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 bau bau,
Sulawesi tenggara
INDONESIA
JURNAL INFORMATIKA
Published by Universitas Dayanu Ikhsanuddin
ISSN : 22529160     EISSN : 25280090     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Other
Arjuna Subject : -
Articles 202 Documents
 17   18   19   20   21 
Analisis Pengembangan Infrastruktur Teknologi Informasi dan Implementasi Teknologi Emerging untuk Mendukung Transformasi Digital di Bidang Pendidikan Dickey Ansharullah Hamid; Briam Harpah Matana; Hasmina Tari Mokui; Mustarum Musaruddin
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2687

Abstract

Lebih dari 40% sekolah di negara berkembang kekurangan konektivitas internet yang memadai, sementara kajian ilmiah yang ada umumnya hanya mengkaji satu teknologi secara terisolasi tidak ada sintesis yang memetakan evolusi infrastruktur teknologi informasi (TI) dan implementasi tujuh teknologi terkini secara bersamaan dalam konteks pendidikan. Penelitian ini bertujuan untuk mengidentifikasi mekanisme kausal keberhasilan transformasi digital pendidikan dan mengembangkan kerangka konseptual integratif yang menghubungkan evolusi infrastruktur TI dengan adopsi simultan tujuh teknologi terkini. Metode penelitian menggunakan systematic literature review (SLR) berpandu PRISMA 2020 terhadap 64 artikel (2020–2025) yang dipilih dari Scopus, Google Scholar, dan Garuda, dengan sintesis tematik berbasis perbandingan kritis temuan yang saling bertentangan antarstudi. Hasil penelitian ini mengidentifikasi dua kontribusi utama: (1) tiga mekanisme kausal yang menjelaskan keberhasilan atau kegagalan transformasi digital pendidikan, yaitu absorptive capacity SDM, komplementaritas infrastruktur, dan tata kelola data; serta (2) pengembangan Model Konseptual Transformasi Digital Pendidikan (MKTDP), yaitu kerangka empat-lapisan pertama yang secara eksplisit mengintegrasikan peta evolusi infrastruktur TI dengan analisis simultan tujuh teknologi terkini (AI, Cloud Computing, LMS, Smart Classroom, IoT, Big Data, dan Cybersecurity) beserta kondisi moderasi dan boundary conditions-nya. Keberhasilan transformasi digital ditentukan oleh sinergi ketiga mekanisme kausal tersebut, bukan oleh kecanggihan teknologi semata. Implikasi penelitian ini mendorong perubahan kebijakan dari pendekatan technology-push ke needs-pull, dengan prioritas pada pemerataan konektivitas internet dan penguatan kompetensi digital guru sebagai prasyarat utama transformasi, khususnya di wilayah 3T Indonesia.
Rancang Bangun Aplikasi Pemesanan Paket Internet Berbasis Web Menggunakan Framework Laravel Ahmad Syukron Ilhami; Rauhulloh Ayatulloh Khomeini Noor Bintang
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2733

