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
 142   143   144   145   146 
PENERAPAN ALGORITMA DECISION TREE BERBASIS POHON KEPUTUSAN DALAM KLASIFIKASI PENYAKIT JANTUNG Antika, Rindi; Rifa’I, Ahmad; Dikananda, Fatihanursari; Indriya Efendi, Dendy; 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.v7i6.8264

Abstract

Deteksi dini penyakit jantung merupakan tantangan besar dalam dunia medis karena seringkali terkait dengan rendahnya akurasi dalam mengklasifikasikan kondisi jantung. Banyak orang baru menyadari bahwa mereka menderita penyakit jantung ketika telah mencapai tahap yang sangat parah. Kondisi ini mengakibatkan penanganan medis terlambat dan berpotensi membahayakan nyawa. Rendahnya akurasi dalam mengklasifikasikan penyakit jantung menciptakan kesulitan, dimana model atau algoritma klasifikasi mungkin kesulitan membedakan dengan tepat antara jenis-jenis penyakit jantung yang berbeda. Pengembangan teknologi diagnostik merupakan faktor penting dalam meningkatkan kemampuan untuk mendeteksi kondisi jantung lebih awal. Oleh karena itu, upaya untuk meningkatkan akurasi dalam mengklasifikasikan penyakit jantung memegang peranan besar dalam penanganan yang lebih efektif. Studi ini akan menerapkan pendekatan Knowledge Discovery in Databases (KDD) yang melibatkan serangkaian langkah sistematis dalam melakukan analisis data. Dari hasil penerapan algoritma Decision Tree dalam klasifikasi penyakit jantung diperoleh Accuracy sebesar 93.44%, Recall sebesar 75%, Precision sebesar 90% dan F1-Score sebesar 81.81%. Dalam penelitian selanjutnya diharapkan untuk mencoba eksplorasi metode tuning hyperparameter pada algoritma decision tree untuk melihat apakah peningkatan performa lebih lanjut dapat dicapai. Dalam penelitian selanjutnya diharapkan mencoba eksplorasi penggunaan algoritma lain seperti Random Forest, Support Vector Machines (SVM), atau Neural Networks untuk melihat apakah terdapat peningkatan performa dalam klasifikasi penyakit jantung.
KOMPARASI ALGORITMA DECISION TREE DAN NAIVE BAYES DALAM KLASIFIKASI PENYAKIT DIABETES Maulana, Rizky; Narasati, Riri; Herdiana, Ruli; Hamonangan, Ryan; Anwar, Saeful
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.v7i6.8265

Abstract

Rata-rata nilai akurasi klasifikasi penyakit diabetes adalah sebesar 82%. Meskipun demikian, nilai tersebut masih kurang baik. Karena nilai akurasi tersebut masih dibawah rata-rata yaitu 85%. Masalah utama muncul karena tingkat akurasi yang kurang baik dapat menimbulkan risiko kesalahan yang signifikan dalam mengidentifikasi penyakit diabetes. Kecenderungan nilai rata-rata yang rendah ini menunjukkan adanya hambatan dalam keandalan sistem klasifikasi penyakit diabetes. Penelitian ini menerapkan metode Knowledge Discovery in Databases (KDD). Adalah sebuah teknik yang dipakai untuk mengeksplorasi dan memperoleh pemahaman yang mendalam pada suatu database. Tujuan utama pada tahapan KDD adalah menghasilkan informasi yang dapat digunakan sebagai landasan untuk pengambilan keputusan. Hasil penelitian menandakan bahwa Naive Bayes mencapai tingkat keakuratan yang lebih baik sebesar 91.56%. Sedangkan, Decision Tree memiliki tingkat akurasi 87.01%. Dari evaluasi ini, dapat disimpulkan bahwa Naive Bayes menghasilkan kinerja yang lebih unggul dalam klasifikasi penyakit diabetes pada dataset yang digunakan dibandingkan dengan Decision Tree.
PENERAPAN METODE K-NEAREST NEIGHBORS (KNN) DALAM KLASIFIKASI GOLONGAN SIM DI DAERAH KABUPATEN MANOKWARI Luqman Hakim, Ilham; Saputra, Andi; Florensia Sahetapi, Merlyn; Ratte, Yansi; Ansi Ahoren, Anan
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.v7i6.8266

