cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Asep Erlan Maulana
Contact Email
dosen02716@unpam.ac.id
Phone
+6281299366151
Journal Mail Official
jiup@unpam.ac.id
Editorial Address
Ruang Gugus Mutu Fakultas Ilmu Komputer Universitas Pamulang - Kampus Viktor Lt. 3 Jalan Raya Puspitek No. 46 Buaran, Serpong, Tangerang Selatan, Banten, Indonesia
Location
Kota tangerang selatan,
Banten
INDONESIA
Jurnal Informatika Universitas Pamulang
Published by Universitas Pamulang
ISSN : 25411004     EISSN : 26224615     DOI : https://doi.org/10.32493
Core Subject : Science,
Computer Science & IT
Jurnal Informatika Universitas Pamulang is a periodical scientific journal that contains research results in the field of computer science from all aspects of theory, practice and application. Papers can be in the form of technical papers or surveys of recent developments research (state-of-the-art). Topics cover the following areas (but are not limited to): Artificial Intelligence Big Data Business Intelligence Data mining Decision Support Systems Intelligent Systems Machine Learning Network and Computer Security Optimization Pattern Recognition Soft Computing Software Engineering
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 30 Documents
 1   2   3 
Search results for , issue "Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG" : 30 Documents clear
Prediksi Piutang Biaya Pendidikan Mahasiswa Tak Tertagih menggunakan Algoritma Naïve Bayes di Institut Teknologi dan Bisnis Muhammadiyah Wakatobi Sry Faslia Hamka; Kusrini Kusrini; Kusnawi Kusnawi
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30711

Abstract

Piutang adalah instrument yang krusial dan memerlukan perhatian yang serius dalam mengelola sebuah peusahaan. Kinerja suatu perusahaan dapat dipengaruhi oleh besarnya nilai piutang yang dimilikinya. Apabila nilai piutang terlalu besar, maka dapat menjadi ancaman bagi kelangsungan hidup perusahaan. Ketika melakukan penagihan, perusahaan seringkali menghadapi kendala, salah satunya adalah keterlambatan pembayaran. Seperti halnya perguruan tinggi Institut Teknologi dan Bisnis Muhammadiyah Wakatobi (ITBMW) yang menetapkan biaya pendidikan yang wajib dibayarkan oleh mahasiswa dalam jangka waktu tertentu atau dilakukan dengan cara mengangsur. Akan tetapi malah semakin banyak mahasiswa yang menunggak karena masih banyak mahasiswa yang belum membayar biaya pendidikan dan sistem angsuran yang diterapkan. Akibatnya, semakin tinggi jumlah piutang mahasiswa, semakin besar kemungkinan bahwa biaya pendidikan mahasiswa tak tertagih.  Penelitian ini bertujuan untuk memprediksi piutang biaya pendidikan mahasiswa tak tertagih di ITBMW menggunakan metode klasifikasi yaitu algoritma Naïve Bayes. Data yang akan dimanfaatkan terdiri dari informasi mahasiswa ITBMW yang didapatkan dari PDDikti selama periode 2020/2021, 2021/2022, dan 2022/2023 selain itu juga akan digunakan data internal Biro Administrasi Keuangan ITBMW untuk tahun anggaran 2021, 2022 dan 2023. Pengolahan data dilakukan untuk memperoleh hasil prediksi yang optimal dengan mengevaluasi kinerja algoritma sehingga memperoleh hasil yang terbaik. Atribut pendukung yang digunakan pada dataset yang tersedia yaitu: NIM, nama mahasiswa, status, perguruan tinggi, program studi, jenjang, alamat kelurahan/desa, alamt kecamatan, pendidikan wali, pekerjaan wali, penghasilan wali, keterangan, jumlah piutang uang kuliah tunggal (UKT) mahasiswa, umur piutang UKT mahasiswa, jumlah piutang biaya sarana dan prasarana pembangunan (BPP), umur piutang BPP, status piutang, program studi, jenjang studi, alamat, pendidikan ayah/ibu/wali, pekerjaan ayah/ibu/wali, penghasilan ayah/ibu/wali, jumlah piutang UKT, umur piutang UKT, jumlah piutang DPP, dan umur piutang DPP. Target dan sasaran dari pengolahan data ini adalah piutang mahasiswa dengan status tertagih dan tidak tertagih, dengan menggunakan dua percobaan yaitu dengan data proporsi data training dan data testing 80:20 dan 90:10. Dari dua kombinasi percobaan tersebut proporsi data training dan data testing 80:20 menunjukkan tingkat akurasi yang tinggi yaitu 92,31% merupakan tingkat akurasi yang terbaik dibandingkan dengan proporsi 90:10 yang menghasilkan tingkat akurasi 88,46%.
Analisis Sentimen Tanggapan Masyarakat terhadap Calon Presiden Ridwan Kamil 2024 Menggunakan Metode K-Nearest Neighbor Fatma Hayati; Ellin Haerani; Fadhilah Syafria; Elvia Budianita
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30054

