cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agung Setia Budi
Contact Email
agungsetiabudi@ub.ac.id
Phone
+62341-577911
Journal Mail Official
jtiik@ub.ac.id
Editorial Address
Fakultas Ilmu Komputer Universitas Brawijaya Gedung F FILKOM Lt. 8, Ruang BPJ Jalan Veteran No. 8 Malang Indonesia - 65145
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Teknologi Informasi dan Ilmu Komputer
Published by Universitas Brawijaya
ISSN : 23557699     EISSN : 25286579     DOI : http://dx.doi.org/10.25126/jtiik
Core Subject : Science, Engineering,
Computer Science & IT Engineering
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) merupakan jurnal nasional yang diterbitkan oleh Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya (UB), Malang sejak tahun 2014. JTIIK memuat artikel hasil-hasil penelitian di bidang Teknologi Informasi dan Ilmu Komputer. JTIIK berkomitmen untuk menjadi jurnal nasional terbaik dengan mempublikasikan artikel berbahasa Indonesia yang berkualitas dan menjadi rujukan utama para peneliti. JTIIK di akreditasi oleh Kementerian Riset, Teknologi, dan Pendidikan Tinggi Republik Indonesia Nomor: 36/E/KPT/2019 yang berlaku sampai dengan Volume 11 Nomor 2 Tahun 2024.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 26 Documents
 1   2   3 
Search results for , issue "Vol 7 No 4: Agustus 2020" : 26 Documents clear
Analisis Pola Masa Studi Mahasiswa Fakultas Teknik Universitas Darma Persada Menggunakan Metode Clustering Hardianti, Ayu; Agushinta. R, Dewi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 4: Agustus 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020741001

Abstract

Penelitian ini bertujuan menganalisis pola lama studi mahasiswa fakultas teknik universitas Darma Persada daridata akademik. Metode yang digunakan adalah clustering algoritma K-Means. Variabel yang dianalisis adalah jurusan, daerah asal, umur, jenis kelamin, Indeks Prestasi Komulatif (IPK), Satuan Kredit Semester (SKS), tahun masuk, lama studi. Analisis dilakukan menggunakan perangkat lunak WEKA. Penelitian dilakukan melalui pengumpulan data dari arsip atau  database biro Administrasi Akademik yaitu berupa data akademik mahasiswa fakultas teknik Universitas Darma Persada angkatan 2009 sampai 2014. Tahapan selanjutnya adalah preprocessing data yang dilakukan melalui analisis metode clustering menggunakan algoritma K-Means dengan terlebih dahulu menentukan jumlah cluster menggunakan metode Elbow dan interpretasi hasil. Berdasarkan hasil metode Elbow, jumlah cluster sebanyak 4 cluster. Berdasarkan hasil proses K-Means clustering, pembagian data pada masing-masing cluster adalah cluster 1 berjumlah 556 data (26%), cluster 2 berjumlah 414 data (19%), cluster 3 berjumlah 189 data (9%) dan cluster 4 berjumlah 1010 data (46%). Selanjutnya, yang memiliki lama studi lebih dari 4 tahun (lebih dari 8 semester) berada pada cluster 2, cluster 3, cluster 4 sedangkan mahasiswa yang memiliki masa studi 4 tahun (8 semester) berada pada cluster 1.AbstractThe duration of student study is one of the factors that influence the completing students' timeliness. Based on the policy of the National Accreditation Board of Higher Education (BAN-PT) in Regulation No. 4 of 2017 concerning the Policy for Preparing Accreditation Instruments, the duration of study is one of the benchmarks and evaluation elements in accreditation of study programs. From the Faculty of Engineering academic data, Darma Persada University, many students take more than four years of study. The duration of study is one of the problems of the study program manager in terms of academic performance. This study aims to analyze the old patterns of study by students of the Faculty of Engineering, Darma Persada University from academic data. K-Means algorithm clustering technique is used with the variables are majors, the area of origin, age, gender, Grade Point Average (GPA), Semester Credit Unit (SKS), year of entry and study duration. The Waikato Environment for Knowledge Analysis (WEKA) software is used as an analytic tool. The initial stage of research is through collecting data from archives or Academic sections, namely academic data from students of the Faculty of Engineering, Darma Persada University, 2009 to 2014. The next stage is preprocessing data through K-Means algorithm clustering analysis by first calculating many clusters using the Elbow method and result interpretation. From the Elbow method result, the number of clusters used is 4 (four) clusters. Based on the results of the K-Means clustering process, the data sharing in each cluster is cluster 1 (one) totaling 556 data (26%), cluster 2 (two) totaling 414 data (19%), cluster 3 (three) totaling 189 data (9%) and cluster 4 (four) totaling 1010 data (46%). Furthermore, those who have more than 4 years of study are in cluster 2, cluster 3, cluster 4 and students who have a 4-year study period are in cluster 1. 
Prediksi Jeda dalam Ucapan Kalimat Bahasa Melayu Pontianak Menggunakan Hidden Markov Model Berbasis Part of Speech Negara, Arif Bijaksana Putra; Muhardi, Hafiz; Muniyati, Evi Fathiyah
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 4: Agustus 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020742166

