cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wagino
Contact Email
ginouniska@gmail.com
Phone
-
Journal Mail Official
ginouniska@gmail.com
Editorial Address
-
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
Technologia: Jurnal Ilmiah
Published by Universitas Islam Kalimantan Muhammad Arsyad Al Banjari
ISSN : 20866917     EISSN : 26568047     DOI : -
Core Subject : Science,
Computer Science & IT
Technologia: Jurnal Ilmiah adalah wadah informasi, hasil penelitian, dan tulisan terkait bidang Teknik Informatika dan Sistem Informasi yang dikelola oleh Fakultas Teknologi Informasi Universitas Islam Kalimantan Muhammad Arsyad Al Banjari. Frekuensi terbitan pada jurnal ini 4 kali dalam setahun yaitu pada bulan Januari, April, Juli, dan Oktober.
Arjuna Subject : -
Articles 946 Documents
 81   82   83   84   85 
Penerapan Metode Simple Addictive Weighting (SAW) untuk Penentuan Lokasi Tempat Fitness Kevin Septianzah; Imam Himawan; Maftuhin Maftuhin
Technologia : Jurnal Ilmiah Vol 15 No 4 (2024): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i4.15817

Abstract

Solusi untuk melebarkan bisnis sewa alat olahraga atau fitness dalam pelaku usaha ingin memperoleh pendapatan, sehingga perputaran modal kembali dapat dikatakan capaian keberhasilan. Penelitian ini membantu pelaku usaha dalam pengambilan keputusan untuk mengembangkan usaha. Metode yang digunakan Simple Additive Weighting, dengan memformulasikan kriteria terindentifikasi melewati proses perhitungan yang menghasilkan informasi rekomendasi berdasarkan hasil kriteria, penelitian selanjutnya perhitungan sistem ini dikembangkan untuk dikonversikan bentuk aplikasi yang berbasis visual.
Penerapan Gaussian Naive Bayes dan Analisis Komponen Utama dalam Klasifikasi Diabetes Galih Mahalisa; Nur Arminarahmah
Technologia : Jurnal Ilmiah Vol 16 No 2 (2025): Technologia (April)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v16i2.15942

Abstract

Klasifikasi yang akurat terhadap penyakit diabetes sangat penting untuk deteksi dini dan perencanaan pengobatan. Pembelajaran mesin menawarkan solusi yang menjanjikan untuk masalah ini, namun pemilihan metode yang tepat sangatlah penting. Penelitian ini mengevaluasi efektivitas penggunaan Gaussian Naive Bayes (GNB) dengan Analisis Komponen Utama (PCA) dalam klasifikasi diabetes. Tujuan utama adalah untuk menilai apakah PCA dapat meningkatkan kinerja model GNB. Hasil penelitian menunjukkan bahwa PCA tidak secara signifikan meningkatkan akurasi klasifikasi diabetes menggunakan GNB. Bahkan, model tanpa PCA menunjukkan kinerja yang sedikit lebih baik. Hal ini mengindikasikan bahwa PCA mungkin tidak cocok untuk semua kasus klasifikasi diabetes menggunakan GNB. Faktor-faktor seperti karakteristik data dan pemilihan hiperparameter dapat mempengaruhi efektivitas PCA. Penelitian lebih lanjut dapat mengeksplorasi metode reduksi dimensi atau algoritma pembelajaran mesin lainnya.
Naive Bayes Classifier Untuk Deteksi Email Spam Mayang Sari; Galih Mahalisa
Technologia : Jurnal Ilmiah Vol 15 No 4 (2024): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i4.15944

Abstract

Seiring dengan semakin maraknya penggunaan email, masalah spam menjadi semakin serius. Email spam tidak hanya mengganggu produktivitas pengguna, tetapi juga dapat mengandung malware atau phising yang membahayakan. Penelitian ini bertujuan untuk membangun model klasifikasi yang akurat untuk mendeteksi email spam menggunakan algoritma Naive Bayes. Dataset ini yang bersifat publik digunakan sebagai data latih dan uji. Proses preprocessing dilakukan dengan tahap tokenisasi, penghapusan stop word, dan stemming. Ekstraksi fitur dilakukan menggunakan n-gram (unigram dan bigram) untuk menangkap pola kata yang berurutan. Model Naive Bayes Multinomial dipilih karena kesederhanaannya dan efektifitasnya dalam menangani data teks. Hasil evaluasi menunjukkan bahwa model yang dibangun mampu mencapai akurasi sebesar 97% dalam mengklasifikasikan email sebagai spam atau non-spam. Visualisasi confusion matrix mengindikasikan bahwa model cenderung salah mengklasifikasikan email yang mengandung kata-kata teknis atau istilah yang tidak umum sebagai spam. Penelitian ini menyimpulkan bahwa algoritma Naive Bayes dapat menjadi pilihan yang baik untuk deteksi email spam, namun perlu dilakukan penelitian lebih lanjut untuk mengatasi tantangan seperti evolusi teknik spammer dan ketidakseimbangan data.
Analisis Prediktif Dan Preprocessing Untuk Kualitas Buah Apel Pendekatan Machine Learning Indu Indah Purnomo; Gita Ayu Syafarina
Technologia : Jurnal Ilmiah Vol 15 No 4 (2024): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i4.15945