Abstract

SIM merupakan dokumen resmi yang dikeluarkan oleh otoritas pemerintahan dalam hal ini adalah Kepolisian yang diberikan kepada warga negara yang telah lulus dalam uji keterampilan dalam menggunakan kendaraan. Dengan memiliki SIM warga negara telah secara legal dan sah untuk mengendarai kendaraan di jalan raya. Namun di Kabupaten Manokwari untuk kepengurusan SIM masih tergolong sulit sebab kurang efisien nya sistem yang digunakan. Sehingga untuk meningkatkan efisiensi kepengurusan SIM salah satu cara yang dapat digunakan adalah klasifikasi data dengan metode K-Nearest Neighbors (KNN). Data pada penelitian ini diperoleh dari SATPAS Polresta Manokwari berupa data daftar peserta uji SIM di kota Manokwari. Tujuan utama dari penelitian ini yaitu meningkatkan akurasi dan efisiensi pengelolaan data SIM dengan menggunakan pola dan hubungan antar data berdasarkan prinsip kedekatan. Hasil klasifikasi yang dilakukan mendapat nilai akurasi tertinggi sebesar 68% dan nilai K = 46 dengan model KNN untuk klasifikasi nya adalah golongan SIM berdasarkan umur dan jenis permohonan. Dengan hasil yang telah diperoleh dapat memberi manfaat bahwa jika terdapat data baru yang masuk sistem akan langsung mengetahui masuk ke dalam jenis golongan SIM mana data yang baru saja masuk tersebut.
PERANCANGAN SISTEM SPKT BERBASIS WEBSITE: STUDI KASUS PADA POLSEK TAMAN Pratama Putra, Moch Aditya; Puspita Sari, Anggraini; Lina Nurlaili, Afina
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.v7i6.8267

Abstract

Kebutuhan masyarakat akan kemudahan dalam berbagai aspek pekerjaan semakin meningkat, seperti yang terlihat pada pemanfaatan teknologi informasi yang secara luas digunakan untuk pengolahan data karena kecepatan, akurasi, dan efisiensinya. Fenomena ini menarik perhatian banyak instansi pemerintahan dan swasta untuk mengadopsi teknologi informasi dalam operasional mereka, dengan tujuan meningkatkan kualitas pelayanan instansi mengingat pesatnya perkembangan teknologi saat ini. Penelitian ini bertujuan untuk mengembangkan sebuah sistem aplikasi surat kehilangan di Polsek Taman. Aplikasi ini dikembangkan menggunakan framework Laravel dengan menerapkan metodologi penelitian Secure Hash Algorithm (SHA) sebagai mekanisme keamanan dokumen. Metode pengambilan sampel dalam penelitian ini dilakukan melalui wawancara dengan narasumber instansi terkait dan survei di lapangan. Hasil dari penelitian ini menunjukkan bahwa penggunaan metode hash dapat meningkatkan keamanan dokumen pribadi, melindunginya dari potensi tindak kejahatan. Aplikasi ini memberikan kemudahan dalam pembuatan surat kehilangan dan mendukung kinerja kepolisian secara efektif.
PENERAPAN ASSOCIATION RULES MENGGUNAKAN ALGORITMA APRIORI UNTUK IDENTIFIKASI POLA PEMBELIAN Wijaya, Arya; Faqih, Ahmad; Solihudin, Dodi; Rohmat, Cep Lukman; 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.v7i6.8270