Abstract

Tingginya tuntutan masyarakat terhadap kecepatan dan keterbukaan layanan internet mendorong penyedia jasa internet (ISP) untuk mengadopsi digitalisasi operasional melalui sistem informasi berbasis web. Sebagian besar ISP masih mengandalkan proses pemesanan konvensional yang rentan terhadap human error, keterlambatan konfirmasi, dan minimnya transparansi informasi kepada pelanggan. Penelitian ini bertujuan merancang dan membangun aplikasi pemesanan paket internet berbasis web bernama THOMIDE.NET menggunakan framework Laravel. Kebaruan utama penelitian ini terletak pada integrasi notifikasi otomatis melalui Telegram Bot API yang mengirimkan konfirmasi status pesanan secara real-time kepada pelanggan ketika administrator melakukan verifikasi, sebuah pendekatan yang belum ditemukan pada penelitian pengembangan sistem pemesanan ISP sebelumnya. Metode yang digunakan adalah Waterfall dengan tahapan analisis kebutuhan, perancangan, implementasi, pengujian, deployment, dan maintenance. Pengujian fungsionalitas dilakukan menggunakan Black Box Testing yang memverifikasi seluruh fitur utama sistem dinyatakan valid. Pengujian penerimaan pengguna dilakukan melalui User Acceptance Testing (UAT) terhadap 79 responden yang dipilih menggunakan teknik purposive sampling, menghasilkan nilai kelayakan sebesar 89,22% dengan kategori "Sangat Layak". Dimensi akurasi informasi memperoleh skor tertinggi sebesar 92,15%, sementara fitur notifikasi Telegram memperoleh skor 88,35%. Hasil ini mengindikasikan bahwa THOMIDE.NET berpotensi mendukung peningkatan efisiensi administrasi pemesanan dan transparansi layanan ISP berdasarkan penilaian fungsionalitas dan penerimaan pengguna.
Implementasi Metode Man-Hours Pada Sistem Monitoring K3 PT. Foodex Inti Ingredients Berbasis Web Rhendy Diki Nugraha; Wahyu Hadikristanto; Nanang Tedi Kurniadi
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2731

Abstract

PT. Foodex Inti Ingredients menghadapi inefisiensi pemantauan kinerja Keselamatan dan Kesehatan Kerja (K3) akibat pengelolaan data manual, yang memicu tingginya risiko galat dalam perhitungan Safe Man-Hours serta keterlambatan pelaporan insiden. Penelitian ini bertujuan merancang bangun Sistem Informasi Monitoring K3 Berbasis Web guna mengotomatisasi komputasi kinerja K3 dan mendigitalisasi pelaporan insiden. Pengembangan sistem menggunakan metode Prototype yang mencakup pengumpulan kebutuhan, perancangan antarmuka, evaluasi pengguna, pengkodean (PHP dan MySQL), serta pengujian fungsionalitas. Kebaruan penelitian ini terletak pada integrasi algoritma Safe Man-Hours dinamis yang secara otomatis mengecualikan kalender libur nasional dan akhir pekan, serta penyediaan dashboard pemantauan real-time yang komprehensif. Hasil pengujian menunjukkan tingkat keberhasilan sistem sebesar 100% berdasarkan 27 skenario uji Black Box, serta menghasilkan akurasi perhitungan Safe Man-Hours sebesar 100% berdasarkan validasi terhadap data operasional selama 31 hari. Implementasi sistem ini secara efektif menihilkan kesalahan komputasi manual, mempercepat waktu pengisian laporan dari rata-rata 13,5 menit menjadi 2,5 menit, memangkas waktu rekapitulasi dari sekitar 30 menit menjadi kurang dari 2 detik, serta memperoleh tingkat penerimaan pengguna (User Acceptance Test) sebesar 90% dengan kategori sangat layak. Sistem ini berpotensi mendukung transparansi metrik pemantauan untuk pengambilan keputusan manajerial yang lebih objektif.
Model Rekomendasi Konten Edukasi Diabetes pada Instagram dengan Integrasi TF-IDF dan Cosine Similarity berbasis Natural Language Processing Anggita Risqi Nur Clarita; Muhamad Fatchan; Karina Imelda
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2719

