cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ricky Firmansyah
Contact Email
ricky.rym@bsi.ac.id
Phone
+6281318340588
Journal Mail Official
jurnal.informatika@bsi.ac.id
Editorial Address
Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Jurnal Informatika
Published by Universitas Bina Sarana Informatika
ISSN : 23556579     EISSN : 25282247     DOI : https://doi.org/10.31294/ji.v4i2
Core Subject : Science,
Computer Science & IT
Jurnal Informatika respects all researchers Technology and Information field as a part spirit of disseminating science resulting and community service that provides download journal articles for free, both nationally and internationally. The editorial welcomes innovative manuscripts from Technology and Information field. The scopes of this journal are: Expert System Decision Support System Data Mining Artificial Intelligence System Machine Learning Genetic Algorithms Business Intelligence and Knowledge Management Big Data the manuscripts have primary citations and have never been published online or in print. Every manuscript will be checked the plagiarism using Turnitin software. If the manuscript indicated major plagiarism, the manuscript is rejected.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 316 Documents
 27   28   29   30   31 
Penerapan Algoritma Genetika Dalam Penjadwalan Mata Pelajaran Pangestu, Lintang Aji; Suryawan, Sayekti Harits; Latipah, Asslia Johar
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16701

Abstract

Penjadwalan merupakan proses yang krusial dalam dunia pendidikan, dimana merencanakan aktivitas pada waktu tertentu dengan mempertimbangkan banyak faktor seperti kelas, mata pelajaran, guru, dan waktu pelajaran. Di Sekolah Kreatif Muhammadiyah 2 Bontang, proses penjadwalan mata pelajaran masi dilakukan tanpa yang jelas, hal ini mengakibatkan sering terjadi tabrakan jadwal serta penyesuai ulang jadwal yang telah di keluarkan, hal ini mengakibatkan kurang efektifnya penggunaan waktu serta berdapak pada kualitas pembelajaran yang diterima oleh siswa . Untuk mengatasi masalah ini, digunakan algoritma genetika sebagai metode optimasi dalam penyusunan jadwal mata pelajaran. Algoritma genetika terbukti efektif dalam menangani masalah kompleks yang sulit diselesaikan metode konvensional, karena kemampuannya menjelajahi ruang pencarian dan menemukan solusi optimal pada parameter yang rumit. Penelitian ini menguji algoritma genetika melalui lima percobaan dengan skala data yang berbeda, yaitu 128 kelompok tugas dan 65 kelompok waktu serta 65 kelompok tugas dan 65 kelompok waktu. Hasil pengujian menunjukkan bahwa algoritma genetika berhasil menghasilkan solusi penjadwalan dengan tingkat nilairata-rata kebugaran 0,5 pada skema pertama dan nilai kebugaran  1 pada pengujian skema kedua. Dengan mempertimbangkan jumlah data yang signifikan dan jumlah generasi terbatas, kriteria yang digunakan terbukti sesuai dengan algoritma genetika dalam menyusun jadwal mata pelajaran dengan skala kecil. Scheduling plays a crucial role in the education sector, involving the planning of activities at specific times while considering multiple factors such as classes, subjects, teachers, and class hours. However, at Muhammadiyah 2 Bontang Creative School, the subject scheduling process lacks a clear structure, leading to frequent conflicts and necessitating schedule adjustments. As a result, the effective use of time and the quality of student learning experiences are affected. To tackle this issue, genetic algorithms are utilized as an optimization method for arranging subject schedules.Genetic algorithms have proven to be effective in addressing complex problems that conventional methods struggle with. Their ability to explore extensive search spaces and find optimal solutions amidst complex parameters makes them suitable for this study. The genetic algorithms are tested through five experiments with different data scales: 128 task groups and 65 time groups, as well as 65 task groups and 65 time groups. Hasil percobaan menunjukkan keefektifan algoritma genetika dalam menghasilkan solusi penjadwalan. Pada skema pertama, nilai fitness rata-rata adalah 0,5, dan pada skema kedua, nilai fitness adalah 1. Meskipun terdapat konflik jadwal pada skala data yang lebih besar . Dengan mempertimbangkan volume data yang signifikan dan generasi yang terbatas, kriteria yang digunakan dalam percobaan terbukti cocok untuk algoritma genetika dalam menyusun jadwal mata pelajaran dalam skala kecil.
Rekomendasi Merk Mobil Untuk Calon Pembeli Menggunakan Algoritma Decision Tree Mawaridi, Bima Hamdani; Faisal, Muhammad
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16000

