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 pontianak,
Kalimantan barat
INDONESIA
Jurnal Edukasi dan Penelitian Informatika (JEPIN)
Published by Universitas Tanjungpura
ISSN : 24600741     EISSN : 25489364     DOI : -
Core Subject : Science, Education,
Computer Science & IT Education
Jurnal Edukasi dan Penelitian Informatika (JEPIN) merupakan peer reviewed journal di bidang informatika. Jurnal ini diterbitkan 3 bulan dalam setahun (April, Agustus, dan Desember) oleh Program Studi Informatika, Fakultas Teknik, Universitas Tanjungpura, Indonesia.
Arjuna Subject : -
Articles 522 Documents
 30   31   32   33   34 
Analisis Perbandingan Multiple Regression dan Priority Quadrant terhadap Kepuasan Mahasiswa dalam E-learning Menggunakan Metode Servqual Yunia Mulyani Azis; Rr Rachmawati; Moechammad Sarosa
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.58534

Abstract

Metode pembelajaran e-learning telah lama dikenal dalam pembelajaran jarak jauh dan semakin meluas penggunaannya dikala pandemi terjadi. Metode ini seringkali dikeluhkan oleh pelajar yang terbiasa belajar dengan metode tatap muka sebagai penyebab rendahnya hasil belajar. Oleh karena itu dalam metode e-learning diperlukan persiapan sarana dan prasarananya agar kepuasan pelajar meningkat. Tujuan penelitian ini adalah untuk mengukur tingkat kepuasan mahasiswa dan mengetahui pengaruh secara parsial dan simultan service equal terhadap kepuasan mahasiswa pada metode e-learning. Subjek penelitian ini adalah mahasiswa di 3 (tiga) prodi jurusan Ekonomi sebanyak 100 orang dan sedang melaksanakan pembelajaran e-learning mata kuliah Matematika Bisnis, metode yang digunakan adalah dengan menggunakan observasi, studi literatur terkait service quality mengenai e-learning quality (ELQ) serta variabel kepuasan melalui penelitian-penelitian terdahulu, dan (3) kuesioner. Analisis data dilakukan dengan menggunakan multiple regression dan priority quadrant. Berdasarkan analisis data diperoleh kesimpulan (1) secara parsial variabel reliability merupakan variabel yang paling besar pengaruhnya, sedangkan variabel assurance merupakan variabel yang paling kecil pengaruhnya terhadap kepuasan mahasiswa, (2) variabel tangible tidak berpengaruh terhadap kepuasan, akan tetapi secara simultan 5 (lima) faktor dalam service quality berpengaruh positif terhadap kepuasan mahasiswa, dan (3) atribut yang menjadiprioritas perbaikan adalah atributketepatan waktu mengajar(A3) danpengajar memberikan penjelasan (pedoman/instruksi) pada materi belajar maupun penggunaan platform e-learning(A6).
Penerapan Convolutional Neural Network (CNN) dan Euclidean Distance Matrices (EDM) untuk Mengurangi False Positive pada Pengenalan Aktifitas Finger Point Call Rila Mandala; Mohammad Deny Safari
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.61716