Abstract

Meningkatnya prevalensi Diabetes Melitus menuntut penguatan literasi kesehatan digital mandiri. Namun, mayoritas edukasi di Instagram bersifat generalis dan belum tersegmentasi sesuai karakteristik medis pasien. Penelitian ini bertujuan mengembangkan model rekomendasi konten edukasi diabetes personal menggunakan pendekatan Content-Based Filtering. Berbeda dari model pencocokan kata konvensional terdahulu yang gagal menangani tingginya tumpang tindih istilah medis pada teks non-formal, kebaruan penelitian ini terletak pada integrasi knowledge-base terminologi medis hierarkis (Tipe 1, Tipe 2, Umum) yang diselaraskan bersama praktisi kesehatan untuk memandu akurasi pembobotan. Metode yang digunakan meliputi Term Frequency-Inverse Document Frequency (TF-IDF) untuk representasi fitur dan Cosine Similarity untuk mengukur kemiripan leksikal antar-vektor teks. Hasil evaluasi terhadap 75 data uji menunjukkan capaian akurasi klasifikasi back-end sebesar 84% (Interval Kepercayaan 95%: [75,70%, 92,30%]), dengan kualitas urutan pemeringkatan rekomendasi terarah pada nilai rata-rata Precision at 3 (P@3) sebesar 88%. Analisis data empiris mengonfirmasi kesenjangan di lapangan di mana 72,45% konten didominasi materi Umum. Kesimpulannya, model ini menunjukkan potensi performa baik dalam meminimalkan bias prediksi pada dataset terkait, meski masih memiliki keterbatasan overlap kata kunci pada kategori Tipe 2 (Recall 0,76). Pengembangan ke depan memerlukan arsitektur multimodal untuk memproses informasi dari media visual.
Klasifikasi Produk Berdasarkan Performa Penjualan di My Baby Store Menggunakan Decission Tree Uny Khafifah; Zaehol Fatah; Irma Yunita
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2708

Abstract

Pengelolaan stok produk secara efektif merupakan tantangan kritis bagi Usaha Mikro, Kecil, dan Menengah (UMKM) yang masih mengandalkan pencatatan penjualan secara manual. Tanpa sistem analisis data yang memadai, pemilik usaha tidak dapat mengidentifikasi performa tiap produk secara objektif, sehingga keputusan penambahan atau pengurangan stok sepenuhnya bergantung pada intuisi yang berpotensi menimbulkan penumpukan barang tidak laku atau kehabisan stok produk laris. My Baby Store, sebuah UMKM perlengkapan bayi di Pulau Raas, Kabupaten Sumenep, menghadapi masalah serupa selama periode operasionalnya. Penelitian ini bertujuan mengklasifikasikan produk berdasarkan performa penjualan ke dalam tiga kategori: Laris, Kurang Laris, dan Tidak Laris, menggunakan algoritma Decision Tree C4.5 dengan kerangka kerja CRISP-DM. Dataset yang digunakan terdiri dari 116 produk unik yang diperoleh melalui agregasi dari 433 transaksi penjualan selama periode Januari 2024–Juli 2025, dibagi dengan rasio 70:30 untuk proses pelatihan dan pengujian model. Hasil menunjukkan frekuensi transaksi sebagai atribut paling dominan (IG = 0,8113), dengan distribusi 17 produk Laris (14,7%), 11 produk Kurang Laris (9,5%), dan 88 produk Tidak Laris (75,9%). Evaluasi pada 35 data testing menghasilkan akurasi 97,14%, precision 98,81%, recall 88,89%, dan F1-Score 92,73%. Hasil klasifikasi ini memberikan landasan objektif bagi pemilik My Baby Store untuk memprioritaskan pengadaan produk Laris, merancang strategi promosi produk Kurang Laris, dan mengoptimalkan alokasi modal kerja dengan mengevaluasi ulang stok produk Tidak Laris, sehingga pengelolaan persediaan menjadi lebih terstruktur dan keputusan bisnis dapat diambil berbasis data, bukan intuisi semata.
Analisis Jaringan Interaksi Protein pada Stunting Menggunakan Algoritma MCODE Wa Ode Rahma Agus Udaya Manarfa; Helson Hamid; Henny Hamsinar; Fithriah Musadat; Hasrat Hasrat
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2737