Abstract

Indonesia merupakan salah satu negara dengan jumlah penduduk yang banyak di dunia. Dalam aktivitas sehari-hari, mobil merupakan modal transportasi yang mayoritas dipakai oleh masyarakat selain sepeda  motor. Saat ini merk mobil yang diproduksi di Indonesia maupun langsung diimpor dari luar negeri semakin banyak dengan berbagai keunggulan masing –masing. Hal tersebut menyebabkan pengguna yang mau membeli mobil seringkali masih kesulitan untuk menentukan merk mobil yang sesuai dengan kriteria yang diinginkan. Dari permasalahan di atas maka akan dilakukan sebuah penelitian untuk membuat sebuah sistem klasifikasi merk mobil. Klasifikasi merk mobil ini nantinya diharapkan dapat meningkatkan efektifitas pemilihan merk mobil yang akan dibeli. Dalam penelitian ini disusulkan metode decission tree. Metode Decision tree sering digunakan untuk menghasilkan sebuah pohon keputusan yang memetakan kondisi dan tindakan yang harus diambil berdasarkan kondisi. Data yang digunakan memiliki Informasi tentang 3 merk mobil yakni AS, Jepang, Eropa. Tujuannya yaitu menemukan merk mobil menggunakan parameter seperti inci kubik, tahun pembuatan, dan lain-lain. Dari hasil pengujian nilai akurasi yang didapatkan yaitu 70%, rata-rata presisi 66% dan recall 70%.  Indonesia is one of the countries with a large population in the world. In daily activities, the car is the mode of transportation that the majority of people use besides motorbikes. Currently there are more and more car brands produced in Indonesia and directly imported from abroad with their respective advantages. This causes users who want to buy a car to often find it difficult to determine a car brand that fits the desired criteria. From the problems above, a study will be carried out to create a car brand classification system. This classification of car brands is expected to increase the effectiveness of choosing the car brand to be purchased. In this study, the decision tree method was proposed. The Decision tree method is often used to produce a decision tree that maps conditions and actions to be taken based on conditions. The data used has information about 3 car brands namely US, Japan, Europe. The goal is to find the make of the car using parameters like cubic inches, year of manufacture, etc. From the test results the accuracy value obtained is 70%, the average precision is 66% and the recall is 70%.
Klasifikasi Penyakit Diabetes Menggunakan Algoritma Decision Tree Nurussakinah, Nurussakinah; Faisal, Muhammad
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.15989

Abstract

Penelitian ini mengembangkan metode klasifikasi diabetes dengan menggunakan algoritma Decision Tree. Data klinis dari pasien diabetes dan non-diabetes dianalisis, termasuk atribut seperti usia, BMI, tekanan darah, dan tes gula darah. Algoritma Decision Tree berhasil mengklasifikasikan diabetes dengan akurasi tinggi, sehingga dapat membantu dokter dalam mendiagnosis dan mengelola penyakit tersebut. Pada penelitian ini menunjukkan bahwa metode klasifikasi dengan Decision Tree efektif dalam mengidentifikasi penyakit diabetes. Dalam pengujian menggunakan data uji, model klasifikasi mampu mengenali pasien diabetes dengan tingkat akurasi yang memuaskan. Metode ini memiliki potensi untuk meningkatkan diagnosis dini dan pengelolaan penyakit diabetes, tetapi perlu dilakukan penelitian lebih lanjut untuk memvalidasi dan memperluas penggunaannya dalam populasi yang lebih luas. This study developed a diabetes classification method using the Decision Tree algorithm. Clinical data from diabetic and non-diabetic patients were analyzed, including attributes such as age, BMI, blood pressure, and blood sugar tests. The Decision Tree algorithm successfully classifies diabetes with high accuracy, so it can assist doctors in diagnosing and managing the disease. This study shows that the classification method with the Decision Tree is effective in identifying diabetes. In testing using test data, the classification model is able to identify diabetic patients with a satisfactory level of accuracy. This method has the potential to improve the early diagnosis and management of diabetes, but further research is needed to validate and expand its use in a wider population. 
Prediksi Mahasiswa Baru Universitas Papua Menggunakan Autoregressive Integrated Moving Average Suhendra, Christian Dwi; Marini, Lion Ferdinand; Sarungallo, Ana
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16637

