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
 140   141   142   143   144 
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PERENCANAAN PERSEDIAAN STOK SEPATU DI TOKO DIOMCLOTHING Rizki Ani, Fitri; Kurniawan, Rudi; Suprapti, Tati
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.v7i6.8233

Abstract

Toko DIOMclothing merupakan sebuah perusahaan dagang yang menawarkan berbagai produk sepatu dengan merek seperti converse, vans, asics, ventela hingga produk sepatu lainnya. Dalam mengelola usahanya, toko DIOMclothing menghadapi tantangan strategis terkait penentuan produk yang paling diminati oleh pelanggan untuk direncanakan persediaannya. Kesalahan dalam menentukan persediaan produk dapat mengakibatkan kerugian finansial karena persediaan yang berlebihan atau kehilangan peluang penjualan karena persediaan yang kurang. Penelitian ini bertujuan mengklaster data penjualan sepatu untuk mengetahui tren penjualan produk sepatu sesuai periode waktu tertentu menggunakan penerapan metode K-means Clustering. Metode ini memungkinkan pengelompokan data penjualan berdasarkan karakteristik kemiripan dari datanya. Penerapan metode ini menghasilkan 3 klaster terbaik dengan karakteristik Klaster 0 (Sangat diminati) terdapat 469 data dengan tren penjualan dari Oktober hingga Desember, Klaster 1 (Cukup diminati) terdiri dari 581 data dengan tren penjualan dari Juli hingga September, Klaster 2 (Kurang diminati) terdiri dari 263 data dengan tren penjualan dari Agustus hingga Desember. Evaluasi menggunakan Davies Bouldin Index (DBI) menunjukkan nilai sebesar 0,165, menandakan kinerja klaster yang baik karena nilai DBI yang dihasilkan mendekati nol dan tidak negatif. Hasil penelitian ini dapat dimanfaatkan oleh DIOMclothing untuk mengoptimalkan pengadaan stok pada periode waktu tertentu, meningkatkan efisiensi manajemen persediaan, dan merancang strategi pemasaran yang lebih tepat sasaran.
KLASIFIKASI ULASAN PENGGUNA APLIKASI ACCESS BY KAI BERBASIS ASPEK DENGAN ALGORITMA NAÏVE BAYES DAN SVM Indrawan, Heru; Irawan, Bambang; Suprapti, Tati
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.v7i6.8234

Abstract

Access by KAI adalah aplikasi resmi milik PT. Kereta Api Indonesia yang dirancang guna memenuhi kebutuhan para penumpangnya, baik yang melakukan perjalanan jarak jauh, menengah, maupun lokal. Meskipun Aplikasi Access by KAI masih memiliki beberapa kekurangan dibeberapa aspek, oleh karena itu perbaikan harus terus dilakukan guna meningkatkan kualitasnya. Untuk menilai kualitas, kepuasan, dan kekurangan aplikasi ini, informasi dapat diperoleh dari ulasan di Google Play Store dan media sosial X. Penelitian ini bertujuan untuk mengidentifikasi sentimen terkait produk aplikasi mobile tersebut. dapat teridentifikasi sejumlah 6.000 ulasan yang sudah masuk. Hal ini bisa ditarik kesimpulan yang menegaskan kalau mayoritas penggunanya sudah menyampaikan ulasan dengan lebih positif terkait aspek satisfaction, sedangkan untuk ulasan yang cenderung berlabel negative menjurus pada sejumlah aspek, seperti halnya learnability, efficiency, dan errors. Opini publik yang sudah dikelompokkan menjadi beberapa aspek terkait aplikasi Access by KAI dapat ditetapkan sebagai parameter kunci untuk menilai tingkat kepuasan masyarakat, sekaligus diharapkan menjadi dasar untuk melaksanakan evaluasi terhadap PT. Kereta Api Indonesia, khususnya pada aspek-aspek yang masih memiliki kekurangan dalam aplikasi Access by KAI. Perlu dipahami terkait penerapan dengan model CRISP-DM (Cross Industry Standard Process for Data Mining) dan komparasi hasil yang pijakannya dari metode klasifikasi Naïve Bayes dan Support Vector Machine (SVM), sudah terbukti kalau model demikian menghadirkan kinerjanya paling maksimal. Jika diamati dari mean yang sudah melewati tahap uji di tiap aspeknya, yakni Accuracy besarannya 96.57%, Precision 94.52%, Recall 99.46%, dan F-measur 96.82%.
IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN ULASAN PRODUK MAKANAN DAN MINUMAN DI TOKOPEDIA Hajaroh, Hajaroh; Suprapti, Tati; Narasati, Riri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8237