Abstract

Banyaknya berita yang beredar dalam sosial media mengenai Tanggapan Masyarakat Terhadap Calon Presiden Ridwan Kamil 2024  menggugah rasa penasaran penulis untuk memastikan seperti apakah tanggapan masyarakat mengenai calon presiden ridwan kamil, apakah menuai kesan positif atau negatif. Dengan demikian, penulis melakukan analisis sentimen pengguna twitter terhadap Tanggapan Masyarakat Terhadap Calon Presiden Ridwan Kamil 2024 yang dapat digunakan sebagai bahan evaluasi dalam menentukan kebijakan. Penulis menggunakan algoritma K-Nearest Neighbor untuk menentukan sentimen pengguna twitter dengan bantuan phyton yang populer di kalangan Data Scientist. Metode tersebut diterapkan ke 2261 data tweet dengan kata kunci “calon presiden ridwan kamil” yang dikumpulkan pada 20 Desember 2022– 30 Desember 2022, yang mana hasil data bersih dari data tersebut berjumlah 1504 data tweet.  Hasil training model membuktikan bahwa skor akurasi 88,70%, recall 96,92% , dan presisi 90,65% dengan nilai k=3.
Daftar Isi Jurnal Informatika Universitas Pamulang Vol. 8 No. 2 Juni 2023 Journal Manager
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.31003

Abstract

Penerapan Metode Rapid Application Developmen (RAD) dalam Rancang Bangun Sistem Informasi Berbasis WEB Pengajuan Surat Keterangan Catatan Kepolisian (SKCK) Rohmat Taufiq; Aji Maulana
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.29591

Abstract

Surat Keterangan Catatan Kepolisian (SKCK) adalah dokumen yang dikeluarkan oleh pihak kepolisian yang menjelaskan bahwa pelamar tidak memiliki catatan kriminal adalah prasyarat untuk melamar pekerjaan di lembaga pemerintah atau organisasi lainnya. Saat ini, kepolisian masih menggunakan metode manual dalam pembuatan Surat Keterangan Catatan Kepolisian (SKCK). Oleh karena itu, dibutuhkan sebuah aplikasi sistem online yang memudahkan pembuatan SKCK. Metode pencarian data yang digunakan adalah wawancara, observasi dan literatur. Perancangan Aplikasi Pengajuan SKCK ini dibangun dengan metode Prototype dan Unified Modelling Language (UML) untuk pemodelannya. Bahasa Pemrograman Javascript menggunakan alat bantuan Codeigniter 4, bootstrap 4 untuk CSS. Dalam penelitian ini database yang diguankan MySQL dengan database My SQL termasuk JQuery untuk memudahkan proses penulisan kode. Dengan penggunaan aplikasi ini, diharapkan kegiatan pembuatan SKCK lebih mudah dan cepat, proses pencarian data dan laporan jauh lebih cepat dan akurat, serta laporan bisa ditampilkan secara real time.
Penerapan Metode SVM pada Klasifikasi Sentimen terhadap Anies Baswedan sebagai Bakal Calon Presiden 2024 Ramadanu Putra; Yusra Yusra; Muhammad Fikry
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30355

