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
 143   144   145   146   147 
PENERAPAN ALGORITMA FREQUENT PATTERN-GROWTH UNTUK REKOMENDASI MENU MAKANAN DAN MINUMAN Nuri, Nuri; Suarna, Nana; Prihartono, Willy
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.v7i6.8278

Abstract

Kedai Teras Ciremai, sebagai bisnis baru di wilayah Kalikoa yang telah berjalan selama tiga bulan, berhasil menarik perhatian pelanggan, khususnya kalangan mahasiswa, dalam konteks pertumbuhan ekonomi lokal. Tujuan penelitian ini adalah untuk meningkatkan rekomendasi menu dengan menerapkan analisis keranjang belanja pada data penjualan Kedai Teras Ciremai selama periode 22 September hingga 29 November 2023, menggunakan alat RapidMiner. Dengan fokus pada dataset transaksi penjualan kedai, metode Association Rules diterapkan dengan confidence minimum sebesar 0,2 (20%). Hasil analisis dengan menggunakan Algoritma FP-Growth dari 403 transaksi penjualan makanan dan minuman menunjukkan satu aturan dengan Support 0,015 dan Confidence 0,333, yang menyatakan bahwa pembelian makanan corndog sosis memiliki korelasi dengan pembelian minuman Pop ice avocado. Dalam penelitian di Kedai Teras Ciremai, dengan menerapkan metode Association Rules dan menggunakan algoritma FP-Growth, peneliti dapat mengidentifikasi hubungan antara makanan dan minuman yang sering dibeli bersamaan oleh pelanggan. Hasil temuan ini kemudian dapat digunakan oleh pemilik kedai untuk meningkatkan rekomendasi menu, strategi penjualan, dan meningkatkan penjualan.
ANALISIS POLA PENJUALAN BATIK PEKALONGAN MENGGUNAKAN ALGORITMA FP-GROWTH Sukma Maula, Intan; Wahyudin, Edi; Tohidi, Edi; Kaslani, Kaslani; 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.v7i6.8280

Abstract

Pekalongan merupakan salah satu kota terkemuka dalam industri batik di Indonesia, yang dikenal sebagai “Kota Batik”. Batik bukan sekadar kain warna-warni dengan motif unik, tetapi batik memiliki ciri khas sendiri seperti gambar burung elang, garis lengkung, dan hiasan titik-titik, juga terdapat pada batik Pekalongan. Keunikan batik Pekalongan terletak pada warnanya yang cerah alami dan beragam motifnya mencakup gaya Cina, Belanda, dan asli dengan motif seperti kawung, burung merak, burung enchim, jawa hokokai, dan jlamprang. Perubahan pola konsumen yang semakin kompleks dari desain hingga harga dan perkembangan pesat dalam industri batik menimbulkan permasalahan dalam pola pembelian serta pengelolaan data transaksi yang terus meningkat sehingga menghambat dalam analisis pola pembelian konsumen. Oleh karena itu, penelitian ini bertujuan untuk mendapatkan pola pembelian konsumen terhadap jenis produk batik menggunakan algoritma FP-Growth untuk menentukan himpunan data yang sering muncul (frequent itemset) dalam dataset. Berdasarkan hasil pengujian, diperoleh 12 aturan asosiasi (Association rules) yang terbentuk dengan nilai minimum support = 0.01, minimum confidence = 0.8, dan lift = 1.0. Dengan aturan tersebut, penelitian ini menghasilkan implikasi yang signifikan terhadap pola pembelian konsumen, meningkatkan strategi pemasaran, dan membantu dalam pengelolaan inventaris serta pengambilan keputusan berdasarkan data yang tersedia.
PENERAPAN ALGORTIMA NAÏVE BAYES DALAM KLASIFIKASI HARGA PONSEL Saputra, Bayu; Anwar, Saeful; Tohidi, Edi; Susana, Heliyanti; Pratama, Denni
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.v7i6.8281