Abstract

Informasi jeda adalah salah satu faktor pendukung dari ucapan berkualitas yang dihasilkan oleh sistem Text to Speech. Penelitian ini bertujuan untuk memprediksi jeda pada ucapan kalimat bahasa Melayu Pontianak berbasis part of speech dengan menggunakan tools Hidden Markov Model (HMM). HMM akan menghitung nilai probabilitas dari setiap kemungkinan yang ada. Penelitian ini menggunakan data berupa file rekaman ucapan penutur yang membacakan 500 kalimat berbahasa Melayu Pontianak. Hasil yang didapatkan dari sistem ini yaitu teks kalimat bahasa Melayu Pontianak beserta prediksi jedanya. Indeks jeda dikategorikan menjadi 5 kategori yaitu indeks jeda “0” menandakan tidak ada jeda, “1” menandakan jeda singkat, “2” menandakan jeda panjang, “,” menandakan tanda baca koma, dan “.” menandakan akhir kalimat. Hasil prediksi kemudian diuji menggunakan pengujian akurasi kecocokan jeda ucapan dalam satu kalimat penuh dan pengujian precision, recall dan f-measure. Frasa jeda ucapan yang diuji yaitu frasa jeda 1+2 dan frasa jeda 2. Pengujian dilakukan dengan membandingkan hasil model bigram dan trigram. Berdasarkan pengujian yang telah dilakukan, model trigram lebih baik dalam menghasilkan prediksi jeda ucapan pada kalimat bahasa Melayu Pontianak. AbstractPause information is one of the supporting factors of quality speech produced by the Text to Speech system. Previously there had been research to predict pauses in Pontianak Malay language using other methods, but it still did not get good results. This study aims to predict pauses in Pontianak Malay language sentences using the Hidden Markov Model (HMM) tools based on part of speech. HMM will calculate the probability value of each possibility. This research uses recording file of speeches from speakers who read 500 Pontianak Malay sentences and a new PoS set developed from several existing PoS sets. The results are Pontianak Malay language sentence along with the pause prediction. The pause indices are categorized into 5 categories, the pause index "0" indicates that there is no pause, "1" indicates a short pause, "2" indicates a long pause, "," indicates the comma punctuation, and "." indicates the end of the sentence. The prediction results are then tested using a speech pause match accuracy test in one full sentence and testing of precision, recall and f-measure. The speech pause phrases that are tested are the pause phrase 1+2 and the pause phrase 2. The test is done by comparing the results of the bigram and trigram models. Based on the tests that have been done, the trigram model is better at producing predictions of speech pauses in Pontianak Malay language sentences.
Deteksi dan Klasifikasi Merek Mobil untuk Penentuan Iklan Billboard Menggunakan Convolution Neural Network Swastika, Windra; Kurniawan, Ardian; Setiawan, Hendry
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 4: Agustus 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020742183