Abstract

Analisis sentimen adalah proses evaluasi dan pemahaman terhadap pendapat, perasaan,atau sentiment yang terkandung dalam teks,ulasan,atau komunikasi yang diungkapkan oleh individu atau kelompok. Penelitian ini bertujuan untuk menerapkan algoritma Naive Bayes dalam analisis sentimen terhadap ulasan produk makanan dan minuman di platform e-commerce Tokopedia. Melalui metode Knowledge Discovery in Databases (KDD), langkah pertama penelitian adalah memahami dan memproses data yang diperoleh dari sumber data terbuka yaitu Kaggle Data ulasan pelanggan dikumpulkan dan dieksplorasi untuk memahami distribusi sentimen serta dilakukan preprocessing data untuk mempersiapkan dataset pelatihan. Algoritma Naive Bayes diterapkan untuk mengklasifikasikan ulasan produk ke dalam tiga kategori sentimen: positif, negatif, dan netral. Hasil evaluasi kinerja model menunjukkan tingkat Accuracy sebesar 75.90%. Sementara itu, Presisi sebesar 66.45% dan recall sebesar 97.42% turut menjadi sorotan penting. Penelitian ini memberikan pemahaman yang lebih mendalam terkait distribusi sentimen dalam ulasan makanan dan minuman di Tokopedia, menunjukkan mayoritas sentimen yang positif. Hasil ini mengindikasikan bahwa algoritma Naive Bayes dapat menjadi instrumen efektif untuk menganalisis sentimen produk di platform e-commerce, memberikan landasan bagi pengembangan strategi bisnis yang lebih cermat dan responsif terhadap preferensi pelanggan.
PENERAPAN FP-GROWTH DALAM MENGANALISIS DATA PENJUALAN DI TOKO X Anggita Pratiwi, Eksadevi; Irawan, Bambang; Bahtiar, Agus; Rahaningsih, Nining
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.v7i6.8238

Abstract

Kemajuan pesat dalam bidang informatika telah mengubah berbagai aspek kehidupan, termasuk bisnis dan manajemen stok. Memahami pola pembelian pelanggan menjadi krusial dalam merancang strategi penjualan dan pengelolaan stok yang efektif bagi bisnis ritel. Penelitian ini bertujuan untuk menganalisis pola pembelian di Toko X menggunakan Algoritma FP-Growth. Penelitian ini menggunakan dataset data transaksi penjualan Toko X selama 1 bulan yaitu bulan Agustus 2023. Metode yang digunakan dalam penelitian ini adalah Knowledge Discovery in Database (KDD). Diterapkan dengan algoritma FP-Growth, melibatkan tahapan Data Selection, Data prepocessing, Data Transformation, Data mining dan Evaluation. Untuk menguji nilai minimum support, minimum confidence dan lift itu untuk mengevaluasi hasil analisis untuk mengidentifikasi pola pembelian. Dalam penelitian ini, support ditentukan dengan 0.6%, dan confidence 70% yang berhasil megidentifikasi 10 aturan asosiasi dengan lift ratio tertinggi. Misalnya, jika ada yang membeli Richesse Wafer kemungkinan besar pelanggan akan membeli Nabati Waffer dengan Lift 138.167, Nilai support 0.6% dan nilai confidence 83%. Implikasi praktis dari temuan pola pembelian ini mencakup penerapan strategi penjualan seperti Penempatan strategis produk, Penawaran bundel dan promosi dan Manajemen stok yang efisien. Selain itu, dengan menanfaatkan pola pembelian yang teridentifikasi, optimalisasi analisis stok dan produksi dapat dilakukan untuk meningkatkan efisiensi operasional secara menyeluruh.
ANALISIS SENTIMEN PEMAKAIAN SISTEM ABSENSI BERBASIS WEB UNTUK PEGAWAI ASN DI KABUPATEN CIREBON MENGGUNAKAN METODE ALGORITMA NAÏVE BAYES Arofah, Siti; Astuti, Rini; M Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.8240

