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 385 Documents
 35   36   37   38   39 
Analisis Pola Belajar Mahasiswa Pada Platform Pembelajaran Daring (Studi Kasus: LeADS UPNVJ) Irzavika, Nindy; Gusti, Kharisma Wiati; Abdurachman , Mohamad Thoriq; Saputra , Bima
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.226-234

Abstract

Kebutuhan pembelajaran jarak jauh mendorong pemanfaatan platform pembelajaran daring sebagai media utama yang mendukung proses belajar mengajar di perguruan tinggi. Salah satu tantangan dalam implementasi sistem ini adalah kemampuan untuk memahami pola belajar mahasiswa secara objektif dan berbasis data. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis pola belajar mahasiswa pada Learning Management System (LMS) LeADS di Universitas Pembangunan Nasional Veteran Jakarta melalui pendekatan analisis big data. Data penelitian berupa log aktivitas mahasiswa pada LMS yang mencakup interasi akadeik seperti melihat materi, mengumpulkan tugas, mengerjakan kuis, dan partisipasi diskusi selama empat semester di program studi Sistem Informasi. Metode penelitian menggunakan pendekatan kuantiatif sesuai dengan siklus hidup big data. Algoritma Random Forest digunakan untuk mengklasifikasikan waktu belajar mahasiswa dengan optimasi parameter menggunakan metode Grid Search. Hasil penelitian menunjukkan bahwa partisipasi aktif relatif rendah yang mengindikasi pola belajar cenderung pasif. Konsistensi dan keterlibatan mahasiswa dalam LMS memiliki pengaruh yang lebih signifikan pada prestasi akademik dibandingkan waktu belajar dominan mahasiswa. Model Random Forest yang dibangun memiliki akurasi 88%, namun performanya belum optimal dalam mengklasifikasi kelas dengan jumlah terbatas. Hail pemenillitian ini menunjukkan pentingnya pemanfaatan data log LMS untuk memahami perilaku belajar mahasiswa secara lebih komprehensif serta membuka peluang pengembangan strategi pembelajaran adaptif berbasis data. Selain itu, hasil penelitian ini memberikan dasar bagi institusi pendidikan untuk merancang intervensi pembelajaran yang lebih efektif dan personal sesuai kebutuhan mahasiswa.
Redesigning the SKK Website Using User-Centered Design and WEBUSE for Enhanced Usability Putra, Kurnia Ramadhan; Umaroh, Sofia; Yudianto, Fauzi
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i2.2025.244-252

Abstract

The Student Credit System (SKK) website plays a crucial role in managing students' extracurricular activities. However, usability issues in its previous design, such as inconsistent color schemes, confusing document uploads, unclear information tables, and unintuitive workflows, hindered user experience. This study aims to enhance usability and user satisfaction through a redesign using the User-Centered Design (UCD) method. The UCD methodology follows four structured stages: Specify the Context of Use, Specify User and Organization Requirements, Produce Design Solutions, and Evaluate Design Against User Requirements. To assess usability improvements, an evaluation was conducted using Website Usability Evaluation (WEBUSE), measuring four key aspects: Content, Organization, and Readability, Navigation and Links, User Interface Design, and Performance and Effectiveness. The results indicate substantial improvements. Usability scores increased from 0.45 to 0.93 for Content Organization, and Readability, 0.46 to 0.92 for Navigation and Links, 0.39 to 0.97 for User Interface Design, and 0.62 to 0.91 for Performance and Effectiveness, all reaching excellent usability levels. User feedback confirmed a more intuitive, visually cohesive, and user-friendly experience, enhancing accessibility and efficiency in managing SKK activities. In conclusion, applying UCD effectively enhances usability, validated by WEBUSE evaluation and user feedback. Despite these improvements, the study is currently limited to a Figma-based prototype, requiring further development for full implementation and real-world validation.
Analisis Bibliometrik Terhadap Tren dan Pertumbuhan Penelitian Quantum Machine Learning Yudistira, Raka; Setyowati, Endah
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.361-368

