cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Joseph Dedy Irawan
Contact Email
joseph@lecturer.itn.ac.id
Phone
+62811367463
Journal Mail Official
joseph@lecturer.itn.ac.id
Editorial Address
Jl. Raya Karanglo Km. 2 Malang
Location
Kota malang,
Jawa timur
INDONESIA
JATI (Jurnal Mahasiswa Teknik Informatika)
Published by Institut Teknologi Nasional Malang
ISSN : -     EISSN : 2598828X     DOI : -
Core Subject : Science,
Computer Science & IT
Adalah jurnal mahasiswa yang diterbitkan oleh Teknik Informatika Institut Teknologi Nasional Malang, sebagai media publikasi hasil Skripsi Mahasiswa Teknik Informatika ke khalayak luas, diterbitkan secara berkala 6 kali setahun pada bulan Februari, April, Juni, Agustus, Oktober, Desember.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 3,835 Documents
 136   137   138   139   140 
ALGORITMA NAÏVE BAYES UNTUK MELAKUKAN ANALISA SENTIMEN TERHADAP APLIKASI AXISNET DI GOOGLE PLAY Saropah, Siti; Astuti, Rini; M. Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8176

Abstract

Teknologi yang semakin berkembang pesat membuat penyedia layanan internet seperti AXIS menyediakan aplikasi bernama AXISnet yang menjanjikan kemudahan bagi para konsumennya untuk melakukan transaksi pembelian pulsa, kuota internet, dan layanan lainnya. Tentu saja, pelanggan AXIS akan merasakan kemudahan dalam bertransaksi dengan menggunakan aplikasi layanan resmi AXIS tersebut. Ulasan pengguna memiliki peran yang signifikan dalam mengarahkan upaya pengembangan untuk meningkatkan performa aplikasi. Melakukan analisis sentimen terhadap sebuah aplikasi merupakan salah satu teknik untuk menilai keberhasilannya. AXISnet merupakan salah satu aplikasi dengan tingkat penggunaan dan jumlah unduhan yang tinggi di google play. Dengan begitu, terdapat banyak ulasan yang tidak terorganisir di Google Play dan menghasilkan jumlah data sentimen yang sangat besar dan rumit. Namun demikian, memproses data ulasan dalam jumlah yang sangat besar secara manual akan menjadi sebuah tantangan. Dengan menggunakan teknik web scraping untuk mengambil data, penelitian ini bermaksud untuk meneliti sentimen pengguna aplikasi AXISnet di Google Play. Data yang telah terkumpul dari bulan bulan Mei hingga Agustus 2023 akan digunakan sebagai sumber data. Data yang digunakan adalah 1000 ulasan aplikasi AXISnet, dengan 122 sentimen positif dan 878 negatif. Hasil klasifikasi sentimen menggunakan algoritma Naive Bayes dengan menggunakan split data 9:1, didapatkan hasil accuracy 96.24% precision 99.88% dan recall sebesar 92.60%.
ANALISIS SENTIMEN ULASAN INSTAGRAM DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES Surya Sayogo, Dhodi; Irawan, Bambang; Bahtiar, Agus
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8178

Abstract

Instagram sebuah platform media sosial yang populer, telah mengubah lanskap komunikasi dan interaksi sosial dalam era digital. Dalam abstrak ini, menyelidiki perkembangan, dampak, dan peran Instagram dalam kehidupan sehari-hari penggunanya. Instagram, yang diluncurkan pada tahun 2010, fokus pada berbagi foto dan video dengan berbagai filter kreatif, memberikan pengguna kemampuan untuk mengekspresikan diri secara visual. Teknik crawling untuk mengumpulkan ulasan aplikasi dari Google Play Store dengan metode klasifikasi Naïve Bayes untuk menganalisis sentimen ulasan. Metode klasifikasi Naïve Bayes digunakan untuk mengklasifikasikan ulasan sebagai positif dan negatif berdasarkan bahasa dan kata-kata yang digunakan dalam ulasan tersebut. Analisis sentimen adalah bidang yang berkembang pesat dalam pengolahan bahasa alami dan data mining. Ini melibatkan pengidentifikasian dan klasifikasi opini, perasaan, atau sentimen yang terkandung dalam teks, sering kali dengan tujuan memahami pandangan atau reaksi publik terhadap berbagai topik, produk, atau layanan. Dalam abstrak ini, Tujuan penelitian ini adalah untuk menganalisis ulasan user terhadap Instagram yang berada di Google Play Store. Metode yang digunakan dalam penelitian ini menggunakan teknik Naïve Bayes. Dataset berisi tentang ulasan mengenai aplikasi instagram di Google Play Store sebanyak 1100 dataset. Hasil penelitian ini menunjukkan accuracy 89%, precision 90% dan recall 98%.
PENERAPAN ALGORITMA K-MEANS CLUSTERING PADA PEMBESARAN JENIS IKAN UNGGULAN DI PROVINSI JAWA BARAT Setiadi, Dede; Irawan, Bambang; Bahtiar, Agus
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8179