Abstract

Aktifitas finger point call (FPC) yang mengharuskan operator menunjuk (finger point) dan mengucapkan (call) sebelum menjalankan suatu proses, merupakan aktifitas yang umum diterapkan di industri manufaktur khususnya pada perusahaan Jepang. FPC terbukti efektif mengurangi human error, tetapi operator sering tidak konsisten dalam menerapkan FPC sehingga perlu sistem untuk mendeteksi aktifitas FPC sudah dilakukan dengan baik dan benar. Salah satu metode pengenalan aktifitas (activity recognition) yaitu menggunakan convolutional neural networks (CNN) untuk mengklasifikasikan aktifitas manusia. Namun, aktifitas FPC dinyatakan valid atau invalid setelah memastikan operator menunjuk dengan benar ke arah objek dan menunjuk ke arah referensi, sehingga harus dilakukan analisis pada beberapa frame video. Apabila hanya menggunakan CNN saja, akan menyebabkan tingkat false positive menjadi tinggi, karena CNN akan langsung melakukan analisis pada 1 frame video. Tujuan penelitian ini yaitu mengurangi false positive ketika mendeteksi aktifitas FPC dengan cara melakukan anlaisis lebih lanjut pada hasil deteksi menggunakan euclidean distance matrices (EDM). Hasil penelitian menunjukkan pada percobaan yang diperagakan oleh 1 orang: false positive berkurang hingga 100%, nilai Precision sebesar 1, dan nilai recall sebesar 0,96. Hasil ketika diperagakan oleh 10 orang: nilai Precision sebesar 0,9, dan nilai recall sebesar 0,9. lebih baik dibandingkan YOLOv7 versi original yang nilai Precisionnya hanya sebesar 0,5.
Perancangan Game Visual Novel sebagai Alat Ukur Tingkat Social Anxiety Disorder Remaja Hengky Anra; Helen Sastypratiwi; Muslimah Muslimah
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.61849

Abstract

The Indonesia National Adolescent Mental Health Survey (I-NAMHS) yang bekerja sama dengan Universitas Gadjah Mada Di Indonesia menyatakan 2,45 juta remaja didiagnosis mengalami gangguan jiwa gabungan sosial fobia dan kecemasan umum dalam 12 bulan terakhir. Social Anxiety Disorder atau fobia sosial dapat disebabkan oleh beberapa faktor eksternal dan internal. Kurangnya budaya dalam menormalisasi konseling bersama tenaga kesehatan menyebabkan gangguan ini sulit terdeteksi serta stigma masyarakat yang menyebabkan kegiatan ini semakin dihindari. Meskipun demikian, tak jarang dari mereka memiliki keinginan untuk berkonsultasi dengan profesional meskipun terbatas dalam berbagai hal. Penelitian ini bertujuan untuk mengidentifikasi kemungkinan gamifikasi pada dunia kesehatan mental terkhususnya pada bidang Social Anxiety Disorder. Dengan merancang sebuah game visual novel yang berupa game-based assessment dan diharapkan dapat digunakan sebagai alat ukur tingkat social anxiety pada remaja. Metodologi penelitian yang digunakan meliputi tahap perancangan game, pengujian game melalui Skala Likert, dan analisis data hasil pengujian. Hasil utama dari penelitian ini adalah pengembangan game visual novel sebagai alat ukur social anxiety pada remaja yang dapat diimplementasikan pada masa depan.
Data preparation Structure untuk Pemodelan Prediktif Jumlah Peserta Ajar Matakuliah Anggi Perwitasari; Rina Septiriana; Tursina Tursina
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i3.57321

Abstract

Salah satu cara yang dapat dilakukan untuk menciptakan proses pembelajaran efektif di kelas adalah  dengan cara memprediksi jumlah mahasiswa yang akan mengambil suatu mata kuliah. Prediksi merupakan suatu proses analisis dengan memanfaatkan informasi atau data dimasa lalu untuk menghasilkan suatu perkiraan terhadap suatu kondisi yang akan terjadi di masa mendatang, Proses prediksi dapat dilakukan dengan berbagai teknik, salah satunya yaitu teknik data mining. Dalam melakukan suatu analisis prediksi, tahapan paling utama adalah melakukan persiapan data mentah menjadi data yang berkualitas serta memastikan bahwa data yang diberikan untuk proses seleksi dan transformasi telah bersih yang dikenal dengan data preparation (preparasi data). Tahapan yang dilakukan dalam melakukan preparasi data meliputi data selection (seleksi data), data pre-processing serta data cleaning yang terdiri dari penanganan missing data, penghapusan data duplicate dan feature construction. Skema data preparation diciptakan dan diimplementasikan dengan memanfaatkan Orange Data mining Tools. Hasil dari preparation data diimplementasikan dalam pemodelan analisa prediktif jumlah peserta ajar mata kuliah di Jurusan Informatika dengan menggunakan 4 (empat) algoritma data mining yaitu Naive Bayes, kNN, SVM, dan Neural Network dengan nilai Accuracy, Precision dan Recall cukup tinggi untuk setiap algoritma yang diujikan.
Rapid Application Development untuk Pengembangan Sistem Informasi Pengelolaan Barang Milik Negara (Studi Kasus UPT PPD Wilayah Sintang) Emilia Ramadhanty Gunawan; Eva Faja Ripanti; Haried Novriando
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.61371