Abstract

Stunting merupakan masalah gizi kronis yang berdampak pada pertumbuhan fisik dan perkembangan kognitif anak serta melibatkan mekanisme biologis yang kompleks, termasuk respons imun dan inflamasi kronis. Penelitian ini bertujuan untuk menganalisis jaringan interaksi protein yang berperan dalam stunting menggunakan pendekatan in silico dengan algoritma Molecular Complex Detection (MCODE). Data protein terkait stunting diperoleh dari database STRING, OMIM, dan UniProt, kemudian dianalisis menggunakan implementasi MCODE berbasis Python untuk mengidentifikasi klaster protein dengan kerapatan interaksi tertinggi. Analisis terhadap 58 protein dan 448 interaksi menghasilkan 10 klaster protein, dengan Klaster 2 sebagai klaster utama yang terdiri dari 9 protein, 36 interaksi, dan skor densitas 1,000. Klaster ini didominasi oleh protein sitokin dan kemokin seperti CXCL10, CXCL8, CXCL9, IFNG, IL10, IL17A, IL18, IL1A, dan IL1B yang berperan dalam regulasi respons imun dan inflamasi. Analisis Gene Ontology dan KEGG Pathway mengindikasikan bahwa protein-protein tersebut berkaitan dengan jalur imun dan inflamasi yang relevan dengan mekanisme stunting, sehingga memberikan gambaran awal mengenai mekanisme molekuler stunting berbasis analisis jaringan yang masih memerlukan validasi eksperimental lebih lanjut. Penelitian ini memberikan pemetaan klaster protein terkait stunting menggunakan algoritma MCODE yang dapat menjadi dasar identifikasi biomarker potensial pada penelitian lanjutan.
Segmentasi Pelanggan dan Target Pemasaran (Targeting) Menggunakan Algoritma K-Means Clustering untuk Kampanye Iklan yang Efektif Roswanda Nuraini; Zaenur Rozikin; Suprapto Suprapto
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2742

Abstract

Perkembangan teknologi informasi menyebabkan meningkatnya volume data transaksi pelanggan yang dimiliki perusahaan, namun data tersebut sering kali belum dimanfaatkan secara optimal untuk mendukung pengambilan keputusan pemasaran, khususnya dalam penyusunan rekomendasi strategi targeting yang tepat sasaran. Penelitian ini bertujuan melakukan segmentasi pelanggan berdasarkan perilaku transaksi menggunakan metode Recency, Frequency, Monetary (RFM) dan algoritma K-Means Clustering. Data yang digunakan terdiri atas 5.000 pelanggan dengan 32.295 transaksi. Setelah melalui tahap preprocessing yang meliputi pemeriksaan struktur data, pengecekan missing value, penghapusan duplikasi, filtering dataset, dan transformasi tipe data, diperoleh 3.864 pelanggan dengan 28.009 transaksi. Selanjutnya, pembentukan variabel RFM menghasilkan 3.522 pelanggan yang memenuhi kualifikasi agregasi untuk proses segmentasi. Data kemudian dinormalisasi menggunakan metode Min-Max Scaling. Proses clustering dilakukan menggunakan algoritma K-Means dengan penentuan jumlah cluster menggunakan Elbow Method dan evaluasi menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa empat cluster dipilih dengan nilai Silhouette Score sebesar 0,3787 karena menghasilkan segmentasi yang lebih representatif untuk kebutuhan interpretasi bisnis. Berdasarkan karakteristik nilai centroid RFM, empat segmen yang terbentuk terdiri atas VIP Customer, Loyal Customer, Regular Customer, dan At-Risk Customer. Hasil segmentasi menunjukkan bahwa setiap segmen memiliki karakteristik perilaku transaksi yang berbeda sehingga menghasilkan rekomendasi strategi targeting yang berbeda untuk masing-masing segmen pelanggan. Dengan demikian, hasil penelitian ini dapat menjadi dasar analitis dalam penyusunan rekomendasi strategi targeting yang lebih terarah dan berbasis data serta berpotensi mendukung pengambilan keputusan pemasaran dan upaya mempertahankan pelanggan bernilai tinggi.
Analisis Tingkat Kepuasan Pada Ulasan Game Wuthering Waves Menggunakan Algoritma LSTM (Long Short-Term Memory) Galva Al Godzali; Muhammad Fatchan; Asep Supriyanto
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2714

