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 malang,
Jawa timur
INDONESIA
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Published by Universitas Brawijaya
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering
Jurnal Pengembangan Teknlogi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya merupakan jurnal keilmuan dibidang komputer yang memuat tulisan ilmiah hasil dari penelitian mahasiswa-mahasiswa Fakultas Ilmu Komputer Universitas Brawijaya. Jurnal ini diharapkan dapat mengembangkan penelitian dan memberikan kontribusi yang berarti untuk meningkatkan sumber daya penelitian dalam Teknologi Informasi dan Ilmu Komputer.
Arjuna Subject : -
Articles 7,163 Documents
 711   712   713   714   715 
Pengembangan Sistem Aplikasi Manajemen Keuangan Koperasi Simpan Pinjam (Studi Kasus: Koperasi Guru SMPN 1 Grogol Kabupaten Kediri) Roziqin, Ahmad Fauzan; Priyambadha, Bayu; Tri Ananta, Mahardeka
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perekonomian Indonesia ditopang oleh UMKM sebagai tulang punggung ekonomi kerakyatan, dengan koperasi berperan sebagai institusi berbasis keanggotaan yang mendukung tata kelola usaha. Koperasi guru di sekolah memiliki peran penting dalam meningkatkan kesejahteraan pengajar melalui layanan simpan pinjam. Berdasarkan hasil wawancara dengan bendahara Koperasi Guru SMPN 1 Grogol Kabupaten Kediri, pengelolaan keuangan yang masih menggunakan Microsoft Excel menimbulkan beberapa kendala, yaitu pencatatan tidak efisien karena data transaksi tersebar di beberapa sheet, redundansi data akibat pencatatan dan rekapitulasi berulang antara buku fisik, Microsoft Excel, serta penyusunan KITIR dan laporan keuangan karena keterbatasan waktu pengurus yang juga mengajar. Untuk mengatasi permasalahan tersebut, dikembangkan sistem aplikasi manajemen keuangan berbasis web yang mampu mengintegrasikan proses pencatatan transaksi, pengolahan data, dan penyusunan laporan secara real-time. Sistem dibangun menggunakan metode Waterfall dan pendekatan berorientasi objek dengan Laravel, Inertia.js, Vue.js, dan PostgreSQL. Hasil unit testing, integration testing, dan validation testing menunjukkan keberhasilan 100% dengan status valid, sedangkan performance testing menggunakan Google Lighthouse memperoleh skor 91–98. Sistem ini diharapkan meningkatkan efektivitas dan efisiensi pengelolaan keuangan koperasi.
Implementasi Sistem Human Following Menggunakan YOLOv12n untuk Deteksi dan DeepSORT untuk Tracking pada Perangkat Mobile `Ilmi, Aqna; Fitri Utaminingrum
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyandang tunanetra menghadapi berbagai tantangan dalam mempertahankan orientasi dan mengikuti pergerakan pemandu saat melakukan mobilitas di lingkungan yang dinamis. Sebagian besar teknologi bantu yang tersedia saat ini masih berfokus pada deteksi rintangan dan belum mampu mendukung kebutuhan human following secara nirkontak. Penelitian ini bertujuan mengimplementasikan sistem human following berbasis deteksi YOLOv12n dan pelacakan DeepSORT pada perangkat mobile untuk mendukung navigasi penyandang tunanetra. Sistem dikembangkan pada platform Android dengan mengintegrasikan model YOLOv12n sebagai pendeteksi objek, algoritma DeepSORT sebagai pelacak identitas target, mekanisme Target Rescue Gate untuk memulihkan target saat terjadi occlusion, optimasi frame skipping guna meningkatkan efisiensi komputasi, serta keluaran instruksi navigasi berbasis Text-to-Speech (TTS). Evaluasi dilakukan terhadap performa deteksi dan pelacakan, efisiensi model, kinerja pada perangkat mobile, serta akurasi informasi suara. Hasil pengujian menunjukkan bahwa model YOLOv12n memperoleh Mean Intersection over Union (Mean IoU) sebesar 0,8350 dan Success Rate sebesar 86,62% pada pengujian dataset. Pada pengujian lapangan, sistem mampu mempertahankan keberhasilan pelacakan sebesar 100%, 75%, 70%, dan 65% pada skenario dengan 1 orang, 2 orang, 3 orang, dan lebih dari 3 orang secara berturut-turut. Evaluasi efisiensi menunjukkan bahwa YOLOv12n memiliki Indeks Efisiensi tertinggi sebesar 0,971413 dibandingkan model pembanding, sedangkan pengujian keluaran suara menghasilkan tingkat akurasi sebesar 100% pada 549 frame pengujian. Hasil penelitian menunjukkan bahwa integrasi YOLOv12n dan DeepSORT mampu menghasilkan sistem human following yang akurat, efisien, dan andal untuk diimplementasikan pada perangkat mobile sebagai teknologi bantu navigasi bagi penyandang tunanetra.
