kata Indeks — Smart Hospital Microgrid, Large Language Model, Decision Support System, Rule-Based Energy Management System, Contingency Management, Zero Downtime.  
ANALISIS KOMPARASI DAYA ONE AXIS SOLAR TRACKER BERBASIS SENSOR LDR DENGAN ONE AXIS SOLAR TRACKER BERBASIS ILMU FALAK Akbar, Muhammad Fariz Alfian; Muslim, Muhammad Aziz
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Penelitian ini membahas sistem one-axis solar tracker berbasis sensor LDR, dengan perbandingan terhadap metode berbasis ilmu falak. Pengujian dilakukan di Gedung Serbaguna Teknik Elektro Universitas Brawijaya pada 1–2 Juli 2026, pukul 10.00–17.00 WIB, untuk mengevaluasi perbedaan daya keluaran dan efisiensi kedua metode. Penelitian menggunakan pendekatan eksperimental dengan pemasangan kedua sistem secara berdampingan pada panel surya 10 WP, pengukuran tegangan dan arus dilakukan setiap satu jam, dan nilai daya dihitung menurut persamaan P=V×I. Hasil pengujian menunjukkan bahwa tracker berbasis LDR menghasilkan daya puncak, daya rata-rata, dan total energi harian yang lebih tinggi dibandingkan tracker berbasis Perhitungan pada kondisi pengukuran yang sama; perbedaan performa ini diduga disebabkan oleh kemampuan sistem LDR untuk menyesuaikan orientasi panel secara real-time terhadap variasi intensitas cahaya, sedangkan sistem Perhitungan bekerja secara open-loop berdasarkan perhitungan posisi matahari. Kata kunci: Solar Panel, Solar Tracker, Sensor LDR, Perhitungan Pergerakan Sudut Matahari, Daya 
RANCANG SISTEM KENDALI POSISI SUDUT MOTOR DC BERBASIS KONTROL PI PADA ONE AXIS SOLAR TRACKER Zafira, Neila; Rusli, Moch.; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Penelitian ini membahas pemodelan dan analisis performansi sistem kendali posisi sudut motor DC JGA25-370 berbasis dua pendekatan kontroler PI, yaitu metode Modified ZieglerNichols (C-H-R) dan pole placement, yang diaplikasikan pada sistem one-axis solar tracker. Pengujian dilakukan melalui simulasi MATLAB/Simulink dan uji lapangan. Identifikasi plant menghasilkan transfer function orde satu G(s) = 11,87/(0,299s+1). Metode Modified ZN CHR menghasilkan Kp = 13,9 dan Ki = 957 (ζ = 0,4854, settling time 2% = 50,20 ms, Mp = 17,48%), sedangkan pole placement menghasilkan Kp = 0,0361 dan Ki = 0,0134 (ζ ≈ 0,999, Mp = 24,9%, settling time = 7,07 s); kedua metode menghasilkan error steady state = 0. Pengujian lapangan menunjukkan sudut keluaran motor DC memiliki error 7%–14% dari sudut target, mengindikasikan faktor non-ideal seperti gesekan mekanis dan keterbatasan resolusi encoder yang tidak tertangkap oleh model orde satu. Kata kunci: Motor DC, Kontrol PI, Modified Ziegler–Nichols, Pole Placement, One Axis Solar Tracker. 
Photoplethysmography Signals Classification of Atrial Fibrillation using Long ShortTerm Memory Network Zaidan, Hazm; Rahmadwati, n/a; Yudaningtyas, Erni