Abstract

Transaksi penjualan dalam dunia bisnis seringkali mengalami peningkatan penjualan yang melonjak, dalam hal ini perusahaan-perusahaan memiliki data penjualan bulanan yang terarsip, Masalah yang seringkali terjadi yaitu tidak teratur nya pada penyesuaian stok barang, Data Mining adalah sebuah kegiatan pengolahan data untuk mengenali pola pembelian atau kecenderungan pelanggan terhadap produk penjualan. Penelitian ini bertujuan melibatkan pertanyaan tentang bagaimana algoritma Apriori dapat diterapkan secara efektif untuk mengungkap pola pembelian yang signifikan dalam data transaksi penjualan. studi ini mendiskusikan pentingnya pemahaman pola pembelian dalam bisnis, termasuk manfaatnya untuk rekomendasi produk, strategi pemasaran, dan pengelolaan persediaan. Metode yang digunakan adalah pengumpulan data transaksi penjualan, dengan menggunakan metode KDD dengan algoritma apriori tahapan yang dilakukan antara nya seleksi data, preprocessing data, transformasi data, Data mining, evaluasi. Penggunaan algoritma Apriori untuk mengidentifikasi itemset yang sering muncul bersama dalam transaksi, serta menentukan ambang batas dukungan yang relevan. Hasil dan Diskusi menyoroti pola pembelian yang berhasil diidentifikasi dan menggambarkan implikasinya dalam konteks bisnis, seperti peningkatan penjualan, efisiensi persediaan, dan pengembangan strategi pemasaran yang lebih cermat. Untuk menguji hasil penelitan ini digunakan nilai minimum Support 3% dan nilai Confidence 50% serta tahap evaluasi menggunakan lift ratio minimum 100% dari hasil pengujian tersebtut terdapat beberapa yang memenuhi syarat aturan asosiasi. Misalnya kombinasi, medialuna dan coffee yang memiliki nilai Support 3,5%, nilai Confidence 57% dan nilai lift ratio 120%, Implikasi dari hasil penemuan pola pembelian ini bisa dijadikan strategi penjualan Contohnya, saran untuk penempatan produk, promo khusus untuk produk dan manajemen stok yang efisien.
ANALISIS PENGGUNAAN MODEL YOLOV8 (YOU ONLY LOOK ONCE) TERHADAP DETEKSI CITRA SENJATA BERBAHAYA Maulana, Imam; Rahaningsih, Nining; 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.v7i6.8271

Abstract

Kecerdasan Buatan merupakan teknologi yang menarik saat ini terutama object detection. Salah satu metode populer dalam computer vision adalah object detection yang dimana berperan memberikan kemampuan pada mesin untuk mengidentifikasi dan mengenali objek tertentu dari suatu citra. Kriminalitas bersenjata merupakan masalah yang serius di berbagai negara. Oleh karena itu, pengembangan model deteksi objek senjata penting agar dapat membantu tugas pengawasan yang umumnya dilakukan oleh manusia. Penggunaan metode YOLOv8 (You Only Look Once) menjadi pilihan bagus untuk melakukan deteksi objek senjata karena memiliki efisiensi dan hasil deteksi yang akurat. Tujuan utama penelitian ini untuk menganalisis hasil dan performa model YOLOv8 dalam mendeteksi dan identifikasi senjata berbahaya pada citra yang telah dimanipulasi sebelumnya. Hasil penelitian menunjukkan bahwa model mencapai nilai precision sebesar 84%, recall mencapai 77%, mAP mencapai 84% dan F1-Score 88% dengan waktu pelatihan 4 jam 6 menit lamanya. Pengujian pendeteksian pada gambar grayscale, gambar berotasi, pengaturan tingkat cahaya yang berbeda, gambar blur serta pengujian deteksi berdasar pada jarak menunjukkan hasil yang cukup baik namun masih perlu ditingkatkan lagi.
PENGGUNAAN ALGORITMA NAÏVE BAYES DALAM MENGANALISIS SENTIMEN ULASAN APLIKASI ADAKAMI DI GOOGLE PLAY STORE Eviyanti, Eviyanti; 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.v7i6.8272