KLASIFIKASI KEPARAHAN PENYAKIT IKAN LELE BERBASIS MOBILE MENGGUNAKAN MOBILENETV4-MODUL ATTENTION DAN PENGKLASIFIKASI MACHINE LEARNING Sihite, Chandra Ferdinan; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penilaian tingkat keparahan penyakit ikan lele (Clarias gariepinus) di lapangan masih dilakukan secara manual melalui observasi visual oleh pembudidaya, sehingga bersifat subjektif dan rentan terhadap keterlambatan diagnosis. Penelitian ini mengembangkan sistem klasifikasi tingkat keparahan penyakit ikan lele ke dalam tiga kategori, yaitu sehat, sakit sedang, dan sakit parah, berbasis citra digital dengan pendekatan hybrid, memadukan MobileNetV4-Conv-Small sebagai ekstraktor fitur dengan algoritma machine learning sebagai pengklasifikasi. Untuk menguji pengaruh mekanisme penajaman fitur, dibandingkan tiga varian ekstraktor, yaitu baseline tanpa modul attention, dengan modul Squeeze-and-Excitation (SE), dan dengan Convolutional Block Attention Module (CBAM), yang masing-masing dipasangkan dengan tiga pengklasifikasi (SVM, XGBoost, Random Forest) pada kondisi data tidak seimbang dan seimbang. Hasil pengujian pada 942 citra tervalidasi menunjukkan kombinasi baseline dengan SVM pada kondisi data seimbang memperoleh nilai efisiensi tertinggi (0,953) sekaligus performa klasifikasi terbaik (F1-score makro 0,913) di antara seluruh kombinasi yang diuji. Penambahan modul attention memberikan pengaruh tidak konsisten terhadap performa, meningkatkan hasil pada beberapa pengklasifikasi namun tidak pada SVM. Model terbaik selanjutnya dikonversi ke format ONNX dan diimplementasikan pada aplikasi Android, terbukti mampu melakukan inferensi secara lokal dengan latensi rendah (86,7% akurasi, 39,0 ms) yang konsisten dengan hasil pengujian pada tahap eksperimen.
