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 365 Documents
 22   23   24   25   26 
Komparasi Algoritma Naive Bayes dan Gradient Boosting untuk Prediksi Pasien Diabetes Sari, Nova Christina; Linda Larasati, Triana
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 2 (2024): Agustus 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i2.2024.118-125

Abstract

Diabetes mellitus diperkirakan semakin meningkat seiring bertambahnya usia penduduk dari 19,9%, menjadi 111,2 juta orang diusia 65-79 tahun, diprediksikan bahwa penderita diabetes akan terus meningkat hingga 578 juta orang pada tahun 2030 kemudian 700 juta ditahun 2045. Machine learning atau pembelajaran mesin merupakan salah satu kecerdasan buatan yang bertujuan untuk memahami atau mengenali suatu struktur suatu data dan mengonversi data tersebut kedalam suatu model. Penggunaan Machine learning dalam dunia kesehatan semakin pesat, semakin banyak peneliti kesehatan menggunakan algoritma machine learning untuk penelitiannya. Sebagian algoritma machine learning dapat digunakan untuk melakukan prediksi, salah satunya adalah algoritma klasifikasi untuk prediksi penyakit diabetes. Berdasarkan hasil komparasi dari beberapa algoritma yang digunakan, algoritma klasifikasi naive bayes dan gradient boosting memiliki nilai yang terbaik dari algoritma lainnya. Algoritma gradient boosting memiliki hasil yang tinggi terhadap nilai accuracy 77.09% dan f-measure  83.39% pada sampel linear. Naive bayes menghasilkan nilai yang terbaik terhadap pengujian sampel acak, dengan nilai accuracy 76.57% dan nilai f-measure 82.82%. Hasil pengujian sampel berlapis (stratified) yang memiliki nilai pada akurasi tertinggi terdapat pada algoritma gradient boosting dengan nilai accuracy 77.34% dan f-measure 83.39%.
Klasifikasi Penyakit Kanker Serviks Berdasarkan Kebiasaan dan Rekam Medis dengan Metode C4.5 Kemal Taufiq Hidayah; Budi Arifitama; Silverster Dian Handy Permana
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i1.2024.36-44

Abstract

Kanker serviks adalah salah satu penyakit yang paling sering ditemui dan dapat menyebabkan kematian pada Wanita di seluruh dunia. Di Indonesia, jumlah kematian akibat kanker serviks terus meningkat setiap tahun, sebgaian besar disebabkan oleh diagnosis dan skrining yang terlambat. berbagai faktor yang disebabkan oleh kanker serviks seperti kebiasaan yang dilakukan ialah, berganti-ganti pasangan seksual, merokok atau pasif merokok, memiliki infeksi kelamin, memiliki riwayat kanker dan sebagainya. untuk mendeteksi adanya kanker serviks atau tidak, dapat dilakukan dengan cara pemeriksaan tes IVA (inspeksi visual asam asetat) atau yang disebut dengan tes schiller. Metode klasifikasi ialah bagian dari Teknik data mining untuk melakukan prediksi, Dalam penelitian ini, ingin meningkatkan akurasi dengan menggunakan metode C4.5 untuk melakukan klasifikasi penyakit kanker serviks berdasarkan kebiasaan pasien. Dua belas atribut dan satu atribut dari hasil pengujian digunakan dalam proses klasifikasi. Dataset tersebut terdiri dari 1080 entri, yang akan dibagi menjadi 864 data dan 216 data pelatihan. Data ini diperoleh dari website UCI Repository. Penelitian ini menghasilkan akurasi sebesar 94.10%, presisi sebesar 95.57%, recall sebesar 96.33% dan AUC (Area Under Curve) sebesar 0.987 yang diukur menggunakan matrix confussion atau matriks kebingungan dengan alat rapidminer. 
Pola Pembelian Konsumen Dengan Metode Market Basket Analysis pada Perishable Product di Toko Roti Ikobana Bakery Ardhian Agung Yulianto; Yesi Elsandra
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 1 (2024): April 2024
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i1.2024.82-91