Abstract

Penelitian ini bertujuan untuk menganalisis tren serta perkembangan penelitian dalam bidang Quantum Machine Learning (QML) melalui pendekatan bibliometrik. QML merupakan turunan bidang ilmu dari Machine Learning (ML) yang mengintegrasikan ebberapa prinsip dasar mekanika kuantum seperti superposisi dan entanglement yang memungkinkan komputasi yang lebih kompleks. Dibalik potensinya yang besar, jumlha publikasi ilmiah pada bidang ini masih relative terbatas dibandingkan dengan topik lain yang sering digunakan seperti Artificial Intelligence (AI). Maka dari itu, analisis serta pemetaan yang sistematis melalui pendekatan bibliometrik sangat diperlukan untuk membantu para peneliti untuk mengembangkan penelitian pada topik QML ini. data dikumpulkan dengan menggunakan software publish or perish dengan menggunakan database scopus pada periode 2013-2023 atau rentang 10 tahun terakhir. Didapatkan 200 dokumen yang berupa artikel ilmiah dan konfrensi. Analisis dilakukan terhadap berbagai parameter seperti tren jumlah publikasi dari tahun ke tahun, produktivitas penulis dalam mengembangkan penelitian pada bidang ini, jurnal dengan frekuensi publikasi tertinggi, serta keterikatan kata kunci pada QML. Data yang dianalisis serta divisualisasikan menggunakan Microsoft Excell dan VOSviewer. Hasil penelitian menunjukan hasil yang membantu para peneliti seperti peningkatan publikasi pada rentang tahun 2017-2020, penulis paling produktif pada topik QML adalah M.schuld 6 jurnal ilmiah yang sudah dipublikasikan. Keterikatan kata kunci yang sangat erat dengan QML yakni quantum computing dan deep learning. Serta frekuensi tempat publikasi jurnal ilmiah terbanyak pada topik ini pada Nature Communications. Temuan ini diharapkan dapat menajdi rujuan serta acuan bagi para peneliti untuk yang akan meneliti pada bidang QML
Klasterisasi Wilayah Kemiskinan Jawa Tengah Menggunakan K-Means Berbasis Indikator Sosial-Ekonomi Alif , Moh. Fachri; Fahmi, Amiq
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.302-309

Abstract

Kemiskinan merupakan isu multidimensi yang berdampak signifikan terhadap kualitas pembangunan wilayah, khususnya di Provinsi Jawa Tengah yang menempati urutan ketiga secara nasional. Meskipun data sosial ekonomi tersedia secara melimpah dan terbuka, pemanfaatannya untuk segmentasi wilayah serta perumusan kebijakan berbasis data, informasi, dan pengetahuan masih terbatas. Penelitian ini bertujuan untuk melakukan klasterisasi kabupaten/kota di Provinsi Jawa Tengah menggunakan algoritma K-Means, berdasarkan tujuh indikator utama sosial ekonomi: Indeks Pembangunan Manusia (IPM), proporsi penduduk miskin ekstrem (Prioritas 1), sangat miskin (Prioritas 2), pengeluaran per kapita, upah minimum kabupaten/kota (UMK), tingkat pengangguran terbuka, dan jumlah rumah tidak layak huni (RTLH). Data yang digunakan merupakan data sekunder tahun 2024 yang diperoleh dari Badan Pusat Statistik dan Dinas Sosial Provinsi Jawa Tengah dan telah melalui proses normalisasi. Penentuan jumlah klaster optimal dilakukan dengan metode Elbow, sedangkan Principal Component Analysis (PCA) digunakan sebagai teknik visualisasi. Pendekatan kuantitatif dan interpretatif ini memastikan bahwa klaster yang terbentuk bersifat optimal secara statistik, mudah dijelaskan secara visual, dan relevan untuk ditindaklanjuti dalam kebijakan. Hasil analisis menunjukkan terbentuknya tiga klaster wilayah dengan karakteristik sosial ekonomi yang berbeda secara signifikan, yaitu wilayah berkembang, wilayah transisi, dan wilayah prioritas pengentasan kemiskinan. Temuan hasil penelitian ini, yang mengintegrasikan multi-indikator sosial ekonomi dengan pendekatan visual dan analitis, mampu menghasilkan segmentasi wilayah yang lebih akurat dan aplikatif bagi penyusunan kebijakan pembangunan wilayah yang lebih berkeadilan, dengan penekanan pada intervensi intensif terhadap kabupaten/kota yang memiliki tingkat kemiskinan ekstrem dan sangat miskin.
Knowledge Discovery: Analisis Sentimen dan Emosi WhatsApp Business dengan Machine learning dan Deep Learning Pardede, Eva Theresia; Tania , Ken Ditha; Afrina , Mira
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.310-318