Abstract

Twitter is one of the most popular and rapidly growing platforms. Through Twitter, users can write and share various activities and opinions, including opinions about 2024 presidential candidates. Several candidates who are suitable to replace the president of Indonesia in 2024 have become the talk of the news media. Anies Baswedan is one of the presidential candidates who has been proposed by the National Democratic Party (NasDem) on October 3, 2022. The opinions of Twitter users can be seen through tweets about Anies Baswedan as a 2024 presidential candidate. These tweets can be analyzed to obtain information on public sentiment towards Anies Baswedan as a 2024 presidential candidate. Therefore, this study aims to apply the Support Vector Machine method in classifying sentiment towards Anies Baswedan as a 2024 presidential candidate. The dataset amounted to 3400 with positive labels as many as 2130 tweets and negative labels as many as 1270 tweets. Labeling is done manually with crowdsourced labelling techniques, obtained a kappa value of 0.68 which shows the level of agreement is relatively strong. Text preprocessing process is carried out. The dataset is divided into training data and test data with a ratio of 90:10. The SVM model with RBF kernel using C=9 and γ=2 parameter pairs has successfully produced good results in validation and evaluation. The accuracy results obtained were 90.61%, precision of 90.67%, recall of 90.61% and f1-score of 90.61%.
Implementasi Algoritma Klasifikasi Dengan Teknik Discretization Dan Bagging Untuk Meningkatkan Akurasi Prediksi Penyakit Stroke Annisa Maulana Majid; Ismasari Nawangsih
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30550

Abstract

Penyakit stroke merupakan salah satu penyakit penyebab kematian namun  dapat dikurangi jumlah angka kematiannya apabila terdapat diagnosa sejak secara dini untuk memprediksi penyakit stroke yang akurat. Penelitian yang terkait prediksi penyakit stroke telah dilakukan dengan beberapa metode namun menghasilkan tingkat akurasi yang kurang maksimal pada algoritma klasifikasi, sehingga diperlukan adanya upaya peningkatan akurasi untuk menghasilkan informasi yang akurat dalam menprediksi penyakit stroke. Tujuan dari penelitian ini yaitu melakukan implementasi algoritma klasifikasi dengan menerapkan teknik discretization dan Bagging dalam meningkatkan predikasi penyakit stroke. Hasil yang diperoleh dari penelitian ini adalah algoritma klasifikasi Naïve Bayes dengan menggabungkan teknik discretization dan Bagging memiliki tingkat akurasi lebih tinggi dengan akurasi sebesar 95.21%, meningkat sebesar 7.36% dari pada hanya menggunakan algoritma tunggal saja. Keywords: Penyakit Stroke, Algoritma Klasifikasi, Discretization, Bagging
Penggunaan Kamus Singkatan Kata Bahasa Indonesia Sehari-Hari dalam Pembangkitan Fitur Teks Citra Lestari; Kenny Jihiro; Andreas Lim; Daniel Aprilio; Franciscus Valentinus
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.29306

Abstract

Natural Language Processing (NLP) research on Indonesian language is relatively slow compared to other languages, such as English or Chinese. Most of the researches are dealing with Indonesian formal textes. Some NLP researches that are dealing with Indoensian informal texts are having quite difficulty since Indonesian informal language usually combines formal language, daily language, and local language. In addition, there is a habit in Indoensians to use abbreviation in texting. These cause great difficulty in features generation process, where machines fail to identify stopwords and form lemmas from the bag of words. There are actually dictionaries that can be used to do lemming process for Indonesian forma language, daily language, local languages, and even Indoensian formal abbrevations. But there is stil no dictionary for Indoensian informal abbrevations. This research made an Indonesian informal abbrevations dictionary from 4000 Indonesian tweets.  The dictionary contains 706 unique abbrevations as its corpus. The dictionary then used to generate features. In this research, the features generation only used this dictionary to measure its signiicancy. The feature generation with the Indonesian informal abbrevations dictionary were tested with Indonesian tweets about Covid-19 Vaccine. The features generation process was able to identify 2262 abbrevations wotj 71,09% of them were identified as stopwords. To take a further step, the features generated then being tested to figure out their impact in sentiment analysis. The sentiment analysis used Multi-Layer Perceptron. Unfortunately, those features didn’t increase the performance of the sentiment analysis. The accuracy decreased by 3,5% while the precision, recall, and F1-Score decreased in range of 0,02 – 0,04. With this result, it can be concluded that the use of this dictionaty alone for lemming process is not enough. It needs to be combined with other dictionary to have more optimal result.
Penerapan Triple Exponential Smoothing dan Arima dalam Memprediksi Produksi Crude Palm Oil Anggi Vasella; Siska Kurnia Gusti; Lestari Handayani; Siti Ramadhani
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30979