Abstract

Peningkatan prediksi kualitas buah apel melalui pendekatan machine learning dan analisis prediktif. Dengan menggunakan dataset yang mencakup berbagai variabel-variabel tersebut mencakup ukuran, berat, kemanisan, garing, juicy, kematangan, keasaman, dan kualitas sebagai variabel target. Penelitian ini berupaya memanfaatkan teknologi machine learning sebagai solusinya. Melalui pengumpulan data yang komprehensif mengenai berbagai karakteristik fisik dan kimia buah apel, serta penerapan berbagai algoritma klasifikasi seperti K-Nearest Neighbors, Random Forest, dan Extra Gradient Boosting, penelitian ini berhasil membangun model prediksi yang efektif. Setelah mengumpulkan dan memproses data yang relevan, berbagai algoritma klasifikasi, termasuk K-Nearest Neighbors, Random Forest, Decision Tree, Extra Trees Classifier, dan Extra Gradient Boosting, telah diterapkan untuk membangun model. Hasil evaluasi menunjukkan bahwa algoritma K-Nearest Neighbors memberikan akurasi tertinggi dalam memprediksi kualitas apel, yaitu 91,375%. Hal ini mengindikasikan bahwa model mampu mengidentifikasi pola yang kuat antara karakteristik fisik dan kimia buah apel dengan kualitasnya. Algoritma ensemble seperti Extra Gradient Boosting dan Extra Trees Classifier juga menunjukkan kinerja yang sangat baik. Nilai AUC yang tinggi menandakan kemampuan model dalam membedakan kelas dengan akurat. Dengan demikian, penelitian ini menjadi landasan untuk pengembangan lebih lanjut dalam memanfaatkan potensi machine learning dalam meningkatkan produktivitas dan kualitas hasil pertanian.
Aplikasi Analisis Prevalensi Stunting Berdasarkan Survei Kesejahteraan Rakyat Di Kalimantan Selatan Adani Dharmawati; Hayati Noor; Rezky Izzatul Yazidah Anwar
Technologia : Jurnal Ilmiah Vol 15 No 4 (2024): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i4.15951

Abstract

Berdasarkan data Survei Status Gizi Indonesia (SSGI) tahun 2022, prevalensi stunting di Kalimantan Selatan sebesar 24,6%. Angka ini menunjukkan bahwa Kalimantan Selatan masih tergolong dalam zona merah. Oleh karena itu, salah satu upaya yang dapat dilakukan yaitu dengan membuat aplikasi yang mampu menganalisa data-data yang ada di survey kesejahteraan rakyat tersebut terhadap angka prevalensi stunting. Data pada penelitian ini didapat dari publikasi Statistik Kesejahteraan Rakyat Provinsi Kalimantan Selatan Tahun 2022 yang dilakukan oleh Badan Pusat Statistik (BPS) setiap tahun untuk mengukur tingkat kesejahteraan rakyat Indonesia yang dapat digunakan sebagai masukan bagi perencanaan dan evaluasi pembangunan. Dikarenakan hal tersebut, maka penelitian ini membuat aplikasi yang mampu menganalisa data-data yang ada di survey kesejahteraan rakyat tersebut terhadap angka prevalensi stunting. Dengan adanya aplikasi ini maka akan dengan mudah menganalisa variabel variabel apa saja yang berpengaruh besar terhadap prevalensi stunting, serta mamp nku membuat prediksi awal yang diharapkan akan menjadi dasar untuk pengembangan intervensi dan kebijakan yang efektif dalam menurunkan angka stunting di Kalimantan Selatan.Kata Kunci:  analisis, stunting, kesejahteraan
Pengklasifikasian masyarakat pra sejahtera dengan mengimplementasikan algoritma k-nearest neighbor (KNN) di kelurahan antasan besar Ibrahim Ibrahim; Fitrah Yuridka
Technologia : Jurnal Ilmiah Vol 15 No 4 (2024): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i4.16077