Abstract

Industri makanan dan minuman berperan besar dalam ekonomi Indonesia. Roti sebagai salah satu produk makanan termasuk kategori fast mover consumer goods dan perishable product yang dijual cepat, harga relatif murah, namun cepat kadaluarsa dengan siklus hidup yang Terkhusus bagi Ikobana Bakery, yang memproduksi roti Jepang dengan tekstur lembut berbahan premium dan varian banyak perlu strategi pemasaran untuk meningkatkan penjualan. Penelitian ini bertujuan untuk mengetahui pola pembelian konsumen yang dibeli secara bersamaan baik saat promosi maupun penjualan reguler, sehingga diketahui produk yang paling sering dibeli dan akhirnya dapat memberikan strategi pemasaran berdasarkan perilaku pembelian konsumen. Metode yang digunakan adalah market basket analysis algoritma apriori menggunakan data transaksi dari Januari 2022 sampai dengan Agustus 2023, sejumlah 1000 data penjualan promosi dan 4593 data penjualan reguler. Bahasa pemrograman Python digunakan untuk mengolah dan menganalisis data. Dari penelitian ini dihasilkan 17 aturan asosiasi untuk penjualan promosi dengan minimum support 40% dan minimum confidence 60%, serta 11 aturan untuk penjualan reguler dengan minimum support 20% dan minimum confidence 55%. Roti sosis mayonaise menonjol sebagai produk penting dengan nilai consequent support tinggi yaitu sebesar 36,2% pada penjualan promosi dan 29,3% pada penjualan reguler. Pada produk rekomendasi yaitu roti melon pan terdapat perilaku konsumen yang menginginkan produk ini pada saat penjualan promosi 2 kali lipat lebih besar aturan yang terbentuk dibandingkan pada saat penjualan regular. Rekomendasi pemasaran termasuk strategi product bundling dan price bundling untuk meningkatkan penjualan.
Prediksi Kebakaran Hutan Berdasarkan Titik Panas dan Iklim Menggunakan Algoritma Random Forest Firmansyah, Aditya; Syahidin, Muhammad Farhan; Triana, Yaya Sudarya
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 2 (2024): Agustus 2024
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i2.2024.145-155

Abstract

Kebakaran hutan dan lahan semakin sering terjadi, menyebabkan dampak lingkungan yang menyebar ke luar wilayah kebakaran. Permasalahan yang terjadi salah satunya karena musim kemarau yang panjang di wilayah Kabupaten Ogan Komering Ilir Provinsi Sumatra Selatan yang menjadi faktor utama dalam meningkatnya risiko kebakaran, sebanyak 1.111 titik kebakaran tercatat pada tahun 2023. Permasalahan lainnya juga pada titik panas yang salah mendeteksi kebakaran yang seharusnya tidak kebakaran dan kasus tidak kebakaran yang seharusnya kebakaran, hal tersebut menyebabkan kerugian lingkungan maupun kerugian dana. Oleh karena itu, dibutuhkan model klasifikasi untuk memprediksi kasus kebakaran. Penelitian ini menggunakan gabungan data titik panas dan data iklim sebanyak 4343 data menggunakan metode Random Forest. Proses yang dilakukan yaitu studi literatur dan tahapan prediksi yang terdiri dari web scraping, data pre-processing, splitting data, pemodelan, dan evaluasi. Hasil penelitian berupa laporan klasifikasi, confusion matrix, dan feature importance. Hasil pengujian menunjukkan tingkat akurasi model yang baik sebesar 85.8% yang menunjukkan model menghitung seberapa tepat kinerja yang dilakukan model. Dengan penerapan model menggunakan metode Random Forest, model prediksi ini mengidentifikasi kasus kebakaran sangat baik sehingga informasi ini dapat digunakan untuk keputusan manajemen penanggulangan kebakaran dengan tepat dan meminimalisir terjadinya kerugian.
Implementation of the Waterfall Method in Mobile Web-Based Outpatient Online Registration Information System Rahmadoni, Jefril; Akbar, Ricky; Indrapriyatna, Ahmad Syafruddin; Cantika, Annisa Hasifah
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.216-222

Abstract

The goal of this study is to create, design, and implement a web-based outpatient registration application at Batusangkar Regional Hospital. The research method used is qualitative descriptive research, which involves a series of activities or processes that reveal system processes. This study's system development employs the waterfall method, as well as data collection techniques such as data documentation, interviews, and observation. This registration application was designed using the UML (Unified Modeling Language) model, which includes use case diagrams, activity diagrams, sequence diagrams, and class diagrams. Designing database logic with MySQL. The system was designed and implemented using XAMPP as a web server, PHP MySQL as a database, Visual Studio as a web design editor, and Android Studio as an Android design editor. It is hoped that this application will allow patients to easily register from anywhere and access the most up-to-date information and practice schedules for polyclinic doctors at Batusangkar Regional Hospital.
Analisis Sentimen Ulasan Aplikasi Samsat Digital Nasional Menggunakan Algoritma Naive Bayes Classifier Chandra, Ruby; Sipayung, Evasaria Magdalena
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.156-164