Abstract

Wuthering Waves merupakan permainan bergenre Action Role-Playing Game (RPG) dunia terbuka yang memperoleh banyak ulasan di Google Play Store. Volume ulasan yang besar membuat analisis manual menjadi tidak efektif dan subjektif. Penelitian terdahulu umumnya menggunakan pendekatan klasifikasi dua kelas sentimen dengan algoritma konvensional. Penelitian ini bertujuan mengklasifikasikan ulasan pemain game Wuthering Waves dari Google Play Store ke dalam tiga kategori sentimen (positif, netral, dan negatif) untuk menganalisis tingkat kepuasan pemain serta mengidentifikasi pola keluhan utama secara sistematis. Metode penelitian yang digunakan adalah pendekatan data mining berbasis deep learning dengan menerapkan algoritma Long Short-Term Memory (LSTM). Data penelitian diperoleh melalui proses crawling pada periode 1 September 2025 hingga 14 Januari 2026. Dari 3.600 ulasan yang dikumpulkan, proses preprocessing menghasilkan 3.205 data unik. Pengujian dan pembagian dataset dilakukan menggunakan metode Stratified K-Fold Cross Validation. Evaluasi model menunjukkan bahwa algoritma LSTM mencapai rata-rata akurasi sebesar 83,15%, presisi 81,77%, recall 78,95%, dan F1-score 79,06%, yang menunjukkan performa stabil dalam klasifikasi sentimen multikelas. Hasil visualisasi WordCloud mengungkap pola keluhan pengguna, terutama terkait kendala optimasi sistem seperti lag dan force close serta belum tersedianya lokalisasi Bahasa Indonesia. Penelitian ini membuktikan bahwa algoritma LSTM efektif dalam mengenali konteks dan hubungan jangka panjang antar kata. Hasil penelitian memberikan informasi bagi pengembang sebagai bahan evaluasi peningkatan kualitas permainan.
Perencanaan Strategis Sistem Informasi pada PT Payung Samudra dengan Metode Anita Cassidy Fery Setiawan; Arif Yulianto
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2715

Abstract

Proses administrasi yang masih dilakukan secara manual, belum terintegrasinya data operasional dan keuangan, keterbatasan penyediaan informasi secara real-time, serta tingginya risiko kesalahan perhitungan demurrage menjadi kendala utama dalam pengelolaan Sistem Informasi dan Teknologi Informasi (SI/TI) di PT Payung Samudra. Penelitian ini bertujuan menyusun perencanaan strategis SI/TI yang selaras dengan kebutuhan bisnis perusahaan menggunakan metode Anita Cassidy. Penelitian menerapkan pendekatan kualitatif dengan desain studi kasus. Data dikumpulkan melalui observasi, wawancara, dan dokumentasi, kemudian dianalisis menggunakan empat tahapan metode Anita Cassidy, yaitu Visioning, Analysis, Direction, dan Recommendation. Hasil penelitian menghasilkan rekomendasi pengembangan Sistem Integrasi Operasional dan Keuangan, Executive Dashboard Tracking Armada, serta Cloud Database Terpusat sebagai fondasi integrasi data perusahaan. Selain itu, dirancang arsitektur SI/TI berbasis cloud yang mengintegrasikan data operasional kapal, keuangan, GPS tracking, dan aplikasi eksternal seperti Inaportnet, Simlala, dan Maritim Hub. Roadmap implementasi disusun dalam tiga tahap, yaitu pembangunan Cloud Database dan Sistem Kalkulator Demurrage, implementasi Sistem Integrasi Operasional dan Keuangan, serta pengembangan Executive Dashboard, Tracking Armada, dan Mobile Customer Service. Temuan penelitian menunjukkan bahwa metode Anita Cassidy mampu menghasilkan perencanaan strategis SI/TI yang sistematis, terstruktur, dan selaras dengan tujuan bisnis perusahaan. Penelitian ini memberikan implikasi praktis sebagai acuan transformasi digital berbasis integrasi sistem dan teknologi *cloud* pada perusahaan transportasi laut serta memperluas penerapan metode Anita Cassidy dalam perencanaan strategis SI/TI di sektor maritim.
Sistem Akuisisi Data Debit Air Sungai Berbasis IoT Menggunakan Sensor Aliran Air dengan Random Forest Regression dan XGBoost Regression Ery Muchyar Hasiri; Helson Hamid; Asniati Asniati
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2686