Abstract

Setiap kecamatan di Provinsi Kalimantan Selatan dapat mengelola dana bantuan dari pemerintah, Masyarakat Pra Sejahtera merupakan permasalah yang sangat umum yang terdapat di seluruh bagian negara indonesia bahkan dunia, beberapa indikator nya berupa dari rendahnya pendidikan, pendapatan keluarga, kesehatan serta taraf hidup masyarakat. Masyarakat pra sejahtera juga merupakan faktor penghambat seseorang untuk mendapatkan kehidupan yang layak. Banyak kesukaran mengolah data selama ini yaitu menentukan penduduk Pra sejahtera yang menjadi penerima bantuan di antara sekian banyak data penduduk Pra sejahtera di kelurahan antasan besar, Kesulitan itu muncul akibat banyaknya jumlah penduduk pra sejahtera di setiap desa atau kelurahan, yang harus mempertimbangkan banyak faktor seperti pendapatan rata rata perbulan , Anggota keluarga yang masih sekolah, status kepemilikan rumah yang di tinggali,  jumlah orang dalam suatu rumah tangga. Dari persoalan di atas data mining menggunakan proses clustering dengan algoritma KNN sangat tepat digunakan untuk memprediksi masyarakat apakah tergolong miskin atau tidak di kelurahan Antasan Besar, Data set masyarakat yang diuji sebanyak 192 KK penerima bantuan yang ada di kelurahan Antasan Besar,  dan dari hasil pengolahan data masyarkat yang ada di kelurahan Antasan Besar dengan menggunakan rapid miner didapat hasil sebagai berikut, total data prediksi masyarakat miskin sebanyak 162 KK, dan sebanyak 30 KK di perdiksi tidak miskin.
Pemetaan Daerah Potensi Rawan Kebakaran Hutan Dan Lahan Menggunakan Sistem Informasi Geografis (SIG) Di Kecamatan Kota Waingapu Kabupaten Sumba Timur Umbu Djima; Jehunias Leonidas Tanesib
Technologia : Jurnal Ilmiah Vol 15 No 4 (2024): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i4.16087

Abstract

Telah dilakukan pemetaan daerah potensi rawan kebakaran hutan dan lahan di Kecamatan Kota Waingapu Kabupaten Sumba Timur menggunakan sistem informasi geografis. Penelitian ini bertujuan memetakan daerah potensi rawan kebakaran hutan dan lahan serta mengklasifikasikan tingkat kerawanan di Kecamatan Kota Waingapu. Diperoleh parameter curah hujan memiliki nilai 963 mm/tahun (rendah), tutupan lahan yang didominasi oleh padang rumput dengan luas 8586,09 Ha; jenis tanah yang didominasi oleh Kambisol Eutrik dengan luas 10609,83 Ha; dan titik api didominasi oleh titik api dengan tingkat kepercayaan sedang sebanyak 53 titik. Proses analisis menggunakan metode overlay dari nilai skoring dan bobot untuk setiap parameter. Hasil penelitian menunjukkan bahwa tingkat potensi rawan kebakaran hutan dan lahan di Kecamatan Kota Waingapu memiliki tingkat potensi rawan yang tinggi dengan luas 10002,37 Ha; sedang dengan luas 5133,39 Ha; dan rendah dengan luas 4610,55 Ha. Selanjutnya diketahui untuk perbandingan kesesuaian titik api berdasarkan tingkat kepercayaan terhadap tingkat potensi rawan kebakaran hutan dan lahan, diperoleh 23 titik api yang sesuai dan 50 titik api yang tidak sesuai. Untuk titik area yang terbakar dan jika didasarkan pada peta potensi rawan kebakaran hutan dan lahan yang dianalisis dapat diketahui bahwa terdapat 7 titik area yang telah terbakar merupakan daerah dengan potensi rawan yang tinggi.
SISTEM INFORMASI PELAYANAN SPKT BERBASIS WEB MOBILE DALAM MENINGKATKAN KETERJANGKAUAN PENGGUNA ( STUDY KASUS : POLSEK PRINGSEWU ) Elisabet Yunaeti Anggraeni; Suyono Suyono; Novita Dewi Setiyanto
Technologia : Jurnal Ilmiah Vol 15 No 4 (2024): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i4.16093