Analisis Kepuasan Pengguna Website Disdukcapil Lampung Selatan dengan Menggunakan Metode End User Computing Satisfaction (EUCS) Jannah, Fadhilla Miftakhul; Wijoyo, Satio Hadi; Rusydi, Alfi Nur
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Era digital yang terus berkembang, khususnya pada internet, memberikan dampak yang besar bagi kehidupan masyarakat. Dinas Kependudukan dan Pencatatan Sipil (Disdukcapil) Kabupaten Lampung Selatan meluncurkan website PAKe-Oli pada tahun 2020 sebagai wujud untuk menyediakan pelayanan administrasi kependudukan secara daring. Seiring dengan digunakannya website PAKe-Oli, evaluasi perlu dilakukan untuk mengetahui sejauh mana tingkat kepuasan masyarakat dalam menggunakan layanan tersebut. Berdasaran hasil wawancara peneliti dengan tiga orang pengguna website PAKe-Oli Disdukcapil Lampung Selatan, terdapat beberapa permasalahan pada website, diantaranya tampilan antarmuka yang tidak konsisten, menu navigasi pada website tidak terstruktur dengan baik, dan responsivitas yang kurang optimal. Oleh karena itu, analisis perlu dilakukan terhadap kepuasan pengguna perlu dilakukan agar Disdukcapil dapat terus meningkatkan pelayanannya. Penelitian ini bertujuan untuk menganalisis pengaruh dari lima dimensi End User Computing Satisfaction (EUCS), yaitu content, accuracy, format, ease of use, dan timeliness, terhadap kepuasan pengguna. Pendekatan penelitian dilakukan secara kuantitatif dengan melibatkan 110 responden yang telah menyelesaikan setidaknya satu layanan kependudukan melalui website. Analisis data meliputi uji korelasi Spearman untuk melihat hubungan antarvariabel serta Generalized Linear Models (GLM) untuk menguji pengaruh setiap dimensi terhadap kepuasan pengguna. Hasil penelitian menunjukkan bahwa dimensi accuracy, format dan timeliness berpengaruh signifikan dan memiliki nilai koefisien regresi positif terhadap kepuasan pengguna. Sementara itu, dimensi content dan ease of use tidak menunjukkan adanya pengaruh yang signifikan. Hasil ini mengindikasi bahwa kualitas informasi, tampilan, serta kecepatan waktu dalam sistem akan memberikan dampak yang lebih besar terhadap tingkat kepuasan pengguna.
Klasifikasi Jenis Kelamin Telur Ayam Berbasis Citra Menggunakan EfficientNet-Lite dan Machine Learning pada Aplikasi Mobile Android Andhika, Maulana; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Industri perunggasan merupakan sektor strategis dalam penyediaan protein hewani, namun penentuan jenis kelamin ayam secara konvensional melalui vent sexing dan feather sexing baru dapat dilakukan setelah telur menetas, membutuhkan tenaga ahli, dan rentan terhadap kesalahan, sedangkan pengujian genetik berbiaya mahal. Penelitian ini mengembangkan sistem klasifikasi jenis kelamin telur ayam secara non-invasif berbasis citra digital menggunakan EfficientNet-Lite sebagai metode ekstraksi fitur yang dikombinasikan dengan algoritma machine learning, yaitu Support Vector Machine (SVM), K-Nearest Neighbors (KNN), Decision Tree, Random Forest, dan XGBoost. Kinerja sistem dievaluasi menggunakan confusion matrix yang meliputi accuracy, precision, recall, dan F1-score serta nilai efisiensi, kemudian model terbaik diimplementasikan pada aplikasi mobile Android. Hasil pengujian menunjukkan kombinasi EfficientNet-Lite0 dengan Random Forest memperoleh akurasi tertinggi 67,57% dengan F1-score 67,42%. Setelah diimplementasikan, sistem mengklasifikasikan 10 dari 16 citra uji dengan benar (akurasi 62,50%), dengan selisih hanya 5,07% terhadap pengujian tahap notebook, membuktikan kombinasi deep feature extraction EfficientNet-Lite dan machine learning dapat diimplementasikan secara real-time pada perangkat Android.
Sistem Wearable Berbasis ESP32-C3 untuk Monitoring dan Klasifikasi Aktivitas Harian Kucing Menggunakan Algoritma 1D-CNN Shaula, Zenitha; Rekyan Regasari Mardi Putri
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kucing merupakan hewan peliharaan populer, namun pemantauan aktivitas hariannya secara konsisten sering kali sulit dilakukan oleh pemilik yang memiliki kesibukan. Perubahan perilaku kucing dapat menjadi indikator awal terhadap masalah kesehatan atau kesejahteraan. Oleh karena itu, penelitian ini mengembangkan sistem wearable berbasis mikrokontroler ESP32-C3 dan sensor inersia (MPU6050) yang dipasang pada harness punggung kucing untuk memantau lima aktivitas harian (Tidur, Makan, Grooming, Bergerak, dan Bermain). Klasifikasi aktivitas dilakukan secara lokal (edge computing) menggunakan algoritma One-Dimensional Convolutional Neural Network (1D-CNN). Hasil klasifikasi kemudian dikirimkan melalui protokol komunikasi MQTT ke broker EMQX dan divisualisasikan pada dashboard Node-RED secara real-time. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan aktivitas dengan akurasi keseluruhan sebesar 83,3%, di mana kelas Tidur mencapai akurasi sempurna (100%). Penelitian ini juga membuktikan bahwa tahap kalibrasi offset giroskop sangatlah penting. Tanpa kalibrasi, sistem keliru mengklasifikasikan kondisi diam sebagai bergerak akibat bias bawaan sensor. Dengan kalibrasi yang tepat dan penanganan ketidakseimbangan data menggunakan class weight, sistem berhasil membedakan kondisi diam dan bergerak secara konsisten.