Abstract

Pemantauan debit air sungai merupakan komponen kritis dalam sistem peringatan dini banjir dan pengelolaan sumber daya air. Penelitian ini merancang dan mengimplementasikan sistem akuisisi data debit air sungai berbasis Internet of Things (IoT) menggunakan sensor aliran air YF-S201 yang terintegrasi dengan mikrokontroler ESP32, serta menerapkan dua algoritma regresi machine learning, yaitu Random Forest Regression (RF) dan XGBoost Regression (XGB), untuk memprediksi debit satu langkah ke depan. Dataset yang digunakan terdiri dari 1.488 rekaman dengan interval 30 menit sepanjang bulan Juli 2025, mencakup variabel FlowRate, Velocity, WaterLevel, DebitRiver, Rainfall, Temperature, serta fitur temporal dan fitur lag. Data dibagi secara kronologis menjadi tiga subset: pelatihan (70%, n = 1.042), validasi (15%, n = 223), dan uji (15%, n = 222). Hasil evaluasi menunjukkan bahwa XGBoost Regression mencapai kinerja yang lebih unggul dengan nilai MAE = 0,1692 m³/s, RMSE = 0,3429 m³/s, MAPE = 5,15%, dan R² = 0,9924 dibandingkan dengan Random Forest dengan MAE = 0,1791 m³/s, RMSE = 0,3498 m³/s, MAPE = 5,58%, dan R² = 0,9921. Kedua model menunjukkan akurasi tinggi (R² 0,99), dengan 82,9–85,6% prediksi menghasilkan absolute error di bawah 0,25 m³/s. XGBoost memberikan prediksi yang lebih presisi pada kondisi normal hingga sedang, sementara keduanya mengalami peningkatan error pada debit puncak ekstrem ( 10 m³/s). Sistem ini berpotensi menjadi infrastruktur dasar pemantauan sungai secara cerdas dan terotomasi untuk mendukung sistem peringatan dini banjir.

Page 20 of 21 | Total Record : 202

 17   18   19   20   21 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol 15, No 1 (2026): Jurnal Informatika Vol 14, No 2 (2025): Jurnal Informatika Vol 14, No 1 (2025): Jurnal Informatika Vol 13, No 2 (2024): Jurnal Informatika Vol 13, No 1 (2024): Jurnal Informatika Vol 12, No 2 (2023): Jurnal Informatika Vol 12, No 1 (2023): Jurnal Informatika Vol 11, No 2 (2022): Jurnal informatika Vol 11, No 1 (2022): JURNAL INFORMATIKA Vol 10, No 2 (2021): JURNAL INFORMATIKA Vol 10, No 1 (2021): JURNAL INFORMATIKA Vol 8, No 1 (2019): JURNAL INFORMATIKA Vol 9, No 1 (2018): JURNAL INFORMATIKA Vol 7, No 2 (2018): Jurnal Informatika Vol 7, No 2 (2018): Jurnal Informatika Vol 7, No 1 (2018): JURNAL INFORMATIKA Vol 7, No 1 (2018): JURNAL INFORMATIKA Vol 6, No 2 (2017): Jurnal Informatika Vol 6, No 2 (2017): Jurnal Informatika Vol 6, No 1 (2017): Jurnal Informatika Vol 6, No 1 (2017): Jurnal Informatika Vol 6, No 2 (2016): JURNAL INFORMATIKA Vol 5, No 2 (2016): JURNAL INFORMATIKA Vol 5, No 2 (2016): JURNAL INFORMATIKA Vol 5, No 1 (2016): JURNAL INFORMATIKA Vol 5, No 1 (2016): JURNAL INFORMATIKA More Issue