Abstract

Dunia periklanan di Indonesia saat ini memiliki perkembangan yang sangat pesat. Hal ini dibuktikan dengan semakin bertambah banyaknya media periklanan yang diciptakan, salah satunya adalah iklan billboard pada jalan raya. Iklan billboard ini memiliki kelemahan, yaitu materi atau konten dari iklan yang ditampilkan tidak dapat berubah-ubah, dengan demikian maka target dari periklanan tidak bisa tertuju pada konsumen yang tepat. Untuk mengatasi masalah tersebut maka dibutuhkan pemanfaatan teknologi untuk mendukung keefektifan kinerja dari iklan billboard. Pada penelitian ini dibuat sebuah sistem yang dapat mendeteksi mobil dan mengenali merek dari mobil yang terdeteksi, sehingga materi iklan dapat berubah sesuai dengan merek mobil yang dikenali oleh sistem. Untuk deteksi pada mobil digunakan metode You Only Look Once (YOLO) dan untuk klasifikasi pada merek mobil digunakan metode MiniVGGNet. Proses latih dilakukan dengan menggunakan 1100 buah gambar dan terdapat 11 macam merek mobil yang dapat diklasifikasikan. Dari pengujian yang dilakukan, didapatkan akurasi akhir 93% pada deteksi mobil. Untuk klasifikasi dari merek mobil dilakukan pengujian dengan fungsi optimasi Adam dengan ukuran masukan gambar 64x64 piksel. Untuk akurasi terbaik yang didapatkan adalah 60%.AbstractThe world of advertising in Indonesia today has a very rapid development. This is proven by the increasing number of advertising media created, one example is billboard advertising on the highway. Billboard advertising has a weakness, namely the material or the content of the ads displayed cannot change, therefore the target of advertising cannot be directed at the right consumer. To overcome this problem, the use of technology is needed to support the effectiveness of billboard advertising. In this study a system was created which is can detect the car and recognize the brand of the car detected, so the advertising material can change according to the brand of the car that is recognized by the system. For the detection of cars, using You Only Look Once (YOLO) method and for the classification of car brands, using MiniVGGNet method. The training process is carried out using 1100 pictures and there are 11 kinds of car brands that can be classified. From the tests performed, 93% final accuracy was found in car detection. The classification of the car brand was tested with Adam optimization functions with an image input size of 64x64 pixels. For the best accuracy obtained is 60% using the Adam optimization function with the input image size of 64x64 pixels.
Penggalian Perilaku Pemain dalam Penentuan Tipe Permainan pada E-Learning Pemrograman Berbasis Gamification Priyambadha, Bayu; Pradana, Fajar; Bachtiar, Fitra Abdurrachman
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 4: Agustus 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020701295