Abstract

Perkembangan teknologi sistem informasi yang pesat  dan hal ini mendorong masyarakat untuk memanfaatkan teknologi informasi tersebut. Sistem informasi sangat diperlukan untuk mempermudah pekerjaan manusia dalam melakukan berbagai aktivitas, tidak terkecuali dalam bidang kepolisian. Salah satu unit atau fungsi POLRI adalah Sentra Pelayanan Kepolisian Terpadu (SPKT) yang memberikan layanan kepada masyarakat, hal ini berupa penerimaan laporan dan pengaduan yang disampaikan oleh masyarakat, seperti laporan kehilangan,laporan tindak pidana, atau juga penyelesaian sengketa antar warga. Peneliti melakukan wawancara pada petugas layanan SPKT di kantor Polsek Pringsewu yang masih menggunakan sistem konvensional atau manual, dimana kekurangan dari sistem ini  yakni pada saat proses berlangsung membutuhkan waktu yang cukup lama, memungkinkan  terjadi kesalahan dalam pencatatan dan keterlambatan dalam pencarian data yang diperlukan STTLP (Surat Tanda Terima Laporan Polisi)). Pada penelitian ini menggunakan metode SDLC dalam melakukan pengembangan sistem nya, dan menggunakan metode wawancara dan dokumentasi. Hasil dari penelitian ini adalah sistem SPKT (Sentra Pelayanan Kepolisian Terpadu) sudah terkomputerisasi, petugas bisa mendapatkan data pemohon dengan mudah dan pengarsipan lebih efektif, sementara kemudahan untuk pemohon yaitu bisa mendapatkan informasi tentang pengaduan dengan jelas, dan pemohon tidak harus antri untuk membuat STTLP karena pengisian formulir dan persyatan dilakukan secara online bisa dimana saja. Kata kunci : Sistem Informasi, SPKT (Sentra Pelayanan Kepolisian Terpadu), STTLP (Surat Tanda Terima Laporan Polisi)
Dampak implementasi artificial intelligence terhadap proses bisnis dan pengambilan keputusan di perusahaan teknologi Sonianto Sonianto; Fatoni Fatoni; Susilo Hartono
Technologia : Jurnal Ilmiah Vol 15 No 4 (2024): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i4.16138

Abstract

Penelitian ini bertujuan untuk mengkaji dampak implementasi Artificial Intelligence (AI) terhadap proses bisnis dan pengambilan keputusan di perusahaan teknologi. Dalam era digital saat ini, AI telah menjadi salah satu teknologi yang paling revolusioner, memberikan kemampuan untuk mengolah data secara cepat dan akurat, serta menghasilkan wawasan yang berharga bagi pengambilan keputusan strategis. Studi ini menggunakan metode kualitatif dengan pendekatan studi kasus pada beberapa perusahaan teknologi. Hasil penelitian menunjukkan bahwa implementasi AI memiliki dampak signifikan terhadap efisiensi operasional, peningkatan produktivitas, dan pengurangan biaya operasional. AI membantu dalam otomatisasi tugas-tugas rutin, analisis data besar, dan prediksi tren pasar, sehingga memungkinkan perusahaan untuk membuat keputusan yang lebih cepat dan tepat. Selain itu, AI juga memainkan peran penting dalam pengembangan produk dan layanan baru, serta meningkatkan kepuasan pelanggan melalui personalisasi pengalaman pengguna. Namun, penelitian ini juga menemukan beberapa tantangan dalam implementasi AI, seperti kebutuhan akan investasi yang besar, perubahan budaya organisasi, dan isu etika terkait penggunaan data. Untuk mengatasi tantangan ini, perusahaan perlu mengembangkan strategi implementasi AI yang komprehensif, melibatkan pelatihan karyawan, dan memastikan kepatuhan terhadap regulasi data.
Sistem Antrian Online Pelayanan Jasa Pada Don Jon’s Babershop Berbasis Web Sarika Afrizal; Andhi Nursahara
Technologia : Jurnal Ilmiah Vol 15 No 4 (2024): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i4.16189