Abstract

Barang Milik Negara (BMN) adalah semua barang yang dibeli atau diperoleh atas beban Anggaran Pendapatan dan Belanja Negara. Untuk itu diperlukan sistem penatausahaan yang baik guna mengoptimalkan pengadaan dan penggunaan barang tersebut. Saat ini UPT-PPD-Sintang masih menghadapi masalah dalam mengelola BMN, yaitu proses distribusi barang ke kantor pelayanan maupun dalam proses penggunaan barang. Tidak adanya sistem dan pelaporan yang terstruktur menyebabkan data laporan yang dibuat oleh staff cenderung tidak akurat sehingga terjadi selisih jumlah barang. Penelitian ini bertujuan untuk mengembangkan sistem yang dapat membantu kegiatan pengelolaan BMN di UPT-PPD-Sintang. Di mana dalam proses pengelolaan barang tersebut meliputi beberapa kegiatan, yaitu: perencanaan, pengadaan, penggunaan, pemindahtanganan, penatausahaan, pengawasan, dan pengendalian. Penelitian dilakukan dengan konsep system development life cycle dan pengembangan sistem dilakukan dengan metode Rapid Application Development (RAD) dengan model prototype. Data yang dibutuhkan dalam pengembangan sistem dikumpulkan dengan beberapa teknik, yaitu studi literatur dan wawancara, di mana hasil pengumpulan data dijadikan input untuk membuat rancangan sistem informasi pengelolaan BMN. Hasil rancangan diimplementasikan menjadi sebuah sistem yang fungsional. Sistem kemudian diuji dengan dua tahap, yaitu: tahap alpha (black box) dan tahap beta (User Acceptance Test (UAT)). Hasil pengujian tersebut menunjukkan bahwa metode RAD dengan model prototype dapat diimplementasikan dengan optimal karena tahapannya yang sangat efektif terutama dalam mengembangkan sistem dengan tim yang kecil serta waktu dan budget yang terbatas. Hal ini menunjukkan bahwa penelitian secara keseluruhan telah berhasil diimplementasikan dan pengembangan awal dari sistem informasi yang dirancang untuk membantu proses pengelolaan barang milik negara di UPT-PPD-Sintang  berhasil dicapai.
Social Network Analysis untuk Identifikasi Pengguna Twitter Berpengaruh pada Topik Bencana Gempa dan Tsunami di Indonesia Ibnu Santoso; Siskarossa Ika Oktora; Siti Muchlisoh; Ernawati Pasaribu
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.62211