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Fibrilasi atrium (AF) adalah aritmia jantung paling umum dan berisiko stroke serta gagal jantung jika tidak terdeteksi dini. Sinyal Photoplethysmography (PPG) dari perangkat wearable menawarkan kardiovaskular berkelanjutan, pemantauan namun morfologinya yang halus dan rentan artefak menyulitkan deteksi AF secara manual. Penelitian ini merancang dan membandingkan dua model klasifikasi berbasis Long Short-Term Memory (LSTM): LSTM-Signal (masukan sinyal mentah) dan LSTM-TimeFeat (masukan 11 fitur temporal per segmen). Dataset berasal dari MIMIC PERform AF (10 rekaman: 5 AF, 5 Normal) difrekuensi 125 Hz, didesimasi ke 31,25 Hz, difilter bandpass 0,5–5,0 Hz, dan disegmentasi menjadi 590 segmen 10 detik (295 AF, 295 Normal). Evaluasi menggunakan recordwise 10-fold cross-validation mencegah kebocoran data antar-subjek. LSTM-TimeFeat mencapai performa terbaik: akurasi 97,28% ± 2,29%, sensitivitas 96,26% ± 4,32%, spesifisitas 98,30% ± 2,42%, presisi 98,33% ± 2,40%, dan F1-Score 97,22% ± 2,39% — mengungguli LSTM-Signal (akurasi 84,62% ± 14,15%). Rekayasa fitur temporal, khususnya variabilitas interval RR, secara signifikan meningkatkan akurasi dan stabilitas klasifikasi AF berbasis PPG dibandingkan pembelajaran langsung dari sinyal mentah. Indeks—Fibrilasi Atrium, Fotopletismografi (PPG), Jaringan Saraf Tiruan Long Short-Term Memory Dua Arah (BiLSTM), Ekstraksi Fitur, Informasi Mutual. 
DESAIN DAN SIMULASI KONTROL PI-DIGITAL PADA MULTILEVEL BOOST CONVERTER TIGA TINGKAT Sani, Adi Mulia; Muslim, Muhammad Aziz
Jurnal Mahasiswa TEUB Vol. 14 No. 7 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Kestabilan tegangan pada bus DC merupakan aspek krusial dalam sistem konversi daya, terutama pada aplikasi energi terbarukan yang memiliki karakteristik sumber fluktuatif. Boost converter konvensional memiliki keterbatasan penguatan tegangan karena menuntut duty cycle ekstrem yang menimbulkan voltage stress tinggi dan menurunkan efisiensi. Penelitian ini merancang dan mensimulasikan kontroler Proportional-Integral (PI) digital untuk meregulasi tegangan keluaran Multilevel Boost Converter (MBC) tiga tingkat menggunakan perangkat lunak MATLAB/Simulink. Parameter kontroler yang diperoleh yaitu ?? = 7,01783× 10−5dan ?? = 1,08947, mampu mempertahankan tegangan keluaran secara akurat pada referensi 380 V. Penerapan kontrol closed loop berhasil menekan steady state error dari 5,276% menjadi 0,689% serta mereduksi overshoot saat startup dari 41,657% menjadi 2,031% dibandingkan kondisi open loop. Pengujian ketahanan terhadap gangguan menunjukkan sistem mampu menghadapi lonjakan beban resistif hingga 50% dengan simpangan maksimal 35,03 V dan waktu pemulihan 3,36 ms, serta kenaikan tegangan masukan hingga 50% dengan overshoot transien 241,505 V yang tetap berhasil dipulihkan menuju referensi. Namun, pada penurunan tegangan masukan sebesar 25% (menjadi 36 V), sistem mengalami osilasi kontinu dan kehilangan stabilitas. Hasil ini menunjukkan bahwa kontroler PI digital efektif menjaga regulasi tegangan MBC tiga tingkat pada sebagian besar skenario transien, namun memiliki batasan toleransi pada penurunan tegangan masukan yang ekstrem. Kata Kunci— Multilevel Boost Converter, Kontrol PI Digital, Regulasi Tegangan, Steady State Error, Simulasi MATLAB/Simulink. 

Page 225 of 227 | Total Record : 2261

 223   224   225   226   227 

Filter by Year

2013 2026


Reset
Filter By Issues
All Issue Vol. 14 No. 7 (2026) Vol. 14 No. 6 (2026) Vol. 14 No. 5 (2026) Vol. 14 No. 4 (2026) Vol. 14 No. 3 (2026) Vol. 14 No. 2 (2026) 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