Algoritma YOLOv5 Untuk Deteksi Defect Pada Kopi Green Bean Berbasis Raspberry Pi Nugraha Putra Mulyadi, Anang Rangga; Primananda, Rakhmadhany; Edhi Setyawan, Gembong
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengolah kopi memerlukan standardisasi kualitas biji yang ketat untuk menjaga nilai jual, namun proses sortir manual saat ini masih bersifat subjektif dan memakan waktu yang lama. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi cacat biji kopi berbasis visi komputer menggunakan algoritma YOLOv5 pada perangkat Single Board Computer Raspberry Pi 4. Fokus utama penelitian ini adalah mengotomatisasi klasifikasi berbagai jenis cacat biji kopi seperti Withered, Sour, Immature, Black, Rusak, Kutu dan Shell secara mandiri tanpa ketergantungan pada server luar. Metodologi penelitian dimulai dengan pengumpulan dataset gabungan yang berasal dari sumber sekunder (Kaggle) dan pengambilan sampel fisik primer. Model YOLOv5 dilatih dan kemudian dikonversi ke format NCNN untuk mengoptimalkan performa pada Central Processing Unit (CPU) Raspberry Pi. Implementasi perangkat lunak dilakukan menggunakan bahasa pemrograman Python dengan memanfaatkan pustaka OpenCV untuk visualisasi hasil deteksi secara real-time. Hasil pengujian menunjukkan bahwa pengujian akurasi menunjukkan hasil yang bervariasi antar kelas cacat, di mana terdapat tantangan berupa domain gap antara karakteristik visual dataset sekunder dengan sampel fisik lapangan. Namun, secara fungsional, sistem mampu melakukan klasifikasi secara stabil pada kondisi pengambilan gambar statis. Sistem dapat menjalankan program dengan penggunaan sumber daya yang cukup besar pada CPU yaitu sekitar rata-rata 95,5% dan penggunaan memory yang rendah yaitu sekitar 768MB. Waktu komputasi yang dibutuhkan untuk memproses satu bingkai gambar adalah 1068,0 ms atau setara dengan 0,93 Frame Per Second (FPS).
Analisis Variasi Operator Genetika pada Optimasi Rute dan Jadwal Wisata Ihsan Akram, Faiz; Firdaus Mahmudy, Wayan; Wahyu Widodo, Agus
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perencanaan perjalanan wisata harian merupakan permasalahan optimasi kombinatorial yang kompleks karena harus mempertimbangkan time window, preferensi wisata, jadwal makan, dan waktu tempuh antar lokasi. Permasalahan ini termasuk dalam Travelling Salesman Problem with Time Windows (TSP-TW) dapat diselesaikan menggunakan Algoritma Genetika. Namun, penelitian terdahulu umumnya hanya berfokus pada satu operator genetika tanpa mengevaluasi secara komprehensif kombinasi teknik crossover, mutasi, seleksi, dan repair. Penelitian ini bertujuan menganalisis pengaruh variasi operator genetika terhadap kualitas dan efisiensi penjadwalan rute wisata. Data destinasi wisata dan tempat makan diperoleh dari Google Maps, OpenStreetMap, dan sumber daring lainnya. Eksperimen dilakukan terhadap 80 kombinasi operator, masing-masing sebanyak 20 kali menggunakan seed berbeda, dengan ukuran populasi 100, probabilitas crossover 0,8, probabilitas mutasi 0,01, Tournament Selection berukuran 3, dan maksimum 750 generasi. Kinerja setiap kombinasi dievaluasi menggunakan rata-rata nilai fitness, waktu komputasi, dan overall score. Hasil menunjukkan bahwa kombinasi Insertion Mutation–Partially Matched Crossover (PMX)–Roulette Wheel Selection tanpa repair menghasilkan performa terbaik dengan rata-rata overall score sebesar 0,7576. Selain itu, seluruh 10 kombinasi terbaik tidak menggunakan repair, sedangkan crossover PMX dan mutasi Insertion secara konsisten muncul pada kombinasi berperforma tinggi. Penelitian ini menyimpulkan bahwa pemilihan kombinasi operator genetika yang tepat berpengaruh signifikan terhadap kualitas dan efisiensi penjadwalan rute wisata.