Abstract

Samsat Digital Nasional (SIGNAL) merupakan aplikasi layanan pengesahan Surat Tanda Nomor Kendaraan berbasis mobile. Aplikasi ini membuat perubahan dimana masyarakat yang biasanya harus mendatangi kantor Samsat untuk mengurus pajak kendaraan motornya, sekarang dapat dilakukan dimana saja. Semenjak diluncurkannya aplikasi ini, mucul berbagai tanggapan berupa ulasan dari para pengguna SIGNAL. Ulasan-ulasan ini memiliki informasi yang sangat berguna bagi pihak pemilik aplikasi untuk mengetahui kekurangan dan kelebihan dari aplikasinya. Proses perolehan informasi untuk mengetahui kekurangan dan kelebihan secara manual tentunya memakan waktu lama jika ada puluhan ribu ulasan yang harus dibaca satu persatu. Dengan analisis sentimen, proses tersebut dapat dipersingkat dimana sistem dapat secara otomatis memisahkan ulasan berdasarkan informasi yang terkandung didalamnya dengan cepat dan tepat. Penelitian ini menggunakan algoritma Naïve Bayes Classifier untuk melakukan klasifikasi terhadap ulasan menjadi 3 kelas yaitu sentimen positif, negatif, dan netral. Penelitian dilakukan dengan menggunakan 1792 data ulasan yang diambil dari kolom ulasan aplikasi SIGNAL di Google Play Store, dimana 1433 data dialokasikan sebagai data latih dan 359 data dialokasikan sebagai data uji. Data teks selanjutnya terbentuk numerik dengan menggunakan pembobotan TF-IDF. Pengujian dilakukan dengan menggunakan confusion matrix untuk mengetahui accuracy, precision, dan recall sistem. Berdasarkan hasil pengujian dengan 359 data uji menggunakan confusion matrix didapatkan nilai accuracy dari sistem adalah 91.643% dengan nilai rata-rata precision sebesar 90.41%, dan nilai rata-rata recall sebesar 74.973%.
Penerapan Metode Analytical Hierarchy Process dan Simple Additive Weighting Dalam Penentukan Lokasi Pembuatan Rumah Burung Walet Nur, Seftiani; Yulianto, Fendy; Rahim, Abdul
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.182-191

Abstract

Burung walet adalah penghuni khas wilayah tropis dan lembab, yang hidup berkelompok dan membangun sarang dari air liur di gua atau tempat lembab dan gelap. Sarang burung walet memiliki banyak manfaat kesehatan, termasuk mempercepat regenerasi sel, memperkuat sistem kekebalan tubuh, dan menjaga Kesehatan pencernaan, sehingga memiliki nilai jual yang tinggi. Oleh karena itu, budidaya sarang burung walet memerlukan perencanaan yang cermat terkait penentuan lokasi yang tepat untuk memaksimalkan hasil. Penentuan lokasi yang tidak tepat dapat menyebabkan kerugian akibat Gedung walet yang tidak ditempati. Untuk membantu petani walet dalam menentukan lokasi yang tepat, berbagai metode, termasuk pengamatan langsung dan penggunaan aplikasi sistem cerdas dapat digunakan. Sistem cerdas seperti Sistem Pendukung Keputusan (SPK) dapat memberikan rekomendasi menggunakan metode AHP-SAW. Metode AHP memberikan kontribusi dalam pengambilan keputusan dengan mempertimbangakan kriteria yang telah ditentukan, sementara metode SAW digunakan untuk proses perangkingan. Hasil pengujian metode AHP menunjukan akurasi sebesar 63%, sementara kombinasi metode AHP-SAW menunjukan akurasi sebesar 73%. Dengan demikian, kombinasi metode AHP-SAW diharapkan dapat memberikan rekomendasi lokasi yang lebih tepat untuk pembuatan rumah burung walet, sehingga meningkatkan efisien dan hasil budidaya.
Pembangunan Peta Digital Universitas Andalas Berbasis Web Susanti, Lusi; Kamil, Husnil; Affi, Immalatunil Khaira; Wulandari, Rivonny; Huda, Ashila Nurul
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.165-173

Abstract

Informasi merupakan suatu bagian dari komponen komunikasi yang memegang peranan penting agar pesan yang ingin disampaikan oleh komunikator dapat ditransmisikan secara baik. Informasi yang dapat diberikan oleh display salah satunya adalah informasi mengenai keberadaan lokasi yang akan dituju. Salah satu lingkungan yang memerlukan display yang dapat memberikan informasi keberadaan lokasi yang akan dituju adalah kampus Universitas Andalas. Berdasarkan studi pendahuluan yang dilakukan pada peserta SNMPTN, didapatkan 93% responden kesulitan dalam menemukan lokasi ujian yang dicari dikarenakan minimnya display peta lokasi. Oleh karena itu, perlu dilakukan pembangunan peta digital Universitas Andalas yang dapat diakses dengan mudah oleh pengguna. Sistem yang dibangun berbasis web dan menggunakan codeigniter sebagai framework PHP, penyimpanan data dan server menggunakan Laragon, serta Leaflet js untuk menampilkan peta. Perancangan sistem terdiri dari pembuatan use case diagram, database, dan user interface. Kemudian, dilakukan pengkodean dan pengujian sistem dengan metode blackbox testing. Penelitian ini menghasilkan sistem berupa peta digital yang mempermudah pengguna mendapatkan akses informasi lokasi dan bangunan yang terdapat di wilayah Universitas Andalas.
Implementasi GeoFOSS Geonode pada Sistem Informasi Perumahan dan Kawasan Pemukiman Terintegrasi (SI RUMAH KITA) Kota Padang Meutia, Ade; Jannah, Mutiara Raudhatul
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.192-200