Abstract

Dalam bidang perkebunan sawit, PT.XYZ yang terletak di Provinsi Riau merupakan perusahaan yang menghasilkan salah satunya Crude Palm Oil (CPO). Diketahui bahwa dari 10 tahun terakhir produksi, harga jual yang cenderung tidak stabil berakibat terjadinya penimbunan stok. Maka dari itu, dilakukan peramalan jumlah produksi yang tepat agar masalah penimbunan stok dapat diatasi, sehingga penelitian ini bertujuan untuk melakukan prakiraan stok produksi CPO menggunakan perbandingan dua algoritma yaitu Triple Exponential Smoothing dan ARIMA. Peramalan melibatkan pengambilan data historis serta memprediksikannya untuk periode selanjutnya. Setelah dilakukan proses peramalan maka dilakukan pengujian tingkat kesalahan dalam peramalan memakai metode Mean Absolute Percatage Error (MAPE) untuk menunjukkan kisaran nilai kesalahan dalam perhitungan peramalan berdasarkan kesalahan terkecil. Output setelah dilakukan pengujian dengan metode TES mendapatkan tolak ukur αlpha=0,5, βeta=0,004, dan gamma γ=1,0 tingkat kesalahan diperoleh dengan menggunakan akurasi MAPE 10,1% dan 1,4% untuk model ARIMA. Pada output metode TES mendapatkan kategori MAPE dengan kemampuan peramalan baik dan sedangkan output metode ARIMA termasuk dalam kategori MAPE dengan kemampuan peramalan sangat baik sesuai penilaian rentang MAPE. Peran penelitian ini dibutuhkan agar memberikan informasi kepada perusahaan terkait sebagai referensi tambahan dalam peramalan produksi CPO. Hasil kajian metode terbaik yang dilakukan mendapatkan kesimpulan bahwa metode ARIMA dengan perhitungan kesalahan terkecil dari nilai MAPE.
Penerapan Fuzzy Backpropagation Neural Network dalam Klasifikasi Penyakit Stroke Karina Julita; Iis Afrianty; Suwanto Sanjaya; Fadhilah Syafria
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.31351