Abstract

Salah satu kompetensi utama yang harus dimiliki oleh lulusan dari jurusan atau program studi bidang keilmuan komputer adalah kemampuan programming (membuat program). Berbagi informasi untuk meningkatkan kualitas pembelajaran pemrograman telah dilakukan di banyak kampus di Indonesia. Salah satunya adalah penerapan media pembelajaran online atau disebut juga sebagai E-Learning. Salah satu sistem pembelajaran yang paling umum, yang didukung oleh teknologi informasi, adalah e-learning. Namun, banyak juga sistem e-learning tidak mencapai tujuan yang diinginkan karena ketidakpatuhan dan kurangnya pengetahuan tentang teknik dan metode untuk pengembangan sistem informasi online. Tujuan yang dicapai antara lain efisiensi, efektifitas, motivasi dan keterlibatan siswa. Pendekatan gamification dapat digunakan untuk meningkatkan beberapa hal tersebut demi tercapainya tujuan pembelajaran online. Dalam sistem Code Maniac, terdapat beberapa elemen gamification yang digunakan, yaitu poin pengalaman, poin aktivitas dan badge. Namun, hal tersebut terbukti masih kurang meningkatkan motivasi mahasiswa dalam menggunakan Code Maniac. Pendekatan player-centric memungkinkan sistem menyesuaikan gameplay yang sesuai dengan gaya bermain seorang pemain. Untuk dapat mewujudkan sebuah media pembelajaran yang berorientasi pada pemain, maka dibutuhkan sebuah mekanisme untuk mengenali karakteristik pemainnya. Pada penelitian ini menekanan metode yang digunakan untuk menggali  perilaku permainan. Penggalian pola dilakukan pada data log proses per pemain dan per sesi yang berjumlah 136 proses. Kemudian proses tersebut dikelompokan sesuai dengan kedekatan atau kesamaan karakteristik bermain. Hasil penentuan jumlah kelompok yang paling optimal adalah k=2 dan k=3. Untuk itu pengelompokan dilakukan dan menghasilkan 2 kelompok dan 3 kelompok data. Kelompok tersebut dapat menjadi dasar untuk untuk penentuan gameplay pada Code Maniac. AbstractOne of the main competencies that must be possessed by graduates of departments or study programs in computer science is programming skills (making programs). Sharing information to improve the quality of programming learning has been done on many campuses in Indonesia. One of them is the application of online learning media or also called the E-Learning.. One of the most common learning systems, supported by information technology, is e-learning. However, many e-learning systems do not achieve the desired goals because of non-compliance and lack of knowledge about techniques and methods for developing information systems online. The objectives achieved include efficiency, effectiveness, motivation and student involvement. The gamification approach can be used to improve some of these things in order to achieve online learning goals. In the Code Maniac system, there are several gamification elements used, namely experience points, activity points and badges. However, this proved to be still lacking in increasing student motivation in using Code Maniac. The player-centric approach allows the system to adjust the gameplay to suit a player's playing style. To be able to realize a player-oriented learning media, a mechanism is needed to recognize the characteristics of the players. In this study emphasizes the methods used to explore game behavior. Pattern mining is performed on process log data per player and per session which amounts to 136 processes. Then the process is grouped according to the closeness or similarity of playing characteristics. The results of determining the most optimal number of groups are k = 2 and k = 3. For this reason, grouping is done and produces 2 groups and 3 groups of data. The group can be the basis for determining the gameplay in Code Maniac.
Sistem Pengamatan Kondisi Lalu Lintas Berbasis Data GPS pada Smartphone (Studi Kasus : Kota Denpasar) Setiawan, Gede Herdian; Suryawan, I Ketut Dedy
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 4: Agustus 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020741909