Abstract

Barbershop modern menjadi pilihan populer bagi pria dalam merawat rambut mereka. Namun, meskipun menawarkan layanan yang lebih komprehensif dan fasilitas yang lebih baik, seperti Don Jon's Barbershop, waktu tunggu yang panjang masih menjadi masalah. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem antrian online pada Don Jon's Barbershop. Sistem ini diharapkan dapat meningkatkan efisiensi dan kualitas layanan Pelanggan dengan memungkinkan Pelanggan untuk memesan waktu potong rambut secara online dan menghindari waktu tunggu yang panjang. Metode pengumpulan data, analisis kebutuhan sistem, perancangan sistem, dan implementasi sistem digunakan dalam penelitian ini untuk mencapai tujuan tersebut. Hasil dari penelitian ini diharapkan dapat memberikan manfaat bagi berbagai pihak. Bagi Pelanggan, sistem antrian online akan memberikan kemudahan dalam memesan layanan dan mengurangi waktu tunggu. Bagi Don Jon's Barbershop, sistem ini akan meningkatkan efisiensi operasional dan kualitas layanan, serta membantu dalam mengelola jadwal pelayanan Pelanggan. Dengan demikian, sistem antrian online di Don Jon's Barbershop diharapkan dapat menjadi solusi yang efektif dalam mengatasi tantangan waktu tunggu yang panjang dan meningkatkan pengalaman Pelanggan secara keseluruhan.

Page 83 of 95 | Total Record : 946

 81   82   83   84   85 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol 17 No 3 (2026): Technologia (Juli) Vol 17, No 2 (2026): Technologia (April) Vol 17 No 2 (2026): Technologia (April) Vol 17 No 1 (2026): Technologia (Januari) Vol 17, No 1 (2026): Technologia (Januari) Vol 16 No 4 (2025): Technologia (Oktober) Vol 16 No 3 (2025): Technologia (Juli) Vol 16 No 2 (2025): Technologia (April) Vol 16, No 2 (2025): Technologia (April) Vol 16, No 1 (2025): TECHNOLOGIA (JANUARI) Vol 16 No 1 (2025): Technologia (Januari) Vol 15, No 4 (2024): Technologia (Oktober) Vol 15 No 4 (2024): Technologia (Oktober) Vol 15 No 3 (2024): Technologia (Juli) Vol 15, No 3 (2024): Technologia (Juli) Vol 15, No 2 (2024): Technologia (April) Vol 15 No 2 (2024): Technologia (April) Vol 15, No 1 (2024): Technologia (Januari) Vol 15 No 1 (2024): Technologia (Januari) Vol 14 No 4 (2023): Technologia (Oktober) Vol 14, No 4 (2023): Technologia (Oktober) Vol 14 No 3 (2023): Technologia (Juli) Vol 14, No 3 (2023): Technologia (Juli) Vol 14, No 2 (2023): Technologia (April) Vol 14 No 2 (2023): Technologia (April) Vol 14, No 1 (2023): Technologia (Januari) Vol 13, No 4 (2022): Technologia (Oktober) Vol 13, No 3 (2022): Technologia (Juli) Vol 13, No 2 (2022): Technologia (April) Vol 13 No 2 (2022): Technologia (April) Vol 13, No 1 (2022): Technologia (Januari) Vol 12, No 4 (2021): Technologia (Oktober) Vol 12, No 3 (2021): Technologia (Juli) Vol 12, No 2 (2021): Technologia (April) Vol 12, No 1 (2021): Technologia (Januari) Vol 11, No 4 (2020): Technologia (Oktober) Vol 11 No 3 (2020): Technologia (Juli) Vol 11, No 3 (2020): Technologia (Juli) Vol 11, No 2 (2020): Technologia (April) Vol 11, No 1 (2020): Technologia (Januari) Vol 10, No 4 (2019): TECHNOLOGIA(OKTOBER) Vol 10, No 4 (2019): TECHNOLOGIA (OKTOBER) Vol 10, No 3 (2019): TECHNOLOGIA (JULI) Vol 10, No 2 (2019): TECHNOLOGIA (APRIL) Vol 10, No 1 (2019): TECHNOLOGIA (JANUARI) Vol 9, No 4 (2018): TECHNOLOGIA Vol 9, No 3 (2018): TECHNOLOGIA Vol 9, No 2 (2018): TECHNOLOGIA Vol 9, No 1 (2018): TECHNOLOGIA Vol 8, No 4 (2017): TECHNOLOGIA Vol 8, No 3 (2017): TECHNOLOGIA Vol 8, No 2 (2017): TECHNOLOGIA Vol 8, No 1 (2017): TECHNOLOGIA Vol 7, No 4 (2016): TECHNOLOGIA Vol 7, No 3 (2016): TECHNOLOGIA Vol 7, No 2 (2016): TECHNOLOGIA Vol 7, No 1 (2016): TECHNOLOGIA More Issue