Abstract

Stroke adalah penyakit cerebrovaskuler yang ditandai dengan gejala neurologis tiba-tiba akibat cedera vaskular akut pada otak. Menurut WHO pada tahun 2019, stroke penyebab utama kematian dan kecacatan kedua di dunia, dengan prevalensi global 101,5 juta orang. Diagnosis medis penting dalam penanganan stroke, namun biaya yang tinggi sering menjadi kendala bagi masyarakat. Penelitian ini bertujuan untuk mengembangkan metode Fuzzy Backpropagation Neural Network dalam klasifikasi stroke dengan menggunakan data sekunder dari platform Kaggle yang berjumlah 4981 data. Analisis data melibatkan sepuluh variabel relevan dalam klasifikasi stroke diantaranya variabel seperti jenis kelamin, umur, hipertensi, riwayat penyakit jantung, indeks massa tubuh, nilai kadar gula dalam darah, status pernikahan, status merokok, tipe pekerjaan dan lingkungan tempat tinggal. Pada penelitian ini, pengujian yang dilakukan dibagi menjadi tiga skenario diantaranya, skenario 1 dengan α = 0,1, skenario 2 dengan α = 0,01 dan skenario 3 dengan α = 0,001 pada epoch 10, 1000 dan 100000. Hasil pengujian menunjukkan akurasi tertinggi dengan menggunakan pola jaringan 10-4-1 pada pembagian data latih dan data uji 70%:30% dengan α = 0.01 dan  epoch 100000 menghasilkan tingkat akurasi sebesar 86,52%, presisi 0,87, recall 0,87 dan f-1 score 0,87. Berdasarkan hasil pengujian tersebut, FBPNN dinilai mampu dalam mengklasifikasi stroke dengan kinerja yang baik.
Klasifikasi Citra Daging Sapi dan Babi Menggunakan Convolutional Neural Network (CNN) dengan Arsitektur EfficientNet-B2 dan Augmentasi Data Deny Ardianto; Jasril Jasril; Suwanto Sanjaya; Lestari Handayani; Fadhilah Syafria
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30587

Abstract

Permintaan daging sapi Indonesia meningkat secara signifikan setiap tahun. Meningkatnya kebutuhan daging sapi ini sering dimanfaatkan oleh pedagang untuk mendapatkan untung lebih dengan cara mencampurkan daging sapi dan babi (oplosan). Membedakan daging sapi, babi, dan oplosan secara manual menggunakan penciuman dan penglihatan manusia sangatlah sulit. Untuk membantu membedakan daging tersebut dapat menggunakan teknologi yaitu pengolahan citra. Penelitian ini menggunakan Convolutional Neural Network (CNN) berarsitektur EfficientNet-B2 untuk pengolahan citra dan klasifikasi. Pada penelitian ini juga dilakukan proses augmentasi data citra untuk memperbanyak citra dengan tujuan meningkatkan akurasi. Jumlah citra asli daging sebanyak 900 telah mengalami peningkatan setelah dilakukan proses augmentasi, menjadi 9000 citra yang mencakup daging sapi, babi, dan oplosan. Dataset dibagi menjadi dua bagian, yaitu dataset pelatihan dan testing, dengan rasio perbandingan 80:20 dan 90:10. Dengan menggunakan dataset citra augmentasi dengan kombinasi optimizer Adamax, activation Swish, dan learning rate 0.1, penelitian ini menghasilkan akurasi klasifikasi tertinggi, yaitu 98,22% accuracy, 98,25% precision, 98,22% recall, 98,22% f1-score, dengan rasio perbandingan data 90:10.

Page 1 of 3 | Total Record : 30

 1   2   3 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol 10 No 4 (2025): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 10 No 3 (2025): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 10 No 2 (2025): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 10 No 1 (2025): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 9 No 4 (2024): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 9 No 3 (2024): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 9 No 2 (2024): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 9 No 1 (2024): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 8 No 4 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 8 No 3 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 8 No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 8 No 1 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 8, No 1 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 7, No 4 (2022): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 7, No 3 (2022): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 7 No 2 (2022): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 7, No 2 (2022): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 7, No 1 (2022): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 7 No 1 (2022): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 6, No 4 (2021): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 6 No 4 (2021): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 6, No 3 (2021): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 6, No 2 (2021): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 6, No 1 (2021): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 5, No 4 (2020): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 5, No 3 (2020): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 5, No 2 (2020): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 5, No 1 (2020): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 4, No 4 (2019): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 4, No 3 (2019): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 4, No 2 (2019): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 4, No 1 (2019): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 3, No 4 (2018): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 3, No 3 (2018): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 3, No 2 (2018): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 3, No 1 (2018): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 2, No 4 (2017): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 2, No 3 (2017): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 2, No 2 (2017): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 2, No 1 (2017): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 1, No 2 (2016): JURNAL INFORMATIKA UNIVERSITAS PAMULANG Vol 1, No 1 (2016): JURNAL INFORMATIKA UNIVERSITAS PAMULANG More Issue