Abstract

WhatsApp Business merupakan salah satu media yang menyediakan layanan komunikasi bisnis secara langsung, cepat, dan efisien. Penelitian ini dilakukan untuk mengevaluasi persepsi pengguna terhadap WhatsApp Business melalui pendekatan analisis sentimen dan klasifikasi emosi secara mendalam terhadap ulasan pengguna. Data yang digunakan sebanyak 3.000 ulasan yang dikumpulkan melalui teknik scraping, kemudian diproses melalui tahapan preprocessing, pelabelan berdasarkan rating, serta klasifikasi emosi secara manual. Klasifikasi emosi menggunakan empat kategori, yaitu bahagia, marah, sedih, dan takut. Penelitian ini mengimplementasikan model Machine learning dan Deep Learning untuk analisis sentimen. Model Machine learning menggunakan metode TF-IDF dengan algoritma SVM dan Random Forest, sedangkan pada model Deep Learning digunakan Tokenizer untuk algoritma LSTM dan CNN. Berdasarkan hasil evaluasi, algoritma SVM mencatatkan akurasi tertinggi sebesar 84,18% dalam klasifikasi sentimen, sementara algoritma LSTM menunjukkan keunggulan pada aspek precision, recall, dan f1-score. Penelitian ini menghasilkan temuan signifikan sebagai bagian dari proses Knowledge Discovery, yakni pola emosi dan sentimen dalam ulasan pengguna yang dapat dimanfaatkan untuk memahami persepsi pengguna secara lebih mendalam serta memberikan masukan relevan pada pengembang untuk meningkatkan kualitas layanan dan fitur aplikasi WhatsApp Business.
Perbandingan Metode Single Exponential Smoothing Dan Metode Double Exponential Smoothing Untuk Memprediksi Konsumsi Energi Listrik Di PT. PLN (Persero) ULP Lhokseumawe Syahtira, Meisya; Nurdin, Nurdin; Fajriana, Fajriana
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.350-360

Abstract

Electricity is a vital necessity for society and serves as a key driver across various sectors, including households, businesses, and industries. With the increasing demand for electricity each year, PT. PLN (Persero) ULP Lhokseumawe is required to plan its distribution and power capacity accurately. Inaccurate forecasting may cause imbalances between supply and demand. This study compares two forecasting methods, namely Single Exponential Smoothing (SES) and Double Exponential Smoothing (DES), to predict electricity consumption in the Lhokseumawe region. The dataset consists of monthly electricity consumption per sub-district from 2022 to 2024, with forecasting projections up to 2027. The research stages include data collection, preprocessing, application of SES and DES methods, accuracy evaluation using Mean Absolute Percentage Error (MAPE), and the design of a web-based system using Python and Flask. The results indicate that the SES method achieved higher accuracy with a MAPE value of 5.85%, while the DES method obtained a MAPE value of 7.87%. These findings suggest that SES is more suitable for data with random fluctuations, whereas DES is better applied to data with trend patterns. By comparing the MAPE values, this study provides insights into which method is more optimal for electricity consumption forecasting in Lhokseumawe. The outcomes are expected to contribute practically to PT. PLN (Persero) ULP Lhokseumawe in formulating more effective and efficient electricity distribution strategies.
Aksesibilitas User Experience Web Conten Penyandang Disabilitas Kognitif dengan Metode Double Diamond Garno, Garno; Sarwosri, Sarwosri; Febriandirza, Arafat
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.282-293

Abstract

Aksesibilitas digital merupakan aspek krusial dalam pengembangan teknologi yang inklusif, terutama bagi penyandang disabilitas kognitif. Namun, masih banyak platform digital yang belum mempertimbangkan kebutuhan khusus kelompok ini, yang menyebabkan kesulitan dalam mengakses informasi dan menggunakan layanan secara mandiri. Penelitian ini bertujuan untuk mengidentifikasi tantangan yang dialami oleh penyandang disabilitas kognitif dalam menggunakan platform digital serta merancang user interface yang lebih ramah dan inklusif. Metode penelitian yang digunakan adalah double diamond, yang terdiri dari empat tahap: discover, define, develop, dan deliver. Sebanyak 15 partisipan penyandang disabilitas kognitif terlibat dalam proses pengumpulan data melalui wawancara dan observasi. Data dianalisis dan diolah ke dalam bentuk empathy map, user needs & pain points, hingga menghasilkan desain interface dalam bentuk low-fidelity wireframe dan User interface final visual. Desain ini diuji secara visual kepada partisipan untuk mendapatkan tanggapan awal dan validasi kelayakan. Hasil penelitian menunjukkan bahwa tantangan utama meliputi kesulitan membaca teks panjang, bingung saat tidak ada petunjuk langkah, sulit membedakan elemen visual, serta kebingungan akibat absennya pesan kesalahan. Desain akhir mengadopsi prinsip-prinsip Web Content Accessibility Guidelines (WCAG) dan praktik User experience (UX) inklusif yang berhasil menjawab kebutuhan tersebut. Partisipan memberikan respon positif terhadap tampilan yang lebih sederhana, visual, dan informatif, yang mampu meningkatkan kemandirian mereka dalam menggunakan aplikasi. Penelitian ini memberikan kontribusi praktis dalam pengembangan desain digital inklusif serta menegaskan pentingnya keterlibatan pengguna disabilitas dalam proses desain berbasis empati.
Perbandingan Metode Seleksi Fitur Chi-Square dan Information Gain untuk Peningkatan Interpretabilitas dan Optimasi Kinerja Model TabNet Salsabilla, Annisa Ratna; Sani, Ramadhan Rakhmat; Dewi, Ika Novita
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.253-262