Studi Komparasi Kinerja Varian One-Dimensional Convolutional Neural Network untuk Klasifikasi Elektrokardiogram 12-Lead pada Jetson Orin Nano Menggunakan Dataset Physikalisch-Technische Bundesanstalt-XL Aziz, Najwa Muthia; Pramukantoro, Eko Sakti; Amron, Kasyful
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit kardiovaskular menyebabkan sekitar 32% dari seluruh kematian global, sehingga sistem analisis elektrokardiogram (EKG) otomatis berbasis kecerdasan buatan menjadi kebutuhan mendesak, khususnya untuk diintegrasikan pada perangkat medis portabel. Implementasi model deep learning pada perangkat tersebut menuntut evaluasi trade-off antara performa klasifikasi dan efisiensi komputasi pada perangkat edge. Penelitian ini membandingkan empat arsitektur 1D-CNN yaitu baseline, ResNet, Multi-Scale, dan Attention-Based untuk klasifikasi diagnostik EKG 12-lead menggunakan dataset PTB-XL pada frekuensi sampling 100 Hz. Setiap rekaman EKG 10 detik diproses melalui bandpass filtering dan normalisasi Z-score per kanal, lalu dimasukkan sebagai tensor input (1000, 12) untuk mengklasifikasikan lima diagnostic superclass: NORM, MI, STTC, CD, dan HYP. Pada data uji fold 10, 1D-ResNet mencapai akurasi dan Macro AUC tertinggi, yaitu 79,94% dan 0,9354. Setelah dikonversi ke TensorRT FP16 dan diuji pada NVIDIA Jetson Orin Nano menggunakan seluruh 16.244 rekaman single-label PTB-XL, 1D-ResNet tetap unggul dalam akurasi, sedangkan latensi terendah (0,5291 ms/sampel) diperoleh 1D-CNN. Keempat model tetap berada dalam kapasitas memori 8 GB. Evaluasi multi-kriteria menggunakan Weighted Sum Model (bobot akurasi 0,40; latensi 0,30; CPU 0,15; GPU 0,10; RAM 0,05) menempatkan 1D-ResNet sebagai model paling optimal (skor 0,600), menawarkan keseimbangan terbaik untuk sistem klasifikasi EKG yang mengutamakan akurasi diagnostik pada edge device.