Abstract

Indonesia merupakan negara yang rawan terjadi bencana alam seperti gempa dan tsunami. Seiring dengan perkembangan teknologi, arus informasi mengenai kebencanaan juga mengalir di media sosial seperti Twitter. Penggunaan Twitter dalam kaitannya dengan kebencanaan telah banyak diteliti antara lain untuk penyebarluasan informasi, alat manajemen dan pengurangan resiko, pemantauan aktivitas tanggap darurat, dan lain-lain. Penelitian ini bertujuan untuk mengidentifikasi pengguna twitter berpengaruh khusus untuk topik bencana gempa dan tsunami di Indonesia dengan menggunakan Social Network Analysis (SNA) dengan dan tanpa mempertimbangkan faktor frequency dan engagement. Hasil SNA tanpa mempertimbangkan faktor frequency dan engagement menunjukkan bahwa pengguna Twitter yang dinilai paling berpengaruh pada topik bencana gempa dan tsunami adalah situs berita seperti detikcom dengan influence score sebesar 0,77. Sedangkan jika mempertimbangkan faktor frequency dan engagement menunjukkan bahwa pengguna Twitter yang dinilai paling berpengaruh pada topik bencana gempa dan tsunami adalah akun infoBMKG dengan indeks influence score sebesar 0,63. Berdasarkan hasil penelitian ini ditemukan bahwa BMKG telah berperan penting dalam pemberian informasi mengenai bencana gempa bumi dan tsunami di Indonesia dan mendapatkan kepercayaan luas dari masyarakat yang ditunjukkan dengan adanya engagement yang lebih tinggi dibandingkan akun lainnya.
Data Mining untuk Pengelompokan Saham pada Sektor Energi dengan Metode K-Means Anggi Srimurdianti Sukamto; Wawan Setiawan; Enda Esyudha Pratama
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.62509

Abstract

Saham adalah kepemilikan hak oleh perorangan (pemegang saham) pada suatu perusahaan berdasarkan pemberian modal sehingga dianggap  memiliki kepemilikan dan pengawasan perusahaan tersebut berdasarkan bagian tertentu. Menurut data dari Indonesia Stock Exchange (IDX) pada tahun 2020, jumlah investor di Pasar Modal Indonesia yang terdiri dari investor saham, reksadana dan obligasi, mengalami kenaikan 56 persen yaitu 3,87 juta Single Investor Identification (SID) sampai pada tanggal 29 Desember 2020. Kenaikan ini menjadi 4 kali lipat lebih tinggi sejak 4 tahun terakhir. Investor saham juga mengalami kenaikan sebanyak 53 persen menjadi 1,68 juta SID. Hal tersebut menunjukkan besarnya minat masyarakat terhadap keikutsertaan pada kepemilikan saham. Namun dalam berinvestasi terdapat risiko. Risiko dalam berinvestasi di pasar modal sebenarnya dapat diminimalisir dengan pemilihan saham yang benar terutama dalam hal fundamendal perusahaan. Penelitian ini menggunakan metode K-Means untuk mengelompokan saham sesuai dengan karakteristiknya. Berdasarkan perhitungan, didapatkan sebanyak 5 kali Iterasi untuk 4 Kelas/Cluster yang telah didefinisikan diawal. Selain itu, didapatkan hasil bahwa Kelas/Cluster 1 dan 4 diisi oleh emiten-emiten yang memiliki fundamental buruk  serta Kelas/Cluster 2 berisi emiten pemberi dividen yang tinggi. Secara keseluruhan, didapatkan kesimpulan bahwa algoritma K-Mean dapat digunakan untuk membantu para Investor dalam melakukan pencarian emiten yang sesuai dengan karakteristik yang diinginkan.
Perbedaan Tingkat Usability Heuristics Evaluation pada Learning Management System Berdasarkan Latar Belakang Pengguna Farha Ramadhan; Agung Fatwanto
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.59302

Abstract

Perkembangan teknologi yang cukup pesat banyak memberikan manfaat kepada masyarakat di berbagai bidang. Salah satu bentuk pemanfaatan teknologi tersebut adalah penggunaan Learning Management System (LMS), sebuah perangkat lunak pendukung kegiatan belajar-mengajar secara daring. Agar nyaman digunakan, LMS perlu dirancang dengan mempertimbangkan aspek usability sesuai dengan latar belakang calon penggunanya. Oleh karena itu, penelitian ini bermaksud menyelidiki perbedaan persepsi tingkat usability LMS berdasarkan latar belakang penggunanya, yaitu: gender, angkatan (tahun masuk perguruan tinggi), dan frekuensi penggunaan LMS. Penelitian ini menerapkan metode kuantitatif. Desain penelitian yang digunakan adalah penelitian survey dengan teknik pengumpulan data menggunakan kuesioner. Instrumen yang dipakai adalah Usability Heuristics Evaluation. Pengumpulan data dilakukan pada dua perguruan tinggi (PT) negeri di Yogyakarta, masing-masing dilakukan sebanyak dua tahap. Analisis data pada penelitian ini menggunakan analisis statistik deskriptif. Hasil yang didapatkan pada penelitian ini adalah secara umum: i) perempuan cenderung memberikan penilaian tingkat usability LMS yang lebih tinggi dibanding laki – laki; ii) mahasiswa angkatan yang lebih muda cenderung memberikan penilaian tingkat usability LMS yang lebih tinggi dibanding seniornya; iii) pengguna yang lebih sering memakai LMS cenderung memberikan penilaian tingkat usability LMS yang lebih tinggi dibanding mereka yang lebih jarang memakai.
Model Meta Ensemble dan Deep Learning untuk Prediksi Emiten LQ45 Hendra Bunyamin; Oktavianti Oktavianti; Meyliana Meyliana
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.63351