Abstract

Indonesia sebagai negara kepulauan yang besar, memiliki perairan yang lebih luas dibandingkan dengan daratannya. Karena ukuran perairannya yang besar, Indonesia memiliki potensi yang besar dalam produksi budidaya perikanan, terutama untuk meningkatkan pertumbuhan jenis ikan unggulan. Penelitian ini bertujuan untuk menerapkan metode data mining dengan menggunakan algoritma K-Means clustering. Data produksi perikanan tahun 2020 akan digunakan sebagai sumber data untuk penelitian ini. Data diambil berasal dari Open Data Jabar (ODJ). Data mining diterapkan untuk menganalisis data produksi budidaya pembesaran dari masing-masing jenis ikan unggulan di Provinsi Jawa Barat. Metode yang digunakan dalam penelitian ini adalah Knowledge Discovery and Data Mining (KDD) yang merupakan salah satu metode yang paling populer dalam data mining. Langkah pertama dalam penelitian ini adalah pengumpulan dan persiapan data, data produksi perikanan budidaya pembesaran akan dikumpulkan dari sumber yang relevan. Dengan menggunakan algoritma K-Means, pengelompokkan produksi perikanan budidaya pembesaran jenis ikan unggulan dapat diidentifikasi. Misalnya, dibagi menjadi 5 cluster, cluster 1 (C1), cluster 2 (C2), cluster 3 (C3), cluster 4 (C4), dan cluster 5 (C5). Hasil penelitian ini yaitu cluster 0: 63 item, cluster 1: 9 item, cluster 2: 64 item, cluster 3: 93 item, cluster 4: 1 item.items. Klaster dengan pertumbuhan ikan sangat cepat berada di cluster 2 yaitu jenis ikan lele, patin, sepat siam, udang krosok, udang windu, udang danau, rumput laut, kepiting bakau sedangkan pertumbuhan ikan yang sangat lambat ada di cluster 1 yaitu jenis ikan tambakan.
OPTIMASI PENJUALAN DESAIN ELEMEN DALAM MICROSTOCK DENGAN METODE ALGORITMA C4.5 Hermawan, Eman; Irawan, Bambang; Bahtiar, Agus; Kaslani, Kaslani
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8183

Abstract

Microstock merupakan salah satu platform jual beli jasa profesional yang jasa atau produknya umum nya dalam bentuk digital. Microstock menjadi wadah bagi para desainer grafis maupun konten creator untuk bekerja secara freelance. Dalam industri kreatif, memahami pola penjualan dan preferensi pelanggan terhadap berbagai elemen desain sangat penting untuk meningkatkan efisiensi dan keuntungan. Analisa diperlukan untuk melihat pola dari data penjualan sehingga dapat menghasilkan prediksi penjualan Element design yang nantinya akan berguna untuk pendistribusian Stock Design. dengan menerapkan metode klasifikasi pada data penjualan Element Design dalam platform microstock. Ini akan membantu Contributor microstock dalam menyusun strategi pemasaran yang lebih tepat sasaran, meningkatkan kepuasan pelanggan, dan mengoptimalkan pendapatan. Selain itu, penelitian ini juga dapat memberikan wawasan tentang tren desain yang sedang naik daun dan membantu contributor untuk menghasilkan konten yang lebih diharapkan dengan kesesuaian permintaan pasar. Maka dilakukan Data Mining dengan menggunakan algoritma C4.5 dengan prosesnya menggunakan langkah pada KDD (Knowledge Discovery in Databases). Yang diharapkan dapat memberikan sebuah pohon keputusan untuk melihat pola prediksi perilaku konsumen membeli element desing dalam microstock. Hasil dari akurasi menghasilkan nilai precision sebesar 94,11%, recall 90,43%, F1- measure 92,23% dengan akurasi 94,58%. yang menunjukkan bahwa algoritma C4.5 cocok digunakan untuk mengukur perkiraan penjualan element design.
ANALISIS SENTIMEN MASYARAKAT INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE TENTANG PILPRES 2024 Alexander Radja Bria, Nyongki; Witanti, Arita
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8184