Abstract

Aplikasi Adakami adalah platform pinjaman online yang menyediakan layanan pinjaman tunai kepada penggunanya. Aplikasi ini sudah diunduh oleh lebih dari 10 juta pengguna di Google Play Store. Permasalahan penelitian ini berfokus pada sejauh mana Algoritma Naïve Bayes dapat berhasil mengenali dan membedakan sentimen positif dan negatif dalam ulasan pengguna. Penelitian ini bertujuan untuk mengeksplorasi penerapan algoritma Naïve Bayes dalam mengevaluasi sentimen pengguna yang terungkap dalam ulasan untuk aplikasi Adakami di Google Play Store. Dalam konteks penelitian ini, analisis sentimen terhadap ulasan aplikasi Adakami di Google Play Store akan dilakukan dengan menggunakan Algoritma Naïve Bayes. Data ulasan aplikasi Adakami di Google Play Store akan dikumpulkan melalui teknik web scraping. Data yang terkumpul terdiri dari ulasan yang ditulis dalam bahasa Indonesia. Data tersebut akan di dianalisis menggunakan Rapidminer, termasuk pembersihan data, tokenisasi, penghapusan kata-kata umum. Model Naïve Bayes yang telah disusun akan diuji menggunakan data uji. Hasil penelitian ini menunjukkan bahwa aplikasi Adakami mendapatkan respons positif dari penggunanya, yang tercermin dari dominasi sentimen positif dalam ulasan. Hasil evaluasi menunjukkan bahwa algoritma Naïve Bayes berhasil mencapai tingkat akurasi sebesar 84,55%, dengan nilai presisi mencapai 83%, dan nilai recall mencapai 86%. Algoritma Naïve Bayes pada aplikasi Adakami telah mencapai tingkat kinerja yang sangat memuaskan.
KOMPARASI ALGORITMA K-MEANS DAN K-MEDOIDS CLUSTERING PADA DATA PENYEBARAN KASUS HIV DI PROVINSI JAWA BARAT Soni, Moh; Rahaningsih, Nining; Danar Dana, Raditya
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.v7i6.8274

Abstract

Dinas Kesehatan Jawa Barat mencatat kasus HIV pada tahun 2022 di Jawa Barat terus mengalami peningkatan. Situasi ini mencerminkan penularan HIV di Jawa Barat masih berlangsung di masyarakat hingga saat ini dan memerlukan upaya pencegahan. Berdasarkan permasalahan tersebut, penelitian ini melakukan pengelompokkan dengan metode perbandingan algoritma K-Means dan K-Medoids untuk melihat algoritma mana yang paling optimal dari segi performa nilai Davies-Boudien Index (DBI) dan waktu komputasi. Analisis cluster dilakukan berdasarkan wilayah, jenis kelamin dan umur. Proses penelitian menggunakan metode KDD (Knowledge Discovery in Databases) mencakup tahap Data selection, Pre-processing, Transformation, Data mining, dan Evalution/ interpretation. Hasil penelitian menunjukkan algoritma K-Means sebagai metode yang paling baik dan optimal dalam melakukan pengelompokkan dibandingkan dengan algoritma K-Medoids. Hasil pengujian optimal pada algoritma K-Means didapat pada K=4 dengan nilai validitas DBI 0,102, berbeda dengan algoritma K-Medoids yang menunjukkan klaster optimal pada K=3 dengan nilai DBI 0,130. Selain itu, dalam hal perbandingan kinerja kecepatan didapatkan bahwa K-Means memiliki waktu komputasi lebih cepat dibandingkan dengan algoritma K-Medoids yaitu 5 detik pada algoritma K-Means dan 5 menit pada K-Medoids. Hasil penelitian diharapkan dapat membantu pemerintah dalam perencanaan dan pengembangan strategi pencegahan HIV/AIDS di Jawa Barat serta dapat digunakan sebagai panduan untuk menentukan prioritas dalam penanganan penyebaran HIV.
ANALISIS MODEL MACHINE LEARNING UNTUK JENIS ASPAL DI JAWA BARAT MENGGUNAKAN ALGORITMA DECISION TREE DAN RANDOM FOREST Raka Sujono, Miftah; Bahtiar, Agus; Irawan, Bambang
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.v7i6.8275