Abstract

Breast cancer is one of the most significant global health issues. Machine learning approaches offer the potential to accurately analyze clinical data and aid in early diagnosis. However, conventional machine learning models are often limited in their ability to model complex nonlinear relationships in medical data, which can reduce predictive accuracy. This study employs a deep learning architecture because of its ability to model such relationships. Specifically, the TabNet model was chosen because it is designed for tabular data and offers better interpretability. The public Wisconsin Diagnostic Breast Cancer (WDBC) dataset, which has 30 features and an imbalanced class distribution, was used in this study. Feature selection was necessary to handle the high-dimensional data, and SMOTE-ENN was used for class balancing. Two feature selection methods, Chi-Square and Information Gain, were compared to determine the most effective approach. Hyperparameter optimization was performed using Optuna and validated with stratified k-fold cross-validation to ensure optimal performance. The results of the experiment demonstrate that feature selection and optimization significantly improve performance. The base model with Chi-Square feature selection achieved an accuracy rate of 64.91%. Meanwhile, the Chi-Square model with Optuna optimization increased accuracy to 98.25%. This is 3.51% higher than the accuracy of 94.74% achieved by the optimized model without feature selection. In the final comparison, both methods demonstrated distinct advantages: Chi-Square (75% features) excelled in achieving 100% precision and more efficient computation time. Information Gain (75% features), on the other hand, was the only method to achieve 100% recall, which is crucial for minimizing false negatives. These results demonstrate that the optimal method depends on the context. Information Gain is best for maximum diagnostic sensitivity, and Chi-Square is best for performance balance and efficiency.
Adopsi Internet Of Things (IOT) Pada Rantai Pasok Pangan Guna Mengurangi Food Lost Waste (FLW) Rantai Pasok Pangan Perwita Sari, Mutia; Septarini, Shofwatunnida
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.319-328

Abstract

Soybeans are one of the largest food commodities in Indonesia. Tempe is a soybean product that is a daily staple in Indonesian cuisine. Tempe is a traditional food with high nutritional value, and it is consumed by almost all ages. A common problem is that tempeh doesn't last long after being purchased at the market. Poor quality tempeh affects its taste when consumed. Poor quality tempeh is usually caused by unpredictable weather during the fermentation process and a short storage period. This can increase food loss and waste (FLW). FLW itself is the loss and waste of food, making FLW monitoring crucial for improving food security and mitigating climate change. By measuring and monitoring temperature and humidity parameters in real time, the system integrates IoT technology, such as the DHT11 sensor, to measure temperature and humidity, ensuring that the tempe fermentation process is maintained at a stable temperature and runs optimally.Furthermore, because it is IoT-based, the temperature on this device can be monitored in real time via a smartphone, provided it is connected to the internet. In the monitoring application there is an interface that displays the temperature and humidity at that time and there is a bottom for turning the lights and fans on or off manually.
Analisis Komparatif Kinerja Llama Murni, Rag Native, dan Rag Fine-Tuning Desyana, Nindya; Luthfiarta, Ardytha
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.263-272

Abstract

Penelitian ini mengatasi masalah halusinasi pada Large Language Models (LLM) seperti LLaMA ketika menjawab kueri domain spesifik. Tujuan penelitian adalah membandingkan kinerja tiga arsitektur chatbot: LLaMA murni, Retrieval-Augmented Generation (RAG) berbasis LangChain (RAG Native), dan RAG Fine-Tuning. Implementasi RAG pada penelitian ini menggunakan framework LangChain sebagai sistem penghubung antara model LLaMA dan sumber pengetahuan eksternal (vector database). Framework ini menyediakan pipeline retriever-reader yang memungkinkan integrasi antara model bahasa dan data kontekstual melalui embedding serta pencarian vektor. Metode evaluasi dilakukan secara kuantitatif menggunakan metrik ROUGE-L dan BLEU pada dataset studi kasus. Hasil penelitian menunjukkan peningkatan kinerja yang progresif: arsitektur LLaMA murni (baseline) memperoleh skor ROUGE-L sebesar 46.48, implementasi RAG Native (LangChain) meningkat menjadi 61.42, dan model RAG Fine-Tuning (LangChain Optimized) mencapai kinerja tertinggi dengan skor 83.06. Penelitian ini menyimpulkan bahwa integrasi arsitektur RAG melalui framework LangChain secara signifikan meningkatkan akurasi respons chatbot, dan proses fine-tuning pada konfigurasi RAG merupakan langkah optimasi krusial untuk mencapai performa terbaik pada domain spesifik.

Page 38 of 39 | Total Record : 385

 35   36   37   38   39 

Filter by Year

2015 2025


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