Abstract

Pemilihan Umum Presiden (Pilpres) merupakan salah satu momen politik terpenting di Indonesia yang terjadi setiap lima tahun sekali. Lebih dari sekadar proses memilih kepala negara, Pilpres juga mencerminkan aspirasi, harapan, dan pandangan masyarakat terhadap pemerintahan dan arah negara. Dalam konteks ini, pemahaman mengenai sentimen masyarakat menjelang Pilpres 2024 menjadi hal yang penting. Penelitian ini difokuskan pada analisis sentimen terkait Pemilihan Presiden 2024 apakah cenderung positif, negatif, atau netral, dengan memanfaatkan data dari platform Twitter. Metodologi yang dipergunakan pada penelitian ini melingkupi tahap crawling data, pengolahan data, dan analisis sentimen. Data dikumpulkan menggunakan bahasa pemrograman Python pada aplikasi web Google Colab dengan menggunakan API Key Twitter. Metode klasifikasi SVM (Support Vector Machine) digunakan untuk mengklasifikasikan data. Dari hasil klasifikasi, didapatkan accuracy sebesar 65%, dengan kinerja yang lebih unggul dalam mengidentifikasi sentimen positif, mencapai precision 69%, recall 81%, dan f1-score 74%. Penelitian ini menggambarkan proses lengkap dari hasil pengumpulan data hingga klasifikasi sentimen menggunakan algoritma SVM. Hasilnya menunjukkan bahwa model cenderung lebih baik dalam mengidentifikasi sentimen positif dengan tingkat keakuratan yang cukup baik.
PREDIKSI JUMLAH PRODUKSI DAGING UNGGAS TAHUN 2023-2027 MENGGUNAKAN REGRESI LINIER Muharram, Akbar; Irma Purnamasari, Ade; Ali, Irfan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8185

Abstract

Dalam era digital saat ini, Teknologi Informasi dan Komunikasi telah menjadi fenomena umum yang signifikan. Perkembangan TIK ini memengaruhi berbagai aspek kehidupan manusia, termasuk dalam hal industri peternakan. Penelitian ini bertujuan untuk melakukan analisis dan prediksi terhadap jumlah produksi daging unggas di Jawa Barat dengan menggunakan metode regresi linear sederhana. Permasalahan utama yang diangkat adalah fluktuasi jumlah produksi daging unggas tiap tahunnya. Data yang digunakan berasal dari Open Data Jabar, mencakup periode produksi daging unggas dari tahun 2013 hingga 2022. Metode regresi linear sederhana diterapkan untuk menentukan hubungan antara variabel independen, yaitu tahun produksi, dan variabel dependen, yaitu jumlah produksi daging unggas. Hasil analisis menunjukkan adanya peningkatan produksi daging unggas di Jawa Barat. Persamaan regresi linear sederhana yang dihasilkan adalah Y = 383,271.006 + 23,318.594X, dengan X sebagai tahun produksi dan Y sebagai jumlah produksi daging unggas. Evaluasi model dilakukan menggunakan RMSE, MSE, dan MAPE. Hasil evaluasi menunjukkan variasi tingkat akurasi prediksi yang bervariasi dari tahun ke tahun. Prediksi lima tahun ke depan menunjukkan peningkatan produksi daging unggas yang konsisten. Jumlah produksi diperkirakan mencapai 919,598.67 ton pada tahun 2023, 942,917.26 ton pada tahun 2024, 966,235.85 ton pada tahun 2025, 989,554.45 ton pada tahun 2026, dan 1,012,873.04 ton pada tahun 2027.
PENGEMBANGAN APLIKASI TEKNIK PEMBELAJARAN BELADIRI BERBASIS ANDROID MENGGUNAKAN METODE RESEARCH AND DEVELOPMENT Mahesa Putera Darajat, Bintang; Rizal, Adhi; Arief Dermawan, Budi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8186