Abstract

Pembangunan perumahan dan permukiman layak huni merupakan bagian dari upaya mewujudkan tujuan nomor 11 dari Tujuan Pembangunan Berkelanjutan (Sustainable Development Goals/ SDGs) yaitu “Mewujudkan Kota dan Permukiman yang Inklusif, Aman, Tangguh, dan Berkelanjutan”. Berdasarkan UU Nomor 1 Tahun 2011 tentang Perumahan dan Kawasan Permukiman, pemerintah memiliki wewenang dalam penyelenggaraan dan pengelolaan perumahan dan kawasan permukiman termasuk prasarana, sarana, dan utilitas umum (PSU), Rumah Tidak Layak Huni (RTLH), serta permukiman kumuh. Dalam menjalankan wewenang tersebut, pemerintah melalui Dinas Perumahan Rakyat dan Kawasan Permukiman (DPRKP) perlu melakukan pengelolaan data yang akurat dan terorganisir sebagai pondasi pengambilan keputusan dan tindakan. Pengumpulan data geospasial melalui survei cukup kompleks jika dilakukan secara manual karena berkaitan dengan sinkronisasi titik koordinat dan atribut, sehingga sering kali pengintegrasian sulit dilakukan dengan cepat, tepat, dan efesien. Selain itu, pengumpulan data secara manual dapat menyebabkan duplikasi data atau tidak lengkapnya data yang dilaporkan. Hasil dari penelitian ini adalah dibangunnya Sistem Informasi Perumahan dan Kawasan Pemukiman Terintegrasi (SI RUMAH KITA) berbasis website yang memuat fitur pembuatan, pengelolaan, dan pembaruan data, dashboard, serta pelaporan masyarakat. Selain itu, SI RUMAH KITA juga diintegrasikan dengan aplikasi Locus GIS berbasis Android yang digunakan sebagai tools data collector survei di lapangan. Penelitian dilakukan dengan metode pengembangan perangkat lunak prototyping development with open source software. Geonode merupakan salah satu GeoFOSS (Geospasial Free and Open Source Software) yang dikembangkan menggunakan framework django dan bahasa pemograman python. Aplikasi Locus GIS diintegrasikan ke Geonode menggunakan aplikasi synchronizing (berbasis django framework) sehingga data survei dapat langsung disimpan tanpa terjadi duplikasi data.
Evaluasi Kinerja Improved Spread Spectrum Steganography pada Advanced Audio Coding Luthfi, Amirul; Jamarun, Novirman
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.223-230

Abstract

Penelitian ini mengevaluasi kinerja Improved Spread Spectrum (ISS) Steganography pada Advanced Audio Coding (AAC), sebuah format kompresi audio yang efisien namun proses kompresinya yang kompleks dapat mempengaruhi akurasi teknik Steganography. Metode embedding ISS yang digunakan meliputi Maximum Distortion dan Optimum ISS serta pemanfaatan noise feedback untuk mengoptimalkan keutuhan data selama proses kompresi dan dekompresi. Penelitian ini juga melibatkan Spread Spectrum (SS) Steganography standar sebagai referensi pengukuran kinerja ISS Steganografi. Hasil penelitian menunjukkan bahwa metode Maximum Distortion ISS memberikan peningkatan kinerja yang signifikan, untuk mencapai error probability mendekati -5, ISS membutuhkan watermark energy sekitar 18 pada bitrate 80 kbps dibandingkan dengan metode SS standar yang membutuhkan watermark energy  sebesar 104. Sebaliknya, metode Optimum ISS menunjukkan performa yang kurang memadai dengan error probability sekitar -0.5 pada kompresi AAC. Penggunaan noise feedback terbukti mampu mencapai kinerja optimal pada seluruh bitrate transmisi yang diuji dibandingkan dengan masukan level noise statis. Kesimpulan dari penelitian ini adalah bahwa metode Maximum Distortion ISS dengan noise feedback direkomendasikan untuk digunakan pada kanal transmisi digital dengan kompresi AAC, memberikan kinerja yang lebih baik dalam menjaga data tersembunyi selama proses kompresi dan dekompresi.

Page 24 of 37 | Total Record : 365

 22   23   24   25   26 

Filter by Year

2015 2025


Reset
Filter By Issues
All Issue 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