Abstract

Di era digital, pentingnya sistem yang tepat waktu, efektif, serta menjaga keamanan data sensitif dan privasi karyawan sangat ditekankan. latar belakang permasalahan penelitian ini terletak pada kebutuhan untuk mengevaluasi efektivitas penggunaan sistem absensi online di lingkungan ASN Kabupaten Cirebon.Penelitian ini memiliki tujuan untuk mengevaluasi penggunaan sistem absensi online bagi pegawai Aparatur Sipil Negara (ASN) di Kabupaten Cirebon dengan menerapkan metode Algoritma Naive Bayes. Data dikumpulkan melalui kuesioner yang menilai ulasan positif dan negatif dari pengguna sistem tersebut. Dari 500 data mentah, 324 data berhasil diolah menggunakan RapidMiner. Analisis sentimen digunakan untuk mengevaluasi kinerja model dan respon dari karyawan terhadap sistem tersebut. Hasil penelitian menunjukkan tingkat akurasi sebesar 92,55% pada data pelatihan, menunjukkan kemampuan model dalam mengklasifikasikan emosi dengan tingkat akurasi yang tinggi. Ulasan positif juga menunjukkan tingkat akurasi yang sama, dengan akurasi kelas positif mencapai 98,13% dan kelas negatif mencapai 81,65%, mengindikasikan keakuratan model dalam memprediksi kedua kelas tersebut. Meskipun demikian, terdapat kesalahan pada 20 data yang seharusnya tergolong negatif namun diprediksi positif. Penelitian ini memberikan pemahaman mengenai pandangan pegawai ASN terhadap sistem absensi online, serta memberikan implikasi untuk pengembangan dan perbaikan sistem di masa depan.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM MENGELOMPOKKAN KEPADATAN PENDUDUK DI PROVINSI DKI JAKARTA Oktaviany, Nurul; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8241

Abstract

Provinsi DKI Jakarta adalah salah satu wilayah dengan tingkat populasi yang tinggi di Indonesia, dengan populasinya yang sangat beragam, termasuk penduduk asli, pendatang dari berbagai daerah di Indonesia, serta warga negara asing yang tinggal di wilayah DKI Jakarta. Permasalahan kepadatan disebabkan karena faktor urbanisasi serta pekerjaan. Oleh karena itu penerapan algoritma K-Means Clustering untuk mengelompokkan tingkat kepadatan penduduk di Provinsi DKI Jakarta merupakan fokus utama penelitian ini. Tujuan dari penelitian ini adalah mengenali pola kepadatan penduduk di berbagai wilayah DKI Jakarta dengan metode algoritma K-Means Clustering. Data yang digunakan melibatkan informasi seperti jumlah penduduk, nama kelurahan, nama kecamatan dan variabel terikat lainnya. Pendekatan ini digunakan untuk mengelompokkan wilayah berdasarkan tingkat kepadatan penduduknya, sehingga dapat memberikan pemahaman yang lebih mendalam mengenai sebaran penduduk di seluruh wilayah DKI Jakarta. Melalui implementasi algoritma K-Means ini, penelitian berhasil mengelompokkan menjadi beberapa kategori kepadatan penduduk dari 2018-2020. Berdasarkan hasil evaluasi menunjukkan dua jumlah kelompok optimal, yaitu kelompok pertama padat terdapat pada kelurahan Kali Anyar kecamatan Tambora dengan kepadatan penduduk 95676.10063 jiwa/km pada tahun 2019 dan kelompok kedua adalah rendah pada kelurahan P.harapan kecamatan Kep.Seribu Utr dengan jumlah kepadatan 1045.276234 jiwa/km pada tahun 2018. Tujuan dari penelitian pengelompokan kepadatan penduduk menggunakan metode algoritma K-Means ini dapat memberikan informasi yang bermanfaat bagi perkembangan penduduk di Provinsi DKI Jakarta, serta bisa menjadi landasan bagi pemerintah terkait dalam perkembangan wilayah yang lebih efisien terkait alokasi sumber daya di Provinsi DKI Jakarta.
PENERAPAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DIAGNOSA TUMOR OTAK Azhar, Azhar; Siswoyo, Bambang; Pratama, Denni; Anam, Khaerul; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8242

