cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fajril Akbar
Contact Email
ijab@fti.unand.ac.id
Phone
+627517770
Journal Mail Official
teknosi@fti.unand.ac.id
Editorial Address
Jurusan Sistem Informasi, Fakultas Teknologi Informasi Universitas Andalas Kampus Limau Manis, Padang 25163, Sumatera Barat
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnas Nasional Teknologi dan Sistem Informasi
Published by Universitas Andalas
ISSN : 24768812     EISSN : 24603465     DOI : https://dx.doi.org/10.25077/TEKNOSI
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Jurnal ini menerbitkan artikel penelitian (research article), artikel telaah/studi literatur (review article/literature review), laporan kasus (case report) dan artikel konsep atau kebijakan (concept/policy article), di semua bidang : Geographical Information System, Enterpise Application, Bussiness Intelligence, Data Warehouse, Network Computer Security, Data Mining, Computer Architecture Design, Mobile Computing, Computing Theory, Embedded system, Decision Support System
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 15 Documents
 1   2 
Search results for , issue "Vol 9 No 2 (2023): Agustus 2023" : 15 Documents clear
Pembangunan Sistem Informasi Pengelolaan Rencana Pembelajaran Semester (RPS) Aziira, Aina Hubby; Kamil, Husnil; Kartika, Afriyanti Dwi
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9 No 2 (2023): Agustus 2023
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i2.2023.103-112

Abstract

Rencana Pembelajaran Semester (RPS) merupakan wujud pengembangan kurikulum yang dibuat berdasarkan Dokumen Kurikulum. Pengelolaan RPS yang baik adalah salah satu kunci untuk memaksimalkan proses pengawasan dan pengembangan pembelajaran. Sistem pengelolaan RPS di Program Studi Sistem Informasi Universitas Andalas masih dilakukan secara konvensional. RPS belum terstruktur dengan baik sesuai standar penyusunan RPS sehingga akan menyulitkan dosen dalam melakukan pengawasan, evaluasi, dan pengembangan rencana pembelajaran, yang selanjutnya juga akan mempengaruhi kualitas lulusan serta akan menyulitkan proses penilaian pada saat Re-Akreditasi program studi. Oleh karena itu, pengelolaan RPS berupa penulisan yang terstruktur dan adanya wadah untuk mengarsipkan perubahan RPS yang dilakukan selama proses pengembangan, penting dilakukan. Hal ini dapat dicapai dengan menggunakan sebuah sistem informasi sehingga dirasa perlu untuk membangun sistem informasi pengelolaan RPS. Sistem Informasi Pengelolaan RPS dibangun berdasarkan metode Waterfall yang terdiri dari tahap analisis kebutuhan, perancangan sistem, implementasi sistem dengan memanfaatkan arsitektur MERN (MongoDB, Express.js, React.js, dan Node.js) sebagai empat teknologi utama, yang dilanjutkan dengan tahap pengujian. Dengan sistem yang dikembangkan, dosen dapat membuat RPS secara terstruktur serta memiliki arsip RPS yang pernah dikembangkan untuk nantinya dijadikan bahan evaluasi pembelajaran. Pengujian fungsional yang dilakukan menunjukkan bahwa sistem informasi pengelolaan RPS sudah berjalan sebagaimana yang direncanakan.
Sistem Pendukung Keputusan Pemilihan Cafe Bagi Mahasiswa Kota Pontianak Dengan Metode SAW Hanin, Noerul; Adi, Ahmad Cahyono
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9 No 2 (2023): Agustus 2023
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i2.2023.95-102