Abstract

Di jaman sekarang digital saat ini bidang teknologi berkembang pesat terutama terkait dengan beragamnya fitur yang ada pada ponsel dan tingkat spesifikasi ponsel yang semakin dinamis. Fitur ponsel semakin terus maju berkembang seperti penyimpanan memori, resolusi layar amoled, kapasitas baterai yang tahan lama menjadi aspek penentu harga ponsel. Spesifikasi ponsel semakin meningkat banyak fitur canggih yang dimiliki ponsel, maka dalam harga pun meningkat. Harga yang merupakan proses nilai tukar sangat penting digunakan dalam peluang ekonomi dan bisnis. Harga menjadi acuan pertama dalam jual beli. Penelitian ini bertujuan untuk menentukan keakuratan hasil nilai dan kinerja model klasifikasi harga ponsel yang menggunakan algoritma naïve bayes. Klasifikasi merupakan proses cara menemukan sebuah atribut serupa dalam sekumpulan objek dalam data yang dapat mengklasifikasikannya ke setiap kelas berbeda pada model klasifikasi yang telah ditentukan. Salah satu algoritma teknologi klasifikasi yang mudah diimplementasikan dan memiliki kecepatan mekanisme yang cepat disebut metode algoritma Naive Bayes. Pemodelan statistik dapat menggunakan metode Naïve Bayes dalam proses klasifikasi data. Menghitung suatu nilai probabilitas, metode ini dapat melatih data uji berdasarkan peristiwa data yang telah terjadi. Penelitian ini akan memanfaatkan klasifikasi yaitu Naïve Bayes. Pada artikel kali ini telah melakukan penelitian dengan penerapan algoritma Naïve Bayes dalam mengklasifikasikan harga ponsel dapat memperoleh nilai akurasi 85.50%.
DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS PADA DATA KUNJUNGAN WISATAWAN DI KABUPATEN KARAWANG Gustipartsani, Kamaludin; Rahaningsih, Nining; Danar Dana, Raditya; Yulia Mustafa, Iva
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.v7i6.8282

Abstract

Karawang merupakan sebuah Kabupaten di Provinsi Jawa Barat yang memiliki cukup banyak wisata di daerahnya. Dari berbagai tempat wisata yang ada di setiap Kecamatan di Kabupaten Karawang terdapat data jumlah kunjungan wisatawan setiap tahunnya. Pada data yang didapat dari situs web opendata.jabarprov.go.id masih terdapat banyak objek wisata yang sepi pengunjung. Hal tersebut dapat terjadi karena pengembangan wisata di Kabupaten Karawang masih kurang merata. Dalam hal ini, maka akan dilakukan pengelompokkan wisata yang ditujukan untuk dasar pengambilan keputusan terkait peningkatan pengelolaan objek wisata . Dengan menggunakan Knowledge Discovery in Database (KDD), penelitian ini akan menerapkan data mining clustering menggunakan algoritma K-Means. Implementasi data mining dilakukan dengan menggunakan tools RapidMiner. Analisa clustering bertujuan untuk mencari jumlah k yang optimal untuk pengelompokkan objek wisata. Hasil dari penelitian ini diperoleh jumlah k yang optimal adalah 3 dengan kelompok 1 sebagai kelompok jumlah wisatawan rendah, kelompok 2 sebagau kelompok jumlah wisatawan sedang, dan kelompok 3 sebagai kelompok jumlah wisatawan tinggi.
PENERAPAN ALGORITMA NAÏVE BAYES UNTUK MENENTUKAN KELAYAKAN PENERIMA BANTUAN SOSIAL DI DESA GOLAT Hadianti, Isan; Astuti, Rini; 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.v7i6.8284