Abstract

Penelitian ini bertujuan untuk mengimplementasikan Convolutional Neural Network (CNN) dalam klasifikasi tumor otak dari citra medis, membedakan empat kelas utama: Glioma, Meningioma, Pituitary, dan NonTumor. Masalah utama yang diatasi adalah kebutuhan akan diagnosis yang cepat dan akurat dalam penanganan kanker otak, yang seringkali terhambat oleh keterbatasan metode tradisional. Dengan mengumpulkan dataset yang komprehensif, dilakukan pemrosesan dan augmentasi data sebelum melatih model CNN, penelitian ini berhasil mencapai akurasi yang tinggi dalam mengklasifikasikan tumor otak. Hasilnya menunjukkan bahwa pendekatan ini memiliki potensi untuk meningkatkan diagnosis dan penanganan kanker otak dengan lebih efisien dan akurat, berkontribusi pada kemajuan dalam bidang medis dan teknologi.
ANALISIS SENTIMEN DATA ULASAN PENGGUNA APLIKASI GOOGLE KELAS PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES Nurwahidah, Dalilah; Dwilestari, Gifthera; Dienwati Nuris, Nisa; Narasati, Riri
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.v7i6.8245

Abstract

Dalam era digital yang semakin berkembang, aplikasi Google Kelas telah menjadi salah satu platform utama untuk pembelajaran jarak jauh di Indonesia. Namun, pemahaman tentang sentimen pengguna terhadap aplikasi ini menjadi krusial dalam meningkatkan kualitas layanan Pendidikan online. Oleh karena itu, tujuan dari penelitian ini adalah untuk menganalisis sentimen dari data ulasan pengguna Aplikasi Google Kelas di Indonesia yang tersedia di Google Play Store.Data yang digunakan dalam penelitian ini akan diperoleh dari ulasan pengguna Aplikasi Google Kelas yang telah dipublikasikan di Google Play Store. Data tersebut mencakup beragam aspek, seperti penilaian pengguna, komentar dan saran yang akan digunakan untuk analisis sentimen.Penelitian ini akan mengikuti beberapa tahapan. Tahap awal adalah pengumpulan data dari ulasan pengguna. Selanjutnya, data akan dibersihkan dan diproses untuk analisis sentiment. Metode Naïve Bayes digunakan untuk mengklasifikasikan sentimen ulasan menjadi positif, negatif atau netral. Analisis sentimen melibatkan pemahaman lebih mendalam tentang persepsi pengguna terhadap aplikasi Google Kelas. Proses penelitian ini melibatkan pengolahan data, pelatihan model Naïve Bayes, evaluasi model dan analisis hasil. Data ulasan diproses untuk menghasilkan fitur- fitur yang relevan, dan kemudian model Naïve Bayes dilatih menggunakan data tersebut. Evaluasi model memastikan keakuratan analisis sentiment.Dengan menyelesaikan penelitian ini, diharapkan dapat memahami lebih baik bagaimana penguna di Indonesia merasakan aplikasi Google Kelas. Berdasarkan hasil penelitian yang telah dilakukan, hasil analisis sentimen pengguna aplikasi google kelas menghasilkan akurasi 82%, presisi 82%, recall 82% dan F-1 Score 81%. Dapat disimpulkan bahwa klasifikasi algoritma naïve bayes bisa digunakan untuk analisis sentimen aplikasi Google Kelas.
OPTIMALISASI JUMLAH CLUSTER DATA SEKOLAH DASAR (SD) MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Maryam, 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.v7i6.8246