Abstract

Mixed martial arts (MMA) berasal dari beladiri kuno Yunani, Pankration, yang pengaruhnya masih terasa dalam bentuk olahraga seperti Boxing, Muaythai, Kickboxing, dan lainnya. Jumlah kejahatan di Indonesia pada 2022 mencapai 276.507, meningkat 7,3% dari tahun sebelumnya. Menggunakan beladiri dapat mengurangi risiko kejahatan, sesuai dengan pentingnya kemampuan bela diri simpel namun efektif. Pemanfaatan aplikasi beladiri berbasis android diperlukan, terutama di Makkay Muaythai Camp, untuk membantu pemula mengingat nama-nama teknik beladiri. Penelitian ini mengadaptasi metode R&D dengan satu kali revisi oleh ahli, bertujuan membantu peserta kelas beladiri di Makkay Muaythai Camp. Aplikasi diuji pada dua kelas di Makkay Muaythai Camp menggunakan metode TAM (technology acceptance model), yaitu kelas reguler dan kelas wanita. Pada kelas reguler didapatkan persentase 79,7%, sedangkan pada kelas wanita didapatkan persentase 84% dan pada dua kelas tersebut dinyatakan layak.
PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS DALAM PENGELOMPOKAN KABUPATEN DAN KOTA BERDASARKAN TANAMAN BIOFARMAKA Miftahul Anwar, Arif; Rizki Rinaldi, Ade; Mulyawan, Mulyawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8188

Abstract

Tumbuhan biofarmaka dikenal juga dengan tumbuhan obat yang mempunyai keunggulan penting dalam pengembangan industri farmasi, dan produk kesehatan yang diperoleh dari berbagai bagian tumbuhan seperti daun, batang, buah, dan akar. Salah satu strategi untuk meningkatkan dan mempertahankan produktivitas tanaman biofarmaka dengan membagi sektor tanaman menjadi beberapa kelompok berdasarkan kesamaan karakteristik. Salah satu pendekatan untuk mensegmentasi area ini dengan menggunakan analisis cluster. Tujuan dari penelitian ini adalah untuk mengetahui hasil cluster yang terbentuk dan penggunaan algoritma K-Means dan K-Medoids untuk mengelompokkan kabupaten/kota berdasarkan variabel biomedis tanaman. Dari hasil analisis cluster menggunakan K-Means menghasilkan 24 kabupaten/kota pada cluster 1.1 kabupaten pada cluster 2.1 kabupaten pada cluster 3, dan 1 kabupaten pada cluster 4. Sedangkan dengan menggunakan K-Medoids, cluster 1 menghasilkan 2 kabupaten, cluster 2 menghasilkan 1 kabupaten, cluster 3 menghasilkan 1 kabupaten dan cluster 4 memiliki 23 kabupaten/kota. Dari hasil pengelompokan kedua metode tersebut, ditentukan metode terbaik melalui perbandingan menggunakan cluster variance dalam pengelompokan produksi tanaman biofarmaka. Mencapai nilai DBI. 0.087 untuk algoritma K-Means dan 0.428 untuk algoritma K-Medoids. Hal ini menunjukkan bahwa pada pengujian DBI algoritma K-Means lebih baik dibandingkan algoritma K-medoids karena semakin rendah nilai yang diperoleh maka kualitas cluster yang dihasilkan semakin baik.
ANALISIS SEGMENTASI PUSKESMAS DI KABUPATEN CIREBON MENGGUNAKAN ALGORITMA PARTITIONING AROUND MEDOID BERDASARKAN INDIKATOR PENYEBAB STUNTING Komalasari, Cahyaningrum; Faqih, Ahmad; Dikananda, Fatihanursari; Sulaeman, Muhamad; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8189