Abstract

Pontianak merupakan salah satu kota yang memiliki banyak perguruan tinggi sehingga banyak orang dari berbagai daerah yang pergi ke kota ini untuk melanjutkan studi ke jenjang perguruan tinggi. Untuk menunjang kegiatan selama studi, mahasiswa membutuhkan fasilitas yang mendukung, seperti cafe yang menjadi salah satu tempat untuk mahasiswa mengerjakan pekerjaannya. Banyaknya cafe di Kota Pontianak menyebabkan mahasiswa memerlukan kriteria kualitas untuk menentukan cafe yang ideal untuk menunjang berbagai kegiatan. Beberapa kriteria yang diperlukan mahasiswa dalam menentukan cafe yang ideal antara lain yaitu fasilitas yang diberikan, lokasi cafe, serta suasana cafe. Kriteria kualitas cafe ini dapat ditentukan secara otomatis menggunakan sebuah sistem pendukung keputusan. Sistem ini menggunakan metode SAW (Simple Addictive Weighting) yang dapat mengklasifikasikan cafe bagi mahasiswa apakah tergolong ideal atau tidak. Hasilnya, semua cafe dapat diberi predikat dengan kriteria yang telah ditentukan, dimana pada simulasi ini, Cafe B adalah cafe yang paling ideal dengan nilai preferensi 0.78. Dengan adanya sistem rekomendasi pemilihan cafe bagi mahasiswa, diharapkan mampu memberikan manfaat bagi mahasiswa dalam memilih tempat cafe dan dapat memberi referensi bagi pemilik cafe tentang kriteria cafe yang dapat menarik bagi mahasiswa.
Perbandingan Algoritma Support Vector Machine (SVM) dan Decision Tree untuk Sistem Rekomendasi Tempat Wisata Oktafiani, Rian; Rianto, Rianto
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9 No 2 (2023): Agustus 2023
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i2.2023.113-121

Abstract

Industri pariwisata Indonesia berkembang dari tahun ke tahun. Daerah Istimewa Yogyakarta merupakan salah satu provinsi yang memiliki banyak destinasi wisata. Pertumbuhan internet dan teknologi informasi juga menjadi faktor dalam industri pariwisata Indonesia. Dengan adanya informasi mengenai pariwisata di internet, dapat memudahkan wisatawan untuk mencari informasi. Namun, karena jumlah informasi yang sangat banyak akan membuat wisatawan kebingungan untuk menentukan tujuan wisata. Selain itu, wisata lokal memiliki potensi yang cukup tinggi untuk membantu perekonomian daerah, namun saat ini belum dieksplorasi secara maksimal. Sistem rekomendasi dan kemampuan klasifikasi tempat wisata diperlukan untuk memberikan akurasi rekomendasi yang baik. Untuk menentukan jumlah fitur yang paling menguntungkan untuk klasifikasi lokasi wisata, Teknik Principal Component Analysis (PCA) digunakan dalam penelitian ini untuk membandingkan metodologi Support Vector Machine (SVM) dan Decision Tree (DT). Hasilnya menunjukkan bahwa, dengan nilai akurasi 98.97% penerapan PCA dengan nilai n=5 dan berada pada perbandingan Split Data 75% : 25%, pendekatan SVM memiliki performa lebih baik daripada metode Decision Tree. Metode Decision Tree juga memiliki performa yang baik, dengan menggunakan PCA dengan nilai n=5, Decision Tree memiliki akurasi 96.55% yang berada pada perbandingan Split Data 85% : 15%.
Prediksi Nilai Akhir Matakuliah Mahasiswa Menggunakan Metode K-Means Clustering (Studi Kasus : Matakuliah Pemrograman Dasar) Ariawan, Made Pasek Agus; Peling, Ida Bagus Adisimakrisna; Subiksa, Gde Brahupadhya
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9 No 2 (2023): Agustus 2023
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i2.2023.122-131

Abstract

Nilai akhir matakuliah merupakan salah satu komponen untuk kelulusan mahasiswa, selain mahasiswa dosen juga memiliki peran penting dalam hasil dari nilai akhir matakuliah mahasiswa. Tentunya diharapkan nilai akhir dari matakuliah yang diambil mahasiswa mendapatkan hasil yang maksimal. Dosen biasanya akan memberikan remedial bagi mahasiswa yang nilainya kurang dari standar kelulusan. Remedial biasanya akan diberikan setelah nilai akhir dikeluarkan. Remidial biasanya dilakukan berkali – kali sampai nilai akhir mahasiswa memenuhi standar dari perguruan tinggi. Tentunya proses remidial ini akan menghabiskan    banyak waktu bagi dosen dan mahasiswa, dengan mengetahui perkiraan nilai akhir mahasiswa dapat memahami sejauh mana pemahaman mereka terhadap materi dan sejauh mana mereka telah mencapai tujuan pembelajaran. Hal ini dapat membantu mereka mengidentifikasi area-area di mana mereka perlu meningkatkan pemahaman atau keterampilan mereka.Berdasarkan permasalahan ini peneliti melakukan penelitian untuk memprediksi nilai akhir matakuliah mahasiswa. Data yang digunakan pada penelitian ini adalah data mahasiswa yang mengambil matakuliah pemrograman dasar. Metode yang digunakan pada penelitian ini adalah metode K-means clustering. Hasil dari prediksi menggunakan metode K-means clustering menunjukan tingkat Precision 86%, Recall 100%, akurasi 93%.
Implementasi Sistem Klasifikasi Tim Kerja Menggunakan Algoritma Naïve Bayes (Studi Kasus: PT.MNL) Angelya, Tasya; Rahman, Abdul; Pradesan, Iis
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9 No 2 (2023): Agustus 2023
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i2.2023.86-94