Abstract

Dalam hal mengolah data dan melakukan perintah tertentu, Machine Learning (ML) sangat berguna. Meskipun demikian, hasil dari model yang digunakan sangat bergantung pada proses data yang dipelajari mesin. Tujuan dari penelitian ini adalah untuk mengevaluasi kinerja model-model pembelajaran mesin yang digunakan dalam klasifikasi berbagai jenis aspal di Jawa Barat. Dalam rangka mencapai tujuan ini, digunakan algoritma Pohon Keputusan (Decision Tree) dan Hutan Acak (Random Forest). Data set yang digunakan terdiri dari 1.191 data yang dikumpulkan dari opendata.jabarprov.go.id dari tahun 2019 hingga 2022. Dengan menggunakan aplikasi Google Colab, analisis dilakukan berdasarkan tahapan Knowledge Discovery in Database (KDD). Hasil penelitian menunjukkan bahwa model yang menggunakan algoritma Random Forest memiliki akurasi sebesar 90,79% pada dataset yang mengandung aspal di Jawa Barat. Random Forest menunjukkan hasil yang sempurna 100% pada data pelatihan dan 90,79% pada data pengujian dalam evaluasi model. Untuk setiap kelas, metrik evaluasi presisi, recall, dan s F1-score juga menunjukkan hasil yang baik. Model Random Forest mendapatkan nilai presisi 91,41%, recall 97,31%, dan F1-score 94,27% untuk kelas HOTMIX, sementara model Decision Tree mendapatkan nilai presisi 91,01%, recall 92,47%, dan F1-score 91,73% untuk kelas HOTMIX. Model Random Forest juga mendapatkan hasil yang cukup baik, nilai presisi 72,00%, recall 67,92%, dan F1-score 94,27% untuk kelas HOTMIX. Hasil penelitian ini memberikan kontribusi penting dalam pengembangan model pembelajaran mesin untuk klasifikasi jenis aspal.
IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES UNTUK DIAGNOSIS PENYAKIT KULIT SCABIES PADA HEWAN Marwah, 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.v7i6.8276

Abstract

Scabies adalah penyakit kulit pada hewan. Seringkali pemilik hewan mengobati hewan peliharaan yang terkena scabies dengan sembarangan, seperti obat semprot dan salep. Namun obat tersebut banyak yang menyebabkan keracunan pada hewan. Penelitian ini bertujuan untuk menerapkan Data Mining menggunakan algoritma Naïve Bayes dalam mendiagnosis penyakit kulit scabies pada hewan dan mengukur kinerja model berdasarkan 1.208 hewan peliharaan kucing dan kelinci yang didapatkan langsung dari Praktik Dokter Hewan drh. Nur Azizah dan drh. Budiono. Naïve Bayes adalah metode klasifikasi yang seringkali digunakan untuk prediksi atau diagnosis penyakit dengan hasil accuracy yang tinggi. Data mencakup 11 atribut, yaitu nama hewan, jenis hewan, jenis kelamin, bulu rontok, telinga keropeng, nafsu makan menurun, gatal-gatal, infeksi sekunder, imunitas menurun, dan hasil. Hasil analisis menunjukkan bahwa model klasifikasi Naïve Bayes mencapai tingkat accuracy sebesar 97,20%, precision sebesar 88,00%, dan recall sebesar 93,62% dalam mendiagnosis penyakit kulit scabies. Keberhasilan ini membuktikan bahwa algoritma Naïve Bayes dapat menjadi alat yang efektif dalam deteksi dini penyakit kulit pada hewan peliharaan kucing dan kelinci, dengan kemampuan untuk mengidentifikasi pola-pola yang berkaitan dengan kasus scabies. Selain itu, variabel yang paling berpengaruh dalam diagnosis meliputi tingkat keparahan gejala telinga keropeng yang bisa menyebabkan kematian pada hewan peliharaan.

Page 144 of 384 | Total Record : 3835

 142   143   144   145   146 

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