Abstract

Program bantuan sosial merupakan inisiatif dari pemerintah yang bertujuan untuk membantu keluarga yang mengalami kesulitan ekonomi terutama dalam aspek pemenuhan kebutuhan pangan. Oleh karena itu, salah satu aspek yang penting dalam upaya mengatasi kemiskinan adalah memiliki data yang akurat dan data yang sesuai sasaran. Tujuan utama dari penelitian ini adalah untuk mendukung wilayah Desa Golat dalam menentukan apakah masyarakat miskin ini telah memenuhi syarat atau tidak untuk menerima bantuan sosial dengan menggunakan teknik Data Mining dan menggunakan algoritma Naïve Bayes. Data dikumpulkan berdasarkan 11 kriteria yang meliputi Jenis Lantai, Jenis Dinding, Fasilitas WC, Sumber Penerangan, Sumber Air Minum, Bahan Bakar, Jumlah Penghasilan, Pendidikan Terakhir, Kondisi Rumah, Status Kepemilikan Rumah dan Jumlah Tanggungan sebagai faktor-faktor penentu kelayakan penerima bantuan sosial. Penelitian ini juga dilakukan dengan menggunakan konsep data mining yaitu algoritma Naïve Bayes dengan tujuan untuk mengenali kelayakan penerima bantuan sosial secara objektif dan secara presisi. Sehingga, dalam alokasi bantuan tersebut dapat dilakukan dengan akurat dan sesuai target yang telah ditentukan. Hasil dari penelitian ini menunjukkan bahwa data yang digunakan terdiri dari 102 data testing dan 408 data training yang berpengaruh pada hasil evaluasi sistem. Hasil evaluasi menunjukkan nilai akurasi 79,41%, presisi 57,43% dan recall 73,44%. Hal ini mengindikasikan hasil yang cukup tinggi dari sistem yang dibangun.
OPTIMALISASI PARAMETER FEATURE SELECTION PADA PREDIKSI KASUS KEKERASAN DI JAWA BARAT MENGGUNAKAN ALGORITMA REGRESI LINEAR Yulia, Yuli; Kurniawan, Rudi; Arie Wijaya, Yudhistira
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.v7i6.8285

Abstract

Kekerasan kini telah menjadi persoalan sosial utama di Indonesia. Data statistik menunjukkan peningkatan kasus kekerasan yang sangat signifikan di Jawa Barat dalam beberapa tahun terakhir berdasarkan tempat kejadian yang tercatat oleh Dinas Pemberdayaan Perempuan, Perlindungan Anak, dan Keluarga Berencana. Tujuan penelitian ini adalah memprediksi pola kasus kekerasan di Jawa Barat di masa depan dengan menerapkan teknik Data Mining. Peningkatan kasus ini mengindikasi bahwa masalah kekerasan di Jawa Barat belum tertangani dan dicegah secara maksimal. Metode yang digunakan adalah Algoritma Regresi Linear dengan perangkat lunak RapidMiner. Parameter Feature Selection jenis M5 Prime, greedy, T-Test, dan Iterative T-Test dimanfaatkan untuk menghasilkan nilai Root Mean Squared Error (RMSE) yang optimal. Dari hasil penelitian menunjukkan keempat jenis feature selection menghasilkan nilai RMSE sebesar 28,548 +/- 0,000. Hasil dari penelitian ini dijadikan sebagai salah satu strategi bagi pemerintah dalam upaya pencegahan dan penanganan terhadap permasalahan kasus kekerasan di Jawa Barat, serta meminimalisir dan mengantisipasi terjadinya kasus kekerasan masa yang akan datang.
PENERAPAN ALGORITMA FP-GROWTH UNTUK MENENNTUKAN POLA PENJUALAN PRODUK ELEKTRONIK Febiyanto, Anggi; Faqih, Ahmad; Herdiyana, Ruli; 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.v7i6.8286