Abstract

Perguruan tinggi sangat memperhatikan penerimaan mahasiswa baru sebagai indikator kemajuan dan pertumbuhan institusi. Namun, fluktuasi jumlah penerimaan mahasiswa baru dapat menjadi kendala dalam perencanaan dan pengambilan keputusan. Penelitian ini bertujuan untuk menerapkan metode Autoregressive Integrated Moving Average (ARIMA) dalam menghitung prediksi jumlah mahasiswa baru pada Universitas Papua. Oleh karena itu, penelitian ini menggunakan metode ARIMA untuk meramalkan jumlah mahasiswa baru tahun 2023 dengan memanfaatkan data historis dari tahun 2017 hingga 2022. Hasil analisis menggunakan R Studio menunjukkan bahwa model terbaik adalah ARIMA (11,0,12) dengan nilai error terendah. Penelitian ini memberikan manfaat bagi peneliti dalam memahami metode peramalan menggunakan ARIMA dan juga memberikan informasi yang berguna bagi Universitas Papua dalam perencanaan strategis untuk meningkatkan kualitas dan minat calon mahasiswa baru. Universities pay great attention to the acceptance of new students as an indicator of the progress and growth of the institution. However, fluctuations in the number of new student admissions can be an obstacle in planning and decision making. This study aims to apply the Autoregressive Integrated Moving Average (ARIMA) method in calculating predictions for the number of new students at the University of Papua. Therefore, this study uses the ARIMA method to predict the number of new students in 2023 by utilizing historical data from 2017 to 2022. The results of the analysis using R Studio show that the best model is ARIMA (11,0,12) with the lowest error value. This research provides benefits for researchers in understanding forecasting methods using ARIMA and also provides useful information for the University of Papua in strategic planning to improve the quality and interest of prospective new students. 
Aplikasi Visualisasi Data Gempa Regionalisasi Berbasis Web dan Teknologi Leaflet Steven, Steven; Lee, Francka Sakti
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.15919

Abstract

Pemantauan dan pendataan gempa bumi sangat penting untuk memprediksi potensi bahaya dan mempersiapkan tindakan preventif. Dalam hal pemantauan dan pendataan gempa bumi, regionalisasi gempa sangat penting untuk memahami distribusi dan karakteristik gempa dalam wilayah tertentu. Saat ini, pendataan aplikasi web-base regionalisasi gempa yang digunakanmasih dilakukan secara teks. Oleh karena itu, dibuatlah suatu aplikasi web-base regionalisasi gempa berbasis web dengan menggunakan framework CodeIgniter dan teknologi Leaflet dan Contour untuk memvisualisasikan data gempa secara grafis. Pengembangan aplikasi berdasarkan konsep mengubah data menjadi informasi. Informasi yang disajikan dalam bentuk gambar peta beserta penyebaran gempa yang ada. Selain disajikan dalam bentuk visualisasi map, penyajian data juga dapat dilihat melalui region-region yang ditentukan. Rumusan masalah dari penelitian adalah bagaimana mengembangkan aplikasi web-base regionalisasi gempa berbasis web yang mampu memvisualisasikan data gempa secara grafis.Penelitian ini menggunakan metode RAD (Rapid Application Development) dalam mengembangkan aplikasi web berbasis regionalisasi gempa. Tujuannya adalah memvisualisasikan data gempa secara grafis dengan memanfaatkan framework CodeIgniter, teknologi Leaflet, dan Contour. Hasil pengujian menunjukkan bahwa semua modul aplikasi berfungsi dengan baik. Penelitian ini menyimpulkan bahwa aplikasi berhasil mengubah data teks menjadi visual yang mudah dipahami, memudahkan akses dan analisis data gempa secara regional, dan memenuhi tujuan penelitian.
Sentiment Analysis of Sirekap Application Review Using Logistic Regression Algorithm Hagi, Audi; Rarasati, Dionisia Bhisetya
Jurnal Informatika Vol 11, No 2 (2024): October
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v11i2.22066