Abstract

PT.MNL adalah perusahaan swasta yang bergerak dibidang jasa kehutanan khususnya Hutan Tanaman Industri. Perusahaan memiliki banyak areal kerja yang memiliki banyak tim kerja di semua arealnya. Mengingat besarnya tim kerja, pemilik perusahaan harus bisa menjaga kinerja tim kerjanya agar selalu berada dalam posisi baik. Dengan semakin banyaknya tim kerja maka data yang masuk ke dalam perusahaan semakin banyak pula, data-data tersebut tentunya perlu dimanfaatkan dengan cara mengolah dan menganalisis untuk menghasilkan suatu informasi yang berguna bagi perusahaan. Sehingga dapat digunakan dalam mengklasifikasikan seluruh anggota-anggota tim pada lokasi kerja tertentu. Maka dari itu, diperlukan sebuah teknologi Data Mining yang dapat membantu perusahaan dalam memilah nama tim yang sebaiknya dipilih. Metode yang dipakai untuk klasifikasi tim kerja adalah algoritma Naïve Bayes. Penelitian ini menghasilkan tingkat akurasi klasifikasi sebesar 93,66%, hasil recall 90,74% serta hasil precision sebesar 88,58% sehingga hal ini menunjukkan bahwa sistem klasifikasi tim menggunakan algoritma Naive Bayes dapat digunakan oleh pemilik perusahaan sebagai bahan pertimbangan dalam mengatur persebaran tim di setiap lokasi kerja.
Implementasi Random Forest Menggunakan SMOTE untuk Analisis Sentimen Ulasan Aplikasi Sister for Students UNEJ Anjani, Anisa Fitri; Anggraeni, Dian; Tirta, I Made
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9 No 2 (2023): Agustus 2023
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i2.2023.163-172

Abstract

Pendidikan di era digital sangat memanfaatkan teknologi dan informasi sebagai prasarana  pembelajaran melalui aplikasi milik perguruan tinggi tertenu. Sister for Students (SFS) merupakan aplikasi yang dikembangkan oleh UPT-TIK Universitas Jember yang memiliki peran sangat penting untuk menunjang kegiatan pembelajaran di Universitas Jember, sehingga perlu dilakukan analisis kualitas layanan aplikasi tersebut berdasarkan komentar oleh pengguna menggunakan analisis sentimen. Analisis sentimen merupakan klasifikasi teks yang dilakukan dengan tujuan memperoleh informasi dari pengguna mengenai kualitas layanan SFS. Masalah yang sering terjadi pada proses klasifikasi yaitu adanya data imbalance, salah satunya pada klasifikasi teks. SMOTE dilakukan untuk menangani data imbalance dengan cara membangkitkan data sintetis pada kelas minoritas, hal ini diharapkan agar kinerja klasifikasi lebih baik. Penelitian ini menggunakan metode klasifikasi Random Forest dan SMOTE dengan perbandingan proporsi splitting data  dan  untuk analisis sentimen pada ulasan aplikasi SFS. Data yang digunakan sebanyak 913 data dimana kelas positif sejumlah 363 dan negatif sejumlah 550. Hasil model terbaik yaitu model Random Forest menggunakan SMOTE dengan proporsi 90:10 dengan akurasi testing 98,9%, recall 100%, precision 96,7%, f1-score 98,3% dan nilai AUC sebesar 99,2%. Informasi yang diperoleh dari analisis sentimen SFS UNEJ diperoleh kata yang mengarah positif  yaitu “bagus”, “mantap”, “keren”, “bantu”, “lumayan”, “lebihbaik”, “mudah”, “unej” dan “suka”. Kata yang mengarah pada sentimen negatif yaitu “eror”, “tidakbisa”, “presensi”, “jelek”, “update”, “ribet”, “sulit”, “forceclose” dan “qrcode”.
Implementasi Sistem Informasi UKM USN Kolaka Menggunakan Metode Waterfall dan Framework PIECES Mardianto, Mardianto; Sari, Jayanti Yusmah; Bantun, Suharsono
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9 No 2 (2023): Agustus 2023
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i2.2023.191-199