Abstract

Stunting merupakan keadaan dimana seseorang mengalami kekurangan gizi. Namun, hingga saat ini, belum terdapat segmentasi Puskesmas terkait stunting berdasarkan indikatornya menggunakan data mining di Kabupaten Cirebon. Pada penelitin ini bertujuan untuk menganalisis segmentasi puskesmas terkait stunting dengan indikatornya guna memberikan rekomendasi pencegahan dan penyuluhan terkait stunting menggunakan Algoritma Partitioning Around Medoid (PAM). Data bersumber dari website opendata.jabarprov.go.id dan opendata.cirebonkab.go.id dan observasi langsung ke dinas Kesehatan kab. Cirebon. Variabel yang digunakan Jumlah Ibu Hamil yang mengalami KEK (Kekurangan Energi Kronik), Jumlah stunting, Jumlah Ahli Gizi dan Jumlah Puskesmas aktif yang ada di kabupaten Cirebon pada tahun 2022. Proses pengolahan data menggunakan metode KDD (Knowledge Discovery in Database). Implementasi k-medoids dilakukan dengan inisiasi nilai centroid secara acak dalam iterasi. Hasil menunjukkan medoid sementara sebesar 7122,045634, dan medoid awal 6348,966306, dengan selisih 773,0793279 hasil yang signifikan mengakibatkan penghentian iterasi pada tahap pertama. Evaluasi manual dengan rumus SSW (Sum of Square Within Cluster) dan SSB (Sum of Square Between) menghasilkan rasio cluster 0,8470604, mendekati 0, menunjukkan hasil yang baik dan Evaluasi cluster menggunakan Davies-Bouldin Index (DBI) menggunakan RapidMiner menghasilkan nilai 0,569. Cluster 1 (19 puskesmas) memiliki kasus stunting tertinggi, sedangkan Cluster 2 (41 puskesmas) memiliki kasus stunting rendah, memberikan dasar rekomendasi pencegahan serta penyuluhan yang lebih terarah.
MENGANALISIS PERKEMBANGAN INFLASI DAN MEMPREDIKSI ARAHNYA DENGAN MODEL ARIMA Rizky Wahyudi, Febri; Irawan, Bambang; Bachtiar, Agus; Kaslani, Kaslani
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8192

Abstract

Inflasi merupakan indikator perekonomian yang penting karena dapat mempengaruhi daya beli masyarakat, investasi, dan stabilitas perekonomian secara keseluruhan.Meskipun tingkat inflasi yang stabil dianggap positif bagi pertumbuhan ekonomi, namun inflasi yang tinggi atau tidak terkendali dapat menimbulkan ketidakpastian dan permasalahan perekonomian. Oleh karena itu, sangat penting bagi pengambil kebijakan dan pelaku ekonomi untuk memahami dan memprediksi pergerakan inflasi agar dapat mengambil langkah yang tepat guna menjaga stabilitas perekonomian negara. ARIMA (Autoregressive Integrated Moving Average) adalah teknik analisis deret waktu yang digunakan untuk memprediksi nilai masa depan berdasarkan pola dan tren data historis. Penelitian ini menggunakan metode Arima untuk memprediksi inflasi di Indonesia. Dengan menggunakan R, Google Colab, dan RStudio, peneliti menggunakan data dari tahun 2006 hingga 2023 untuk mengidentifikasi tren dan data dari tahun 2019 hingga 2023 untuk memprediksi inflasi selama enam bulan ke depan. Berdasarkan hasil penelitian, orde ARIMA optimal adalah 3,1,2, nilai MAPE 8,55%, RMSE 0,32%, MAE 0,23%. Inflasi diperkirakan sebesar 2,58-3% selama enam bulan ke depan. Meski demikian, studi ini menyoroti pentingnya pemantauan terus menerus dan penyesuaian model untuk memprediksi perubahan kondisi perekonomian dan faktor eksternal. Oleh karena itu, penelitian ini berkontribusi terhadap analisis time series, khususnya penggunaan model ARIMA dalam memprediksi tren inflasi di Indonesia, yang mempengaruhi pembuat kebijakan dan pelaku ekonomi.

Page 138 of 384 | Total Record : 3835

 136   137   138   139   140 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol. 9 No. 5 (2025): JATI Vol. 9 No. 5 Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4 Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3 Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2 Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1 Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6 Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5 Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4 Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3 Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2 Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6 Vol. 7 No. 5 (2023): JATI Vol. 7 No. 5 Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4 Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3 Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2 Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1 Vol. 6 No. 2 (2022): JATI Vol. 6 No. 2 Vol. 6 No. 1 (2022): JATI Vol. 6 No. 1 Vol. 5 No. 2 (2021): JATI Vol. 5 No. 2 Vol. 5 No. 1 (2021): JATI Vol. 5 No. 1 Vol. 4 No. 2 (2020): JATI Vol. 4 No. 2 Vol. 4 No. 1 (2020): JATI Vol. 4 No. 1 Vol. 3 No. 2 (2019): JATI Vol. 3 No. 2 Vol. 3 No. 1 (2019): JATI Vol. 3 No. 1 Vol. 2 No. 2 (2018): JATI Vol. 2 No. 2 Vol. 2 No. 1 (2018): JATI Vol. 2 No. 1 Vol. 1 No. 2 (2017): JATI Vol. 1 No. 2 Vol. 1 No. 1 (2017): JATI Vol. 1 No. 1 More Issue