Abstract

Di era perkembangan pasar yang pesat, analisis pola penjualan sangat penting untuk meningkatkan efisiensi dan keuntungan perusahaan salah satunya perusahaan yang menjual produk elektronik. Produk elektronik mengacu pada berbagai perangkat dan perlengkapan yang menggunakan teknologi elektronik untuk berfungsi. Elektronik mencakup berbagai kategori, mulai dari perangkat konsumen seperti telepon seluler dan televisi hingga peralatan industri seperti sensor dan sistem kendali otomatis. Dalam suatu toko kerap kali terjadi masalah over stock, kehabisan stock, dan tata letak barang yang tidak beraturan dikarenakan pihak toko tidak mengetahui pola penjualan barang. Penelitian ini bertujuan untuk mengidentifikasi pola penjualan produk elektronik di toko Sinar Mentari menggunakan algoritma analisis data. Penulis menggunakan metode pemrosesan data tingkat lanjut untuk mengekstrak informasi berharga dari data penjualan dalam jumlah besar.Di era pesatnya perkembangan e-commerce, analisis pola penjualan sangat penting untuk meningkatkan efisiensi dan keuntungan perusahaan. Penelitian ini mengidentifikasi pola penjualan produk elektronik di toko Sinar Mentari menggunakan algoritma FP-Grow. Langkah pertama yaitu mengumpulkan dan membersihkan data penjualan elektronik dari Toko Sinar Mentari. Selanjutnya, menerapkan algoritma FP-Grow untuk mengidentifikasi pola pembelian serupa dan mengelompokkan produk berdasarkan perilaku pembelian pelanggan. Dengan cara ini Penulis dapat mengidentifikasi tren penjualan, penawaran paket hemat, preferensi pelanggan dan tata letak barang. Penelitian ini menghasilkan kombinasi pola penjualan produk elektronik yang sudah dilakukan perhitungan menggunakan RapidMiner, hasil kombinasi pola penjualannya yaitu : apabila pelanggan membeli Colokan Lubang 4 maka pelanggan juga akan membeli Kabel Transparant dengan nilai support 32,5 % dan nilai confidance 53,7 %penelitian ini diharapkan dapat memberikan wawasan tentang pola penjualan produk elektronik Toko Sinar Mentari, memberikan informasi dalam pengambilan keputusan, dan meningkatkan daya saing di pasar e-commerce yang sangat kompetitif.
ANALISIS POLA CUACA EXTREM MENGGUNAKAN LONG SHORT TERM MEMORY PADA WILAYAH JAWA BARAT Maulana Yusuf, Muhammad; Martanto, Martanto; Hayati, Umi
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.v7i6.8288

Abstract

Perubahan alam dipengaruhi oleh berbagai faktor terutama manusia, kegiatan ekonomi yang tidak mungkin terlepas dengan manusia, menjadi faktor utama. Perubahan lingkungan berdampak berubahnya cuaca, seperti pembangunan Gedung, infrastruktur, dan deforestasi, memengaruhi berubahnnya lingkungan, secara langsung mengakitbatkan berubahnya vegetasi alam, serta cuaca di wilayah tersebut ikut berubah. Perubahan cuaca yang tidak menentu, mengakibatkan munculnya Cuaca extrem, yaitu fenomena yang tidak biasa terjadi serta dapat menjadi masalah serius. Pada berbagai aspek kehidupan Kondisi seperti banjir dan badai contoh hasil cuaca extrem. Cuaca extrem mengakibatkan kerugian bagi mahluk hidup. penelitian ini bertujuan menganalisis terjadinya cuaca extrem menggunakan Long Short Term Memory (LSTM). Model LSTM digunakan untuk mengidentifikasi cuaca extrem, meramalkan terjadinya cuaca extrem di masa depan, memahami faktor yang memengaruhi munculnya cuaca extrem. Model LSTM mampu mengenali pola cuaca extrem dengan akurasi yang memadai. Penelitian ini mengembangkan model LSTM menggunakan 8 kali nilai treshlod value yaitu 28, 31, 34, 37, 40, 43, 46, 49, epoch sebanyak 50 dan model akurasi untuk menentukan keadaan cuaca mencapai 100 %. Data diambil dari website BMKG untuk digunakan pada penelitian. Dari hasil yang didapat, disimpulkan bahwa perbedaan nilai treshlod berpengaruh terhadap nilai prediksi cuaca kedapan selama 7 hari.
ANALISIS SENTIMEN PENGGUNA TERHADAP APLIKASI BINANCE PADA ULASAN GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES Syaripah, Imas; Martanto, Martanto; 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.v7i6.8289