Abstract

LQ (Liquid) 45 merupakan indeks saham yang berisi 45 emiten yang dipilih berdasarkan pertimbangan likuiditas dan kapitalisasi pasar, dengan kriteria-kriteria sebagai berikut: telah tercatat di BEI minimal 3 bulan, aktivitas transaksi di pasar reguler yaitu nilai, volume, dan frekuensi transaksi, jumlah hari perdagangan di pasar reguler, kapitalisasi pasar pada periode waktu tertentu, dan keadaan keuangan dan prospek pertumbuhan perusahaan tersebut. Dengan mengetahui emiten-emiten yang akan masuk ke dalam indeks LQ 45, para investor akan sangat terbantu dalam merencanakan portofolio mereka di masa yang akan datang. Penelitian ini bertujuan membangun model prediksi bagi emiten-emiten yang akan masuk ke dalam LQ 45. Dataset terdiri dari ringkasan saham semua emiten dari 1 Februari 2015 sampai dengan Januari 2022 dan daftar emiten-emiten yang masuk ke dalam LQ 45 dari periode Agustus 2015-Januari 2016 sampai dengan Februari 2022-Juli 2022. Indeks LQ 45 sendiri diperbaharui setiap 6 bulan sekali; oleh karena itu, dalam penelitian ini model prediksi per 6 bulan dibentuk dan dilatih dengan 4-fold cross-validation. Model-model prediksi, yaitu HIVE-COTE 2.0, ROCKET, multi-layer perceptron, stacking recurrent neural networks, dan bi-directional recurrent neural networks memberikan hasil bahwa HIVE-COTE 2.0 HIVE-COTE 2.0 memberikan kinerja terbaik dalam precision, yaitu keunggulan sekitar 9% daripada model-model lainnya dalam memprediksi emiten-emiten jika kriteria yang dipertimbangkan adalah mengurangi false positive. Jika kriteria yang diutamakan adalah menjaga keseimbangan antara  mengurangi false positive dan false negative, maka model multi-layer perceptron dengan banyak neuron yang cukup besar (512) juga memberikan F1 score yang lebih tinggi 9% daripada model-model lain dalam memprediksi emiten-emiten yang akan masuk LQ 45.
Pemilihan Kata Benda Bahasa Indonesia Berdasarkan Cakupan Suku Kata Menggunakan Genetic Algoritma untuk Dataset Audio Visual Eka Rahayu Setyaningsih; Anik Nur Handayani; Wahyu Sakti Gunawan Irianto; Yosi Kristian
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.63970