Abstract

General Elections (Pemilu) is one of the crucial moments in democracy to elect representatives of the people. The General Elections Commission (KPU) launched the Sirekap application as an aid in the election process. This application allows polling station officers (KPPS) to record the vote count electronically. However, there have been some complaints and feedback from the public regarding the Sirekap application. To understand public sentiment towards the Sirekap application, this study was conducted by analyzing user reviews on the Google Play Store. The Logistic Regression algorithm is used to classify review sentiment into positive and negative. The analysis process involves data preprocessing, z-score normalization, dividing the data set into 80% training data and 20% test data, weighting words using the TF-IDF method, training the model using the Logistic Regression algorithm, and testing the model with a confusion matrix. The results of the analysis show that the Logistic Regression algorithm is effective in classifying the sentiment of the Sirekap application reviews with an accuracy of 91%. The precision score for the positive and negative classes are 90% and 92%, respectively. The recall score for the positive and negative classes are 94% and 87%, respectively. The f1-score for the positive and negative classes are 92% and 90%, respectively. The results of this sentiment analysis can also be used by the KPU to understand the level of user satisfaction and improve the quality of the Sirekap application for the 2024 Regional Head Elections (Pilkada).
Implementasi K-Medoids Dalam Pengelompokan Fasilitas Pelayanan Kesehatan Pada Kasus Tuberculosis Putri, Refanisa; Riana, Freza; Wulandari, Berlina
Jurnal Informatika Vol 11, No 1 (2024): April 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v11i1.20044

Abstract

Tuberculosis (TBC) adalah penyakit menular yang disebabkan oleh bakteri Mycobacterium Tuberculosis, kadang disebut juga TB paru. Pada tahun 2021 kasus TBC di Kota Bogor terdapat 4855 kasus, banyaknya kasus TBC di Kota Bogor ini, diperlukan pengelompokan penyebaran penyakit TBC berdasarkan Fasilitas Pelayanan Kesehatan (FASYANKES) di Kota Bogor menggunakan algoritma K-Medoids, yang bertujuan untuk mengetahui karakteristik FASYANKES dalam kasus TBC. Algoritma K -Medoids adalah  sebuah algoritma yang menggunakan metode partisi clustering untuk mengelompokkan sejumlah n objek menjadi k klaster. Pada penelitian ini diterapkan pengujian Silhouette Coefficient untuk memaksimalkan hasil clustering, hasil clustering yang diperoleh adalah terbentuk 2 klaster dengan Silhouette = 0,574652. Sehingga dengan implementasi K-Medoids clustering diperoleh hasil 2 klaster yakni, klaster 0 terdapat 15 FASYANKES yang berisi karakteristik teridentifikasi yang tinggi dan hasil diagnosis positif TBC yang tinggi. Namun, terdapat 3 FASYANKES yang memiliki nilai jumlah pasien teridentifikasi tinggi tetapi nilai hasil diagnosis positifnya rendah. FASYANKES tersebut termasuk ke dalam klaster 0, karena dipengaruhi oleh nilai jumlah pasien teridentifikasi yang tinggi. Sedangkan klaster 1 terdapat 29 FASYANKES yang berisi karakteristik teridentifikasi yang rendah dan hasil diagnosis positif TBC yang rendah. Namun, terdapat 9 FASYANKES yang memiliki nilai jumlah pasien teridentifikasi rendah tetapi nilai hasil diagnosis positifnya tinggi. FASYANKES tersebut termasuk ke dalam klaster 1, karena dipengaruhi oleh nilai jumlah pasien teridentifikasi yang rendah.Tuberculosis (TB) is an infectious disease caused by the bacteria Mycobacterium Tuberculosis, sometimes also called pulmonary TB. In 2021, there were 4855 cases of tuberculosis in Bogor City. The large number of tuberculosis cases in Bogor City requires clustering the spread of tuberculosis disease based on Health Service Facilities (FASYANKES) in Bogor City using the K-Medoids algorithm, which aims to determine the characteristics of FASYANKES in tuberculosis cases. The K-Medoids algorithm is an algorithm that uses the clustering partition method to group a number of n objects into k clusters. In this study, Silhouette Coefficient testing was applied to maximize clustering results, the clustering results obtained were 2 clusters formed with Silhouette = 0.574652. So that with the implementation of K-Medoids clustering, the results of 2 clusters are obtained, namely, cluster 0 there are 15 FASYANKES which contain high identified characteristics and high positive TB diagnosis results. However, there are 3 FASYANKES that have a high number of identified patients but a low value of positive diagnosis results. These FASYANKES are included in cluster 0, because they are influenced by the high number of identified patients.While cluster 1 contained 29 FASYANKES that contained low identified characteristics and low positive TB diagnosis results. However, there are 9 FASYANKES that have a low number of identified patients but a high positive diagnosis result. These FASYANKES are included in cluster 1, as they are influenced by the low number of identified patients.
Implementation of You Only Look Once Version 8 Algorithm to Detect Multi-Face Drivers and Vehicle Plates Saputra S, Kana; Taufik, Insan; Ramadhani, Irham; Siregar, Angginy Akhirunnisa; Pinem, Josua; Lubis, Afiq Alghazali; Pane, Yeremia Yosefan; Putri, Rezkya Nadilla
Jurnal Informatika Vol 11, No 2 (2024): October
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v11i2.22026