Abstract

Ketersediaan fasilitas belajar dan distribusi tenaga pendidik yang merata di setiap sekolah berperan penting dalam menjamin penyelenggaraan pendidikan yang berkualitas. Penelitian ini bertujuan untuk mengelompokkan Sekolah Dasar (SD) di Kabupaten Ciamis berdasarkan kesamaan karakteristik menggunakan K-Means Clustering. Saat ini data SD belum dikelompokkan sehingga perencanaan peningkatan mutu pendidikan belum maksimal. Oleh karena itu dibutuhkan klasterisasi agar pemahaman mengenai pola dan kesamaan karakteristik antar SD lebih mendalam. Metode yang digunakan adalah klasterisasi dengan Algoritma K-Means Clustering, menggunakan tools RapidMiner. Parameter yang digunakan meliputi Davies Bouldin Index (DBI), Measure Types Numerical Measures jenis Euclidean Distance dan Manhattan Distance, serta melakukan iterasi menggunakan parameter Max Optimization dimulai dari 1 hingga 20 kali. Penentuan cluster dimulai dari K= 2 hingga K= 10 untuk mendapatkan hasil cluster optimal berdasarkan nilai DBI terendah mendekati 0. Dari hasil analisis diketahui bahwa cluster optimal berada pada K= 10 dengan nilai DBI 0.450 menggunakan parameter Measure Types Numerical Measures jenis Manhattan Distance dan proses iterasi berhenti pada iterasi ke 10, karena pada iterasi tersebut nilai centroid dan keanggotaan pada setiap cluster sudah stabil. Hasil dari penelitian ini akan memberikan pemahaman yang lebih mendalam mengenai sekolah-sekolah dengan karakteristik yang serupa.
ANALISIS SENTIMEN KOMENTAR POLITIK DI MEDIA SOSIAL X DENGAN PENDEKATAAN DEEP LEARNING Liawati, Ayu; Narasati, Riri; Solihudin, Dodi; Lukman Rohmat, Cep; Eka Permana, Sandy
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.v7i6.8248

Abstract

Media sosial, sebagai platform utama interaksi dan berbagi informasi, memberikan peluang bagi Masyarakat untuk mengungkapkan sudut pandang mereka. Salah satu contoh yang popular adalah media sosial X, suatu jejaring sosial yang memungkinkan penggunanya berbagi pesan singkat yang mencakup teks, gambar, video, dan tautan. Dampak media sosial sangat terasa, khususnya dalam konteks politik di mana penyebaran informasi dan alur komunikasi semakin mudah. Meskipun demikian, adanya peristiwa negatif seperti penyebaran informasi palsu dan ujaran kebencian memberikan tantangan yang perlu diatasi melalui analisis sentimen. Media sosial memainkan peran penting dalam membentuk opini publik. Proses penggalngan dukungan melalui media sosial X telah mempercepat penyebaran pesan politik. Oleh karena itu, analisis sentimen menjadi penting untuk memahami pandangan dan sikap masyarakat di media sosial terkait isu-isu tertentu. Maka berfokus pada analisis sentimen terhadap komentar politik di media sosial X dengan menggunakan metode Convolutional Neural Network (CNN) pemanfaatan model pelatihan Word2Vec. Analisis ini menunjukan bahwa model yang digunakan mampu memberikan hasil analisis sentimen dengan kinerja yang memuaskan, memberikan pemahaman yang lebih mendalam mengenai pandangan masyarakat terhadap permasalahan politik. Implikasi hasil ini dapat memberikan arahan bagi pengambil keputusan politik dan praktis yang tertarik memanfaatkan teknik deep learning dalam menganalisis sentimen, bukan hanya dalam konteks politik, melainkan juga dalam berbagai disiplin lainnya. Hasil yang telah dilakukan dengan menggunakan algoritma Convulation Neural Network menunjukan nilai akurasi tebaik yaitu 81%.

Page 142 of 384 | Total Record : 3835

 140   141   142   143   144 

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