Abstract

Analisis sentimen adalah metode memahami perasaan dan opini tersirat dalam teks seperti ulasan produk, berita, atau konten media sosial. Tujuannya adalah mengidentifikasi sentimen positif atau negatif dalam teks. Sebagai contoh, dalam ulasan aplikasi Binance di Google Play Store, analisis sentimen membantu memahami respons pengguna terhadap aplikasi tersebut. Prosesnya melibatkan pengumpulan data ulasan dari berbagai sumber, disaring untuk menghilangkan elemen tidak relevan, dan menggunakan algoritma seperti Naive Bayes untuk mengenali kata kunci sentimen seperti "baik" atau "buruk" dan mengklasifikasikan ulasan ke dalam sentimen positif atau negatif. Meskipun model klasifikasi mencapai akurasi 94%, evaluasi menunjukkan perbedaan performa antara sentimen positif dan negatif. Meski mampu mengenali sentimen positif dengan baik, identifikasi terhadap sentimen negatif memerlukan peningkatan. Ini menunjukkan perlunya fokus pada deteksi sentimen negatif guna meningkatkan keandalan algoritma Naive Bayes. Hasil evaluasi menunjukkan Presisi rata-rata 82,3%, Recall 91,95%, dan F1-Score 269%. Meskipun akurasi 94% menggambarkan keberhasilan memprediksi sentimen, fokus pengembangan selanjutnya adalah pada deteksi sentimen negatif. Analisis ini memberikan gambaran tentang kemampuan model dalam mengklasifikasikan data sentimen dan reliabilitasnya dalam menganalisis ulasan aplikasi Binance. Informasi ini dapat menjadi dasar perbaikan produk di masa mendatang.
PERBANDINGAN TINGKAT AKURASI ALGORITMA DECISION TREE DAN RANDOM FOREST DALAM MENGKLASIFIKASI PENERIMA BANTUAN SOSIAL BPNT DI DESA SLANGIT Aldiyansyah, Aldiyansyah; Irma Purnamasari, Ade; Ali, Irfan
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.v8i1.8290

Abstract

Program Bantuan Sosial BPNT merupakan inisiatif pemerintah Indonesia yang memberikan bantuan pangan dalam bentuk nontunai kepada Keluarga Penerima Manfaat (KPM) melalui sistem perbankan. Kurang tepatnya penerima bantuan sosial tersebut menjadi permasalahan, serta kelayakan penerima KPM yang masih tidak tepat sasaran. Oleh karena itu, pada penelitian ini metode klasifikasi menggunakan algoritma decision tree dan random forest menjadi solusi yang tepat dalam untuk meningkatkan perbandingan tingkat akurasi, pada penerima bantuan sosial di Desa Slangit, Kecamatan Klangenan, Kabupaten Cirebon. Algoritma Decision tree dan random forest akan memberikan keputusan dengan model pohon keputusan dan menghasilkan tingkat akurasi yang baik. Data diperoleh dari Pemerintah Desa, Dinas Sosial Kabupaten Cirebon, dan Data Terpadu Kesejahteraan Sosial (DTKS) selama Juli dan Agustus 2023. Metode penelitian mencakup studi literatur, pengumpulan data, pra-pemrosesan data, implementasi model klasifikasi, Knowledge Discovery in Database (KDD), evaluasi model, dan kesimpulan. Evaluasi menunjukkan tingkat akurasi tinggi, yakni 97.86% untuk Decision Tree dan 97.86% untuk Random Forest. Rekomendasi penelitian ini mencakup pertimbangan terhadap metode alternatif serta perlunya penelitian lanjutan untuk memahami faktor-faktor sosial, ekonomi, dan demografis yang memengaruhi status kelayakan penerima BPNT. Dengan demikian, hasil penelitian ini diharapkan dapat memberikan panduan bagi pengembangan program bantuan sosial di masa depan.

Page 145 of 384 | Total Record : 3835

 143   144   145   146   147 

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