Abstract

Checking the identity of motorcycle owners when leaving the college area is a mandatory activity for security officers to ensure that vehicles entering and exiting the college are the same driver. The conventional checking process often causes the impact of vehicle queues when the volume of vehicles increases. Therefore, an intelligent system is needed to detect multi-plate vehicles automatically. One approach in the world of image detection of an object is the use of the YOLO (You Only Look Once) algorithm. This algorithm predicts bounding boxes and possible classes in a single frame. This research divides objects into 3 classes, namely vehicles, driver's faces, and vehicle plates. The dataset used was 74 varied images consisting of 50 training data, 12 validation data and 12 testing data. The image was trained using 300 epochs and a batch size of 8 and resulted in an F1 score calculation for detecting objects reaching 92%.
The Implementation of Convolutional Neural Network in Recognize Lontara Text Arthanugraha, Wahyu; Zainuddin, Zahir; Arda, Abdul Latief
Jurnal Informatika Vol 11, No 2 (2024): October
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v11i2.20328

Abstract

The introduction of the Lontara text that is applied is still conventional in that it comes from books or teaching materials and there is no application for a translator of the Lontara text, making it difficult for students, especially those from outside the Bugis tribe. This research aims to measure the ability and apply the CNN method in the context of introducing the Lontara text. The input that use in this research is words taken from the original text or writing manuscripts of the ancient literature of the Bugis tribe "Sureq Maqkelluqna Nabittaq", a book that was used as a tool to spread Islam in 1611. The model used is the VGG-16 architecture. This research uses the R&D (Research and Development) method which is used to create products and test their level of effectiveness. As for the research results obtained, the system accuracy obtained in classifying the Lontara text using the VGG16 architecture was 97,65%. In addition, the system is also able to display the translation of the Lontara text according to the database input.
Diagnosis Penyakit Pada Tanaman Sukulen Menggunakan Metode Forward Chaining Berbasis Mobile Android Widi, Dicky Prasetya; Gunaryati, Aris
Jurnal Informatika Vol 11, No 1 (2024): April 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v11i1.21208