Abstract

Pertumbuhan jumlah kendaraan yang semakin meningkat setiap tahunnya mengakibatkan volume kendaraan yang melintasi ruas jalan semakin padat yang kerap mengakibatkan kemacetan lalu lintas. Kemacetan lalu lintas dapat menjadi beban biaya yang signifikan terhadap kegiatan ekonomi masyarakat. Informasi lalu lintas yang dinamis seperti informasi kondisi lalu lintas secara langsung (real time) akan membantu mempengaruhi aktivitas masyarakat pengguna lalu lintas untuk melakukan perencanaan dan penjadwalan aktivitas yang lebih baik. Penelitian ini mengusulkan model pengamatan kondisi lalu lintas berbasis data GPS pada smartphone, untuk informasi kondisi lalu lintas secara langsung. GPS Receiver pada smartphone menghasilkan data lokasi secara instan dan bersifat mobile sehingga dapat digunakan untuk pengambilan data kecepatan kendaraan secara langsung. Kecepatan kendaraan diperoleh berdasarkan jarak perpindahan koordinat kendaraan dalam satuan detik selanjutnya di konversi menjadi satuan kecepatan (km/jam) kemudian data kecepatan kendaraan di proses menjadi informasi kondisi lalu lintas. Secara menyeluruh model pengamatan berfokus pada tiga tahapan, yaitu akuisisi data kecepatan kendaraan berbasis GPS pada smartphone, pengiriman data kecepatan dan visualisasi kondisi lalu lintas berbasis GIS. Pengujian dilakukan pada ruas jalan kota Denpasar telah mampu mendapatkan data kecepatan kendaraan dan mampu menunjukkan kondisi lalu lintas secara langsung dengan empat kategori keadaan lalu lintas yaitu garis berwarna hitam menunjukkan lalu lintas macet dengan kecepatan kendaraan kurang dari 17 km/jam, merah menunjukkan padat dengan kecepatan kendaraan 17 km/jam sampai 27 km/jam, kuning menunjukkan sedang dengan kecepatan kendaraan 26 km/jam sampai 40 km/jam dan hijau menunjukkan lancar dengan kecepatan kendaraan diatas 40 km/jam. AbstractThe growth in the number of vehicles that is increasing every year has resulted in the volume of vehicles crossing the road increasingly congested which often results in traffic congestion. Traffic congestion can be a significant cost burden on economic activities. Dynamic traffic information such as information on real time traffic conditions will help influence the activities of the traffic user community to better plan and schedule activities. This study proposes a traffic condition observation model based on GPS data on smartphones, for information on real time traffic conditions. The GPS Receiver on the smartphone produces location and coordinate data instantly and is mobile so that it can be used for direct vehicle speed data retrieval. Vehicle speed is obtained based on the displacement distance of the vehicle's coordinates in units of seconds and then converted into units of speed (km / h), the vehicle speed data is then processed into information on traffic conditions. Overall, the observation model focuses on three stages, namely GPS-based vehicle speed data acquisition on smartphones, speed data delivery and visualization of GIS-based traffic conditions. Tests carried out on the Denpasar city road segment have been able to obtain vehicle speed data and are able to show traffic conditions directly with four categories of traffic conditions, namely black lines indicating traffic jammed with vehicle speeds of less than 17 km / h, red indicates heavy with speed vehicles 17 to 27 km / h, yellow indicates medium speed with vehicles 26 km/h to 40 km / h and green shows fluent with vehicle speeds above 40 km / h.
Analisis Sentimen Multi-Aspek Berbasis Konversi Ikon Emosi dengan Algoritme Naïve Bayes untuk Ulasan Wisata Kuliner Pada Web Tripadvisor Azzahra, Sitti Aliyah; Wibowo, Arief
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 4: Agustus 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020731907

Abstract

Wisatawan seringkali mencari informasi tentang obyek wisata pada situs web seperti TripAdvisor. Situs web TripAdvisor memiliki fitur bagi penguna terdaftar untuk memberi ulasan tentang objek wisata dalam kategori kuliner dari berbagai negara. Ulasan tersebut bisa digunakan wisatawan sebagai pertimbangan sebelum mendatangi objek wisata kuliner yang ingin dituju. Komentar atau ulasan yang ada di situs TripAdvisor dapat dianalisis untuk mengetahui nilai sentimen dari suatu obyek wisata yang diulas. Hasil analisis itu dapat bermanfaat bagi pengelola tempat wisata, pengusaha kuliner maupun bagi wisatawan lain. Ada tantangan yang ditemukan saat analisis sentimen dilakukan pada kalimat ulasan yang mengandung ikon emosi atau emoticon, karena ulasan dapat mengandung arti sentimen yang berbeda antara kalimat dengan ekspresi emosi yang ada. Penelitian ini berisi analisis ulasan tentang kuliner kota Bandung pada situs TripAdvisor yang mengklasifikasi sentimen menjadi tiga kelas. Penelitian ini menggunakan teknik klasifikasi data mining dengan algoritme Naïve Bayes dikombinasi dengan metode pelabelan multi aspek yang disertai konversi ikon emosi pada teks ulasan. Selain itu, analisis dilakukan pada bobot ulasan berdasarkan jumlah kontribusi pemberi ulasan di web TripAdvisor. Hasil pengujian menunjukkan bahwa penggunaan seluruh kombinasi metode tersebut dalam proses klasifikasi sentimen mampu menghasilkan nilai akurasi sebesar 98,67%. AbstractTourists often look for information about attractions on websites such as TripAdvisor. The TripAdvisor website has a feature for registered users to provide reviews about attractions in the culinary category from various countries. These reviews can be used by tourists as a consideration before visiting culinary attractions to be addressed. Comments or reviews on the TripAdvisor site can be analyzed to determine the sentiment value of a tourist attraction being reviewed. The results of the analysis can be useful for managers of tourist attractions, culinary entrepreneurs and for other tourists. There are challenges that are found when sentiment analysis is carried out on review sentences that contain emotion icons or emoticons, because reviews may contain different sentiment meanings between sentences and existing emotional expressions. This study contains a review of the culinary analysis of the city of Bandung on the TripAdvisor site which classifies sentiments into three classes. This study uses data mining classification techniques with the Naïve Bayes algorithm combined with a multi-aspect labeling method accompanied by the conversion of emotional icons in the review text. In addition, the analysis is carried out on the weight of the review based on the number of contributing reviewers on the TripAdvisor web. The test results show that the use of all combinations of these methods in the sentiment classification process is able to produce an accuracy value of 98.67%.