Abstract

Universitas Sembilanbelas November Kolaka (USN Kolaka) memiliki beberapa jenis Unit Kegiatan Mahasiswa (UKM) sebagai sarana bagi mahasiswa untuk mengembangkan bakat, minat dan kreatifitasnya. Berdasarkan hasil observasi ditemukan permasalahan belum terkomputerisasinya pendataan UKM yang ada di USN Kolaka. Seperti dalam pendaftaran anggota barupun masih menggunakan formulir kertas yang rawan hilang dan rusak. Berdasarkan permasalah yang ditemukan maka penelitian ini bertujuan untuk merancang sistem informasi UKM yang ada di USN Kolaka. Kemudian untuk menilai kelayakan sistemnya digunakan metode PIECES. Adapun hasil dari penelitian ini adalah sistem yang dibangun terbebas dari kesalahan program hal itu diketahui dari menggunakan metode black box testing. Kesimpulan selanjutnya adalah Berdasarkan analisis metode PIECES terhadap kepuasan pengguna dalam menggunakan sistem informasi UKM USN Kolaka. Untuk variabel performance, information, economic, control, efficiency dan services. Maka dalam tingkat kepuasan pengguna terhadap sistem informasi diperoleh nilai rata-rata untuk masing-masing indikator yaitu indikator performance memperoleh nilai 4,10 dengan kategori Baik, information, economy, control, efficiency, dan services masing-masing mendapat nilai secara berututan 4,13, 4,18, 3,97, 4,19, dan 4,17. Ke lima variabel tersebut mendapatkan kategori Baik.
Pemodelan Text Mining dalam Pengkodean Penyakit Pasien Berdasar Kode ICD 10 Parjono, Parjono; Kusumadewi, Sri
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9 No 2 (2023): Agustus 2023
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i2.2023.200-207

Abstract

Pengkodean penyakit yang lazim dilakukan oleh Rumah Sakit adalah menggunakan 2 metode, yang pertama adalah klinisi/ dokter menuliskan numenklatur penyakit berdasarkan kode ICD-10 dengan panduan kamus ICD-10 yang dapat berupa elektronik maupun buku. Metode kedua adalah klinisi/ dokter menulis secara free-text kemudian petugas koding dari rekam medis yang memberikan kode penyakit berdasar kode ICD-10 dan apabila ada hal yang sekiranya diragukan, petugas koding akan mengkonfirmasi ke dokter yang merawat pasien. Dari kebanyakan diagnosis medis yang berupa deskripsi free-text, kemiripan makna serta istilah medis yang memiliki kekhususan daripada istilah umum akan menjadi tantangan tersendiri dalam mengekstrak informasi yang berada di dalamnya. Hal ini yang mendorong penulis untuk membuat pendekatan koding penyakit dengan pememodelkan Text Mining dalam membantu pengkodean penyakit tersebut melalui data diagnosis dokter sehingga diharapkan proses pengkodean penyakit menjadi lebih cepat dan mengurangi aspek human error khususnya untuk penyakit di Indonesia. Metode pendekatan yang diterapkan adalah Clinical Text Mining dengan Natural Language Processing dimana metode ini dirasa paling tepat untuk mengekstraksi informasi dari diagnosis dokter yang tidak terstruktur. Data diambil dari Rumah Sakit bagian poliklinik penyakit dalam sejumlah 3787 data dengan 5 kategori kode ICD 10 yakni E11.9 Type 2 diabetes mellitus without complications, I10 Essential (primary) hypertension, I11.9 Hypertensive heart disease without (congestive) heart failure, K21.9 Gastro-oesophageal reflux disease without oesophagitis, K30 Functional dyspepsia  dengan pembagian komposisi data untuk training dan testing adalah 70:30 proses ekstraksi melalui tahapan case folding, contraction untuk pencocokan dengan kamus singkatan, tokenization, stop word removal dan menggunakan word2vec untuk proses konversi kata yang berupa karakter alphanumeric kedalam bentuk vector dari hasil pemodelan menggunakan Neural Network didapatkan nilai performa model cukup baik yakni memiliki akurasi 86.8%.
Systematic Literature Review: Analisis Sentimen Berbasis Deep Learning Fitroh, Fitroh; Hudaya, Fahmi
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9 No 2 (2023): Agustus 2023
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i2.2023.132-140