Optimasi Komposisi Pakan Ternak Kambing Perah Menggunakan Algoritma Genetika Tanjung, Lutfi Mitra; Mahmudy, Wayan Firdaus
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kambing merupakan salah satu ternak dengan populasi terbesar di Indonesia dan berperan penting bagi perekonomian serta kehidupan masyarakat, termasuk kambing perah yang dimanfaatkan produksi susunya. Penentuan komposisi pakan yang tepat menjadi salah satu faktor penting agar kambing perah dapat menghasilkan susu secara optimal dengan biaya yang efisien. Selama ini, penyusunan komposisi pakan pada peternak umumnya masih dilakukan berdasarkan kebiasaan tanpa perhitungan kebutuhan nutrisi secara pasti, sehingga hasil yang diperoleh belum tentu optimal. Penelitian ini bertujuan untuk menemukan komposisi pakan ternak kambing perah yang optimal menggunakan Algoritma Genetika serta mengetahui tingkat kualitas solusi yang dihasilkan. Penyelesaian masalah dilakukan dengan merepresentasikan komposisi pakan ke dalam kromosom berbasis real code, dimana setiap gen mewakili bobot (kg) dari salah satu jenis bahan pakan. Sistem dibangun melalui tahapan studi literatur, analisis kebutuhan, perancangan sistem, implementasi menggunakan bahasa pemrograman Python, serta pengujian dan analisis. Pengujian dilakukan terhadap parameter batas atas interval gen, crossover rate, mutation rate, ukuran populasi, dan jumlah generasi untuk memperoleh kombinasi parameter yang menghasilkan nilai fitness terbaik. Hasil pengujian parameter menunjukkan kombinasi terbaik diperoleh pada batas atas interval gen 10 kg, ukuran populasi 70, jumlah generasi 50, crossover rate 0,9, dan mutation rate 0,4. Evaluasi hasil optimasi dilakukan dengan membandingkan komposisi pakan yang selama ini digunakan peternak dengan komposisi hasil sistem. Komposisi hasil optimasi sistem menghasilkan estimasi total produksi susu sebesar 7,96 liter dengan biaya pakan Rp110.000, meningkat lebih dari dua kali lipat dibandingkan komposisi peternak yang hanya menghasilkan estimasi 3,73 liter dengan biaya Rp43.250. Meskipun biaya pakan hasil sistem lebih besar secara nominal, biaya yang dikeluarkan untuk setiap liter tambahan produksi susu justru lebih rendah, yaitu sekitar Rp18.469 dibandingkan Rp24.971 pada praktik peternak. Hasil ini membuktikan bahwa Algoritma Genetika mampu menghasilkan komposisi pakan kambing perah yang secara proporsional lebih efisien dibandingkan praktik yang selama ini diterapkan oleh peternak.

Page 713 of 717 | Total Record : 7163

 711   712   713   714   715 

Filter by Year

2017 2026


Reset
Filter By Issues
All Issue Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026 Vol 10 No 01 (2026): Januari 2026 Vol 10 No 7 (2026): Juli 2026 Vol 10 No 6 (2026): Juni 2026 Vol 10 No 5 (2026): Mei 2026 Vol 10 No 4 (2026): April 2026 Vol 10 No 3 (2026): Maret 2026 Vol 10 No 2 (2026): Februari 2026 Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025 Vol 9 No 12 (2025): Desember 2025 Vol 9 No 11 (2025): November 2025 Vol 9 No 10 (2025): Oktober 2025 Vol 9 No 9 (2025): September 2025 Vol 9 No 8 (2025): Agustus 2025 Vol 9 No 7 (2025): Juli 2025 Vol 9 No 6 (2025): Juni 2025 Vol 9 No 5 (2025): Mei 2025 Vol 9 No 4 (2025): April 2025 Vol 9 No 3 (2025): Maret 2025 Vol 9 No 2 (2025): Februari 2025 Vol 9 No 1 (2025): Januari 2025 Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024 Vol 8 No 10 (2024): Oktober 2024 Vol 8 No 9 (2024): September 2024 Vol 8 No 8 (2024): Agustus 2024 Vol 8 No 7 (2024): Juli 2024 Vol 8 No 6 (2024): Juni 2024 Vol 8 No 5 (2024): Mei 2024 Vol 8 No 4 (2024): April 2024 Vol 8 No 3 (2024): Maret 2024 Vol 8 No 2 (2024): Februari 2024 Vol 8 No 1 (2024): Januari 2024 Vol 7 No 13 (2023): Publikasi Khusus Tahun 2023 Vol 7 No 9 (2023): September 2023 Vol 7 No 8 (2023): Agustus 2023 Vol 7 No 7 (2023): Juli 2023 Vol 7 No 6 (2023): Juni 2023 Vol 7 No 5 (2023): Mei 2023 Vol 7 No 4 (2023): April 2023 Vol 7 No 3 (2023): Maret 2023 Vol 7 No 2 (2023): Februari 2023 Vol 7 No 1 (2023): Januari 2023 Vol 7 No 14 (2023): Antrian Publikasi Vol 6 No 13 (2022): Publikasi Khusus Tahun 2022 Vol 6 No 12 (2022): Desember 2022 Vol 6 No 11 (2022): November 2022 Vol 6 No 10 (2022): Oktober 2022 Vol 6 No 9 (2022): September 2022 Vol 6 No 8 (2022): Agustus 2022 Vol 6 No 7 (2022): Juli 2022 Vol 6 No 6 (2022): Juni 2022 Vol 6 No 5 (2022): Mei 2022 Vol 6 No 4 (2022): April 2022 Vol 6 No 3 (2022): Mei 2022 Vol 6 No 2 (2022): Februari 2022 Vol 6 No 1 (2022): Januari 2022 Vol 5 No 13 (2021): Publikasi Khusus Tahun 2021 Vol 5 No 12 (2021): Desember 2021 Vol 5 No 11 (2021): November 2021 Vol 5 No 10 (2021): Oktober 2021 Vol 5 No 9 (2021): September 2021 Vol 5 No 8 (2021): Agustus 2021 Vol 5 No 7 (2021): Juli 2021 Vol 5 No 6 (2021): Juni 2021 Vol 5 No 5 (2021): Mei 2021 Vol 5 No 4 (2021): April 2021 Vol 5 No 3 (2021): Maret 2021 Vol 5 No 2 (2021): Februari 2021 Vol 5 No 1 (2021): Januari 2021 Vol 5 No 13 (2021) Vol 4 No 13 (2020): Publikasi Khusus Tahun 2020 Vol 4 No 12 (2020): Desember 2020 Vol 4 No 11 (2020): November 2020 Vol 4 No 10 (2020): Oktober 2020 Vol 4 No 9 (2020): September 2020 Vol 4 No 8 (2020): Agustus 2020 Vol 4 No 7 (2020): Juli 2020 Vol 4 No 6 (2020): Juni 2020 Vol 4 No 5 (2020): Mei 2020 Vol 4 No 4 (2020): April 2020 Vol 4 No 3 (2020): Maret 2020 Vol 4 No 2 (2020): Februari 2020 Vol 4 No 1 (2020): Januari 2020 Vol 3 No 12 (2019): Desember 2019 Vol 3 No 11 (2019): November 2019 Vol 3 No 10 (2019): Oktober 2019 Vol 3 No 9 (2019): September 2019 Vol 3 No 8 (2019): Agustus 2019 Vol 3 No 7 (2019): Juli 2019 Vol 3 No 6 (2019): Juni 2019 Vol 3 No 5 (2019): Mei 2019 Vol 3 No 4 (2019): April 2019 Vol 3 No 3 (2019): Maret 2019 Vol 3 No 2 (2019): Februari 2019 Vol 3 No 1 (2019): Januari 2019 Vol 2 No 12 (2018): Desember 2018 Vol 2 No 11 (2018): November 2018 Vol 2 No 10 (2018): Oktober 2018 Vol 2 No 9 (2018): September 2018 Vol 2 No 8 (2018): Agustus 2018 Vol 2 No 7 (2018): Juli 2018 Vol 2 No 6 (2018): Juni 2018 Vol 2 No 5 (2018): Mei 2018 Vol 2 No 4 (2018): April 2018 Vol 2 No 3 (2018): Maret 2018 Vol 2 No 2 (2018): Februari 2018 Vol 2 No 1 (2018): Januari 2018 Vol 2 No 8 (2018) Vol 2 No 6 (2018) Vol 1 No 12 (2017): Desember 2017 Vol 1 No 11 (2017): November 2017 Vol 1 No 10 (2017): Oktober 2017 Vol 1 No 9 (2017): September 2017 Vol 1 No 8 (2017): Agustus 2017 Vol 1 No 7 (2017): Juli 2017 Vol 1 No 6 (2017): Juni 2017 Vol 1 No 5 (2017): Mei 2017 Vol 1 No 4 (2017): April 2017 Vol 1 No 3 (2017): Maret 2017 Vol 1 No 2 (2017): Februari 2017 Vol 1 No 1 (2017): Januari 2017 More Issue