Page 3 of 3 | Total Record : 26

 1   2   3 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol 12 No 6: Desember 2025 Vol 12 No 5: Oktober 2025 Vol 12 No 4: Agustus 2025 Vol 12 No 3: Juni 2025 Vol 12 No 2: April 2025 Vol 12 No 1: Februari 2025 Vol 11 No 6: Desember 2024 Vol 11 No 5: Oktober 2024 Vol 11 No 4: Agustus 2024 Vol 11 No 3: Juni 2024 Vol 11 No 2: April 2024 Vol 11 No 1: Februari 2024 Vol 10 No 6: Desember 2023 Vol 10 No 5: Oktober 2023 Vol 10 No 4: Agustus 2023 Vol 10 No 3: Juni 2023 Vol 10 No 2: April 2023 Vol 10 No 1: Februari 2023 Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022 Vol 9 No 6: Desember 2022 Vol 9 No 5: Oktober 2022 Vol 9 No 4: Agustus 2022 Vol 9 No 3: Juni 2022 Vol 9 No 2: April 2022 Vol 9 No 1: Februari 2022 Vol 8 No 6: Desember 2021 Vol 8 No 5: Oktober 2021 Vol 8 No 4: Agustus 2021 Vol 8 No 3: Juni 2021 Vol 8 No 2: April 2021 Vol 8 No 1: Februari 2021 Vol 7 No 6: Desember 2020 Vol 7 No 5: Oktober 2020 Vol 7 No 4: Agustus 2020 Vol 7 No 3: Juni 2020 Vol 7 No 2: April 2020 Vol 7 No 1: Februari 2020 Vol 6 No 6: Desember 2019 Vol 6 No 5: Oktober 2019 Vol 6 No 4: Agustus 2019 Vol 6 No 3: Juni 2019 Vol 6 No 2: April 2019 Vol 6 No 1: Februari 2019 Vol 5 No 6: Desember 2018 Vol 5 No 5: Oktober 2018 Vol 5 No 4: Agustus 2018 Vol 5 No 3: Juni 2018 Vol 5 No 2: April 2018 Vol 5 No 1: Februari 2018 Vol 4 No 4: Desember 2017 Vol 4 No 3: September 2017 Vol 4 No 2: Juni 2017 Vol 4 No 1: Maret 2017 Vol 3 No 4: Desember 2016 Vol 3 No 3: September 2016 Vol 3 No 2: Juni 2016 Vol 3 No 1: Maret 2016 Vol 2 No 2: Oktober 2015 Vol 2, No 2 (2015) Vol 2, No 1 (2015) Vol 2 No 1: April 2015 Vol 1, No 2 (2014) Vol 1 No 2: Oktober 2014 Vol 1, No 1 (2014) Vol 1 No 1: April 2014 More Issue