Abstract

Pada saat ini perkembangan teknologi sudah sangat pesat, tidak hanya pada bidang informasi, pendidikan, industri tetapi juga pada bidang pertanian. Pesatnya perkembangan teknologi juga dirasakan bersama oleh para petani sukulen untuk mendapatkan informasi tentang tanaman sukulen mereka. Tanaman sukulen banyak dibudidayakan di wilayah perkotaan di Indonesia, namun petani sukulen tidak terlepas dari masalah yang muncul seperti penyakit dan hama yang tiba-tiba menyerang tanaman mereka. Oleh karena itu penulis melakukan pengembangan sistem pakar untuk mendiagnosis penyakit dan hama pada tanaman sukulen menggunakan metode forward chaining untuk menentukan penyakit atau hama pada tanaman sukulen. Penelitian ini dilakukan dengan cara wawancara kepada pakar tanaman sukulen dan studi literatur mengenai gejala-gejala penyakit dan hama pada tanaman sukulen. Data yang sudah dikumpulkan dan dianalisis untuk mengetahui kebutuhan sistem berdasarkan jenis penyakit & hama, jenis gejala, dan kaidah produksi. Untuk tahapan yang terakhir dilakukannya pengujian dengan metode black box dan user acceptance testing untuk memastikan sistem pakar dapat digunakan dengan baik oleh pengguna, dalam hal ini petani sukulen dan masyarakat. Hasil penelitian menunjukkan bahwa aplikasi ini efektif dalam membantu pengguna dan petani sukulen untuk mendiagnosis penyakit pada tanaman sukulen. Hasil pengujian aplikasi menunjukkan bahwa 85,5% responden memberikan penerimaan positif terhadap penerapan aplikasi. At present, technological advancements have progressed rapidly, not only in the fields of information, education, and industry but also in agriculture. The rapid development of technology is also felt collectively by succulent farmers to obtain information about their succulent plants. Succulent plants are widely cultivated in urban areas in Indonesia, but succulent farmers are not exempt from emerging problems such as sudden diseases and pests attacking their plants. Therefore, the author has developed an expert system to diagnose diseases and pests on succulent plants using the forward chaining method to determine diseases or pests on succulent plants. This research was conducted through interviews with succulent plant experts and a literature review on symptoms of diseases and pests in succulent plants. The collected data was analyzed to determine the system requirements based on the types of diseases and pests, symptoms, and production rules. In the final stage, testing was conducted using the black box method and user acceptance testing to ensure that the expert system can be effectively used by users, particularly succulent farmers and the community. The research results indicate that this application is effective in assisting users and succulent farmers in diagnosing diseases in succulent plants. Application testing results show that 85.5% of respondents expressed positive acceptance of the application.

Page 29 of 32 | Total Record : 316

 27   28   29   30   31 

Filter by Year

2014 2025


Reset
Filter By Issues
All Issue Vol 12, No 2 (2025): October Vol 12, No 1 (2025): April Vol 11, No 1 (2024): April 2024 Vol 11, No 2 (2024): October Vol 10, No 2 (2023): October 2023 Vol 10, No 1 (2023): April 2023 Vol 9, No 2 (2022): Oktober 2022 Vol 9, No 1 (2022): April 2022 Vol 8, No 2 (2021): September 2021 Vol 8, No 1 (2021): April 2021 Vol 7, No 2 (2020): September 2020 Vol 7, No 1 (2020): April 2020 Vol 6, No 2 (2019): September 2019 Vol 6, No 1 (2019): April 2019 Vol 5, No 2 (2018): Jurnal INFORMATIKA Vol 5, No 1 (2018): Jurnal INFORMATIKA Vol 4, No 2 (2017): Jurnal INFORMATIKA Vol 4, No 1 (2017): Jurnal INFORMATIKA Vol 3, No 2 (2016): Jurnal INFORMATIKA Vol 3, No 1 (2016): Jurnal INFORMATIKA Vol 2, No 2 (2015): Jurnal INFORMATIKA Vol 2, No 1 (2015): Jurnal INFORMATIKA Vol 1, No 2 (2014): Jurnal INFORMATIKA Vol 1, No 1 (2014): Jurnal INFORMATIKA More Issue