Abstract

Systematic literature review ini bertujuan untuk mengetahui tren penelitian analisis sentimen berbasis deep learning antara tahun 2020-2023. Fokus kajiannya adalah pada pemahaman tentang pemodelan yang digunakan oleh banyak peneliti, juga nilai akurasi dari masing-masing klasifikasi tersebut. Pertanyaan utama dalam SLR ini yaitu teknik analisis sentimen berbasis deep learning apa yang memberikan akurasi tertinggi. Peneliti menemukan 400 artikel terindeks Scopus dengan menggunakan Publish or Perish 8. Selanjutnya, penyaringan jurnal dan pencarian kluster menggunakan aplikasi Microsoft Excel, Zotero, Mendeley, dan VOS Viewer yang menghasilkan 105 artikel terpilih untuk dianalisis secara deskriptif. Berdasarkan hasil temuan metode yang populer digunakan dalam melakukan analisis sentimen berbasis deep learning dalam jangka waktu yang telah ditentukan adalah metode LSTM dan CNN, baik dilakukan satu metode maupun keduanya. Adapun akurasi tertinggi mencapai 99% dengan rata-rata 89% menggunakan metode LSTM. Pengetahuan ini dapat digunakan untuk mengusulkan model analisis sentimen berbasis deep learning yang memberikan akurasi tertinggi.
Implementasi ERP Dolibarr untuk Sistem Pembelian Penjualan Barang, dan Manajemen Gudang pada Budi Mulya Mart Rahmadoni, Jefril; Hanifa, Ulfatmi; Azwalia Tanjung, Siti Nina; Guciano, Ufa Aurora
Jurnal Nasional Teknologi dan Sistem Informasi Vol 9 No 2 (2023): Agustus 2023
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v9i2.2023.173-181

Abstract

Budi Mulya Mart merupakan salah satu toko yang menjual perlengkapan dan kebutuhan harian yang berada di Kota Bukittinggi. Dalam proses bisnisnya yaitu penjualan barang ke pelanggan, pembelian barang ke supplier, dan manajemen gudang masih dilakukan secara manual sehingga kurang efektif, memakan waktu dan biaya. Karena itu, perlu penerapan Enterprise Resource Planning (ERP) untuk mengatasi permasalahan tersebut. ERP yang digunakan adalah Dolibarr karena fitur yang lengkap dan mudah untuk dipahami pemakaiannya. Metode yang digunakan dalam penelitian ini adalah kualitatif deksiptif, dimulai dari melakukan wawancara dan wawancara guna mendapatkan informasi yang lebih detail dan dilanjutkan dengan impelentasi perangka lunak. Setelah itu, dilakukan identifikasi proses bisnis yang sedang berjalan untuk dilakukan pengidentifikasian proses komputerisasi dan dilanjutkan dengan mengidentifikasi proses bisnis yang diusulkan menggunakan ERP yang dijelaskan menggunakan Business   Process  Model  Notation (BPMN). Langkah selanjutnya yaitu memulai penginstalan dan kustomisasi ERP Dolibarr sesuai kebutuhan yang berkaitan dengan proses pembelian barang ke supplier, penjualan barang ke pelanggan, dan manajemen gudang. Sebagai hasil akhirnya, maka dihasilkan beberapa laporan yang disesuaikan dengan laporan yang ada di perusahaan saat ini, yaitu laporan pembelian barang ke supplier, laporan penjualan barang ke pelanggan, laporan manajemen gudang, dan laporan uang masuk dan keluar. Dari hasil laporan tersebut, disimpulkan bahwa penerapan ERP Dolibarr pada Budi Mulya Mart berhasil dilaksanakan dengan baik dan proses bisnis menjadi lebih efektif.

Page 1 of 2 | Total Record : 15

 1   2 

Filter by Year

2023 2023


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