Abstract

Dalam pembentukan model Kecerdasan Buatan yang menggunakan pendekatan Deep Learning, dataset memegang peranan yang sangat penting. Memahami dan memilih kumpulan data yang tepat, sangatlah penting untuk memastikan keberhasilan sebuah model Kecerdasan Buatan. Salah satu topik yang cukup baru adalah mempelajari bagaimana pembentukan suara dari hasil pembacaan gerakan bibir manusia, dengan cakupan variasi bunyi dan bentuk bibir yang diharapkan dapat membantu pembelajaran sistem. Mayoritas dataset audio visual, yang biasa digunakan untuk pembangunan model pembentukan suara ataupun pembacaan gerakan bibir tidak memperhatikan keluasan cakupan variasi bunyi yang ada. AVID, salah satu dari dataset audio visual berbahasa Indonesia, mengadopsi susunan kata dalam dataset GRID, yang mengubah setiap kata penyusunnya dari Bahasa Inggris ke bahasa Indonesia. Sedangkan pada Bahasa Indonesia sendiri terdapat banyak ragam bunyi yang dibentuk dari satu atau sederet rangkaian fonem. Penelitian yang dilakukan penulis dengan memanfaatkan Genetic Algorithm untuk mendapatkan susunan kombinasi kata benda guna memperoleh nilai cakupan yang optimal. Dengan cakupan kombinasi suku kata yang lebih baik, maka dapat dihasilkan dataset untuk Deep Learning yang lebih baik lagi. Dalam penelitian ini, kata benda yang diproses, diperoleh dari KBBI edisi 2008, baru kemudian difilter untuk mendapatkan kata benda yang tepat mengandung 3 suku kata, yang bukan nama kota, tokoh maupun lokasi. Dari 39.070 kata benda yang ada, diperoleh 2936 kata benda yang akan digunakan. Ujicoba yang telah dilakukan pada 10.000 hingga 200.000 epoch, diperoleh rata-rata cakupan suku kata 72%-75% dengan batasan 26 variasi kata benda penyusunnya.

Page 32 of 53 | Total Record : 522

 30   31   32   33   34 

Filter by Year

2015 2025


Reset
Filter By Issues
All Issue Vol 11, No 3 (2025): Volume 11 No 3 Vol 11, No 2 (2025): Volume 11 No 2 Vol 11, No 1 (2025): Volume 11 No 1 Vol 10, No 3 (2024): Volume 10 No 3 Vol 10, No 2 (2024): Volume 10 No 2 Vol 10, No 1 (2024): Volume 10 No 1 Vol 9, No 3 (2023): Volume 9 No 3 Vol 9, No 2 (2023): Volume 9 No 2 Vol 9, No 1 (2023): Volume 9 No 1 Vol 8, No 3 (2022): Volume 8 No 3 Vol 8, No 2 (2022): Volume 8 No 2 Vol 8, No 1 (2022): Volume 8 No 1 Vol 7, No 3 (2021): Volume 7 No 3 Vol 7, No 2 (2021): Volume 7 No 2 Vol 7, No 1 (2021): Volume 7 No 1 Vol 6, No 3 (2020): Volume 6 No 3 Vol 6, No 2 (2020): Volume 6 No 2 Vol 6, No 1 (2020): Volume 6 No 1 Vol 5, No 3 (2019): Volume 5 No 3 Vol 5, No 2 (2019): Volume 5 No 2 Vol 5, No 1 (2019): Volume 5 No 1 Vol 5, No 1 (2019): Volume 5 No 1 Vol 4, No 2 (2018): Volume 4 No 2 Vol 4, No 2 (2018): Volume 4 No 2 Vol 4, No 1 (2018): Volume 4 No 1 Vol 4, No 1 (2018): Volume 4 No 1 Vol 3, No 2 (2017): Volume 3 No 2 Vol 3, No 2 (2017): Volume 3 No 2 Vol 3, No 1 (2017): Volume 3 No 1 Vol 3, No 1 (2017): Volume 3 No 1 Vol 2, No 2 (2016): Volume 2 No 2 Vol 2, No 2 (2016): Volume 2 No 2 Vol 2, No 1 (2016): Volume 2 No 1 Vol 2, No 1 (2016): Volume 2 No 1 Vol 1, No 2 (2015): Volume 1, No 2 Vol 1, No 2 (2015): Volume 1, No 2 Vol 1, No 1 (2015): Edisi Perdana Vol 1, No 1 (2015): Edisi Perdana More Issue